Биометрия - Краткое руководство

Термин «биометрия» состоит из двух слов - « био» (греческое слово, обозначающее жизнь) и « метрики» (измерения). Биометрия - это отрасль информационных технологий, которая направлена на установление личности на основе личных качеств.

Биометрия в настоящее время является модным словом в области информационной безопасности, поскольку она обеспечивает высокую степень точности при идентификации личности.

Что такое биометрия?

Биометрия - это технология, используемая для идентификации, анализа и измерения физических и поведенческих характеристик человека.

Каждый человек уникален с точки зрения характеристик, которые отличают его от всех остальных. Физические атрибуты, такие как отпечатки пальцев, цвет радужной оболочки глаза, цвет волос, геометрия руки и поведенческие характеристики, такие как тон и акцент речи, подпись или способ набора клавиш на клавиатуре компьютера и т. Д., Заставляют человека стоять отдельно от остальные.

Затем эта уникальность человека используется биометрическими системами для:

Определите и подтвердите личность.
Аутентифицируйте человека, чтобы дать ему соответствующие права на системные операции.
Берегите систему от неэтичного обращения.

Что такое биометрическая система?

Биометрическая система - это технология, которая принимает на вход физиологические, поведенческие или обе характеристики человека, анализирует их и идентифицирует человека как настоящего или злонамеренного пользователя.

Эволюция биометрии

Идея биометрии присутствовала через несколько лет. В 14 - ^м века, Китай практиковал принимая отпечатки пальцев купцов и их ребенок , чтобы отделить их от всех остальных. Отпечатки пальцев все еще используются сегодня.

В 19 - ^м веке, антрополог по имениAlphonse Bertillionразработал метод (названный Bertillionage ) измерения тела людей для их идентификации. Он понял, что даже при изменении некоторых характеристик человеческого тела, таких как длина волос, вес и т. Д., Некоторые физические характеристики тела остаются неизменными, например, длина пальцев. Этот метод быстро уменьшился, поскольку было обнаружено, что люди с одинаковыми размерами тела могут ошибочно приниматься за одного человека. Впоследствии Ричард Эдвард Генри из Скотланд-Ярда разработал метод снятия отпечатков пальцев.
Идея идентификации сетчатки была придумана доктором Карлтоном Саймоном и доктором Исадор Голдштейн в 1935 году. В 1976 году в EyeDentify Inc. были предприняты усилия по исследованиям и разработкам. Первая коммерческая система сканирования сетчатки появилась в 1981 году.
Распознавание радужной оболочки глаза было изобретено Джоном Даугманом в 1993 году в Кембриджском университете.
В 2001 году в Косово был внедрен Biometrics Automated Toolset (BAT), который обеспечил конкретные средства идентификации.

Сегодня биометрия превратилась в независимую область исследований с точными технологиями установления личности.

Зачем нужна биометрия?

С ростом использования информационных технологий в области банковского дела, науки, медицины и т. Д. Возникает огромная потребность в защите систем и данных от несанкционированных пользователей.

Биометрия используется для authenticating и authorizingперсона. Хотя эти термины часто объединяются; они означают разные.

Аутентификация (идентификация)

Этот процесс пытается найти ответ на вопрос: «Вы такие же, как вы себя называете?» Или «Я вас знаю?» Это сопоставление и сравнение биометрических данных человека со всей базой данных по принципу «один ко многим».

Проверка

Это процесс индивидуального сопоставления, в котором живой образец, введенный кандидатом, сравнивается с ранее сохраненным шаблоном в базе данных. Если оба совпадают с приемлемым сходством более чем на 70%, то проверка успешна.

Авторизация

Это процесс назначения прав доступа аутентифицированным или проверенным пользователям. Он пытается найти ответ на вопрос: «Имеете ли вы определенные права для доступа к этому ресурсу?»

Недостатки обычных средств безопасности

В традиционных методах защиты информационных систем используются идентификационные карты, пароли, персональные идентификационные номера (ПИН-коды) и т. Д. Они имеют следующие недостатки:

Все они означают распознавание некоторого кода, связанного с человеком, а не распознавания человека, который его фактически создал.
Их можно забыть, потерять или украсть.
Их можно обойти или легко взломать.
Они неточны.

В таких случаях безопасность системы оказывается под угрозой. Когда системам требуется высокий уровень надежной защиты, на помощь приходит биометрия, связывая личность, более ориентированную на человека.

Основные компоненты биометрической системы

В целом биометрическую систему можно разделить на четыре основных компонента. Посмотрим их кратко -

Входной интерфейс (датчики)

Это сенсорный компонент биометрической системы, который преобразует биологические данные человека в цифровую форму.

Например,

Металлооксидный полупроводниковый (CMOS) имидж-сканер или устройство с зарядовой связью (CCD) в случае систем распознавания лиц, отпечатков пальцев или радужной оболочки глаза / сетчатки глаза.
Оптический датчик в случае системы отпечатков пальцев.
Микрофон в случае систем распознавания голоса.

Блок обработки

Компонент обработки - это микропроцессор, цифровой сигнальный процессор (DSP) или компьютер, который обрабатывает данные, полученные с датчиков.

Обработка биометрического образца включает:

Пример улучшения изображения
Пример нормализации изображения
Извлечение признаков
Сравнение биометрического образца со всеми образцами, хранящимися в базе данных.

Хранилище базы данных

В базе данных хранится зарегистрированный образец, который вызывается для сопоставления во время аутентификации. Для идентификации может использоваться любая память из оперативной памяти (RAM), flash EPROM или сервера данных. Для проверки используется съемный элемент хранения, например, контактная или бесконтактная смарт-карта.

Выходной интерфейс

Выходной интерфейс сообщает решение биометрической системы о разрешении доступа пользователю. Это может быть простой протокол последовательной связи RS232 или протокол USB с более высокой пропускной способностью. Это также может быть протокол TCP / IP, радиочастотная идентификация (RFID), Bluetooth или один из многих сотовых протоколов.

Общая работа биометрической системы

Биометрическая система выполняет четыре основных шага для идентификации и проверки:

Получите живой образец от кандидата. (с помощью датчиков)
Извлеките характерные особенности из образца. (с использованием процессора)
Сравните живой образец с образцами, хранящимися в базе данных. (с использованием алгоритмов)
Представьте решение. (Принять или отклонить кандидата.)

