کوانتوم ران

اعتبار تصویر:

iStock

تشخیص چند ورودی: ترکیب اطلاعات مختلف بیومتریک

شرکت ها با فعال کردن اشکال چندوجهی شناسایی هویت، دسترسی به داده ها، محصولات و خدمات خود را ایمن می کنند.

نویسنده:
نام نویسنده
آینده نگاری کوانتوم ران
فوریه 24، 2023

جستجوی ویژگی های شناسایی منحصر به فرد در زیر سطح پوست، روشی هوشمندانه برای شناسایی افراد است. مدل مو و رنگ چشم را می توان به راحتی تغییر داد یا ماسک کرد، اما برای مثال تقریباً غیرممکن است که کسی ساختار رگ خود را تغییر دهد. احراز هویت بیومتریک یک لایه امنیتی اضافی ارائه می دهد زیرا به انسان های زنده نیاز دارد.

زمینه تشخیص چند ورودی

سیستم‌های بیومتریک چندوجهی بیشتر از سیستم‌های تک‌وجهی در کاربردهای عملی مورد استفاده قرار می‌گیرند، زیرا آسیب‌پذیری‌های یکسانی ندارند، مثلاً تحت تأثیر نویز داده یا جعل قرار می‌گیرند. با این حال، سیستم‌های تک وجهی که برای شناسایی به یک منبع اطلاعاتی تکیه می‌کنند (به عنوان مثال، عنبیه، صورت)، علیرغم اینکه غیرقابل اعتماد و ناکارآمد هستند، در برنامه‌های امنیتی دولتی و غیرنظامی محبوب هستند.

یک راه مطمئن تر برای اطمینان از احراز هویت، ترکیب این سیستم های تک وجهی برای غلبه بر محدودیت های فردی آنها است. علاوه بر این، سیستم‌های چندوجهی می‌توانند به طور مؤثرتری کاربران را ثبت نام کنند و دقت و مقاومت بیشتری در برابر دسترسی غیرمجاز ارائه دهند.

بر اساس یک مطالعه در سال 2017 توسط دانشگاه برادفورد، طراحی و اجرای یک سیستم بیومتریک چندوجهی اغلب چالش برانگیز است و بسیاری از مسائلی که می‌توانند به شدت بر نتیجه تأثیر بگذارند باید در نظر گرفته شوند. نمونه هایی از این چالش ها هزینه، دقت، منابع موجود صفات بیومتریک و استراتژی همجوشی مورد استفاده است.

مهم‌ترین مسئله برای سیستم‌های چندوجهی، انتخاب این است که کدام ویژگی‌های بیومتریک مؤثرتر هستند و یافتن راهی کارآمد برای ترکیب آنها. در سیستم‌های بیومتریک چندوجهی، اگر سیستم در حالت شناسایی کار کند، خروجی هر طبقه‌بندی‌کننده را می‌توان به‌عنوان رتبه‌ای از نامزدهای ثبت‌نام‌شده مشاهده کرد، فهرستی که نشان‌دهنده همه تطابق‌های ممکن است که بر اساس سطح اطمینان مرتب شده‌اند.

تاثیر مخرب

تشخیص چند ورودی به دلیل ابزارهای مختلف موجود برای اندازه گیری بیومتریک جایگزین محبوبیت پیدا کرده است. با پیشرفت این فناوری‌ها، امکان شناسایی امن‌تر وجود خواهد داشت، زیرا رگ‌ها و الگوهای عنبیه قابل هک یا سرقت نیستند. چندین شرکت و مؤسسه تحقیقاتی در حال توسعه ابزارهای چند ورودی برای استقرار در مقیاس بزرگ هستند.

به عنوان مثال، سیستم احراز هویت دو عاملی دانشگاه ملی علم و صنعت تایوان است که توپولوژی های اسکلت و الگوهای رگ انگشت را بررسی می کند. بیومتریک ورید انگشت (بیومتریک عروقی یا اسکن ورید) از الگوهای سیاهرگ منحصر به فرد در انگشتان فرد برای شناسایی آنها استفاده می کند. این روش امکان پذیر است زیرا خون حاوی هموگلوبین است که هنگام قرار گرفتن در معرض نور مادون قرمز نزدیک یا مرئی رنگ های متفاوتی را نشان می دهد. در نتیجه، خواننده بیومتریک می تواند الگوهای ورید متمایز کاربر را قبل از ذخیره آنها در یک سرور امن اسکن و دیجیتالی کند.

در همین حال، Imageware، مستقر در سانفرانسیسکو، از چندین بیومتریک برای اهداف احراز هویت استفاده می کند. هنگام اجرای معیار امنیتی پلت فرم، مدیران می توانند یک بیومتریک یا ترکیبی از بیومتریک را انتخاب کنند. انواع بیومتریک قابل استفاده با این سرویس عبارتند از: تشخیص عنبیه چشم، اسکن صورت، تشخیص صدا، اسکنر ورید کف دست و خوانندگان اثر انگشت.

با بیومتریک چندوجهی ImageWare Systems، کاربران می توانند هویت خود را در هر مکان و تحت هر شرایطی احراز هویت کنند. ورود فدرال به این معنی است که کاربران مجبور نیستند برای هر کسب و کار یا پلتفرم اعتبار جدیدی ایجاد کنند زیرا هویت آنها یک بار ایجاد می شود و با آنها حرکت می کند. علاوه بر این، هویت‌های منفرد که با پلتفرم‌های مختلف سازگاری متقابل دارند، کمتر در معرض هک داده‌ها قرار می‌گیرند.

پیامدهای تشخیص چند ورودی

مفاهیم گسترده‌تر تشخیص چند ورودی ممکن است شامل موارد زیر باشد:

بهبود در مقیاس جمعیت در استانداردهای امنیت سایبری زیرا (دراز مدت) بیشتر شهروندان از نوعی تشخیص چند ورودی به عنوان جایگزینی برای رمزهای عبور سنتی و کلیدهای فیزیکی/دیجیتال برای ایمن کردن اطلاعات شخصی خود در چندین سرویس استفاده می کنند.
ایجاد امنیت و داده‌های حساس عمومی و خصوصی که بهبودهای امنیتی فزاینده‌ای را تجربه می‌کنند، به‌عنوان کارمندان (درازمدت) با دسترسی به مکان‌ها و داده‌های حساس، موظف به استفاده از سیستم‌های تشخیص چند ورودی هستند.
شرکت‌هایی که از سیستم‌های تشخیص چند ورودی استفاده می‌کنند که از شبکه‌های عصبی عمیق (DNN) برای رتبه‌بندی و شناسایی صحیح این اطلاعات بیومتریک مختلف استفاده می‌کنند.
استارت‌آپ‌هایی که بر توسعه سیستم‌های تشخیص چندوجهی‌تر با ترکیب‌های مختلف، از جمله صدا، قلب، و چاپ چهره تمرکز می‌کنند.
افزایش سرمایه گذاری برای ایمن سازی این کتابخانه های بیومتریک برای اطمینان از اینکه آنها هک یا جعل نمی شوند.
حوادث احتمالی هک شدن اطلاعات بیومتریک سازمان های دولتی به دلیل کلاهبرداری و سرقت هویت.
گروه‌های مدنی از شرکت‌ها می‌خواهند که در مورد میزان اطلاعات بیومتریک که جمع‌آوری می‌کنند، چگونه آن‌ها را ذخیره می‌کنند و چه زمانی از آن استفاده می‌کنند شفاف باشند.