Биометрия — Обзор

Термин «биометрия» состоит из двух слов — « био» (греческое слово «жизнь») и « метрика» (измерения). Биометрия — это отрасль информационных технологий, которая направлена ​​на установление личности на основе личных качеств.

Биометрия в настоящее время является модным словом в области информационной безопасности, поскольку она обеспечивает высокую степень точности при идентификации личности.

Что такое биометрия?

Биометрия — это технология, используемая для идентификации, анализа и измерения физических и поведенческих характеристик человека.

Каждый человек уникален с точки зрения характеристик, которые отличают его от всех других. Физические атрибуты, такие как отпечатки пальцев, цвет радужной оболочки, цвет волос, геометрия рук и такие поведенческие характеристики, как тон и акцент речи, подпись или способ набора клавиш на клавиатуре компьютера и т. Д., Заставляют человека стоять отдельно от остальные.

Эта уникальность человека затем используется биометрическими системами для —

• Определить и проверить человека.
• Аутентифицировать человека, чтобы дать соответствующие права на работу системы.
• Оберегайте систему от неэтичного обращения.

Что такое биометрическая система?

Биометрическая система — это технология, которая принимает в качестве входных данных физиологические, поведенческие или оба эти свойства человека, анализирует их и идентифицирует человека как подлинного или злонамеренного пользователя.

Эволюция биометрии

Идея биометрии появилась с нескольких лет. В 14 веке Китай практиковал снятие отпечатков пальцев у торговцев и их детей, чтобы отделить их от всех остальных. Отпечатки пальцев все еще используются сегодня.

• В 19 веке антрополог по имени Альфонс Бертиллион разработал метод (называемый Бертиллионж ) для измерения размеров тела людей для их идентификации. Он понял, что даже если некоторые особенности человеческого тела изменяются, такие как длина волос, вес и т. Д., Некоторые физические черты тела остаются неизменными, например, длина пальцев. Этот метод быстро уменьшился, поскольку было обнаружено, что лица, имеющие одни и те же размеры тела, могут быть ложно приняты за единое целое. Впоследствии Ричард Эдвард Генри из Скотланд-Ярда разработал метод снятия отпечатков пальцев.

• Идея идентификации сетчатки была придумана доктором Карлтоном Саймоном и доктором Изадорой Гольдштейн в 1935 году. В 1976 году в EyeDentify Inc. были предприняты усилия по исследованиям и разработкам. Первая коммерческая система сканирования сетчатки была доступна в 1981 году.

• Распознавание ириса было изобретено Джоном Даугманом в 1993 году в Кембриджском университете.

• В 2001 году в Косово был внедрен Биометрический автоматизированный инструментарий (BAT), который предоставил конкретные средства идентификации.

В 19 веке антрополог по имени Альфонс Бертиллион разработал метод (называемый Бертиллионж ) для измерения размеров тела людей для их идентификации. Он понял, что даже если некоторые особенности человеческого тела изменяются, такие как длина волос, вес и т. Д., Некоторые физические черты тела остаются неизменными, например, длина пальцев. Этот метод быстро уменьшился, поскольку было обнаружено, что лица, имеющие одни и те же размеры тела, могут быть ложно приняты за единое целое. Впоследствии Ричард Эдвард Генри из Скотланд-Ярда разработал метод снятия отпечатков пальцев.

Идея идентификации сетчатки была придумана доктором Карлтоном Саймоном и доктором Изадорой Гольдштейн в 1935 году. В 1976 году в EyeDentify Inc. были предприняты усилия по исследованиям и разработкам. Первая коммерческая система сканирования сетчатки была доступна в 1981 году.

Распознавание ириса было изобретено Джоном Даугманом в 1993 году в Кембриджском университете.

В 2001 году в Косово был внедрен Биометрический автоматизированный инструментарий (BAT), который предоставил конкретные средства идентификации.

Сегодня биометрия стала самостоятельной областью исследования с точными технологиями установления личности.

Зачем нужна биометрия?

С ростом использования информационных технологий в области банковского дела, науки, лекарств и т. Д. Возникает огромная необходимость в защите систем и данных от неавторизованных пользователей.

Биометрия используется для аутентификации и авторизации человека. Хотя эти термины часто связаны; они имеют в виду разные.

Аутентификация (Идентификация)

Этот процесс пытается найти ответ на вопрос: «Вы тот же, кем себя представляете?» Или «Знаю ли я вас?». Это сопоставление «один ко многим» и сравнение биометрии человека с целым база данных.

верификация

Это процесс сопоставления «один-к-одному», в котором живой образец, введенный кандидатом, сравнивается с ранее сохраненным шаблоном в базе данных. Если оба совпадают с более чем 70% приемлемым сходством, то проверка успешна.

авторизация

Это процесс назначения прав доступа аутентифицированным или проверенным пользователям. Он пытается найти ответ на вопрос: «Имеете ли вы право на определенные права доступа к этому ресурсу?»

Недостатки обычных средств безопасности

Обычные методы защиты информационной системы используют идентификационные карты, пароли, персональные идентификационные номера (ПИН) и т. Д. Они имеют следующие недостатки:

• Все они означают распознавание некоторого кода, связанного с человеком, а не распознавание человека, который фактически произвел его.

• Они могут быть забыты, потеряны или украдены.

• Они могут быть обойдены или легко скомпрометированы.

• Они не точны.

Все они означают распознавание некоторого кода, связанного с человеком, а не распознавание человека, который фактически произвел его.

Они могут быть забыты, потеряны или украдены.

Они могут быть обойдены или легко скомпрометированы.

Они не точны.

В таких случаях безопасность системы находится под угрозой. Когда системам требуется высокий уровень надежной защиты, биометрия приходит на помощь, связывая идентичность, более ориентированную на человека.

Основные компоненты биометрической системы

В целом, биометрическую систему можно разделить на четыре основных компонента. Давайте посмотрим их кратко —

Входной интерфейс (датчики)

Это чувствительный компонент биометрической системы, которая преобразует биологические данные человека в цифровую форму.

Например,

• Металлооксидный полупроводниковый (CMOS) имидж-сканер или прибор с зарядовой связью (CCD) в случае систем распознавания лиц, отпечатков пальцев или радужной оболочки / сетчатки глаза.

• Оптический датчик в случае использования систем идентификации по отпечаткам пальцев.

• Микрофон в случае систем распознавания голоса.

Металлооксидный полупроводниковый (CMOS) имидж-сканер или прибор с зарядовой связью (CCD) в случае систем распознавания лиц, отпечатков пальцев или радужной оболочки / сетчатки глаза.

Оптический датчик в случае использования систем идентификации по отпечаткам пальцев.

Микрофон в случае систем распознавания голоса.

Блок обработки

Компонент обработки представляет собой микропроцессор, процессор цифровых сигналов (DSP) или компьютер, который обрабатывает данные, полученные с датчиков.

Обработка биометрического образца включает в себя —

• Пример улучшения изображения
• Образец нормализации изображения
• Извлечение функций
• Сравнение биометрического образца со всеми сохраненными образцами в базе данных.

База данных Магазин

База данных хранит зарегистрированный образец, который вызывается для выполнения сопоставления во время аутентификации. Для идентификации может использоваться любая память из оперативного запоминающего устройства (ОЗУ), флэш-СППЗУ или сервера данных. Для проверки используется съемный элемент памяти, такой как контактная или бесконтактная смарт-карта.

Выходной интерфейс

Выходной интерфейс сообщает решение биометрической системы о предоставлении доступа пользователю. Это может быть простой последовательный протокол связи RS232 или протокол USB с более высокой пропускной способностью. Это также может быть протокол TCP / IP, радиочастотная идентификация (RFID), Bluetooth или один из многих сотовых протоколов.

Общая работа биометрической системы

Биометрическая система выполняет четыре основных шага для идентификации и проверки:

• Получить живой образец от кандидата. (с использованием датчиков)
• Извлечь характерные черты из образца. (используя процессор)
• Сравните живой образец с образцами, хранящимися в базе данных. (используя алгоритмы)
• Представьте решение. (Принять или отклонить кандидата.)