Биометрический образец получен у кандидата-пользователя. Основные характеристики извлекаются из образца, а затем он сравнивается со всеми образцами, хранящимися в базе данных. Когда входной образец совпадает с одним из образцов в базе данных, биометрическая система позволяет человеку получить доступ к ресурсам; в противном случае запрещает.

Биометрическая терминология

Biometric Template - Это цифровая ссылка на отдельные характеристики, извлеченные из биометрического образца.

Candidate/Subject - Человек, который вводит свой биометрический образец.

Closed-Set Identification - Известно, что человек существует в базе данных.

Enrollment - Это когда кандидат впервые использует биометрическую систему, она записывает основную информацию, такую как имя, адрес и т. Д., А затем записывает биометрические характеристики кандидата.

False Acceptance Rate (FAR) - Это мера вероятности того, что биометрическая система неправильно идентифицирует неавторизованного пользователя как действительного пользователя.

FAR =

Количество ложных приемов / количество попыток идентификации

Биометрическая система, обеспечивающая low FAR ensures high security.

False Reject Rate (FRR) - Это мера вероятности того, что биометрическая система ошибочно отклонит авторизованного пользователя как недействительного.

FRR =

Количество ложных отказов / количество попыток идентификации

Open-Set Identification - Наличие человека в базе данных не гарантируется.

Task - Это когда биометрическая система ищет в базе данных подходящий образец.

Области применения биометрии

Есть ряд приложений, в которых можно использовать биометрические системы. Некоторые из них приведены ниже -

Контроль доступа к рабочему месту.
Установление личности людей для аутентичных систем гражданства и иммиграции.
Применение контроля доступа к конфиденциальной информации и системам.
Выявление преступников судебно-медицинской экспертизой.
Выполнение транзакций электронной коммерции в Интернете.
Снижение мошенничества и краж.
Правоохранительные органы.

Биометрическая модальность - это не что иное, как категория биометрической системы, зависящая от типа человеческой черты, которую она принимает в качестве входных данных.

Биометрия в основном статистическая. Чем больше данных доступно из выборки, тем больше вероятность того, что система будет уникальной и надежной. Он может работать с различными модальностями, относящимися к измерениям тела и функций человека, а также поведенческим моделям. Модальности классифицируются в зависимости от биологических особенностей человека.

Типы биометрических модальностей

У людей присутствуют различные черты, которые можно использовать в качестве биометрических параметров. Биометрические параметры делятся на три типа:

Physiological
Behavioral
Сочетание физиологической и поведенческой модальности

В следующей таблице собраны моменты, которые различают эти три модальности:

Физиологическая модальность	Поведенческая модальность	Комбинация обоих методов
Эта модальность относится к форме и размеру тела.	Эта модальность связана с изменением поведения человека с течением времени.	Эта модальность включает в себя обе черты, которые зависят от физических и поведенческих изменений.
Например - Распознавание отпечатков пальцев Система распознавания геометрии руки Система распознавания лиц Система распознавания радужной оболочки глаза Система распознавания геометрии руки Система сканирования сетчатки Система распознавания ДНК	Например - Походка (походка) Ритм набора клавиш Signature	Например - Распознавание голоса Это зависит от здоровья, размера и формы голосовых связок, носовых и ротовых полостей, формы губ и т. Д., А также от эмоционального статуса, возраста, болезни (поведения) человека.

В следующих главах мы обсудим каждую из этих модальностей более подробно.

Как показано ранее, физиологические параметры основаны на прямом измерении таких частей человеческого тела, как радужная оболочка, отпечаток пальца, форма и положение пальцев и т. Д.

Есть некоторые физические особенности, которые остаются неизменными на протяжении всей жизни человека. Они могут быть отличным средством для идентификации личности.

Система распознавания отпечатков пальцев

Это наиболее известное и используемое биометрическое решение для аутентификации людей в биометрических системах. Причины его популярности в том, что существует десять доступных источников биометрических данных и простота получения.

У каждого человека есть уникальный отпечаток пальца, который состоит из гребней, бороздок и направлений линий. Существует три основных типа гребней, а именно:arch, loop, и whorl. Уникальность отпечатка пальца определяется этими функциями, а такжеminutiae features такие как бифуркация и пятна (окончания гребня).

Отпечаток пальца - один из старейших и самых популярных методов распознавания. Методы сопоставления отпечатков пальцев бывают трех типов:

Minutiae Based Techniques- В этих деталях обнаруживаются точки, которые затем сопоставляются с их относительным положением на пальце. Есть некоторые трудности, например, если изображение низкого качества, то трудно правильно найти мелкие точки. Другая трудность заключается в том, что учитывается местное расположение гребней и борозд; не глобальный.
Correlation Based Method- Он использует более богатую информацию о серой шкале. Он преодолевает проблемы метода, основанного на мелочах, за счет возможности работы с данными плохого качества. Но у него есть свои проблемы, такие как локализация точек.
Pattern Based (Image Based) Matching - Алгоритмы на основе шаблонов сравнивают основные шаблоны отпечатков пальцев (дуги, завитки и петли) между сохраненным шаблоном и потенциальным отпечатком пальца.

Достоинства системы распознавания пальцев

Это самый современный метод.
Это наиболее экономичный метод.
Это очень надежно и безопасно.
Он работает с шаблоном небольшого размера, что ускоряет процесс проверки.
Он потребляет меньше памяти.

Недостатки системы распознавания пальцев

Шрамы, порезы или отсутствие пальца могут помешать процессу распознавания.
Систему можно обмануть, используя искусственный палец из воска.
Это предполагает физический контакт с системой.
Они оставляют отпечаток пальца во время ввода пробы.

Применение системы распознавания пальцев

Проверка подлинности водительских прав.
Проверка действительности водительских прав.
Пограничный контроль / выдача виз.
Контроль доступа в организациях.

