බහු ආදාන හඳුනාගැනීම: විවිධ ජෛවමිතික තොරතුරු ඒකාබද්ධ කිරීම
බහු ආදාන හඳුනාගැනීම: විවිධ ජෛවමිතික තොරතුරු ඒකාබද්ධ කිරීම
බහු ආදාන හඳුනාගැනීම: විවිධ ජෛවමිතික තොරතුරු ඒකාබද්ධ කිරීම
- කර්තෘ:
- පෙබරවාරි 24, 2023
සම මතුපිටට යටින් අනන්‍ය හඳුනාගැනීමේ ලක්ෂණ සෙවීම මිනිසුන් හඳුනාගැනීමේ දක්ෂ ක්‍රමයකි. කොණ්ඩා මෝස්තර සහ අක්ෂි වර්ණ පහසුවෙන් වෙනස් කළ හැකි හෝ වෙස්මුහුණු කළ හැකි නමුත්, උදාහරණයක් ලෙස යමෙකුට ඔවුන්ගේ නහර ව්‍යුහය වෙනස් කිරීම පාහේ කළ නොහැක්කකි. ජීවමිතික සත්‍යාපනය එයට ජීවමාන මිනිසුන් අවශ්‍ය වන බැවින් අමතර ආරක්ෂාවක් ලබා දෙයි.
බහු ආදාන හඳුනාගැනීමේ සන්දර්භය
බහුවිධ ජෛවමිතික පද්ධති ප්‍රායෝගික යෙදුම්වල ඒකාකාර ඒවාට වඩා බොහෝ විට භාවිතා කරනු ලබන්නේ ඒවාට දත්ත ශබ්දය හෝ වංචා කිරීම වැනි සමාන දුර්වලතා නොමැති බැවිනි. කෙසේ වෙතත්, හඳුනාගැනීම සඳහා තනි තොරතුරු මූලාශ්‍රයක් මත රඳා පවතින ඒකාකාර පද්ධති (උදා, අයිරිස්, මුහුණ) විශ්වාස කළ නොහැකි සහ අකාර්යක්ෂම බව දැන සිටියද රජයේ සහ සිවිල් ආරක්ෂක යෙදුම්වල ජනප්‍රිය වේ.
අනන්‍යතා සත්‍යාපනය සහතික කිරීමේ වඩාත් ආරක්ෂිත ක්රමයක් නම්, මෙම ඒකාකාර පද්ධති ඔවුන්ගේ තනි සීමාවන් ජය ගැනීම සඳහා ඒකාබද්ධ කිරීමයි. මීට අමතරව, බහුමාධ්‍ය පද්ධතිවලට වඩාත් ඵලදායී ලෙස පරිශීලකයන් බඳවා ගැනීමට සහ අනවසර ප්‍රවේශයට වැඩි නිරවද්‍යතාවයක් සහ ප්‍රතිරෝධයක් සැපයිය හැකිය.
Bradford විශ්ව විද්‍යාලයේ 2017 අධ්‍යයනයකට අනුව, බහුවිධ ජෛවමිතික පද්ධතියක් සැලසුම් කිරීම සහ ක්‍රියාත්මක කිරීම නිතර අභියෝගාත්මක වන අතර, ප්‍රතිඵලයට විශාල වශයෙන් බලපෑ හැකි බොහෝ කරුණු සලකා බැලිය යුතුය. මෙම අභියෝග සඳහා උදාහරණ වනුයේ පිරිවැය, නිරවද්‍යතාවය, ජෛවමිතික ලක්ෂණවල පවතින සම්පත් සහ භාවිතා කරන විලයන උපාය මාර්ග වේ.