Биометрический образец получен от потенциального пользователя. Выдающиеся признаки извлекаются из образца, а затем сравниваются со всеми образцами, хранящимися в базе данных. Когда входная выборка совпадает с одной из выборок в базе данных, биометрическая система позволяет человеку получить доступ к ресурсам; в противном случае запрещает.

Биометрия Терминология

Биометрический шаблон — это цифровой эталон отличительных характеристик, которые извлекаются из биометрического образца.

Кандидат / субъект — человек, который вводит свой биометрический образец.

Идентификация закрытого набора — известно, что человек существует в базе данных.

Регистрация — когда кандидат впервые использует биометрическую систему, он записывает основную информацию, такую ​​как имя, адрес и т. Д., А затем записывает биометрическую характеристику кандидата.

Коэффициент ложного принятия (FAR) — это мера вероятности того, что биометрическая система будет неправильно идентифицировать неавторизованного пользователя как действительного пользователя.

Биометрическая система, обеспечивающая низкий FAR, обеспечивает высокую безопасность .

Частота ложных отклонений (FRR) — это мера вероятности того, что биометрическая система неправильно отклонит авторизованного пользователя как недопустимого пользователя.

Идентификация открытого набора — человек не гарантированно существует в базе данных.

Задача — это когда биометрическая система ищет в базе данных соответствующий образец.

Области применения биометрии

Существует ряд приложений, в которых биометрические системы полезны. Немногие из них приведены ниже —

• Контроль доступа на рабочее место.

• Установление личности людей для подлинного гражданства и иммиграционных систем.

• Применение контроля доступа к конфиденциальной информации и системам.

• Выявление преступников по криминалистике.

• Выполнение онлайн-транзакций электронной торговли.

• Сокращение мошенничества и краж.

• Правоохранительные органы

Контроль доступа на рабочее место.

Установление личности людей для подлинного гражданства и иммиграционных систем.

Применение контроля доступа к конфиденциальной информации и системам.

Выявление преступников по криминалистике.

Выполнение онлайн-транзакций электронной торговли.

Сокращение мошенничества и краж.

Правоохранительные органы

Биометрия — модальности

Биометрическая модальность — это не что иное, как категория биометрической системы, зависящая от типа человеческой черты, которую она принимает в качестве входных данных.

Биометрия в значительной степени статистическая. Чем больше данных из выборки, тем больше система будет уникальной и надежной. Он может работать с различными модальностями, относящимися к измерениям тела и особенностей человека, а также к поведенческим моделям. Методы классифицируются на основе биологических особенностей человека.

Типы биометрических модальностей

Существуют различные черты, присутствующие в людях, которые могут быть использованы в качестве методов биометрии. Биометрические условия подразделяются на три типа:

• физиологический
• поведенческий
• Сочетание физиологической и поведенческой модальности

В следующей таблице собраны точки, которые различают эти три модальности —

Физиологическая Модальность	Поведенческая модальность	Сочетание обеих модальностей
Эта модальность относится к форме и размеру тела.	Эта модальность связана с изменением поведения человека с течением времени.	Эта модальность включает в себя обе черты, где черты зависят от физических и поведенческих изменений.
Например — Распознавание отпечатков пальцев Система распознавания геометрии рук Система распознавания лица Система распознавания ирисов Система распознавания геометрии рук Система сканирования сетчатки Система распознавания ДНК	Например — Походка (ходьба) Ритм набора клавиш Подпись	Например — Распознавание голоса Это зависит от состояния здоровья, размера и формы голосовых связок, полостей носа, полости рта, формы губ и т. Д., А также от эмоционального состояния, возраста, болезни (поведения) человека.

Например —

Например —

Например —

Распознавание голоса

Это зависит от состояния здоровья, размера и формы голосовых связок, полостей носа, полости рта, формы губ и т. Д., А также от эмоционального состояния, возраста, болезни (поведения) человека.

В последующих главах мы обсудим каждую из этих модальностей более подробно.

Физиологические условия

Как изображено ранее, физиологические условия основаны на непосредственном измерении частей человеческого тела, таких как радужная оболочка, отпечаток пальца, форма и положение пальцев и т. Д.

Есть некоторые физические черты, которые остаются неизменными на протяжении всей жизни человека. Они могут быть отличным ресурсом для идентификации личности.

Система распознавания отпечатков пальцев

Это наиболее известное и используемое биометрическое решение для аутентификации людей в биометрических системах. Причины его популярности — десять доступных источников биометрических данных и простота приобретения.

У каждого человека есть уникальный отпечаток пальца, который состоит из гребней, канавок и направления линий. Существует три основных типа хребтов, а именно: арка, петля и виток . Уникальность отпечатка пальца определяется этими особенностями, а также мелкими деталями, такими как раздвоение и пятна (концы гребня).

Отпечаток пальца — один из самых старых и популярных методов распознавания. Методы сопоставления отпечатков пальцев бывают трех типов:

• Методы, основанные на мелочах — в этих точках находятся точки, которые затем сопоставляются с их относительным положением на пальце. Существуют некоторые трудности, такие как, если изображение низкого качества, то трудно правильно найти мелкие точки. Другая сложность заключается в том, что он учитывает местное положение гребней и борозд; не глобальный.

• Метод, основанный на корреляции — использует более подробную информацию о шкале серого. Он преодолевает проблемы метода, основанного на мелочах, благодаря возможности работать с данными низкого качества. Но у него есть свои проблемы, такие как локализация точек.

• Сопоставление на основе шаблонов (на основе изображений). Алгоритмы на основе шаблонов сравнивают базовые шаблоны отпечатков пальцев (дуги, витки и петли) между сохраненным шаблоном и отпечатком кандидата.

Методы, основанные на мелочах — в этих точках находятся точки, которые затем сопоставляются с их относительным положением на пальце. Существуют некоторые трудности, такие как, если изображение низкого качества, то трудно правильно найти мелкие точки. Другая сложность заключается в том, что он учитывает местное положение гребней и борозд; не глобальный.

Метод, основанный на корреляции — использует более подробную информацию о шкале серого. Он преодолевает проблемы метода, основанного на мелочах, благодаря возможности работать с данными низкого качества. Но у него есть свои проблемы, такие как локализация точек.

Сопоставление на основе шаблонов (на основе изображений). Алгоритмы на основе шаблонов сравнивают базовые шаблоны отпечатков пальцев (дуги, витки и петли) между сохраненным шаблоном и отпечатком кандидата.

Достоинства системы распознавания пальцев

• Это самый современный метод.
• Это самый экономичный метод.
• Это очень надежный и безопасный.
• Он работает с шаблоном небольшого размера, что ускоряет процесс проверки.
• Он потребляет меньше памяти.

Недостатки системы распознавания пальцев

• Шрамы, порезы или отсутствие пальцев могут помешать процессу распознавания.
• Системы можно обмануть, используя искусственный палец из воска.
• Это предполагает физический контакт с системой.
• Они оставляют рисунок пальца позади во время ввода пробы.

Применение системы распознавания пальцев

• Проверка подлинности водительских прав.
• Проверка действительности водительских прав.
• Пограничный контроль / выдача виз.
• Контроль доступа в организациях.

Система распознавания лица

Распознавание лица основано на определении формы и размера челюсти, подбородка, формы и расположения глаз, бровей, носа, губ и скул. 2D сканеры лица начинают считывать геометрию лица и записывать ее в сетку. Геометрия лица передается в базу данных в виде точек. Алгоритмы сравнения выполняют сопоставление лиц и получают результаты. Распознавание лиц осуществляется следующими способами —

• Лицевые метрики — в этом типе измеряются расстояния между зрачками или от носа до губ или подбородка.

• Собственные лица — это процесс анализа общего изображения лица в виде взвешенной комбинации нескольких лиц.

• Анализ текстуры кожи — обнаруживаются уникальные линии, узоры и пятна на коже человека.

Лицевые метрики — в этом типе измеряются расстояния между зрачками или от носа до губ или подбородка.

Собственные лица — это процесс анализа общего изображения лица в виде взвешенной комбинации нескольких лиц.