Система распознавания лиц

Распознавание лиц основано на определении формы и размера челюсти, подбородка, формы и расположения глаз, бровей, носа, губ и скул. Двухмерные сканеры лица начинают считывать геометрию лица и записывать ее в сетку. Геометрия лица передается в базу данных в точках. Алгоритмы сравнения выполняют сопоставление лиц и выдают результаты. Распознавание лиц выполняется следующими способами -

Facial Metrics - В этом типе измеряются расстояния между зрачками или от носа до губ или подбородка.
Eigen faces - Это процесс анализа всего изображения лица как взвешенной комбинации нескольких лиц.
Skin Texture Analysis - Распознаются уникальные линии, узоры и пятна, заметные на коже человека.

Достоинства системы распознавания лиц

Он предлагает удобное хранение шаблонов в базе данных.
Это снижает статистические сложности при распознавании изображения лица.
Он не предполагает физического контакта с системой.

Недостатки системы распознавания лиц

Черты лица со временем меняются.
Уникальность не гарантируется, например, в случае однояйцевых близнецов.
Если лицо кандидата показывает другое выражение, например легкую улыбку, это может повлиять на результат.
Для правильного ввода требуется соответствующее освещение.

Применение системы распознавания лиц

Общая проверка личности.
Проверка для контроля доступа.
Взаимодействие человека с компьютером.
Идентификация по уголовным делам.
Surveillance.

Система распознавания радужной оболочки глаза

Распознавание радужной оболочки работает на основе рисунка радужной оболочки человеческого глаза. Радужка - это пигментированная эластичная ткань с регулируемым круглым отверстием в центре. Он контролирует диаметр зрачка. У взрослых людей текстура радужки стабильна на протяжении всей жизни. Рисунок радужной оболочки левого и правого глаза отличается. Узоры и цвета радужной оболочки меняются от человека к человеку.

Он включает в себя получение снимка радужной оболочки с помощью соответствующей камеры, его сохранение и сравнение с глазами кандидата с использованием математических алгоритмов.

Достоинства системы распознавания радужной оболочки глаза

Это очень точно, так как шанс совпадения двух ирисов составляет 1 из 10 миллиардов человек.
Он хорошо масштабируется, поскольку рисунок радужной оболочки остается неизменным на протяжении всей жизни человека.
Кандидату не нужно снимать очки или контактные линзы; они не влияют на точность системы.
Он не предполагает физического контакта с системой.
Он обеспечивает мгновенную проверку (от 2 до 5 секунд) из-за небольшого размера шаблона.

Недостатки системы распознавания радужной оболочки глаза

Сканеры радужной оболочки глаза дорогие.
Изображения высокого качества могут обмануть сканер.
Человек должен держать голову неподвижно для точного сканирования.

Применение системы распознавания радужной оболочки глаза

Карты национальной безопасности и удостоверения личности, такие как карта Adhaar в Индии.
Google использует распознавание радужной оболочки глаза для доступа к своим центрам обработки данных.

Система распознавания геометрии руки

Он включает в себя измерение длины и ширины ладони, площади поверхности, длины и положения пальцев, а также общей структуры костей руки. Рука человека уникальна и по ней можно отличить человека от других. Есть две системы геометрии руки -

Contact Based- рука кладется на поверхность сканера. Это размещение позиционируется пятью штифтами, которые направляют руку кандидата в правильное положение для камеры.
Contact Less - При таком подходе для получения изображения руки не требуются ни штифты, ни платформа.

Достоинства системы распознавания геометрии руки

Он прочный и удобный.
Изменения влажности или текстуры кожи не влияют на результат.

Недостатки системы распознавания геометрии руки

Поскольку геометрия руки не уникальна, она не очень надежна.
Он эффективен для взрослых, а не для растущих детей.
Если рука кандидата находится в украшениях, гипсе или артрите, это может создать проблему.

Применение системы распознавания геометрии руки

Атомные электростанции и военные используют распознавание геометрии руки для контроля доступа.

Система сканирования сетчатки

Сетчатка - это подкладочный слой в задней части глазного яблока, который покрывает 65% внутренней поверхности глазного яблока. Это содержитphotosensitiveклетки. Сетчатка каждого человека уникальна из-за сложной сети кровеносных сосудов, снабжающих кровью.

Это надежный биометрический метод, поскольку рисунок сетчатки остается неизменным на протяжении всей жизни человека, за исключением людей, страдающих диабетом, глаукомой или некоторыми дегенеративными заболеваниями.

В процессе сканирования сетчатки глаза человека просят снять линзы или очки. Луч инфракрасного света низкой интенсивности попадает в глаз человека на 10-15 секунд. Этот инфракрасный свет поглощается кровеносными сосудами, образуя узор кровеносных сосудов во время сканирования. Затем этот образец оцифровывается и сохраняется в базе данных.

Достоинства системы сканирования сетчатки

Его нельзя подделать.
Это очень надежно, так как частота ошибок составляет 1 крор образцов (что составляет почти 0%).

Недостатки системы сканирования сетчатки

Это не очень удобно, так как пользователю необходимо сохранять устойчивость, что может вызвать дискомфорт.
Он имеет тенденцию выявлять некоторые плохие состояния здоровья, такие как гипертония или диабет, которые вызывают проблемы с конфиденциальностью.
Точности результатов подвержены такие заболевания, как катаракта, глаукома, диабет и т. Д.

Применение системы сканирования сетчатки

Это практикуется некоторыми государственными органами, такими как CID, FBI и т. Д.
Помимо приложений безопасности, он также используется для офтальмологической диагностики.

Система распознавания ДНК

Dэоксирибо Nэвклический Acid (ДНК) - это генетический материал человека. Каждый человек, за исключением однояйцевых близнецов, уникально идентифицируется по признакам, обнаруженным в их ДНК, которая расположена в ядре клетки. Существует ряд источников, из которых можно собрать образцы ДНК, такие как кровь, слюна, ногти, волосы и т. Д.

Внутри клеток ДНК организована в виде длинной двойной спирали, называемой chromosomes. У человека 23 пары хромосом. Из 46 хромосом потомство наследует 23 хромосомы от каждого биологического родителя. 99,7% ДНК потомства передается их родителям. Оставшиеся 0,3% ДНК содержат повторяющееся кодирование, уникальное для человека.

