Çoklu giriş tanıma: Farklı biyometrik bilgileri birleştirme

• Yazar:
• Yazar adı

  Kuantumrun Öngörüsü
• Şubat 24, 2023

Derinin yüzeyinin altında benzersiz tanımlayıcı özellikler aramak, insanları tanımlamanın akıllıca bir yoludur. Saç modelleri ve göz renkleri kolayca değiştirilebilir veya maskelenebilir, ancak örneğin bir kişinin damar yapısını değiştirmesi neredeyse imkansızdır. Biyometrik kimlik doğrulama, yaşayan insanlar gerektirdiği için ek bir güvenlik katmanı sunar.

Çok girişli tanıma bağlamı

Çok modlu biyometrik sistemler, veri gürültüsünden veya sahtekarlıktan etkilenme gibi aynı güvenlik açıklarına sahip olmadıkları için pratik uygulamalarda tek modlu olanlardan daha sık kullanılır. Bununla birlikte, tanımlama için tek bir bilgi kaynağına (örn. iris, yüz) dayanan tek modlu sistemler, güvenilmez ve verimsiz oldukları bilinmesine rağmen hükümet ve sivil güvenlik uygulamalarında popülerdir.

Kimlik doğrulamasını sağlamanın daha güvenli bir yolu, bireysel sınırlamalarının üstesinden gelmek için bu tek modlu sistemleri birleştirmektir. Ek olarak, çok modlu sistemler, kullanıcıları daha etkili bir şekilde kaydedebilir ve yetkisiz erişime karşı daha fazla doğruluk ve direnç sağlayabilir.

Bradford Üniversitesi tarafından 2017 yılında yapılan bir araştırmaya göre, çok modlu bir biyometrik sistem tasarlamak ve uygulamak genellikle zordur ve sonucu büyük ölçüde etkileyebilecek birçok konunun dikkate alınması gerekir. Bu zorlukların örnekleri, kullanılan biyometrik özelliklerin maliyeti, doğruluğu, mevcut kaynakları ve füzyon stratejisidir. 

Çok modlu sistemler için en önemli konu, hangi biyometrik özelliklerin en etkili olacağını seçmek ve bunları birleştirmenin verimli bir yolunu bulmaktır. Multimodal biyometrik sistemlerde, eğer sistem tanımlama modunda çalışıyorsa, o zaman her bir sınıflandırıcının çıktısı, kayıtlı adayların bir sıralaması, güven düzeyine göre sıralanmış tüm olası eşleşmeleri temsil eden bir liste olarak görülebilir.

Yıkıcı etki

Çoklu giriş tanıma, alternatif biyometriyi ölçmek için mevcut olan farklı araçlar nedeniyle popülerlik kazanıyor. Bu teknolojiler ilerledikçe, damarlar ve iris kalıpları hacklenemeyeceği veya çalınamayacağı için tanımlamayı daha güvenli hale getirmek mümkün olacaktır. Birkaç şirket ve araştırma kurumu, halihazırda büyük ölçekli dağıtım için çok girdili araçlar geliştiriyor. 

Bir örnek, Ulusal Tayvan Bilim ve Teknoloji Üniversitesi'nin iskelet topolojilerine ve parmak damar modellerine bakan iki faktörlü kimlik doğrulama sistemidir. Parmak damar biyometrisi (vasküler biyometri veya damar taraması), bir kişinin parmaklarını tanımlamak için benzersiz damar modellerini kullanır. Bu yöntem mümkündür çünkü kan, yakın kızılötesi veya görünür ışığa maruz kaldığında farklı renkler gösteren hemoglobin içerir. Sonuç olarak, biyometrik okuyucu, kullanıcının farklı damar modellerini güvenli bir sunucuda saklamadan önce tarayabilir ve dijital hale getirebilir.

Bu arada, merkezi San Francisco'da bulunan Imageware, kimlik doğrulama amacıyla birden fazla biyometri kullanıyor. Yöneticiler, platform güvenlik önlemini uygularken bir biyometrik veya biyometri kombinasyonunu seçebilir. Bu hizmetle kullanılabilecek biyometri türleri arasında iris tanıma, yüz tarama, ses tanıma, avuç içi damar tarayıcıları ve parmak izi okuyucular yer alır.

ImageWare Systems'in çok modlu biyometrisi ile kullanıcılar, kimliklerini her yerde ve her koşulda doğrulayabilir. Birleşik oturum açma, kimlikleri bir kez oluşturulduğundan ve onlarla birlikte hareket ettiğinden, kullanıcıların her işletme veya platform için yeni kimlik bilgileri oluşturması gerekmediği anlamına gelir. Ek olarak, farklı platformlarla çapraz uyumlu olan tek kimlikler, veri saldırılarına daha az maruz kalmaya izin verir.

Çoklu giriş tanımanın sonuçları

Çoklu giriş tanımanın daha geniş etkileri şunları içerebilir: 

• Vatandaşların çoğu (uzun vadeli) olarak, siber güvenlik standartlarında nüfus ölçeğinde iyileştirmeler, kişisel verilerini birden çok hizmette güvence altına almak için geleneksel parolaların ve fiziksel/dijital anahtarların yerine bir tür çok girişli tanıma kullanacaktır.
• Hassas konumlara ve verilere erişimi olan (uzun vadeli) çalışanlar olarak artan güvenlik iyileştirmeleri yaşayan bina güvenliği ve hassas kamu ve özel veriler, çok girişli tanıma sistemlerini kullanmakla yükümlü olacaktır.
• Bu farklı biyometrik bilgileri doğru bir şekilde sıralamak ve tanımlamak için derin sinir ağları (DNN'ler) kullanan çok girişli tanıma sistemlerini kullanan şirketler.
• Ses, kalp ve yüz izleri dahil olmak üzere çeşitli kombinasyonlarla daha çok modlu tanıma sistemleri geliştirmeye odaklanan girişimler.
• Saldırıya uğramamalarını veya sahtecilik yapmamalarını sağlamak için bu biyometrik kitaplıkların güvenliğini sağlamaya yönelik artan yatırımlar.
• Devlet kurumlarının biyometrik bilgilerinin dolandırıcılık ve kimlik hırsızlığı nedeniyle saldırıya uğrama olasılığı.
• Şirketlerden ne kadar biyometrik bilgi topladıkları, nasıl sakladıkları ve ne zaman kullandıkları konusunda şeffaf olmalarını talep eden sivil gruplar.

Yorum yapılacak sorular

• Çok modlu bir biyometrik tanıma sistemi denediyseniz, bu ne kadar kolay ve doğru?
• Çok girişli tanıma sistemlerinin diğer potansiyel faydaları nelerdir?