Monisyöttöinen tunnistus: Erilaisten biometristen tietojen yhdistäminen

• Kirjoittaja:
• tekijän nimi

  Quantumrun Foresight
• Helmikuu 24, 2023

Ainutlaatuisten tunnistamisominaisuuksien etsiminen ihon pinnan alta on fiksu tapa tunnistaa ihmiset. Hiustyyliä ja silmien värejä voi vaihtaa tai peittää helposti, mutta esimerkiksi suonen rakennetta on lähes mahdotonta muuttaa. Biometrinen todennus tarjoaa lisäturvaa, koska se vaatii eläviä ihmisiä.

Usean syötteen tunnistuskonteksti

Multimodaalisia biometrisiä järjestelmiä käytetään käytännön sovelluksissa useammin kuin unimodaalisia, koska niissä ei ole samoja haavoittuvuuksia, kuten tietokohina tai huijaus. Yksimodaaliset järjestelmät, jotka turvautuvat yhteen tietolähteeseen tunnistamisessa (esim. iiris, kasvot), ovat kuitenkin suosittuja valtion ja siviiliturvallisuuden sovelluksissa, vaikka niiden tiedetään olevan epäluotettavia ja tehottomia.

Turvallisempi tapa varmistaa identiteetin todennus on näiden unimodaalisten järjestelmien yhdistäminen niiden yksilöllisten rajoitusten voittamiseksi. Lisäksi multimodaaliset järjestelmät voivat rekisteröidä käyttäjiä tehokkaammin ja tarjota paremman tarkkuuden ja suojan luvattomalta käytöltä.

Bradfordin yliopiston vuonna 2017 tekemän tutkimuksen mukaan multimodaalisen biometrisen järjestelmän suunnittelu ja toteuttaminen on usein haastavaa, ja monia asioita, jotka voivat vaikuttaa suuresti lopputulokseen, on otettava huomioon. Esimerkkejä näistä haasteista ovat kustannukset, tarkkuus, käytettävissä olevat biometristen ominaisuuksien resurssit ja käytettävä fuusiostrategia. 

Multimodaalisten järjestelmien keskeisin kysymys on valita, mitkä biometriset ominaisuudet ovat tehokkaimmat, ja löytää tehokas tapa yhdistää ne. Multimodaalisissa biometrisissa järjestelmissä, jos järjestelmä toimii tunnistustilassa, jokaisen luokittelijan tulos voidaan nähdä rekisteröityneiden ehdokkaiden listana, joka edustaa kaikkia mahdollisia osumia luotettavuustason mukaan lajiteltuna.

Häiritsevä vaikutus

Monisyöttöinen tunnistus on kasvattanut suosiota vaihtoehtoisten biometristen tietojen mittaamiseen käytettävissä olevien erilaisten työkalujen ansiosta. Näiden tekniikoiden kehittyessä tunnistamisesta on mahdollista tehdä entistä turvallisempaa, koska suonet ja iiriskuvioita ei voida hakkeroida tai varastaa. Useat yritykset ja tutkimuslaitokset kehittävät jo monisyöttötyökaluja laajamittaista käyttöönottoa varten. 

Esimerkki on Taiwanin kansallisen tiede- ja teknologiayliopiston kaksivaiheinen todennusjärjestelmä, joka tarkastelee luurankotopologioita ja sormilaskimomalleja. Sormilaskimobiometriset tiedot (verisuonibiometriikka tai suonen skannaus) tunnistavat sormien ainutlaatuiset suonimallit. Tämä menetelmä on mahdollista, koska veri sisältää hemoglobiinia, joka näyttää eri värejä, kun se altistuu lähi-infrapuna- tai näkyvälle valolle. Tämän seurauksena biometrinen lukija voi skannata ja digitoida käyttäjän erilaiset suonimallit ennen kuin tallentaa ne suojatulle palvelimelle.

Samaan aikaan Imageware, joka sijaitsee San Franciscossa, käyttää useita biometrisiä tietoja todentamiseen. Järjestelmänvalvojat voivat valita yhden biometrisen tiedon tai biometristen tietojen yhdistelmän toteuttaessaan alustan turvatoimenpidettä. Palvelussa käytettäviin biometrisiin tietotyyppeihin kuuluvat iiriksen tunnistus, kasvojen skannaus, äänitunnistus, kämmenlaskimot ja sormenjälkilukijat.

ImageWare Systemsin multimodaalisen biometriikan avulla käyttäjät voivat todentaa henkilöllisyytensä missä tahansa ja kaikissa olosuhteissa. Federated login tarkoittaa, että käyttäjien ei tarvitse luoda uusia tunnistetietoja jokaiselle yritykselle tai alustalle, koska heidän identiteettinsä luodaan kerran ja siirtyy heidän mukanaan. Lisäksi yksittäiset identiteetit, jotka ovat ristiinyhteensopivia eri alustojen kanssa, mahdollistavat vähemmän altistumisen tietomurroille.

Monitulotunnistuksen vaikutukset

Monisyötteen tunnistuksen laajempia vaikutuksia voivat olla: 

• Väestölaajuiset parannukset kyberturvallisuusstandardeihin, koska (pitkän aikavälin) useimmat kansalaiset käyttävät jonkinlaista usean syöttötavan tunnistusta perinteisten salasanojen ja fyysisten/digitaalisten avainten korvaamiseksi henkilötietojensa turvaamiseksi useissa palveluissa.
• Turvallisuuden ja arkaluontoisten julkisten ja yksityisten tietojen turvallisuuden parantaminen, koska (pitkäaikaiset) työntekijät, joilla on pääsy arkaluontoisiin paikkoihin ja tietoihin, valtuutetaan käyttämään monisyöttöisiä tunnistusjärjestelmiä.
• Yritykset, jotka ottavat käyttöön usean tulon tunnistusjärjestelmiä, jotka käyttävät syvää hermoverkkoa (DNN) luokitellakseen ja tunnistaakseen nämä erilaiset biometriset tiedot oikein.
• Startupit, jotka keskittyvät kehittämään multimodaalisempia tunnistusjärjestelmiä erilaisilla yhdistelmillä, mukaan lukien ääni-, sydän- ja kasvojäljet.
• Lisääntyneet investoinnit näiden biometristen kirjastojen turvaamiseen, jotta ne eivät joutuisi hakkerointiin tai huijaukseen.
• Mahdolliset tapaukset, joissa valtion virastojen biometriset tiedot on hakkeroitu petoksen ja identiteettivarkauden vuoksi.
• Kansalaisryhmät vaativat yrityksiä olemaan avoimia sen suhteen, kuinka paljon biometrisiä tietoja ne keräävät, miten ne tallentavat ja milloin ne käyttävät.

Kommentoitavia kysymyksiä

• Jos olet kokeillut multimodaalista biometristä tunnistusjärjestelmää, kuinka helppoa ja tarkkaa se on?
• Mitä muita mahdollisia etuja monisyötteisillä tunnistusjärjestelmillä on?