Основные этапы профилирования ДНК:

Отделение ДНК от образца, взятого из крови, слюны, волос, спермы или ткани.
Разделение образца ДНК на более короткие сегменты.
Организация сегментов ДНК по размеру.
Сравнение сегментов ДНК из разных образцов.

Чем более подробным является образец, тем точнее будет сравнение и, в свою очередь, идентификация человека.

ДНК-биометрия отличается от всех остальных следующим образом:

Ему нужен материальный физический образец вместо изображения.
Сопоставление ДНК выполняется на физических образцах. Нет возможности извлечения признаков или сохранения шаблона.

Достоинства системы распознавания ДНК

Обеспечивает высочайшую точность.

Недостатки системы распознавания ДНК

Продолжительность процедуры от сбора пробы до получения результата велика.
Будучи более информативным, он вызывает проблемы с конфиденциальностью.
Требуется больше места для хранения.
Загрязнение или разложение образца могут повлиять на результат.

Применение системы распознавания ДНК

В основном он используется для доказательства вины или невиновности.
Он используется в физической и сетевой безопасности.

Поведенческая биометрия относится к поведению людей или к тому, как люди выполняют такие задачи, как ходьба, подписание и набор текста на клавиатуре.

Варианты поведенческой биометрии более разнообразны, поскольку они в основном зависят от внешних факторов, таких как усталость, настроение и т. Д. Это приводит к более высоким FAR и FRR по сравнению с решениями, основанными на физиологической биометрии.

Распознавание походки

Gaitэто манера ходьбы человека. Люди проявляют разные черты во время ходьбы, такие как осанка, расстояние между ногами при ходьбе, покачивание и т. Д., Что помогает их уникально распознать.

Распознавание походки на основе анализа видеоизображений походки кандидата. Образец цикла прогулки кандидата записывается Видео. Затем образец анализируется на предмет положения суставов, таких как колени и лодыжки, и углов между ними во время ходьбы.

Соответствующая математическая модель создается для каждого кандидата и хранится в базе данных. Во время проверки эта модель сравнивается с живым образцом ходьбы кандидата для определения его личности.

Достоинства системы распознавания походки

Это неинвазивно.
Он не требует сотрудничества со стороны кандидата, так как его можно использовать на расстоянии.
Его можно использовать для определения медицинских нарушений путем определения изменений в походке человека в случае болезни Паркинсона.

Недостатки системы распознавания походки

Для этого биометрического метода до сих пор не разработана модель с полной точностью.
Он может быть не таким надежным, как другие известные биометрические методы.

Применение системы распознавания походки

Он хорошо подходит для выявления преступников в сценарии преступления.

Система распознавания подписей

В этом случае больше внимания уделяется моделям поведения, в которых подписана подпись, чем тому, как подпись выглядит с точки зрения графики.

Поведенческие паттерны включают изменение времени письма, пауз, давления, направления штрихов и скорости во время подписания. Можно легко скопировать графический внешний вид подписи, но нелегко имитировать подпись таким же поведением, как при подписании.

Эта технология состоит из пера и специального письменного планшета, подключенных к компьютеру для сравнения и проверки шаблонов. Планшет высокого качества может фиксировать поведенческие характеристики, такие как скорость, давление и время при подписании.

На этапе зачисления кандидат должен несколько раз поставить свою подпись на планшете для сбора данных. Затем алгоритмы распознавания подписи извлекают уникальные особенности, такие как время, давление, скорость, направление штрихов, важные точки на пути подписи и размер подписи. Алгоритм присваивает этим точкам разные значения весов.

Во время идентификации кандидат вводит живой образец подписи, который сравнивается с подписями в базе данных.

Ограничения системы распознавания подписей

Чтобы получить достаточный объем данных, подпись должна быть достаточно маленькой, чтобы поместиться на планшете, и достаточно большой, чтобы с ней можно было работать.
Качество письменного планшета определяет надежность шаблона регистрации для распознавания подписи.
Кандидат должен выполнять процессы проверки в той же среде и условиях, что и во время зачисления. Если есть изменение, то шаблон регистрации и шаблон реального образца могут отличаться друг от друга.

Достоинства системы распознавания подписей

Процесс распознавания подписи имеет высокую устойчивость к самозванцам, так как очень сложно имитировать модели поведения, связанные с подписью.
Он очень хорошо работает в крупных деловых операциях. Например, распознавание подписи может использоваться для положительной проверки представителей бизнеса, участвующих в транзакции, до открытия и подписания каких-либо секретных документов.
Это неинвазивный инструмент.
Мы все используем нашу подпись в какой-то коммерции, и поэтому практически не возникает проблем с правами на конфиденциальность.
Даже если система взломана, а шаблон украден, восстановить шаблон несложно.

Недостатки системы распознавания подписей

Шаблон живого образца подвержен изменениям в зависимости от изменений в поведении при подписании. Например, подписание рукой в гипсе.
Пользователю необходимо привыкнуть к использованию планшета для подписи. Уровень ошибок высок, пока это не произойдет.

Применение системы распознавания подписей

Он используется при проверке документов и авторизации.
Банк Chase Manhattan Bank в Чикаго известен как первый банк, внедривший технологию распознавания подписей.

Система распознавания нажатия клавиш

Во время Второй мировой войны военная разведка использовала технику, известную как « Кулак отправителя », чтобы определить, был ли код Морзе отправлен врагом или союзником, исходя из ритма набора текста. В наши дни динамика нажатия клавиш - самое простое биометрическое решение с точки зрения аппаратного обеспечения.

Эта биометрическая система анализирует набор текста кандидата, ритм и скорость набора текста на клавиатуре. Вdwell time и flight time измерения используются при распознавании нажатия клавиш.

Dwell time - Это продолжительность нажатия клавиши.

Flight time - Это время, прошедшее между отпусканием клавиши и нажатием следующей клавиши.

Кандидаты различаются по способу набора текста на клавиатуре, по времени, необходимому для поиска нужной клавиши, по времени полета и времени ожидания. Их скорость и ритм набора текста также зависят от их уровня комфорта при работе с клавиатурой. Система распознавания нажатия клавиш отслеживает ввод с клавиатуры тысячи раз в секунду в одной попытке идентифицировать пользователей на основе их привычек набора текста.

