Βιομετρική βαθμολόγηση: Τα βιομετρικά στοιχεία συμπεριφοράς ενδέχεται να επαληθεύουν τις ταυτότητες με μεγαλύτερη ακρίβεια

• Συγγραφέας:
• όνομα συγγραφέα

  Quantumrun Foresight
• Φεβρουάριος 13, 2023

Περίληψη Insight

Τα βιομετρικά δεδομένα συμπεριφοράς μπορεί να αποκαλύψουν μοτίβα στις ενέργειες των ανθρώπων και να αποκαλύψουν πολλά για το ποιοι είναι, τι σκέφτονται και τι πιθανότατα θα κάνουν στη συνέχεια. Η συμπεριφορική βιομετρία χρησιμοποιεί μηχανική μάθηση για να ερμηνεύσει εκατοντάδες διακριτές βιομετρικές μετρήσεις για αναγνώριση, πιστοποίηση, ώθηση, ανταμοιβή και τιμωρία.

Βιομετρικό πλαίσιο βαθμολόγησης

Τα βιομετρικά δεδομένα συμπεριφοράς είναι μια τεχνική για την ανάλυση ακόμη και των μικρότερων παραλλαγών στην ανθρώπινη συμπεριφορά. Η φράση συχνά έρχεται σε αντίθεση με τα φυσικά ή φυσιολογικά βιομετρικά στοιχεία, τα οποία περιγράφουν ανθρώπινα χαρακτηριστικά όπως ίριδα ή δακτυλικά αποτυπώματα. Τα εργαλεία βιομετρικής συμπεριφοράς μπορούν να αναγνωρίσουν άτομα με βάση τα μοτίβα της δραστηριότητάς τους, όπως η δυναμική του βαδίσματος ή του πληκτρολογίου. Αυτά τα εργαλεία χρησιμοποιούνται όλο και περισσότερο από χρηματοπιστωτικά ιδρύματα, επιχειρήσεις, κυβερνήσεις και εμπόρους λιανικής για τον έλεγχο ταυτότητας των χρηστών. 

Σε αντίθεση με τις παραδοσιακές τεχνολογίες επαλήθευσης που λειτουργούν όταν συλλέγονται τα δεδομένα ενός ατόμου (π.χ. πατώντας ένα κουμπί), τα βιομετρικά συστήματα συμπεριφοράς μπορούν να ελέγχουν αυτόματα την ταυτότητα. Αυτά τα βιομετρικά στοιχεία συγκρίνουν το μοναδικό μοτίβο συμπεριφοράς ενός ατόμου με προηγούμενη συμπεριφορά για να καθορίσουν την ταυτότητά του. Αυτή η διαδικασία μπορεί να γίνει συνεχώς κατά τη διάρκεια μιας ενεργής συνεδρίας ή καταγράφοντας συγκεκριμένες συμπεριφορές.

Η συμπεριφορά μπορεί να καταγραφεί από μια υπάρχουσα συσκευή, όπως ένα smartphone ή φορητό υπολογιστή, ή από ένα αποκλειστικό μηχάνημα, όπως ένας αισθητήρας που έχει σχεδιαστεί ειδικά για τη μέτρηση των ποδιών (π.χ. αναγνώριση βάδισης). Η βιομετρική ανάλυση παράγει ένα αποτέλεσμα που αντανακλά την πιθανότητα ότι το άτομο που εκτελεί τις ενέργειες είναι αυτό που καθόρισε τη βασική συμπεριφορά του συστήματος. Εάν η συμπεριφορά ενός πελάτη είναι εκτός του αναμενόμενου προφίλ, θα τεθούν σε εφαρμογή πρόσθετα μέτρα ελέγχου ταυτότητας, όπως σαρώσεις δακτυλικών αποτυπωμάτων ή προσώπου. Αυτή η δυνατότητα θα αποτρέψει καλύτερα την κατάληψη λογαριασμού, τις απάτες κοινωνικής μηχανικής και το ξέπλυμα χρήματος από τα παραδοσιακά βιομετρικά στοιχεία.

