Rozpoznawanie wielu danych wejściowych: Łączenie różnych informacji biometrycznych

• Autor:
• nazwisko autora

  Foresight Quantumrun
• 24 lutego 2023 r.

Poszukiwanie unikalnych cech identyfikacyjnych pod powierzchnią skóry to sprytny sposób identyfikacji ludzi. Fryzury i kolory oczu można łatwo zmienić lub zamaskować, ale na przykład zmiana struktury żył jest prawie niemożliwa. Uwierzytelnianie biometryczne zapewnia dodatkową warstwę bezpieczeństwa, ponieważ wymaga żywych ludzi.

Kontekst rozpoznawania wielu danych wejściowych

Multimodalne systemy biometryczne są używane w praktycznych zastosowaniach częściej niż systemy jednomodalne, ponieważ nie mają takich samych słabych punktów, jak szum danych lub fałszowanie. Jednak systemy unimodalne, które opierają się na jednym źródle informacji do identyfikacji (np. tęczówce, twarzy), są popularne w zastosowaniach rządowych i cywilnych, mimo że wiadomo, że są zawodne i nieefektywne.

Bardziej bezpiecznym sposobem zapewnienia uwierzytelnienia tożsamości jest połączenie tych systemów unimodalnych w celu przezwyciężenia ich indywidualnych ograniczeń. Dodatkowo systemy multimodalne mogą skuteczniej rejestrować użytkowników oraz zapewniać większą dokładność i odporność na nieautoryzowany dostęp.

Według badania przeprowadzonego w 2017 r. przez University of Bradford zaprojektowanie i wdrożenie multimodalnego systemu biometrycznego często stanowi wyzwanie i należy wziąć pod uwagę wiele kwestii, które mogą mieć ogromny wpływ na wynik. Przykładami tych wyzwań są koszt, dokładność, dostępne zasoby cech biometrycznych oraz stosowana strategia fuzji. 

Najważniejszą kwestią dla systemów multimodalnych jest wybór, które cechy biometryczne będą najskuteczniejsze i znalezienie skutecznego sposobu ich połączenia. W multimodalnych systemach biometrycznych, jeśli system działa w trybie identyfikacji, dane wyjściowe każdego klasyfikatora można postrzegać jako rangę zapisanych kandydatów, listę reprezentującą wszystkie możliwe dopasowania posortowane według poziomu ufności.

Zakłócający wpływ

Rozpoznawanie wielu danych wejściowych zyskuje na popularności ze względu na różne dostępne narzędzia do pomiaru alternatywnych danych biometrycznych. Wraz z rozwojem tych technologii możliwe będzie zwiększenie bezpieczeństwa identyfikacji, ponieważ żył i wzorów tęczówki nie można zhakować ani ukraść. Kilka firm i instytucji badawczych już opracowuje wielowejściowe narzędzia do wdrażania na dużą skalę. 

Przykładem jest dwuskładnikowy system uwierzytelniania National Taiwan University of Science and Technology, który analizuje topologie szkieletu i wzory żył palców. Biometria żył w palcach (biometria naczyniowa lub skanowanie żył) wykorzystuje unikalne wzory żył w palcach osoby, aby je zidentyfikować. Ta metoda jest możliwa, ponieważ krew zawiera hemoglobinę, która wykazuje różne kolory pod wpływem bliskiej podczerwieni lub światła widzialnego. W rezultacie czytnik biometryczny może zeskanować i zdigitalizować różne wzory żył użytkownika przed zapisaniem ich na bezpiecznym serwerze.

Tymczasem Imageware z siedzibą w San Francisco wykorzystuje wiele danych biometrycznych do celów uwierzytelniania. Administratorzy mogą wybrać jedną biometrykę lub kombinację danych biometrycznych podczas wdrażania środka bezpieczeństwa platformy. Rodzaje danych biometrycznych, których można używać z tą usługą, obejmują rozpoznawanie tęczówki, skanowanie twarzy, identyfikację głosu, skanery żył dłoni i czytniki linii papilarnych.

Dzięki multimodalnej biometrii ImageWare Systems użytkownicy mogą uwierzytelniać swoją tożsamość w dowolnym miejscu iw każdych warunkach. Logowanie federacyjne oznacza, że ​​użytkownicy nie muszą tworzyć nowych poświadczeń dla każdej firmy lub platformy, ponieważ ich tożsamość jest tworzona raz i zmienia się wraz z nimi. Ponadto pojedyncze tożsamości, które są wzajemnie kompatybilne z różnymi platformami, pozwalają na mniejsze narażenie na włamania do danych.

Implikacje rozpoznawania wielu danych wejściowych

Szersze implikacje rozpoznawania wielu danych wejściowych mogą obejmować: 

• Poprawa standardów bezpieczeństwa cybernetycznego na skalę populacyjną, ponieważ (w dłuższej perspektywie) większość obywateli będzie wykorzystywać jakąś formę rozpoznawania wielu danych wejściowych jako zamiennik tradycyjnych haseł i kluczy fizycznych/cyfrowych w celu zabezpieczenia swoich danych osobowych w wielu usługach.
• Bezpieczeństwo budynków i poufne dane publiczne i prywatne podlegają stopniowej poprawie bezpieczeństwa, ponieważ (długoterminowi) pracownicy mający dostęp do wrażliwych lokalizacji i danych będą zobowiązani do korzystania z wielowejściowych systemów rozpoznawania.
• Firmy wdrażające wielowejściowe systemy rozpoznawania, które wykorzystują głębokie sieci neuronowe (DNN) do prawidłowego uszeregowania i identyfikacji różnych informacji biometrycznych.
• Startupy koncentrujące się na opracowaniu bardziej multimodalnych systemów rozpoznawania z różnymi kombinacjami, w tym odciskami głosu, serca i twarzy.
• Zwiększone inwestycje w zabezpieczenie tych bibliotek biometrycznych, aby zapewnić, że nie zostaną zhakowane lub sfałszowane.
• Potencjalne przypadki włamań do danych biometrycznych agencji rządowych w celu oszustwa i kradzieży tożsamości.
• Grupy obywatelskie domagają się od firm przejrzystości w zakresie ilości gromadzonych danych biometrycznych, sposobu ich przechowywania i czasu ich wykorzystywania.

Pytania do skomentowania

• Jeśli wypróbowałeś multimodalny system rozpoznawania biometrycznego, jak łatwy i dokładny jest on?
• Jakie są inne potencjalne korzyści systemów rozpoznawania z wieloma wejściami?