Есть два типа распознавания нажатия клавиш -

Static - Это одноразовое признание в начале взаимодействия.
Continuous - Это на протяжении всего взаимодействия.

Применение динамики нажатия клавиш

Распознавание нажатия клавиш используется для идентификации / проверки. Он используется с идентификатором пользователя / паролем как формаmultifactor authentication.
Он используется для наблюдения. Некоторые программные решения отслеживают поведение нажатия клавиш для каждой учетной записи пользователя без ведома конечного пользователя. Это отслеживание используется для анализа того, был ли учетная запись предоставлена или использована кем-либо еще, кроме настоящего владельца учетной записи. Он используется для проверки, распространяется ли какая-либо лицензия на программное обеспечение.

Достоинства системы распознавания нажатия клавиш

Для отслеживания биометрических данных не требуется специального оборудования.
Это быстрый и безопасный способ идентификации.
Человеку, который набирает текст, не нужно беспокоиться о том, что за ним наблюдают.
Пользователи не нуждаются в обучении для регистрации или ввода своих живых образцов.

Недостатки системы распознавания нажатия клавиш

Ритм набора текста кандидата может меняться в течение нескольких дней или в течение самого дня из-за усталости, недомогания, воздействия лекарств или алкоголя, смены клавиатуры и т. Д.
Нет никаких известных функций, предназначенных исключительно для выполнения различающей информации.

Биометрическая модальность распознавания голоса - это комбинация физиологических и поведенческих модальностей. Распознавание голоса - это не что иное, как распознавание звука. Он полагается на функции, на которые влияют -

Physiological Component - Физическая форма, размер и состояние голосовой связки, губ, зубов, языка и полости рта человека.
Behavioral Component - Эмоциональный статус человека во время разговора, акценты, тон, высота тона, темп речи, бормотание и т. Д.

Система распознавания голоса

Распознавание голоса также называется распознаванием говорящего. Во время регистрации пользователю необходимо произнести слово или фразу в микрофон. Это необходимо для получения речевого образца кандидата.

Электрический сигнал с микрофона преобразуется в цифровой сигнал аналого-цифровым (АЦП) преобразователем. Он записывается в память компьютера в виде оцифрованного образца. Затем компьютер сравнивает и пытается сопоставить входной голос кандидата с сохраненным оцифрованным образцом голоса и идентифицирует кандидата.

Методы распознавания голоса

Есть два варианта распознавания голоса - speaker dependent и speaker independent.

Распознавание голоса в зависимости от говорящего основывается на знании конкретных характеристик голоса кандидата. Эта система изучает эти характеристики через голосовое обучение (или зачисление).

Систему необходимо обучить тому, чтобы пользователи приучили ее к определенному акценту и тону, прежде чем использовать ее для распознавания сказанного.
Это хороший вариант, если системой будет пользоваться только один пользователь.

Системы, не зависящие от говорящего, могут распознавать речь разных пользователей, ограничивая контексты речи, такие как слова и фразы. Эти системы используются для автоматизированных телефонных интерфейсов.

Они не требуют обучения системы на каждом отдельном пользователе.
Они являются хорошим выбором для использования разными людьми, когда не требуется распознавать речевые характеристики каждого кандидата.

Разница между распознаванием голоса и речи

Распознавание говорящего и распознавание речи ошибочно принимаются как одно и то же; но это разные технологии. Посмотрим, как -

Распознавание динамика (распознавание голоса)	Распознавание речи
Цель распознавания голоса - распознать, что говорит ВОЗ.	Распознавание речи направлено на понимание и понимание того, ЧТО было сказано.
Он используется для идентификации человека, анализируя его тон, высоту голоса и акцент.	Он используется в бесконтактных вычислениях, навигации по карте или меню.

Достоинства распознавания голоса

Легко реализовать.

Недостатки распознавания голоса

Чувствителен к качеству микрофона и шуму.
Невозможность контролировать факторы, влияющие на систему ввода, может значительно снизить производительность.
Некоторые системы проверки говорящего также подвержены атакам с использованием спуфинга через записанный голос.

Приложения распознавания голоса

Выполнение транзакций по телефону и через Интернет.
Работа с банковскими системами и системами здравоохранения на основе интерактивного голосового ответа (IRV).
Применение аудиоподписи к цифровым документам.
В развлекательных и экстренных службах.
В системах онлайн-образования.

Все биометрические системы, которые мы обсуждали до сих пор, были унимодальными, которые используют один источник информации для аутентификации. Как следует из названия, мультимодальные биометрические системы работают на приеме информации от двух или более биометрических входов.

Мультимодальная биометрическая система увеличивает объем и разнообразие входной информации, которую система принимает от пользователей для аутентификации.

Почему требуется мультимодальная биометрия?

Унимодальные системы должны иметь дело с различными проблемами, такими как отсутствие секретности, неуниверсальность образцов, степень комфорта и свободы пользователя при работе с системой, атаки с подделкой сохраненных данных и т. Д.

Некоторые из этих проблем можно решить с помощью мультимодальной биометрической системы.

Есть еще несколько причин для его требования, например:

Наличие нескольких признаков делает мультимодальную систему более надежной.
Мультимодальная биометрическая система повышает безопасность и секретность пользовательских данных.
Мультимодальная биометрическая система применяет стратегии слияния, чтобы объединить решения от каждой подсистемы, а затем делает вывод. Это делает мультимодальную систему более точной.
Если какой-либо из идентификаторов не работает по известным или неизвестным причинам, система все равно может обеспечить безопасность, используя другой идентификатор.
Мультимодальные системы могут предоставить информацию о «живучести» вводимой пробы, применяя методы определения живости. Это дает им возможность обнаруживать и обрабатывать спуфинг.

Работа мультимодальной биометрической системы

Мультимодальная биометрическая система имеет все стандартные модули, которые есть в унимодальной системе:

Модуль захвата
Модуль извлечения признаков
Модуль сравнения
Модуль принятия решений

Кроме того, у него есть метод слияния для интеграции информации из двух разных систем аутентификации. Слияние может быть выполнено на любом из следующих уровней -

Во время извлечения признаков.
Во время сравнения живых образцов с сохраненными биометрическими шаблонами.
Во время принятия решения.

Мультимодальные биометрические системы, которые интегрируют или объединяют информацию на начальном этапе, считаются более эффективными, чем системы, которые интегрируют информацию на более поздних этапах. Очевидная причина этого в том, что ранняя стадия содержит более точную информацию, чем результаты сопоставления модулей сравнения.

Сценарии слияния в мультимодальной биометрической системе

В мультимодальной биометрической системе может быть множество характеристик и компонентов. Они могут быть следующими -

Единый биометрический признак, несколько датчиков.
Единый биометрический признак, несколько классификаторов (например, сопоставление на основе мелочей и сопоставление на основе текстуры).
Один биометрический признак, несколько единиц (например, несколько пальцев).
Множественные биометрические характеристики человека (например, радужная оболочка глаза, отпечаток пальца и т. Д.)

Затем эти характеристики используются для подтверждения личности пользователя.

Проблемы проектирования с мультимодальными биометрическими системами

При разработке мультимодальной биометрической системы необходимо учитывать ряд факторов:

Требуемый уровень безопасности.
Количество пользователей, которые будут использовать систему.
Типы биометрических характеристик, которые вам необходимо приобрести.
Количество биометрических характеристик пользователей.
Уровень, на котором необходимо интегрировать несколько биометрических характеристик.
Техника, которую следует принять для интеграции информации.
Компромисс между стоимостью разработки и производительностью системы.

Чтобы выбрать подходящую биометрическую систему, вам необходимо сравнить их по различным аспектам. Вам необходимо оценить соответствие систем вашим требованиям с точки зрения удобства, технических характеристик и производительности системы, а также вашего бюджета.

Вы можете выбрать наиболее подходящую биометрическую систему, изучив различные критерии их эффективности.

Критерии эффективной биометрической системы

Есть семь основных критериев измерения эффективности биометрической системы:

Uniqueness- Он определяет, насколько однозначно биометрическая система может распознавать пользователя из группы пользователей. Это главный критерий.
Universality- Это указывает на потребность в уникальных характеристиках каждого человека в мире, которые невозможно воспроизвести. Это вторичный критерий.
Permanence - Это указывает на то, что записанная личная характеристика должна быть постоянной в базе данных в течение определенного периода времени.
Collectability - Это легкость, с которой черта человека может быть приобретена, измерена или обработана в дальнейшем.
Performance - Это эффективность системы с точки зрения точности, скорости, обработки ошибок и надежности.
Acceptability - Это удобство для пользователя или то, насколько хорошо пользователи принимают технологию, что они готовы сотрудничать, позволяя зафиксировать и оценить свои биометрические характеристики.
Circumvention - Это легкость, с которой черта может имитироваться с помощью артефакта или заменителя.

Сравнение различных биометрических модальностей

Давайте сравним всю биометрическую систему в следующих терминах -

Биометрическая характеристика	Универсальность	Уникальность	Постоянство	Собирать способность	Спектакль	Приемлемость	Обход
Finger Print	Средняя	Высоко	Высоко	Средняя	Высоко	Средняя	Высоко
Face Recognition	Высоко	Низкий	Средняя	Высоко	Низкий	Высоко	Низкий
Hand Geometry	Средняя	Средняя	Средняя	Высоко	Средняя	Средняя	Средняя
Iris Recognition	Высоко	Высоко	Высоко	Средняя	Высоко	Низкий	Высоко
Retinal Scan	Высоко	Высоко	Средняя	Низкий	Высоко	Низкий	Высоко
DNA	Высоко	Высоко	Средняя	Высоко	Высоко	Низкий	Низкий
Keystroke	Высоко	Низкий	Низкий	Высоко	Средняя	Высоко	Высоко
Signature	Низкий	Низкий	Низкий	Высоко	Низкий	Высоко	Низкий
Voice	Средняя	Низкий	Низкий	Средняя	Низкий	Высоко	Низкий

Вы можете выбрать подходящую биометрическую систему в зависимости от критериев, с которыми вам нужно работать, как показано в таблице.

Производители биометрических систем заявляют о высокой производительности системы, которую практически трудно достичь в реальных условиях эксплуатации. Возможные причины: тесты, проводимые в условиях контролируемой среды, ограничения оборудования и т. Д.

Например, система распознавания голоса может эффективно работать только в тихой обстановке, система распознавания лиц может работать нормально, если условия освещения контролируются, а кандидатов можно научить чистить и правильно прикладывать пальцы к сканерам отпечатков пальцев.

Однако на практике такие идеальные условия могут быть недоступны в целевой операционной среде.

Измерения производительности

Измерения производительности биометрической системы тесно связаны с коэффициентом ложного отклонения (FRR) и коэффициентом ложного принятия (FAR).

FRR также известен как Type-I error или коэффициент ложного несоответствия (FNMR), который указывает вероятность того, что законный пользователь будет отклонен системой.

FAR упоминается как Type-II error или коэффициент ложного совпадения (FMR), который указывает вероятность принятия системой ложного заявления об идентичности.

Ожидается, что идеальная биометрическая система даст нулевое значение как для FAR, так и для FRR. Это означает, что он должен принимать всех настоящих пользователей и отклонять все ложные утверждения личности, что практически недостижимо.

FAR и FRRобратно пропорциональны друг другу. Если FAR улучшается, то FRR снижается. Биометрическая система, обеспечивающаяhigh FRR ensures high security. Если FRR слишком высок, то системе требуется несколько раз ввести живую выборку, что делает ее менее эффективной.

Производительность современных биометрических технологий далека от идеала. Следовательно, разработчики системы должны поддерживать хороший баланс между этими двумя факторами в зависимости от требований безопасности.

Распознавание образов связано с определением образца и его повторным подтверждением. В общем, узор может представлять собой изображение отпечатка пальца, рукописное слово, человеческое лицо, речевой сигнал, штрих-код или веб-страницу в Интернете.

Отдельные шаблоны часто группируются в различные категории в зависимости от их свойств. Когда шаблоны с одинаковыми свойствами сгруппированы вместе, результирующая группа также является шаблоном, который часто называют шаблоном.class.

Распознавание образов - это наука о наблюдении, различении интересующих паттернов и принятии правильных решений относительно паттернов или классов паттернов. Таким образом, биометрическая система применяет распознавание образов для идентификации и классификации людей, сравнивая их с сохраненными шаблонами.

Распознавание образов в биометрии

Методика распознавания образов выполняет следующие задачи -

Classification - Выявление рукописных символов, CAPTCHA, различение людей от компьютеров.
Segmentation - Обнаружение областей текста или областей лица на изображениях.
Syntactic Pattern Recognition - Определение того, как связаны группы математических символов или операторов и как они образуют осмысленное выражение.

В следующей таблице показана роль распознавания образов в биометрии.

Задача распознавания образов	Ввод	Вывод
Распознавание символов (Распознавание подписи)	Оптические сигналы или удары	Имя персонажа
Распознавание спикера	Голос	Личность говорящего
Отпечаток пальца, изображение лица, изображение геометрии руки	Образ	Личность пользователя

Компоненты распознавания образов

Метод распознавания образов извлекает случайный образец человеческих черт в компактную цифровую подпись, которая может служить биологическим идентификатором. Биометрические системы используют методы распознавания образов для классификации пользователей и их индивидуальной идентификации.

Компоненты распознавания образов следующие:

Что такое сигнал?

Сигнал - это измеримая физическая величина, содержащая некоторую информацию, которую можно передавать, отображать, записывать или изменять.

Обработка сигналов в биометрии

Есть разные причины для обработки сигналов. Биометрические системы требуют обработки голоса по разным причинам -

Чтобы извлечь значимую информацию из выборки кандидата.
Убрать шум с образца.
Сделать образец передаваемым.
Устранить искажение сэмпла.

Модуль обработки аналогового сигнала преобразует информацию реального мира, такую как звуковая волна, в виде нулей и единиц, чтобы сделать ее понятной и пригодной для использования в современных цифровых системах, таких как биометрические системы. Нажатие клавиш, геометрия руки, подпись и речь относятся к области обработки сигналов и распознавания образов.

Системы цифровой обработки сигналов (DSP)

Есть два типа сигналов - аналоговые и цифровые. Аналоговые сигналы представляют собой непрерывный непрерывный поток информации, тогда как цифровой сигнал представляет собой поток нулей и единиц.

Системы DSP являются одним из важных компонентов биометрических систем, которые преобразуют аналоговые сигналы в поток дискретных цифровых значений путем дискретизации и оцифровки с помощью аналого-цифрового преобразователя (АЦП).

DSP - это однокристальные цифровые микрокомпьютеры, которые обрабатывают электрические сигналы, генерируемые электронными датчиками с камер, датчиков отпечатков пальцев, микрофонов и т. Д.

DSP в биометрии

DSP позволяет биометрической системе быть небольшой и легко переносимой, эффективно работать и быть в целом менее дорогостоящей.

Архитектура DSP построена для поддержки сложных математических алгоритмов, требующих значительного количества операций умножения и сложения. DSP может выполнять умножение / сложение за один цикл с помощью оборудования умножения / накопления (MAC) внутри своего арифметико-логического блока (ALU).

Он также может повысить разрешение захваченного изображения с помощью двумерного быстрого преобразования Фурье (БПФ) и конечных ИК-фильтров.

В эту эпоху информации изображения имеют огромное значение. В биометрии обработка изображений требуется для идентификации человека, биометрическое изображение которого ранее хранится в базе данных. Лица, отпечатки пальцев, радужная оболочка и т. Д. Представляют собой биометрические данные на основе изображений, которые требуют обработки изображений и методов распознавания образов.

Для того чтобы биометрическая система на основе изображений работала точно, она должна иметь образец биометрического изображения пользователя в очень четкой и не искаженной форме.

Требование обработки изображений в биометрии

Изображение биометрической информации пользователя вводится в биометрическую систему. Система запрограммирована так, чтобы манипулировать изображением с помощью уравнений, а затем сохранять результаты вычислений для каждого пикселя.

Чтобы выборочно улучшить определенные мелкие особенности данных и удалить определенный шум, цифровые данные подвергаются различным операциям обработки изображения.

Методы обработки изображений можно разделить на три функциональные категории:

Восстановление изображения

Восстановление изображения в основном включает -

Уменьшение шума, вносимого в изображение во время получения образца.
Устранение искажений, появившихся при зачислении биометрических данных.

Сглаживание изображения уменьшает шум на изображении. Сглаживание осуществляется заменой каждого пикселя на среднее значение с соседним пикселем. Биометрическая система использует различные алгоритмы фильтрации и методы снижения шума, такие как медианная фильтрация, адаптивная фильтрация, статистическая гистограмма, вейвлет-преобразования и т. Д.

Улучшение изображения

Методы улучшения изображения улучшают видимость любой части или особенности изображения и подавляют информацию в других частях. Это делается только после завершения реставрации. Он включает в себя повышение яркости, резкость, регулировку контрастности и т. Д., Чтобы изображение можно было использовать для дальнейшей обработки.

Извлечение функций

Из изображения извлекаются два типа функций, а именно -

General features - Такие функции, как форма, текстура, цвет и т. Д., Которые используются для описания содержимого изображения.
Domain-specific features - Это функции, зависящие от приложения, такие как лицо, радужная оболочка, отпечаток пальца и т. Д. Для извлечения функций используются фильтры Габора.

Когда функции извлечены из изображения, вам нужно выбрать подходящий классификатор. Широко используемый классификаторNearest Neighbor classifier, который сравнивает вектор признаков изображения-кандидата с вектором изображения, хранящегося в базе данных.

B-Splinesявляются приближениями, применяемыми для описания кривых в биометрических системах отпечатков пальцев. Коэффициенты B-сплайнов используются как признаки. В случае системы распознавания радужной оболочки изображения радужной оболочки глаза декомпозируются с использованием дискретного вейвлет-преобразования (DWT), а коэффициенты DWT затем используются в качестве признаков.

Работа биометрической системы сильно зависит от устройств ввода, на которые действуют ограничения. Иногда сами устройства могут не захватывать необходимые входные выборки. Они могут не захватить образец в достаточной степени. Это делает систему ненадежной и уязвимой.