බහුවිධ පද්ධති සඳහා වඩාත්ම තීරණාත්මක ගැටළුව වන්නේ වඩාත් ඵලදායී වන්නේ කුමන ජෛවමිතික ලක්ෂණද යන්න තෝරාගැනීම සහ ඒවා ඒකාබද්ධ කිරීමට කාර්යක්ෂම ක්රමයක් සොයා ගැනීමයි. බහුමාධ්‍ය ජෛවමිතික පද්ධතිවල, පද්ධතිය හඳුනාගැනීමේ මාදිලියේ ක්‍රියාත්මක වන්නේ නම්, එක් එක් වර්ගීකරණයේ ප්‍රතිදානය, ලියාපදිංචි වූ අපේක්ෂකයින්ගේ ශ්‍රේණියක් ලෙස දැකිය හැකිය, විශ්වාස මට්ටමින් වර්ග කළ හැකි සියලුම ගැලපීම් නියෝජනය කරන ලැයිස්තුවකි.
කඩාකප්පල්කාරී බලපෑම
විකල්ප ජෛවමිතික මැනීම සඳහා පවතින විවිධ මෙවලම් නිසා බහු ආදාන පිළිගැනීම ජනප්‍රිය වෙමින් පවතී. මෙම තාක්ෂණයන් දියුණු වන විට, ශිරා සහ අයිරිස් රටා හැක් කිරීමට හෝ සොරකම් කිරීමට නොහැකි බැවින්, හඳුනාගැනීම වඩාත් ආරක්ෂිත කිරීමට හැකි වනු ඇත. සමාගම් සහ පර්යේෂණ ආයතන කිහිපයක් දැනටමත් මහා පරිමාණ යෙදවීම සඳහා බහු ආදාන මෙවලම් සංවර්ධනය කරමින් සිටී.
උදාහරණයක් ලෙස ජාතික තායිවානයේ විද්‍යා හා තාක්ෂණ විශ්ව විද්‍යාලයේ ඇටසැකිලි ස්ථාන සහ ඇඟිලි ශිරා රටා දෙස බලන ද්වි-සාධක සත්‍යාපන පද්ධතිය වේ. ඇඟිලි නහර ජෛවමිතික (සනාල ජෛවමිතික හෝ ශිරා පරිලෝකනය) හඳුනා ගැනීම සඳහා පුද්ගලයෙකුගේ ඇඟිලිවල අද්විතීය ශිරා රටා භාවිතා කරයි. අධෝරක්ත කිරණ හෝ දෘශ්‍ය ආලෝකයට නිරාවරණය වන විට විවිධ වර්ණ පෙන්වන රුධිරයේ හිමොග්ලොබින් අඩංගු වන නිසා මෙම ක්‍රමය කළ හැකිය. එහි ප්‍රතිඵලයක් වශයෙන්, ජෛවමිතික කියවන්නාට ආරක්ෂිත සේවාදායකයක ගබඩා කිරීමට පෙර පරිශීලකයාගේ වෙනස් නහර රටා පරිලෝකනය කර ඩිජිටල්කරණය කළ හැකිය.
මේ අතර, සැන් ෆ්රැන්සිස්කෝ හි ඉමේජ්වෙයාර්, සත්‍යාපන අරමුණු සඳහා බහු ජෛවමිතික භාවිත කරයි. වේදිකා ආරක්ෂණ පියවර ක්‍රියාත්මක කිරීමේදී පරිපාලකයින්ට එක් ජෛවමිතික හෝ ජෛවමිතික සංයෝගයක් තෝරාගත හැක. මෙම සේවාව සමඟ භාවිතා කළ හැකි ජෛවමිතික වර්ග අතරට අයිරිස් හඳුනාගැනීම, මුහුණේ ස්කෑන් කිරීම, හඬ හඳුනාගැනීම, අත්ල ශිරා ස්කෑනර් සහ ඇඟිලි සලකුණු කියවනය ඇතුළත් වේ.
