Multi-ynput erkenning: Kombinearjen fan ferskate biometryske ynformaasje

• Skriuwer:
• Namme fan auteur

  Quantumrun Foresight
• Febrewaris 24, 2023

Op syk nei unike identifisearjende skaaimerken ûnder it oerflak fan 'e hûd is in tûke manier om minsken te identifisearjen. Hairstyles en eachkleuren kinne maklik feroare wurde of maskere wurde, mar it is hast ûnmooglik foar immen om bygelyks har aderstruktuer te feroarjen. Biometryske autentikaasje biedt in tafoege laach fan feiligens om't it libbene minsken fereasket.

Multi-ynput erkenning kontekst

Multimodale biometryske systemen wurde faker brûkt as unimodale yn praktyske tapassingen, om't se net deselde kwetsberens hawwe, lykas beynfloede troch gegevenslûd of spoofing. Unimodale systemen, dy't lykwols fertrouwe op ien boarne fan ynformaasje foar identifikaasje (bgl. iris, gesicht), binne populêr yn oerheids- en sivile feiligensapplikaasjes, nettsjinsteande it feit dat se bekend binne dat se ûnbetrouber en net effisjint binne.

In feiliger manier om identiteitsferifikaasje te garandearjen is it kombinearjen fan dizze unimodale systemen om har yndividuele beheiningen te oerwinnen. Derneist kinne multymodale systemen brûkers effektiver ynskriuwe en gruttere krektens en ferset leverje tsjin unautorisearre tagong.

Neffens in 2017-stúdzje fan 'e Universiteit fan Bradford, is it ûntwerpen en útfieren fan in multimodaal biometrysk systeem faak útdaagjend, en in protte problemen dy't de útkomst enoarm kinne beynfloedzje moatte wurde beskôge. Foarbylden fan dizze útdagings binne de kosten, krektens, beskikbere boarnen fan biometryske eigenskippen, en fúzjestrategy dy't wurdt brûkt. 

It meast krúsjale probleem foar multimodale systemen is te kiezen hokker biometryske eigenskippen it meast effektyf sille wêze en in effisjinte manier te finen om se te fusearjen. Yn multimodale biometryske systemen, as it systeem wurket yn identifikaasjemodus, dan kin de útfier fan elke klassifikaasje wurde sjoen as in rang fan ynskreaune kandidaten, in list dy't alle mooglike wedstriden fertsjintwurdiget, sorteare op it betrouwensnivo.

Disruptive ynfloed

Multi-ynput-erkenning is populêr wurden fanwegen de ferskate ark beskikber om alternative biometrie te mjitten. As dizze technologyen foarútgeane, sil it mooglik wêze om identifikaasje feiliger te meitsjen, om't ieren en irispatroanen net kinne wurde hacked of stellen. Ferskate bedriuwen en ûndersyksynstellingen ûntwikkelje al multy-ynput ark foar grutskalige ynset. 

In foarbyld is it twa-faktor autentikaasjesysteem fan 'e National Taiwan University of Science and Technology dat sjocht nei skelettopologyen en patroanen fan fingeraden. Finger-ven-biometrics (faskulêre biometrie of ader-scanning) brûkt unike aderpatroanen yn 'e fingers fan in persoan om se te identifisearjen. Dizze metoade is mooglik om't bloed hemoglobine befettet, dy't ferskate kleuren toant by bleatsteld oan tichtby-ynfraread of sichtber ljocht. As resultaat kin de biometryske lêzer de ûnderskate aderpatroanen fan 'e brûker scannen en digitalisearje foardat se op in feilige server opslaan.

Underwilens brûkt Imageware, basearre yn San Francisco, meardere biometrie foar autentikaasjedoelen. Behearders kinne ien biometrysk selektearje as in kombinaasje fan biometrie by it ymplementearjen fan de platfoarmfeiligensmaatregel. De soarten biometrie dy't kinne wurde brûkt mei dizze tsjinst omfetsje iris-herkenning, gesichtsscannen, stimidentifikaasje, palmader-scanners en fingerprintlêzers.

Mei de multimodale biometrie fan ImageWare Systems kinne brûkers har identiteit oeral en ûnder alle betingsten ferifiearje. Federearre oanmelding betsjut dat brûkers gjin nije bewiisbrieven hoege te meitsjen foar elk bedriuw of platfoarm, om't har identiteit ien kear wurdt makke en mei har beweecht. Derneist kinne inkele identiteiten dy't krúskompatibel binne mei ferskate platfoarms minder bleatstelling oan datahacks meitsje.

Gefolgen fan multi-ynput erkenning

Bredere gefolgen fan multi-ynput erkenning kinne omfetsje: 

• Ferbetteringen op populaasjeskaal oan cyberfeiligensnoarmen, om't (lange termyn) de measte boargers ien of oare foarm fan multi-ynput-erkenning sille brûke as ferfanging fan tradisjonele wachtwurden en fysike / digitale kaaien om har persoanlike gegevens te befeiligjen oer meardere tsjinsten.
• Bouwe feiligens en gefoelige publike en partikuliere gegevens ûnderfine inkrementele feiligens ferbetterings as (lange termyn) meiwurkers mei tagong ta gefoelige lokaasjes en gegevens sille wurde mandaat te brûken multi-ynput erkenning systemen.
• Bedriuwen dy't multi-ynput erkenningsystemen ynsette dy't djippe neurale netwurken (DNN's) brûke om dizze ferskillende biometryske ynformaasje korrekt te rangearjen en te identifisearjen.
• Startups dy't har rjochtsje op it ûntwikkeljen fan mear multimodale herkenningssystemen mei ferskate kombinaasjes, ynklusyf stim-, hert- en gesichtsprinten.
• Ferheegde ynvestearrings yn it befeiligjen fan dizze biometryske bibleteken om te soargjen dat se net hacked of spoofed wurde.
• Mooglike ynsidinten fan biometryske ynformaasje fan oerheidsynstânsjes wurde hackt foar fraude en identiteitsstellerij.
• Boargerlike groepen easkje bedriuwen transparant te wêzen oer hoefolle biometryske ynformaasje se sammelje, hoe't se it opslaan en wannear't se it brûke.

Fragen om reaksjes te jaan

• As jo ​​in multimodaal biometrysk erkenningssysteem hawwe besocht, hoe maklik en akkuraat is it?
• Wat binne de oare potinsjele foardielen fan multi-ynput erkenning systemen?