Анализ текстуры кожи — обнаруживаются уникальные линии, узоры и пятна на коже человека.

Преимущества системы распознавания лица

• Он предлагает простое хранение шаблонов в базе данных.
• Это уменьшает статистические сложности, чтобы распознать изображение лица.
• Это не предполагает физического контакта с системой.

Недостатки системы распознавания лица

• Черты лица меняются со временем.
• Уникальность не гарантируется, например, в случае идентичных близнецов.
• Если лицо кандидата показывает разные выражения, такие как легкая улыбка, это может повлиять на результат.
• Требуется адекватное освещение, чтобы получить правильный ввод.

Применение системы распознавания лица

• Общая проверка личности.
• Проверка для контроля доступа.
• Взаимодействие человека с компьютером.
• Криминальная идентификация.
• Наблюдение.

Система распознавания ирисов

Распознавание радужной оболочки работает на основе рисунка радужной оболочки глаза человека. Радужная оболочка — это пигментированная эластичная ткань, которая имеет регулируемое круглое отверстие в центре. Контролирует диаметр зрачка. У взрослых людей текстура ириса стабильна на протяжении всей жизни. Образцы радужной оболочки левого и правого глаз различны. Образцы и цвета ириса меняются от человека к человеку.

Он включает в себя получение изображения радужной оболочки с помощью способной камеры, ее сохранение и сравнение с глазами кандидата с использованием математических алгоритмов.

Преимущества системы распознавания ириса

• Это очень точно, так как вероятность совпадения двух ирисов составляет 1 на 10 миллиардов человек.

• Он отлично масштабируется, так как рисунок радужной оболочки остается неизменным на протяжении всей жизни человека.

• Кандидату не нужно снимать очки или контактные линзы; они не мешают точности системы.

• Это не предполагает физического контакта с системой.

• Он обеспечивает мгновенную проверку (от 2 до 5 секунд) из-за своего небольшого размера шаблона.

Это очень точно, так как вероятность совпадения двух ирисов составляет 1 на 10 миллиардов человек.

Он отлично масштабируется, так как рисунок радужной оболочки остается неизменным на протяжении всей жизни человека.

Кандидату не нужно снимать очки или контактные линзы; они не мешают точности системы.

Это не предполагает физического контакта с системой.

Он обеспечивает мгновенную проверку (от 2 до 5 секунд) из-за своего небольшого размера шаблона.

Недостатки системы распознавания ириса

• Сканеры радужной оболочки дорогие.
• Высокое качество изображения может обмануть сканер.
• От человека требуется, чтобы его голова была неподвижна для точного сканирования.

Приложения системы распознавания ирисов

• Национальная безопасность и удостоверения личности, такие как карта Adhaar в Индии.

• Google использует распознавание радужной оболочки для доступа к своим центрам обработки данных.

Национальная безопасность и удостоверения личности, такие как карта Adhaar в Индии.

Google использует распознавание радужной оболочки для доступа к своим центрам обработки данных.

Система распознавания геометрии рук

Она включает в себя измерение длины и ширины ладони, площади поверхности, длины и положения пальцев, а также общей костной структуры кисти. Рука человека уникальна и может быть использована для идентификации человека от других. Есть две системы ручной геометрии —

• Контакт на основе — рука помещается на поверхность сканера. Это размещение позиционируется пятью штифтами, которые направляют руку-кандидата в правильное положение для камеры.

• Меньше контактов. При таком подходе для получения изображений с рук не требуются ни булавки, ни платформа.

Контакт на основе — рука помещается на поверхность сканера. Это размещение позиционируется пятью штифтами, которые направляют руку-кандидата в правильное положение для камеры.

Меньше контактов. При таком подходе для получения изображений с рук не требуются ни булавки, ни платформа.

Преимущества системы распознавания геометрии рук

• Это прочный и удобный для пользователя.
• Изменения влажности или текстуры кожи не влияют на результат.

Недостатки системы распознавания геометрии рук

• Поскольку геометрия руки не уникальна, она не очень надежна.

• Это эффективно для взрослых, а не для растущих детей.

• Если рука кандидата покрыта ювелирными изделиями, гипсом или артритом, это может вызвать проблемы.

Поскольку геометрия руки не уникальна, она не очень надежна.

Это эффективно для взрослых, а не для растущих детей.

Если рука кандидата покрыта ювелирными изделиями, гипсом или артритом, это может вызвать проблемы.

Применение системы распознавания геометрии рук

• Атомные электростанции и военные используют Hand Geometry Recognition для контроля доступа.

Система сканирования сетчатки

Сетчатка — это слой подкладки в задней части глазного яблока, который покрывает 65% внутренней поверхности глазного яблока. Содержит светочувствительные клетки. Сетчатка каждого человека уникальна благодаря сложной сети кровеносных сосудов, которые снабжают кровью.

Это надежный биометрический показатель, поскольку рисунок сетчатки остается неизменным на протяжении всей жизни человека, за исключением случаев, когда у людей диабет, глаукома или некоторые дегенеративные нарушения.

В процессе сканирования сетчатки человека просят снять линзы или очки. Низкоинтенсивный инфракрасный световой луч направляется в глаз человека на 10-15 секунд. Этот инфракрасный свет поглощается кровеносными сосудами, образующими рисунок кровеносных сосудов во время сканирования. Этот шаблон затем оцифровывается и сохраняется в базе данных.

Преимущества системы сканирования сетчатки

• Это не может быть подделано.

• Это очень надежно, так как частота ошибок составляет 1 крор (что составляет почти 0%).

Это не может быть подделано.

Это очень надежно, так как частота ошибок составляет 1 крор (что составляет почти 0%).

Недостатки системы сканирования сетчатки

• Это не очень удобно для пользователя, так как пользователь должен поддерживать устойчивость, которая может вызвать дискомфорт.

• Это имеет тенденцию обнаруживать некоторые плохие состояния здоровья, такие как гипертония или диабет, который вызывает проблемы с личной жизнью.

• Точность результатов подвержена таким заболеваниям, как катаракта, глаукома, диабет и т. Д.

Это не очень удобно для пользователя, так как пользователь должен поддерживать устойчивость, которая может вызвать дискомфорт.

Это имеет тенденцию обнаруживать некоторые плохие состояния здоровья, такие как гипертония или диабет, который вызывает проблемы с личной жизнью.

Точность результатов подвержена таким заболеваниям, как катаракта, глаукома, диабет и т. Д.

Применение системы сканирования сетчатки

• Это практикуется некоторыми государственными органами, такими как CID, ФБР и т. Д.
• Помимо приложений безопасности, он также используется для офтальмологической диагностики.

Система распознавания ДНК

D eoxyribo N euclic Cid (ДНК) — это генетический материал, найденный у людей. Каждый человек, за исключением идентичных близнецов, однозначно идентифицируется по признакам, обнаруженным в его ДНК, которая находится в ядре клетки. Существует ряд источников, из которых можно собирать образцы ДНК, такие как кровь, слюна, ногти, волосы и т. Д.

Внутри клеток ДНК организована в виде длинной двойной спиральной структуры, называемой хромосомами . У человека 23 пары хромосом. Из 46 полных хромосом потомство наследует 23 хромосомы от каждого биологического родителя. 99,7% ДНК потомства передается их родителям. Оставшиеся 0,3% ДНК содержат повторяющееся кодирование, уникальное для индивидуума.

Основные этапы профилирования ДНК —

• Отделение ДНК от образца, полученного из крови, слюны, волос, спермы или ткани.

• Разделение образца ДНК на более короткие сегменты.

• Организация сегментов ДНК в соответствии с размером.

• Сравнение сегментов ДНК из разных образцов.

Отделение ДНК от образца, полученного из крови, слюны, волос, спермы или ткани.

Разделение образца ДНК на более короткие сегменты.

Организация сегментов ДНК в соответствии с размером.

Сравнение сегментов ДНК из разных образцов.

Чем детальнее образец, тем точнее сравнение и идентификация личности.

Биометрия ДНК отличается от всех других следующими факторами:

• Это нуждается в материальном физическом образце вместо изображения.

• Сопоставление ДНК делается на физических образцах. Нет функции извлечения или сохранения шаблона.