Αποδιοργανωτικός αντίκτυπος

Μια προσέγγιση που βασίζεται στη συμπεριφορά, όπως κινήσεις, πληκτρολογήσεις και κτύπημα τηλεφώνου, μπορεί να βοηθήσει τις αρχές να εντοπίσουν κάποιον με ασφάλεια σε καταστάσεις όπου τα φυσικά χαρακτηριστικά είναι κρυμμένα (π.χ. χρήση μάσκας προσώπου ή γαντιών). Επιπλέον, λύσεις που βασίζονται σε πατήματα πλήκτρων για επαλήθευση ταυτότητας μέσω υπολογιστή έχουν αποδειχθεί ότι είναι σε θέση να αναγνωρίζουν άτομα με βάση τις συνήθειές τους στην πληκτρολόγηση (η συχνότητα και οι ρυθμοί φαίνονται αρκετά μοναδικοί για να εδραιωθεί η ταυτοποίηση). Επειδή η πληκτρολόγηση είναι μια μορφή εισαγωγής δεδομένων, οι αλγόριθμοι μπορούν να βελτιωθούν καθώς συνεχίζουν να παρακολουθούν και να αναλύουν πληροφορίες πληκτρολόγησης.

Ωστόσο, σε ορισμένες περιπτώσεις, το πλαίσιο περιορίζει την ακρίβεια αυτής της βιομετρικής συμπεριφοράς. Τα μεμονωμένα μοτίβα σε διαφορετικά πληκτρολόγια ενδέχεται να διαφέρουν. σωματικές καταστάσεις όπως το σύνδρομο καρπιαίου σωλήνα ή η αρθρίτιδα μπορεί να επηρεάσουν την κίνηση. Είναι δύσκολο να συγκρίνουμε τους εκπαιδευμένους αλγόριθμους των διαφόρων παρόχων χωρίς πρότυπα.

Εν τω μεταξύ, η αναγνώριση εικόνας παρέχει στους αναλυτές μεγαλύτερο όγκο δεδομένων που μπορούν να χρησιμοποιηθούν για έρευνα συμπεριφοράς. Παρόλο που δεν είναι τόσο ακριβείς ή αξιόπιστες όσο άλλες βιομετρικές προσεγγίσεις, τα βιομετρικά βάδισης και στάσης γίνονται όλο και πιο χρήσιμα εργαλεία. Για παράδειγμα, αυτά τα χαρακτηριστικά μπορεί να είναι αρκετά για να εδραιωθεί η ταυτότητα σε πλήθη ή δημόσιους χώρους. Οι αστυνομικές δυνάμεις σε χώρες που εφαρμόζουν τον Γενικό Κανονισμό Προστασίας Δεδομένων (GDPR) της Ευρωπαϊκής Ένωσης (ΕΕ) χρησιμοποιούν βιομετρικά δεδομένα, όπως το βάδισμα και την κίνηση, για να αξιολογήσουν άμεσα απειλητικές καταστάσεις.

Συνέπειες της βιομετρικής βαθμολόγησης

Οι ευρύτερες επιπτώσεις της βιομετρικής βαθμολόγησης μπορεί να περιλαμβάνουν: 

• Αυξανόμενες ανησυχίες σχετικά με τη δυνατότητα της τεχνητής νοημοσύνης (AI) να παραγνωρίζει/παρεξηγεί την ανθρώπινη συμπεριφορά, ειδικά στην επιβολή του νόμου, η οποία μπορεί να οδηγήσει σε παράνομες συλλήψεις.
• Απατεώνες που μιμούνται το βάδισμα και τους ρυθμούς πληκτρολόγησης για να διεισδύσουν σε συστήματα, ιδιαίτερα σε χρηματοπιστωτικά ιδρύματα.  
• Η βιομετρική βαθμολόγηση επεκτείνεται στη βαθμολόγηση των καταναλωτών όπου τα άτομα με αναπηρία/περιορισμένη κινητικότητα μπορούν να υφίστανται διακρίσεις.
• Αυξανόμενες συζητήσεις σχετικά με το εάν τα βιομετρικά δεδομένα συμπεριφοράς, συμπεριλαμβανομένων των καρδιακών παλμών, μπορούν να συμπεριληφθούν στους ψηφιακούς κανονισμούς απορρήτου.
• Τα άτομα που μπορούν να συνδεθούν σε ιστότοπους και εφαρμογές απλώς πληκτρολογώντας τα ονόματα χρήστη τους.

Ερωτήσεις προς εξέταση

• Συμφωνείτε ότι τα βιομετρικά στοιχεία συμπεριφοράς θα είναι πιο χρήσιμα για την επαλήθευση ταυτότητας;
• Ποια άλλα πιθανά προβλήματα μπορεί να έχει αυτός ο τύπος βιομετρικής ταυτοποίησης;