Multi-input-gjenkjenning: Kombinerer forskjellig biometrisk informasjon

• Forfatter:
• forfatternavn

  Quantumrun Foresight
• Februar 24, 2023

Å lete etter unike identifiserende egenskaper under hudens overflate er en smart måte å identifisere mennesker på. Frisyrer og øyenfarger kan enkelt endres eller maskeres, men det er nesten umulig for noen å endre venestrukturen, for eksempel. Biometrisk autentisering gir et ekstra lag med sikkerhet fordi det krever levende mennesker.

Kontekst for gjenkjenning av flere innganger

Multimodale biometriske systemer brukes oftere enn unimodale i praktiske applikasjoner fordi de ikke har de samme sårbarhetene, som å bli påvirket av datastøy eller spoofing. Unimodale systemer, som er avhengige av én enkelt informasjonskilde for identifikasjon (f.eks. iris, ansikt), er imidlertid populære i offentlige og sivile sikkerhetsapplikasjoner til tross for at de er kjent for å være upålitelige og ineffektive.

En sikrere måte å sikre identitetsautentisering på er å kombinere disse unimodale systemene for å overvinne deres individuelle begrensninger. I tillegg kan multimodale systemer mer effektivt registrere brukere og gi større nøyaktighet og motstand mot uautorisert tilgang.

I følge en studie fra 2017 fra University of Bradford er det ofte utfordrende å designe og gjennomføre et multimodalt biometrisk system, og mange problemer som kan ha stor innvirkning på resultatet må vurderes. Eksempler på disse utfordringene er kostnadene, nøyaktigheten, tilgjengelige ressurser til biometriske egenskaper og fusjonsstrategi som brukes. 

Det mest avgjørende problemet for multimodale systemer er å velge hvilke biometriske egenskaper som vil være mest effektive og finne en effektiv måte å smelte dem sammen. I multimodale biometriske systemer, hvis systemet fungerer i identifiseringsmodus, kan hver klassifiserers utgang sees på som en rangering av påmeldte kandidater, en liste som representerer alle mulige treff sortert etter konfidensnivå.

Forstyrrende påvirkning

Multi-input-gjenkjenning har blitt populær på grunn av de forskjellige verktøyene som er tilgjengelige for å måle alternativ biometri. Etter hvert som disse teknologiene avanserer, vil det være mulig å gjøre identifikasjon sikrere, siden årer og irismønstre ikke kan hackes eller stjeles. Flere selskaper og forskningsinstitusjoner utvikler allerede multi-input-verktøy for storskala distribusjon. 

Et eksempel er National Taiwan University of Science and Technologys tofaktorautentiseringssystem som ser på skjeletttopologier og fingeråremønstre. Fingervenebiometri (vaskulær biometri eller veneskanning) bruker unike venemønstre i en persons fingre for å identifisere dem. Denne metoden er mulig fordi blod inneholder hemoglobin, som viser forskjellige farger når det utsettes for nær-infrarødt eller synlig lys. Som et resultat kan den biometriske leseren skanne og digitalisere brukerens distinkte venemønstre før de lagres på en sikker server.

I mellomtiden bruker Imageware, basert i San Francisco, flere biometriske data for autentiseringsformål. Administratorer kan velge én biometrisk eller en kombinasjon av biometri når de implementerer plattformsikkerhetstiltaket. Typene biometri som kan brukes med denne tjenesten inkluderer irisgjenkjenning, ansiktsskanning, stemmeidentifikasjon, håndflateveneskannere og fingeravtrykklesere.

Med ImageWare Systems' multimodale biometri kan brukere autentisere sin identitet hvor som helst og under alle forhold. Forent pålogging betyr at brukere ikke trenger å opprette ny legitimasjon for hver virksomhet eller plattform fordi identiteten deres opprettes én gang og flytter med dem. I tillegg tillater enkeltidentiteter som er krysskompatible med forskjellige plattformer mindre eksponering for datahack.

Implikasjoner av multi-input-gjenkjenning

Større implikasjoner av multi-input-gjenkjenning kan omfatte: 

• Befolkningsskalaforbedringer av cybersikkerhetsstandarder ettersom (langsiktig) innbyggere vil bruke en form for multi-input-gjenkjenning som en erstatning for tradisjonelle passord og fysiske/digitale nøkler for å sikre sine personlige data på tvers av flere tjenester.
• Byggesikkerhet og sensitive offentlige og private data som opplever inkrementelle sikkerhetsforbedringer ettersom (langsiktige) ansatte med tilgang til sensitive lokasjoner og data vil få mandat til å bruke multi-input gjenkjenningssystemer.
• Selskaper som distribuerer gjenkjenningssystemer med flere innganger som bruker dype nevrale nettverk (DNN) for å rangere og identifisere denne forskjellige biometriske informasjonen på riktig måte.
• Startups som fokuserer på å utvikle flere multimodale gjenkjenningssystemer med ulike kombinasjoner, inkludert stemme-, hjerte- og ansiktsavtrykk.
• Økte investeringer i å sikre disse biometriske bibliotekene for å sikre at de ikke blir hacket eller forfalsket.
• Potensielle hendelser med biometrisk informasjon fra offentlige etater som blir hacket for svindel og identitetstyveri.
• Civic-grupper krever at selskaper er transparente med hensyn til hvor mye biometrisk informasjon de samler inn, hvordan de lagrer den og når de bruker den.

Spørsmål å kommentere

• Hvis du har prøvd et multimodalt biometrisk gjenkjenningssystem, hvor enkelt og nøyaktig er det?
• Hva er de andre potensielle fordelene med multi-input gjenkjenningssystemer?