Чем уязвима биометрическая система, тем она небезопаснее.

Уязвимость биометрической системы

Есть две основные причины уязвимости биометрической системы:

Системные сбои

Биометрическая система может не работать двумя способами:

Intrinsic failures - Это сбои, такие как неработающие датчики, отказ модулей извлечения признаков, сопоставления или принятия решений и т. Д.
Failures due to attacks - Они связаны с лазейками в конструкции биометрической системы, доступностью вычислений для злоумышленников, инсайдерскими атаками со стороны неэтичных системных администраторов и т. Д.

Небезопасная инфраструктура

Биометрическая система может быть доступна злоумышленникам, если ее оборудование, программное обеспечение и пользовательские данные не защищены.

Риски безопасности биометрической системы

Безопасность биометрической системы важна, поскольку биометрические данные нелегко отозвать или заменить. В отношении безопасности биометрических систем существуют следующие серьезные риски:

Риск кражи пользовательских данных

Если биометрическая система уязвима, хакер может нарушить ее безопасность и собрать пользовательские данные, записанные в базе данных. Это создает больше опасностей для конфиденциальности.

Риск компрометации пользовательских данных

После получения биометрического образца хакер может представить системе поддельный образец. Если данные пользователя скомпрометированы, они останутся скомпрометированными навсегда. Очевидная причина в том, что у пользователя ограниченное количество биометрических данных, и их сложно заменить, в отличие от паролей или идентификационных карт.

Хотя биометрические данные зашифрованы и хранятся, их необходимо расшифровать для сопоставления. Во время сопоставления хакер может нарушить безопасность.

Биометрическая система безопасности

Предлагается ряд решений проблемы безопасности биометрической системы. Биометрические шаблоны никогда не хранятся в необработанном виде. Они зашифрованы; иногда даже дважды.

В случае биометрии задействованы различные ресурсы, такие как люди (субъекты или кандидаты), объекты (компоненты или процессы системы) и биометрические данные (информация). Требования безопасностиconfidentiality, integrity, authenticity, non-repudiation, и availabilityнеобходимы в биометрии. Разберем их вкратце -

Подлинность

Это качество или состояние чистоты, подлинности или оригинальности, а не воспроизведения. Информация является достоверной, если она находится в том же состоянии и качестве, что и при создании, хранении или передаче.

В биометрической системе есть две аутентичности - entity authenticity и data origin authenticity. Подлинность сущности подтверждает, что все сущности, участвующие в общей обработке, являются теми, кем они себя называют. Подлинность происхождения данных обеспечивает подлинность и оригинальность данных. Например, биометрические данные фиксируются сенсорными устройствами. Захваченные данные, полученные от настоящего датчика, не подделываются из предыдущей записи.

Конфиденциальность

Он ограничивает доступ к информации и ее раскрытие только авторизованным пользователям и предотвращает доступ или раскрытие информации неуполномоченным лицам. В случае биометрической системы это в основном относится к биометрической и связанной с ней аутентификационной информации, когда она фиксируется и хранится, которую необходимо хранить в секрете от неавторизованных объектов.

Биометрическая информация должна быть полностью доступна только тому человеку, которому она принадлежит. Во время идентификации и изменения доступ к кандидату должен быть ограничен соответствующими мерами безопасности.

Честность

Это условие полноты и неизменности, которое относится к его последовательности, точности и правильности. Для биометрической системы целостность должна быть высокой. Любые злонамеренные манипуляции во время эксплуатации и хранения следует предотвращать или обнаруживать как можно раньше путем уведомления и исправления.

Безотказность

Это идентификация задействованных ресурсов, таких как объекты и компоненты. Это также рассматривается как подотчетность. Например, он запрещает отправителю или получателю биометрической информации отрицать отправку или получение биометрической информации.

Доступность

Ресурс имеет свойство доступности по отношению к набору сущностей, если все члены набора могут получить доступ к ресурсу. Аспект называетсяreachability гарантирует, что с людьми или системными процессами можно или нельзя связаться, в зависимости от интересов пользователя.

Злоумышленники могут сделать систему непригодной для использования настоящими пользователями, тем самым не дав им возможности использовать аутентифицированные приложения. Эти злоумышленники нацелены на доступность информации.

Критерии создания биометрических шаблонов

Вот критерии для создания биометрических шаблонов -

Гарантия того, что шаблон исходит от человека-кандидата и фиксируется подлинным датчиком и программным обеспечением.
Защита биометрического шаблона с помощью шифрования со свойствами необратимости. Это затрудняет хакерам вычисление исходной биометрической информации из защищенного шаблона.
Создание unlikable (unique)биометрический шаблон. Биометрическая система не должна иметь доступа к шаблону того же кандидата, записанному в другой биометрической системе. В случае, если хакеру удастся получить биометрический шаблон из одной биометрической системы, он не сможет использовать этот шаблон для получения доступа через другую биометрическую систему, даже если обе проверки могут быть основаны на одном и том же биометрическом шаблоне кандидата. Кроме того, несвязанная биометрическая система должна сделать невозможным получение какой-либо информации на основе связи между двумя шаблонами.
Создание cancellable и renewableшаблон. Он подчеркивает возможность отменить или деактивировать скомпрометированный шаблон и воспроизвести другой, аналогично тому, как можно воспроизвести потерянную или украденную смарт-карту.
«Возобновляемые» и «несвязанные» характеристики достигаются за счет salting techniques. Соление добавляет к исходной информации случайно сгенерированные уникальные данные, известные как «соль», чтобы отличить их от других.
Разработка биометрической системы с точностью до FAR и FRR.
Тщательно выбирайте подходящий алгоритм шифрования. Некоторые алгоритмы могут усиливать даже небольшие вариации, присущие биометрическим данным человека, что может привести к более высокому FRR.
Используя важный метод шифрования, такой как hashing method, что эффективно, когда при каждом создании шаблона применяется другая перестановка. Различные перестановки обеспечивают уникальность каждого шаблона, несмотря на использование одних и тех же входных биометрических данных.
Использование эффективной схемы защиты для повышения performance системы.

В области безопасности и конфиденциальности биометрических данных проводится множество исследований и разработок.