Это нуждается в материальном физическом образце вместо изображения.

Сопоставление ДНК делается на физических образцах. Нет функции извлечения или сохранения шаблона.

Заслуга системы распознавания ДНК

Это обеспечивает высочайшую точность.

Недостатки системы распознавания ДНК

• Продолжительность процедуры от выборки до результата велика.
• Будучи более информативным, это приносит проблемы конфиденциальности.
• Требуется больше места для хранения.
• Загрязнение проб или деградация образца может повлиять на результат.

Применение системы распознавания ДНК

• Это в основном используется, чтобы доказать вину или невиновность.
• Используется в физической и сетевой безопасности.

Поведенческие модальности

Поведенческая биометрия относится к поведению, демонстрируемому людьми, или к тому, как люди выполняют такие задачи, как ходьба, подписание и набор текста на клавиатуре.

Методы поведенческой биометрии имеют более высокие вариации, поскольку они в основном зависят от внешних факторов, таких как усталость, настроение и т. Д. Это вызывает более высокие значения FAR и FRR по сравнению с решениями, основанными на физиологической биометрии.

Признание походки

Походка — манера хождения человека. Люди показывают различные черты во время ходьбы, такие как осанка тела, расстояние между двумя ногами во время ходьбы, раскачивание и т. Д., Которые помогают однозначно распознавать их.

Распознавание походки, основанное на анализе видеоизображений ходьбы кандидата. Образец цикла ходьбы кандидата записывается на видео. Затем образец анализируется на положение суставов, таких как колени и лодыжки, и углы между ними при ходьбе.

Соответствующая математическая модель создается для каждого кандидата и сохраняется в базе данных. Во время проверки эта модель сравнивается с живым образцом обхода кандидата для определения его идентичности.

Достоинства системы распознавания походки

• Это неинвазивно.

• Это не нуждается в сотрудничестве кандидата, поскольку это может использоваться на расстоянии.

• Он может быть использован для определения медицинских расстройств путем выявления изменений в характере ходьбы человека в случае болезни Паркинсона.

Это неинвазивно.

Это не нуждается в сотрудничестве кандидата, поскольку это может использоваться на расстоянии.

Он может быть использован для определения медицинских расстройств путем выявления изменений в характере ходьбы человека в случае болезни Паркинсона.

Недостатки системы распознавания походки

• Для этого биометрического метода ни одна модель до сих пор не разработана с полной точностью.

• Это может быть не так надежно, как другие известные биометрические методы.

Для этого биометрического метода ни одна модель до сих пор не разработана с полной точностью.

Это может быть не так надежно, как другие известные биометрические методы.

Применение системы распознавания походки

Он хорошо подходит для выявления преступников в сценарии преступления.

Система распознавания подписи

В этом случае больше внимания уделяется поведенческим шаблонам, в которых подпись подписана, а не тому, как подпись выглядит с точки зрения графики.

Поведенческие паттерны включают изменения в сроках написания, паузах, давлении, направлении ударов и скорости во время подписи. Может быть легко дублировать графический вид подписи, но нелегко имитировать подпись с тем же поведением, которое демонстрирует человек при подписании.

Эта технология состоит из ручки и специального планшетного компьютера, подключенных к компьютеру для сравнения и проверки шаблонов. Высококачественный планшет может фиксировать поведенческие характеристики, такие как скорость, давление и время подписания.

На этапе регистрации кандидат должен подписаться на планшете несколько раз для сбора данных. Затем алгоритмы распознавания подписи извлекают уникальные функции, такие как время, давление, скорость, направление ударов, важные точки на пути подписи и размер подписи. Алгоритм присваивает этим точкам разные значения весов.

Во время идентификации кандидат вводит живой образец подписи, который сравнивается с подписями в базе данных.

Ограничения системы распознавания подписи

• Чтобы получить достаточный объем данных, подпись должна быть достаточно маленькой, чтобы поместиться на планшете, и достаточно большой, чтобы иметь возможность работать с ней.

• Качество письменного планшета определяет надежность шаблона регистрации распознавания подписи.

• Кандидат должен выполнить процессы проверки в той же среде и в тех же условиях, что и во время зачисления. Если есть изменения, то шаблон регистрации и шаблон реального образца могут отличаться друг от друга.

Чтобы получить достаточный объем данных, подпись должна быть достаточно маленькой, чтобы поместиться на планшете, и достаточно большой, чтобы иметь возможность работать с ней.

Качество письменного планшета определяет надежность шаблона регистрации распознавания подписи.

Кандидат должен выполнить процессы проверки в той же среде и в тех же условиях, что и во время зачисления. Если есть изменения, то шаблон регистрации и шаблон реального образца могут отличаться друг от друга.

Преимущества системы признания подписи

• Процесс распознавания подписи имеет высокую устойчивость к самозванцам, поскольку очень трудно имитировать модели поведения, связанные с подписью.

• Это работает очень хорошо в больших деловых транзакциях. Например, распознавание подписи может использоваться для положительной проверки представителей бизнеса, участвующих в транзакции, прежде чем какие-либо секретные документы будут открыты и подписаны.

• Это неинвазивный инструмент.

• Мы все используем нашу подпись в какой-то коммерческой сфере, и, таким образом, практически нет проблем с правами на неприкосновенность частной жизни.

• Даже если система взломана, а шаблон украден, его легко восстановить.

Процесс распознавания подписи имеет высокую устойчивость к самозванцам, поскольку очень трудно имитировать модели поведения, связанные с подписью.

Это работает очень хорошо в больших деловых транзакциях. Например, распознавание подписи может использоваться для положительной проверки представителей бизнеса, участвующих в транзакции, прежде чем какие-либо секретные документы будут открыты и подписаны.

Это неинвазивный инструмент.

Мы все используем нашу подпись в какой-то коммерческой сфере, и, таким образом, практически нет проблем с правами на неприкосновенность частной жизни.

Даже если система взломана, а шаблон украден, его легко восстановить.

Недостатки системы распознавания подписи

• Живой образец шаблона подвержен изменениям в отношении изменений в поведении при подписании. Например, подписание с рукой держал в гипсе.

• Пользователю нужно привыкнуть пользоваться подписывающим планшетом. Уровень ошибок высок, пока это не произойдет.

Живой образец шаблона подвержен изменениям в отношении изменений в поведении при подписании. Например, подписание с рукой держал в гипсе.

Пользователю нужно привыкнуть пользоваться подписывающим планшетом. Уровень ошибок высок, пока это не произойдет.

Применение системы распознавания подписи

• Он используется при проверке документов и авторизации.

• Банк Чейз Манхэттен, Чикаго, известен как первый банк, принявший технологию распознавания подписи.

Он используется при проверке документов и авторизации.

Банк Чейз Манхэттен, Чикаго, известен как первый банк, принявший технологию распознавания подписи.

Система распознавания нажатий клавиш

Во время Второй мировой войны военная разведка использовала технику, известную как Кулак отправителя , чтобы определить, был ли азбука Морзе отправлена ​​врагом или союзником на основе ритма набора текста. В наши дни динамика нажатия клавиш является самым простым биометрическим решением для реализации с точки зрения аппаратного обеспечения.

Этот биометрический анализирует тип печатного текста кандидата, ритм и скорость набора текста на клавиатуре. Измерения времени задержки и времени полета используются для распознавания нажатий клавиш.

Время задержки — это время, в течение которого клавиша нажата.

Время полета — это время, прошедшее между отпусканием клавиши и нажатием следующей клавиши.

Кандидаты различаются по тому, как они печатают на клавиатуре, по времени, которое они тратят на поиск нужной клавиши, по времени полета и времени пребывания. Их скорость и ритм набора текста также варьируются в зависимости от их уровня комфорта с клавиатурой. Система распознавания нажатий клавиш контролирует ввод с клавиатуры тысячи раз в секунду в одной попытке идентифицировать пользователей на основе их привычек печатать.

Существует два типа распознавания нажатий клавиш —

• Статика — это одноразовое распознавание в начале взаимодействия.

• Непрерывный — это на протяжении всего процесса взаимодействия.