ImageWare පද්ධති බහුවිධ ජෛවමිතික සමඟින්, පරිශීලකයින්ට ඕනෑම තැනක සහ ඕනෑම කොන්දේසියක් යටතේ ඔවුන්ගේ අනන්‍යතාවය සත්‍යාපනය කළ හැකිය. Federated login යන්නෙන් අදහස් වන්නේ පරිශීලකයින් එක් එක් ව්‍යාපාරයක් හෝ වේදිකාවක් සඳහා නව අක්තපත්‍ර නිර්මාණය කිරීමට අවශ්‍ය නොවන බවයි, මන්ද ඔවුන්ගේ අනන්‍යතාවය එක් වරක් නිර්මාණය කර ඔවුන් සමඟ ගමන් කරයි. මීට අමතරව, විවිධ වේදිකා සමඟ හරස්-අනුකූල තනි අනන්‍යතා දත්ත හැක් වලට නිරාවරණය වීම අඩු කිරීමට ඉඩ සලසයි.
බහු ආදාන හඳුනාගැනීමේ ඇඟවුම්
බහු ආදාන හඳුනාගැනීමේ පුළුල් ඇඟවුම් ඇතුළත් විය හැකිය:
- (දිගු කාලීන) ලෙස සයිබර් ආරක්ෂණ ප්‍රමිතීන්ට ජනගහන පරිමාණයේ වැඩිදියුණු කිරීම්, බහුවිධ සේවා හරහා තම පුද්ගලික දත්ත සුරක්ෂිත කිරීම සඳහා සම්ප්‍රදායික මුරපද සහ භෞතික/ඩිජිටල් යතුරු වෙනුවට ආදේශකයක් ලෙස බහු ආදාන හඳුනාගැනීම් යම් ආකාරයක භාවිතා කරනු ඇත.
- බහු ආදාන හඳුනාගැනීමේ පද්ධති භාවිතා කිරීම සඳහා සංවේදී ස්ථාන සහ දත්ත වෙත ප්‍රවේශය ඇති (දිගු කාලීන) සේවකයින් ලෙස වැඩිවන ආරක්ෂක වැඩිදියුණු කිරීම් අත්විඳින ආරක්‍ෂාව සහ සංවේදී රාජ්‍ය සහ පුද්ගලික දත්ත ගොඩනැගීම අනිවාර්ය කෙරේ.
- මෙම වෙනස් ජෛවමිතික තොරතුරු නිවැරදිව ශ්‍රේණිගත කිරීමට සහ හඳුනා ගැනීමට ගැඹුරු ස්නායුක ජාල (DNNs) භාවිතා කරන බහු-ආදාන හඳුනාගැනීමේ පද්ධති යොදවන සමාගම්.
- කටහඬ, හෘදය සහ මුහුණු සලකුණු ඇතුළු විවිධ සංයෝජන සමඟින් වඩාත් බහුමාධ්‍ය හඳුනාගැනීමේ පද්ධති සංවර්ධනය කිරීම කෙරෙහි අවධානය යොමු කරන ආරම්භක.
- මෙම ජෛවමිතික පුස්තකාල අනවසරයෙන් හෝ වංචාවට ලක් නොවන බව සහතික කිරීම සඳහා ඒවා සුරක්ෂිත කිරීම සඳහා ආයෝජනය වැඩි කිරීම.
- වංචා සහ අනන්‍යතා සොරකම් සඳහා රාජ්‍ය ආයතනවල ජෛවමිතික තොරතුරු හැක් කිරීමේ විභව සිදුවීම්.
- ඔවුන් කොපමණ ජෛවමිතික තොරතුරු රැස් කරයිද, ඒවා ගබඩා කරන්නේ කෙසේද සහ ඒවා භාවිතා කරන විට විනිවිදභාවයෙන් සිටින ලෙස සමාගම්වලට බල කරන සිවිල් කණ්ඩායම්.
අදහස් දැක්වීමට ප්රශ්න
- ඔබ බහුවිධ ජෛවමිතික හඳුනාගැනීමේ පද්ධතියක් උත්සාහ කර ඇත්නම්, එය කොතරම් පහසු සහ නිවැරදිද?
- බහු ආදාන හඳුනාගැනීමේ පද්ධතිවල වෙනත් විභව ප්‍රතිලාභ මොනවාද?
තීක්ෂ්ණ බුද්ධිය යොමු කිරීම්
මෙම අවබෝධය සඳහා පහත ජනප්‍රිය සහ ආයතනික සබැඳි යොමු කර ඇත:
