Multi-input igenkänning: Kombinera olika biometrisk information

• Författare:
• författarnamn

  Quantumrun Framsyn
• Februari 24, 2023

Att leta efter unika identifierande egenskaper under hudens yta är ett smart sätt att identifiera människor. Frisyrer och ögonfärger kan enkelt ändras eller maskeras, men det är till exempel nästan omöjligt för någon att ändra sin venstruktur. Biometrisk autentisering erbjuder ett extra lager av säkerhet eftersom det kräver levande människor.

Kontext för igenkänning av flera ingångar

Multimodala biometriska system används oftare än unimodala i praktiska tillämpningar eftersom de inte har samma sårbarheter, som att påverkas av databrus eller spoofing. Unimodala system, som förlitar sig på en enda informationskälla för identifiering (t.ex. iris, ansikte), är dock populära i statliga och civila säkerhetsapplikationer trots att de är kända för att vara opålitliga och ineffektiva.

Ett säkrare sätt att säkerställa identitetsautentisering är att kombinera dessa unimodala system för att övervinna deras individuella begränsningar. Dessutom kan multimodala system mer effektivt registrera användare och ge större noggrannhet och motstånd mot obehörig åtkomst.

Enligt en studie från University of Bradford från 2017 är det ofta utmanande att designa och genomföra ett multimodalt biometriskt system, och många frågor som kan påverka resultatet i hög grad måste övervägas. Exempel på dessa utmaningar är kostnaden, noggrannheten, tillgängliga resurser för biometriska egenskaper och fusionsstrategi som används. 

Den mest avgörande frågan för multimodala system är att välja vilka biometriska egenskaper som är mest effektiva och att hitta ett effektivt sätt att smälta samman dem. I multimodala biometriska system, om systemet fungerar i identifieringsläge, kan varje klassificerares utdata ses som en rangordning av inskrivna kandidater, en lista som representerar alla möjliga matchningar sorterade efter konfidensnivå.

Störande inverkan

Multi-input igenkänning har blivit populärt på grund av de olika verktyg som finns tillgängliga för att mäta alternativ biometri. När dessa tekniker utvecklas kommer det att vara möjligt att göra identifieringen säkrare, eftersom vener och irismönster inte kan hackas eller stjälas. Flera företag och forskningsinstitutioner utvecklar redan multi-input verktyg för storskalig implementering. 

Ett exempel är National Taiwan University of Science and Technologys tvåfaktorsautentiseringssystem som tittar på skeletttopologier och fingervenmönster. Fingervenbiometri (vaskulär biometri eller venskanning) använder unika venmönster i en persons fingrar för att identifiera dem. Denna metod är möjlig eftersom blod innehåller hemoglobin, som visar olika färger när det utsätts för nära-infrarött eller synligt ljus. Som ett resultat kan den biometriska läsaren skanna och digitalisera användarens distinkta venmönster innan de lagras på en säker server.

Samtidigt använder Imageware, baserat i San Francisco, flera biometriska uppgifter för autentiseringsändamål. Administratörer kan välja en biometrisk eller en kombination av biometri när de implementerar plattformens säkerhetsåtgärd. De typer av biometri som kan användas med den här tjänsten inkluderar irisigenkänning, ansiktsskanning, röstidentifiering, skannrar av palmvener och fingeravtrycksläsare.

Med ImageWare Systems multimodala biometri kan användare autentisera sin identitet var som helst och under alla förhållanden. Federerad inloggning innebär att användare inte behöver skapa nya referenser för varje företag eller plattform eftersom deras identitet skapas en gång och flyttas med dem. Dessutom tillåter enstaka identiteter som är korskompatibla med olika plattformar mindre exponering för datahack.

Implikationer av multi-input igenkänning

Vidare implikationer av multi-input igenkänning kan inkludera: 

• Befolkningsskaliga förbättringar av cybersäkerhetsstandarder eftersom (långsiktigt) de flesta medborgare kommer att använda någon form av multi-input igenkänning som en ersättning till traditionella lösenord och fysiska/digitala nycklar för att säkra sina personuppgifter över flera tjänster.
• Byggnadssäkerhet och känslig offentlig och privat data som upplever stegvisa säkerhetsförbättringar eftersom (långtids)anställda med tillgång till känsliga platser och data kommer att få mandat att använda system för igenkänning av flera ingångar.
• Företag som använder multi-input igenkänningssystem som använder djupa neurala nätverk (DNN) för att korrekt rangordna och identifiera denna olika biometriska information.
• Nystartade företag som fokuserar på att utveckla fler multimodala igenkänningssystem med olika kombinationer, inklusive röst-, hjärt- och ansiktsavtryck.
• Ökade investeringar i att säkra dessa biometriska bibliotek för att säkerställa att de inte blir hackade eller förfalskade.
• Möjliga incidenter med biometrisk information från statliga myndigheter som hackats för bedrägeri och identitetsstöld.
• Civic-grupper kräver att företag ska vara transparenta med hur mycket biometrisk information de samlar in, hur de lagrar den och när de använder den.

Frågor att kommentera

• Om du har provat ett multimodalt biometriskt igenkänningssystem, hur enkelt och exakt är det?
• Vilka är de andra potentiella fördelarna med system för multi-input igenkänning?