Статика — это одноразовое распознавание в начале взаимодействия.

Непрерывный — это на протяжении всего процесса взаимодействия.

Применение динамики нажатия клавиш

• Распознавание нажатий клавиш используется для идентификации / проверки. Он используется с идентификатором пользователя / паролем как форма многофакторной аутентификации .

• Используется для наблюдения. Некоторые программные решения отслеживают поведение клавиш для каждой учетной записи пользователя без ведома конечного пользователя. Это отслеживание используется для анализа того, была ли учетная запись общедоступной или использовалась кем-либо кроме подлинного владельца учетной записи. Он используется для проверки, распространяется ли какая-либо лицензия на программное обеспечение.

Распознавание нажатий клавиш используется для идентификации / проверки. Он используется с идентификатором пользователя / паролем как форма многофакторной аутентификации .

Используется для наблюдения. Некоторые программные решения отслеживают поведение клавиш для каждой учетной записи пользователя без ведома конечного пользователя. Это отслеживание используется для анализа того, была ли учетная запись общедоступной или использовалась кем-либо кроме подлинного владельца учетной записи. Он используется для проверки, распространяется ли какая-либо лицензия на программное обеспечение.

Преимущества системы распознавания нажатий клавиш

• Для отслеживания этой биометрии не требуется никакого специального оборудования.
• Это быстрый и безопасный способ идентификации.
• Человек, печатающий, не должен беспокоиться о том, чтобы за ним наблюдали.
• Пользователи не нуждаются в обучении для регистрации или ввода своих живых образцов.

Недостатки системы распознавания нажатий клавиш

• Ритм печатания кандидата может меняться в течение нескольких дней или в течение самого дня из-за усталости, болезни, влияния лекарств или алкоголя, смены клавиатуры и т. Д.

• Нет никаких известных функций, предназначенных исключительно для проведения различающей информации.

Ритм печатания кандидата может меняться в течение нескольких дней или в течение самого дня из-за усталости, болезни, влияния лекарств или алкоголя, смены клавиатуры и т. Д.

Нет никаких известных функций, предназначенных исключительно для проведения различающей информации.

Распознавание голоса

Биометрическая модальность распознавания голоса представляет собой комбинацию как физиологических, так и поведенческих модальностей. Распознавание голоса — это не что иное, как распознавание звука. Он опирается на особенности под влиянием —

• Физиологический компонент — физическая форма, размер и здоровье голосовой связки человека, а также губ, зубов, языка и полости рта.

• Поведенческий компонент — эмоциональный статус человека во время разговора, акценты, тон, тон, темп речи, бормотание и т. Д.

Физиологический компонент — физическая форма, размер и здоровье голосовой связки человека, а также губ, зубов, языка и полости рта.

Поведенческий компонент — эмоциональный статус человека во время разговора, акценты, тон, тон, темп речи, бормотание и т. Д.

Система распознавания голоса

Распознавание голоса также называется распознаванием динамика. Во время регистрации пользователю необходимо произнести слово или фразу в микрофон. Это необходимо для приобретения образца речи кандидата.

Электрический сигнал с микрофона преобразуется в цифровой сигнал с помощью аналого-цифрового преобразователя (АЦП). Он записывается в память компьютера в виде оцифрованного образца. Затем компьютер сравнивает и пытается сопоставить входной голос кандидата с сохраненным оцифрованным голосовым образцом и идентифицирует кандидата.

Методы распознавания голоса

Существует два варианта распознавания голоса — зависимый от говорящего и независимый от говорящего .

Зависимое от говорящего распознавание голоса опирается на знание конкретных характеристик голоса кандидата. Эта система изучает эти характеристики посредством голосового обучения (или регистрации).

• Система должна быть обучена пользователям, чтобы она привыкла к определенному акценту и тону, прежде чем использовать ее для распознавания того, что было сказано.

• Это хороший вариант, если только один пользователь будет использовать систему.

Система должна быть обучена пользователям, чтобы она привыкла к определенному акценту и тону, прежде чем использовать ее для распознавания того, что было сказано.

Это хороший вариант, если только один пользователь будет использовать систему.

Системы, независимые от говорящего, могут распознавать речь от разных пользователей, ограничивая контексты речи, такие как слова и фразы. Эти системы используются для автоматизированных телефонных интерфейсов.

• Они не требуют обучения системы каждому отдельному пользователю.

• Они являются хорошим выбором для использования разными людьми, когда не требуется распознавать речевые характеристики каждого кандидата.

Они не требуют обучения системы каждому отдельному пользователю.

Они являются хорошим выбором для использования разными людьми, когда не требуется распознавать речевые характеристики каждого кандидата.

Разница между распознаванием голоса и речи

Распознавание говорящего и распознавание речи ошибочно воспринимаются как одно и то же; но это разные технологии. Давайте посмотрим, как —

Распознавание динамиков (Распознавание голоса)	Распознавание речи
Целью распознавания голоса является признание того, что ВОЗ говорит.	Распознавание речи направлено на понимание и понимание того, ЧТО было сказано.
Он используется для идентификации человека путем анализа его тона, высоты голоса и акцента.	Он используется в ручных вычислениях, картах или навигации по меню.

Преимущества распознавания голоса

• Это легко реализовать.

Недостатки распознавания голоса

• Он чувствителен к качеству микрофона и шуму.

• Неспособность контролировать факторы, влияющие на систему ввода, может значительно снизить производительность.

• Некоторые системы проверки динамиков также подвержены подделке атак с помощью записанного голоса.

Он чувствителен к качеству микрофона и шуму.

Неспособность контролировать факторы, влияющие на систему ввода, может значительно снизить производительность.

Некоторые системы проверки динамиков также подвержены подделке атак с помощью записанного голоса.

Приложения распознавания голоса

• Выполнение телефонных и интернет транзакций.

• Работа с банковскими системами и системами здравоохранения на основе интерактивного голосового ответа (IRV).

• Применение звуковых подписей для цифровых документов.

• В сфере развлечений и экстренных служб.

• В системах онлайн-образования.

Выполнение телефонных и интернет транзакций.

Работа с банковскими системами и системами здравоохранения на основе интерактивного голосового ответа (IRV).

Применение звуковых подписей для цифровых документов.

В сфере развлечений и экстренных служб.

В системах онлайн-образования.

Мультимодальные биометрические системы

Все биометрические системы, которые мы обсуждали до сих пор, были унимодальными, которые используют единый источник информации для аутентификации. Как видно из названия, мультимодальные биометрические системы работают на прием информации от двух или более биометрических входов.

Мультимодальная биометрическая система увеличивает объем и разнообразие входной информации, которую система берет от пользователей для аутентификации.

Почему требуется мультимодальная биометрия?

Унимодальные системы сталкиваются с различными проблемами, такими как отсутствие секретности, неуниверсальность образцов, степень комфорта и свободы пользователя при работе с системой, подделка атак на хранимые данные и т. Д.

Некоторые из этих проблем можно решить с помощью мультимодальной биометрической системы.

Есть еще несколько причин для его требования, таких как —

• Наличие нескольких признаков делает мультимодальную систему более надежной.

• Мультимодальная биометрическая система повышает безопасность и секретность пользовательских данных.

• Мультимодальная биометрическая система проводит стратегии слияния для объединения решений каждой подсистемы, а затем приходит к выводу. Это делает мультимодальную систему более точной.

• Если какой-либо из идентификаторов не работает по известным или неизвестным причинам, система все еще может обеспечить безопасность, используя другой идентификатор.

• Мультимодальные системы могут предоставлять информацию об «живости» вводимой пробы с использованием методов обнаружения живости. Это делает их способными обнаруживать и обрабатывать спуфинг.

Наличие нескольких признаков делает мультимодальную систему более надежной.

Мультимодальная биометрическая система повышает безопасность и секретность пользовательских данных.

Мультимодальная биометрическая система проводит стратегии слияния для объединения решений каждой подсистемы, а затем приходит к выводу. Это делает мультимодальную систему более точной.

Если какой-либо из идентификаторов не работает по известным или неизвестным причинам, система все еще может обеспечить безопасность, используя другой идентификатор.

Мультимодальные системы могут предоставлять информацию об «живости» вводимой пробы с использованием методов обнаружения живости. Это делает их способными обнаруживать и обрабатывать спуфинг.

Работа мультимодальной биометрической системы

Мультимодальная биометрическая система имеет все обычные модули, которые унимодальная система имеет —

• Модуль захвата
• Модуль извлечения функций
• Модуль сравнения
• Модуль принятия решений

Кроме того, он имеет метод объединения для интеграции информации из двух разных систем аутентификации. Слияние может быть сделано на любом из следующих уровней —

• Во время извлечения объекта.
• При сравнении живых образцов хранятся биометрические шаблоны.
• Во время принятия решения.

Мультимодальные биометрические системы, которые интегрируют или объединяют информацию на начальном этапе, считаются более эффективными, чем системы, которые интегрируют информацию на более поздних этапах. Очевидная причина этого состоит в том, что ранняя стадия содержит более точную информацию, чем оценки соответствия модулей сравнения.

Сценарии слияния в мультимодальной биометрической системе

В мультимодальной биометрической системе может быть множество признаков и компонентов. Они могут быть следующими —

• Одна биометрическая характеристика, несколько датчиков.

• Одиночная биометрическая характеристика, несколько классификаторов (скажем, сопоставление на основе мелочей и сопоставление на основе текстур).

• Одна биометрическая черта, несколько единиц (скажем, несколько пальцев).

• Множественные биометрические признаки человека (скажем, радужная оболочка, отпечаток пальца и т. Д.).

Одна биометрическая характеристика, несколько датчиков.

Одиночная биометрическая характеристика, несколько классификаторов (скажем, сопоставление на основе мелочей и сопоставление на основе текстур).

Одна биометрическая черта, несколько единиц (скажем, несколько пальцев).

Множественные биометрические признаки человека (скажем, радужная оболочка, отпечаток пальца и т. Д.).

Затем эти черты используются для подтверждения личности пользователя.

Проблемы проектирования с мультимодальными биометрическими системами

При проектировании мультимодальной биометрической системы необходимо учитывать ряд факторов.

• Уровень безопасности, который вы должны внести.
• Количество пользователей, которые будут использовать систему.
• Типы биометрических признаков, которые вам необходимо приобрести.
• Количество биометрических признаков от пользователей.
• Уровень, на котором несколько биометрических признаков нуждаются в интеграции.
• Техника, которая будет принята для интеграции информации.
• Компромисс между стоимостью разработки и производительностью системы.

Биометрический выбор модальности

Чтобы иметь возможность выбрать правильную биометрическую систему, вам необходимо сравнить их по различным аспектам. Вам необходимо оценить соответствие систем вашим требованиям с точки зрения удобства, технических характеристик и производительности системы, а также вашего бюджета.

Вы можете выбрать наиболее подходящую биометрическую систему, изучив различные критерии их эффективности.

Критерии для эффективной биометрической системы

Существует семь основных критериев для измерения эффективности биометрической системы —

• Уникальность — определяет, насколько уникально биометрическая система может распознавать пользователя из группы пользователей. Это основной критерий.

• Универсальность — указывает на необходимость уникальных характеристик каждого человека в мире, которые невозможно воспроизвести. Это вторичный критерий.

• Постоянство — указывает на то, что записанная личная черта должна быть постоянной в базе данных в течение определенного периода времени.

• Собираемость — это легкость, с которой черта человека может быть приобретена, измерена или обработана в дальнейшем.

• Производительность — это эффективность системы с точки зрения точности, скорости, обработки ошибок и надежности.

• Приемлемость — это удобство для пользователя или то, насколько хорошо пользователи принимают эту технологию, чтобы они были готовы к тому, чтобы их биометрические признаки были получены и оценены.

• Обход — это та легкость, с которой черту можно имитировать, используя артефакт или заменитель.

Уникальность — определяет, насколько уникально биометрическая система может распознавать пользователя из группы пользователей. Это основной критерий.

Универсальность — указывает на необходимость уникальных характеристик каждого человека в мире, которые невозможно воспроизвести. Это вторичный критерий.

Постоянство — указывает на то, что записанная личная черта должна быть постоянной в базе данных в течение определенного периода времени.

Собираемость — это легкость, с которой черта человека может быть приобретена, измерена или обработана в дальнейшем.

Производительность — это эффективность системы с точки зрения точности, скорости, обработки ошибок и надежности.

Приемлемость — это удобство для пользователя или то, насколько хорошо пользователи принимают эту технологию, чтобы они были готовы к тому, чтобы их биометрические признаки были получены и оценены.

Обход — это та легкость, с которой черту можно имитировать, используя артефакт или заменитель.

Сравнение различных биометрических модальностей

Давайте сравним всю биометрическую систему в следующих терминах —

Биометрическая характеристика	Всеобщность	уникальность	неизменность	Collect-способность	Спектакль	Accept-способность	Циркумантарктические по предотвращению бедствий
Отпечатков пальцев	Средняя	Высоко	Высоко	Средняя	Высоко	Средняя	Высоко
Распознавание лица	Высоко	Низкий	Средняя	Высоко	Низкий	Высоко	Низкий
Ручная геометрия	Средняя	Средняя	Средняя	Высоко	Средняя	Средняя	Средняя
Распознавание ирисов	Высоко	Высоко	Высоко	Средняя	Высоко	Низкий	Высоко
Сканирование сетчатки	Высоко	Высоко	Средняя	Низкий	Высоко	Низкий	Высоко
ДНК	Высоко	Высоко	Средняя	Высоко	Высоко	Низкий	Низкий
нажатие клавиши	Высоко	Низкий	Низкий	Высоко	Средняя	Высоко	Высоко
Подпись	Низкий	Низкий	Низкий	Высоко	Низкий	Высоко	Низкий
голос	Средняя	Низкий	Низкий	Средняя	Низкий	Высоко	Низкий

Вы можете выбрать подходящую биометрическую систему в зависимости от критериев, с которыми вам нужно работать, как показано в таблице.

Производительность биометрической системы

Производители биометрических систем заявляют о высокой производительности системы, которую практически невозможно достичь в реальных условиях эксплуатации. Возможные причины: тесты, проводимые в настройках контролируемой среды, ограничения на оборудование и т. Д.

Например, система распознавания голоса может эффективно работать только в тихой обстановке, система распознавания лиц может работать нормально, если условия освещения контролируются, и кандидатов можно обучить правильно чистить и размещать свои пальцы на сканерах отпечатков пальцев.

Однако на практике такие идеальные условия могут быть недоступны в целевой операционной среде.

Измерения производительности

Измерения производительности биометрической системы тесно связаны с частотой ложных отклонений (FRR) и частотой ложных утверждений (FAR).

FRR также называется ошибкой типа I или ошибочной несоответствием (FNMR), которая указывает на вероятность того, что законный пользователь будет отклонен системой.

FAR упоминается как ошибка типа II или частота ложных совпадений (FMR), которая указывает на вероятность того, что система подаст заявление о ложном удостоверении личности.

Ожидается, что идеальная биометрическая система будет давать нулевое значение как для FAR, так и для FRR. Это означает, что он должен принимать всех подлинных пользователей и отвергать все поддельные заявления о личности, что практически недостижимо.

FAR и FRR обратно пропорциональны друг другу. Если FAR улучшается, то FRR снижается. Биометрическая система, обеспечивающая высокий FRR, обеспечивает высокую безопасность . Если FRR слишком велик, то система требует многократно вводить живой образец, что делает его менее эффективным.

Производительность современных биометрических технологий далека от идеальной. Следовательно, разработчики системы должны поддерживать хороший баланс между этими двумя факторами в зависимости от требований безопасности.

Распознавание образов и биометрия

Распознавание паттернов связано с идентификацией паттерна и его повторным подтверждением. В общем, шаблон может быть изображением отпечатка пальца, рукописным курсивным словом, человеческим лицом, речевым сигналом, штрих-кодом или веб-страницей в Интернете.

Отдельные шаблоны часто группируются в различные категории в зависимости от их свойств. Когда шаблоны с одинаковыми свойствами группируются вместе, результирующая группа также является шаблоном, который часто называют классом шаблона.

Распознавание образов — это наука о наблюдении, различении интересующих моделей и принятии правильных решений относительно шаблонов или классов шаблонов. Таким образом, биометрическая система применяет распознавание образов для идентификации и классификации людей, сравнивая его с сохраненными шаблонами.

Распознавание образов в биометрии

Техника распознавания образов выполняет следующие задачи —

• Классификация — идентификация рукописных символов, капчей, различение людей от компьютеров.

• Сегментация — обнаружение текстовых областей или областей лица на изображениях.

• Распознавание синтаксических образов — определение взаимосвязи группы математических символов или операторов и того, как они образуют осмысленное выражение.

Классификация — идентификация рукописных символов, капчей, различение людей от компьютеров.

Сегментация — обнаружение текстовых областей или областей лица на изображениях.

Распознавание синтаксических образов — определение взаимосвязи группы математических символов или операторов и того, как они образуют осмысленное выражение.

Следующая таблица подчеркивает роль распознавания образов в биометрии —

Задача распознавания образов	вход	Выход
Распознавание персонажей (Распознавание подписей)	Оптические сигналы или удары	Имя персонажа
Распознавание спикеров	голос	Личность говорящего
Отпечаток пальца, изображение лица, изображение геометрии руки	Образ	Личность пользователя

Компоненты распознавания образов

Техника распознавания образов выделяет случайный образец характера человека в компактную цифровую подпись, которая может служить биологическим идентификатором. Биометрические системы используют методы распознавания образов, чтобы классифицировать пользователей и идентифицировать их по отдельности.

Компоненты распознавания образов следующие:

Популярные алгоритмы распознавания образов

Самые популярные алгоритмы генерации паттернов —

Алгоритм ближайшего соседа

Вам нужно взять вектор неизвестного человека и вычислить его расстояние от всех шаблонов в базе данных. Наименьшее расстояние дает лучшее совпадение.

Алгоритм обратного распространения (Backprop)

Это немного сложный, но очень полезный алгоритм, который включает в себя множество математических вычислений.

Обработка сигналов и биометрия

Существуют различные сигналы, которые мы можем получить в реальном мире, такие как звук, свет, радиосигналы, биомедицинские сигналы от человеческого тела и т. Д. Все эти сигналы имеют форму непрерывного потока информации, называемого аналоговыми сигналами. Человеческий голос — это своего рода сигнал, который мы получаем из реального мира и используем как биометрический вход.

Что такое сигнал?

Сигнал — это измеряемая физическая величина, содержащая некоторую информацию, которая может быть передана, отображена, записана или изменена.

Обработка сигналов в биометрии

Существуют различные причины для обработки сигналов. Биометрические системы, требующие обработки голоса по разным причинам —

• Извлечь значимую информацию из выборки кандидата.
• Чтобы удалить шум из образца.
• Сделать образец передаваемым.
• Удалить искажение образца.

Модуль обработки аналогового сигнала преобразует информацию реального мира, такую ​​как звуковая волна, в форме нулей и единиц, чтобы ее можно было понять и использовать в современных цифровых системах, таких как биометрические системы. Клавиши, геометрия руки, подпись и речь попадают в области обработки сигналов и распознавания образов.

Системы цифровой обработки сигналов (DSP)

Существует два типа сигналов — аналоговый и цифровой. Аналоговые сигналы представляют собой непрерывный непрерывный поток информации, тогда как цифровой сигнал представляет собой поток от 0 до 1.

Системы DSP являются одним из важных компонентов биометрических систем, которые преобразуют аналоговые сигналы в поток дискретных цифровых значений путем дискретизации и оцифровки с использованием аналого-цифрового преобразователя (АЦП).

DSP — это однокристальные цифровые микрокомпьютеры, которые обрабатывают электрические сигналы, генерируемые электронными датчиками от камер, датчиков отпечатков пальцев, микрофонов и т. Д.

DSP в биометрии

DSP позволяет биометрической системе быть небольшой и легко переносимой, эффективно работать и быть в целом менее затратной.

Архитектура DSP построена для поддержки сложных математических алгоритмов, которые требуют значительного умножения и сложения. DSP может выполнять умножение / сложение в одном цикле с помощью аппаратного средства умножения / накопления (MAC) внутри своего арифметического логического устройства (ALU).

Он также может улучшить разрешение захваченного изображения с помощью двумерных быстрых преобразований Фурье (FFT) и конечных ИК-фильтров.

Биометрия и обработка изображений

Изображения имеют огромную долю в эту эпоху информации. В биометрии обработка изображения требуется для идентификации человека, чье биометрическое изображение ранее сохранено в базе данных. Лица, отпечатки пальцев, радужная оболочка и т. Д. Представляют собой биометрические данные на основе изображений, которые требуют методов обработки изображений и распознавания образов.

Чтобы биометрическая система на основе изображений работала точно, ей необходимо иметь примерное изображение биометрической информации пользователя в очень четкой и не фальсифицированной форме.

Требование обработки изображений в биометрии

Изображение биометрического пользователя поступает в биометрическую систему. Система запрограммирована так, чтобы манипулировать изображением с помощью уравнений, а затем сохранять результаты вычислений для каждого пикселя.

Чтобы выборочно улучшить определенные тонкие особенности в данных и удалить определенный шум, цифровые данные подвергаются различным операциям обработки изображений.

Методы обработки изображений можно сгруппировать в три функциональные категории —

Восстановление изображения

Восстановление изображения в основном включает в себя —

• Уменьшение шума вводится в изображение во время получения образца.
• Устранение искажений появилось при зачислении в биометрию.

Сглаживание изображения уменьшает шумы на изображении. Сглаживание выполняется путем замены каждого пикселя на среднее значение соседним пикселем. Биометрическая система использует различные алгоритмы фильтрации и методы снижения шума, такие как медианная фильтрация, адаптивная фильтрация, статистическая гистограмма, вейвлет-преобразования и т. Д.

Улучшение изображения

Методы улучшения изображения улучшают видимость любой части или функции изображения и подавляют информацию в других частях. Это делается только после завершения восстановления. Он включает в себя повышение яркости, повышение резкости, регулировку контрастности и т. Д., Чтобы изображение можно было использовать для дальнейшей обработки.

Функция извлечения

Два типа функций извлекаются из изображения, а именно —

• Общие характеристики — такие функции, как форма, текстура, цвет и т. Д., Которые используются для описания содержимого изображения.

• Специфичные для домена функции — это зависящие от приложения функции, такие как лицо, диафрагма, отпечаток пальца и т. Д. Фильтры Gabor используются для извлечения функций.

Общие характеристики — такие функции, как форма, текстура, цвет и т. Д., Которые используются для описания содержимого изображения.

Специфичные для домена функции — это зависящие от приложения функции, такие как лицо, диафрагма, отпечаток пальца и т. Д. Фильтры Gabor используются для извлечения функций.

Когда функции извлечены из изображения, вам нужно выбрать подходящий классификатор. Широко используется классификатор Nearest Neighbor классификатор , который сравнивает вектор признаков изображения-кандидата с вектором изображения, хранящимся в базе данных.

B-сплайны — это приближения, применяемые для описания кривых в биометрических системах отпечатков пальцев. Коэффициенты B-сплайнов используются в качестве признаков. В случае системы распознавания радужной оболочки изображения радужной оболочки разлагаются с использованием дискретного вейвлет-преобразования (DWT), и коэффициенты DWT затем используются в качестве элементов.

Биометрическая система безопасности

Работа биометрической системы сильно зависит от устройств ввода, которые подвергаются эксплуатационным ограничениям. Иногда сами устройства могут не захватывать необходимые входные выборки. Они могут не захватить образец в достаточной степени. Это делает систему ненадежной и уязвимой.

Чем более уязвима биометрическая система, тем более она небезопасна.

Уязвимость биометрической системы

Существуют две основные причины уязвимости биометрической системы:

Системные сбои

Есть два способа, которыми биометрическая система может не работать —

• Внутренние сбои — это сбои, такие как неработающие датчики, сбой модулей извлечения признаков, согласования или принятия решений и т. Д.

• Сбои из-за атак. Они связаны с лазеками в дизайне биометрической системы, доступностью любых вычислений для злоумышленников, инсайдерскими атаками неэтичных системных администраторов и т. Д.

Внутренние сбои — это сбои, такие как неработающие датчики, сбой модулей извлечения признаков, согласования или принятия решений и т. Д.

Сбои из-за атак. Они связаны с лазеками в дизайне биометрической системы, доступностью любых вычислений для злоумышленников, инсайдерскими атаками неэтичных системных администраторов и т. Д.

Незащищенная инфраструктура

Биометрическая система может быть доступна злоумышленникам, если ее оборудование, программное обеспечение и пользовательские данные не защищены.

Риски с биометрической системой безопасности

Безопасность биометрической системы важна, так как биометрические данные нелегко отозвать или заменить. Существуют следующие значительные риски в отношении безопасности биометрических систем:

Риск кражи пользовательских данных

Если биометрическая система уязвима, хакер может нарушить ее безопасность и собрать пользовательские данные, записанные в базе данных. Это создает больше угроз для конфиденциальности.

Риск компрометации пользовательских данных

После получения биометрического образца хакер может представить поддельный образец в систему. Если пользовательские данные скомпрометированы, они остаются скомпрометированными навсегда. Очевидная причина в том, что у пользователя ограниченное количество биометрических данных, и их трудно заменить, в отличие от паролей или идентификационных карт.

Хотя биометрические данные зашифрованы и сохранены, их необходимо расшифровать для соответствия цели. В момент сопоставления хакер может взломать систему безопасности.

Биометрическая система безопасности

Предлагается ряд решений для решения проблемы безопасности биометрической системы. Биометрические шаблоны никогда не хранятся в необработанном виде. Они зашифрованы; иногда даже дважды.

В случае биометрии используются различные ресурсы, такие как люди (субъекты или кандидаты), объекты (компоненты или процессы системы) и биометрические данные (информация). Требования безопасности конфиденциальности, целостности, подлинности, непризнания и доступности являются существенными в биометрии. Давайте кратко рассмотрим их —

аутентичность

Это качество или состояние быть чистым, подлинным или оригинальным, а не воспроизводимым. Информация является достоверной, когда она находится в том же состоянии и качестве, когда она была создана, сохранена или передана.

В биометрической системе существует две подлинности: подлинность объекта и подлинность источника данных . Подлинность объекта подтверждает, что все объекты, участвующие в общей обработке, являются теми, на кого они претендуют. Подлинность происхождения данных гарантирует подлинность и оригинальность данных. Например, данные биометрии собираются с помощью сенсорных устройств. Захваченные данные, полученные с подлинного датчика, не подделываются из предыдущей записи.

конфиденциальность

Это ограничивает доступ к информации и ее раскрытие авторизованным пользователям и предотвращает доступ или раскрытие ее посторонними лицами. В случае биометрической системы это, в основном, относится к биометрической и связанной с ней информации аутентификации, когда она собирается и хранится, которая должна храниться в тайне от посторонних лиц.

Биометрическая информация должна быть доступна только человеку, которому она принадлежит. Во время идентификации и изменения доступный кандидат должен быть ограничен соответствующими мерами безопасности.

целостность

Это условие быть полным и неизменным, что относится к его последовательности, точности и правильности. Для биометрической системы целостность должна быть высокой. Любые злонамеренные манипуляции во время эксплуатации и хранения должны храниться или обнаруживаться как можно раньше, включая их уведомление и исправление.

Неотрекаемость

Это идентификация задействованных ресурсов, таких как объекты и компоненты. Это также рассматривается как ответственность. Например, он запрещает отправителю или получателю биометрической информации отрицать отправку или получение биометрической информации.

Доступность

Ресурс обладает свойством доступности по отношению к набору объектов, если все члены набора могут получить доступ к ресурсу. Аспект, называемый достижимостью, гарантирует, что с людьми или системными процессами можно или нельзя связываться, в зависимости от интересов пользователя.

Злоумышленники могут сделать систему непригодной для подлинных пользователей, не позволяя им использовать аутентифицированные приложения. Эти злоумышленники нацелены на доступность информации.

Критерии создания биометрических шаблонов

Вот критерии для создания биометрических шаблонов —

• Обеспечение того, чтобы шаблон исходил от кандидата-кандидата и был зафиксирован подлинным датчиком и программным обеспечением.

• Защита биометрического шаблона с помощью шифрования со свойствами необратимости. Это затрудняет хакерам вычисление исходной биометрической информации из защищенного шаблона.

• Создание непривлекательного (уникального) биометрического шаблона. Биометрическая система не должна иметь доступа к шаблону того же кандидата, записанному в другой биометрической системе. В случае, если хакеру удается извлечь биометрический шаблон из одной биометрической системы, он не должен иметь возможность использовать этот шаблон для получения доступа через другую биометрическую систему, даже если обе проверки могут основываться на одном и том же биометрическом шаблоне кандидата. Кроме того, несвязываемая биометрическая система должна сделать невозможным получение какой-либо информации на основе отношения между двумя шаблонами.

• Создание отменяемого и обновляемого шаблона. В нем подчеркивается возможность отмены или деактивации скомпрометированного шаблона и его воспроизведения другим способом, аналогичным способу воспроизведения утерянной или украденной смарт-карты.

• Характеристики «возобновляемости» и «несвязанности» достигаются с помощью методов посола . Соление добавляет к исходной информации случайно сгенерированные уникальные данные, известные как «соль», чтобы отличать их от других.

• Проектирование биометрической системы точности по отношению к FAR и FRR.

• Тщательно выбирайте подходящий алгоритм шифрования. Некоторые алгоритмы могут усиливать даже небольшие отклонения, присущие индивидуальным биометрическим данным, что может привести к повышению FRR.

• Использование важного метода шифрования, такого как метод хеширования , который эффективен, когда при каждом создании шаблона применяется разная перестановка. Различные перестановки обеспечивают уникальность каждого шаблона, несмотря на использование одних и тех же входных биометрических данных.

• Использование эффективной схемы защиты для повышения производительности системы.

Обеспечение того, чтобы шаблон исходил от кандидата-кандидата и был зафиксирован подлинным датчиком и программным обеспечением.

Защита биометрического шаблона с помощью шифрования со свойствами необратимости. Это затрудняет хакерам вычисление исходной биометрической информации из защищенного шаблона.

Создание непривлекательного (уникального) биометрического шаблона. Биометрическая система не должна иметь доступа к шаблону того же кандидата, записанному в другой биометрической системе. В случае, если хакеру удается извлечь биометрический шаблон из одной биометрической системы, он не должен иметь возможность использовать этот шаблон для получения доступа через другую биометрическую систему, даже если обе проверки могут основываться на одном и том же биометрическом шаблоне кандидата. Кроме того, несвязываемая биометрическая система должна сделать невозможным получение какой-либо информации на основе отношения между двумя шаблонами.

Создание отменяемого и обновляемого шаблона. В нем подчеркивается возможность отмены или деактивации скомпрометированного шаблона и его воспроизведения другим способом, аналогичным способу воспроизведения утерянной или украденной смарт-карты.

Характеристики «возобновляемости» и «несвязанности» достигаются с помощью методов посола . Соление добавляет к исходной информации случайно сгенерированные уникальные данные, известные как «соль», чтобы отличать их от других.

Проектирование биометрической системы точности по отношению к FAR и FRR.

Тщательно выбирайте подходящий алгоритм шифрования. Некоторые алгоритмы могут усиливать даже небольшие отклонения, присущие индивидуальным биометрическим данным, что может привести к повышению FRR.

Использование важного метода шифрования, такого как метод хеширования , который эффективен, когда при каждом создании шаблона применяется разная перестановка. Различные перестановки обеспечивают уникальность каждого шаблона, несмотря на использование одних и тех же входных биометрических данных.

Использование эффективной схемы защиты для повышения производительности системы.

Много исследований и разработок делается для обеспечения безопасности и конфиденциальности биометрических данных.