Biyometri - Hızlı Kılavuz

Biyometri terimi iki kelimeden oluşur - Bio (Yunanca Yaşam için kelime) ve Metrikler (Ölçümler). Biyometri, kişinin kimliğini kişisel özelliklere dayalı olarak oluşturmayı amaçlayan bir bilgi teknolojisi dalıdır.

Biyometri, bir bireyin tanımlanmasında yüksek derecede doğruluk sağladığı için şu anda bilgi güvenliği alanında bir moda kelimedir.

Biyometri nedir?

Biyometri, bir bireyin fiziksel ve davranışsal özelliklerini tanımlamak, analiz etmek ve ölçmek için kullanılan bir teknolojidir.

Her insan, onu diğerlerinden farklı kılan özellikleri bakımından benzersizdir. Parmak izi, iris rengi, saç rengi, el geometrisi gibi fiziksel özellikler ve konuşma tonu ve vurgusu, imza veya bilgisayar klavyesinin tuşlarını yazma şekli gibi davranışsal özellikler, kişiyi geri kalan.

Bir kişinin bu benzersizliği daha sonra biyometrik sistemler tarafından -

• Bir kişiyi tanımlayın ve doğrulayın.
• Sistem işlemlerinin uygun haklarını vermek için bir kişinin kimliğini doğrulayın.
• Sistemi etik olmayan işlemlerden koruyun.

Biyometrik Sistem nedir?

Biyometrik sistem, bir bireyin fizyolojik, davranışsal veya her iki özelliğini girdi olarak alan, analiz eden ve bireyi gerçek veya kötü niyetli bir kullanıcı olarak tanımlayan bir teknolojidir.

Biyometri Evrimi

Biyometri fikri birkaç yıldan beri mevcuttu. 14 ^inci yüzyılda, Çin tüm diğerleri onları ayırmak için parmak tüccar baskılar ve çocukları alarak uygulanmaktadır. Parmak izi günümüzde hala kullanılmaktadır.

• 19 yılında ^inci yüzyılda, bir Antropolog adındaAlphonse BertillionKişileri tanımlamak için vücut ölçülerini almak için bir yöntem ( Bertillionage adında ) geliştirdi . İnsan vücudunun saç uzunluğu, ağırlığı gibi bazı özellikleri değişse bile, parmak uzunluğu gibi bedenin bazı fiziksel özelliklerinin değişmediğini fark etmişti. Bu yöntem, tek başına aynı vücut ölçülerine sahip kişilerin yanlış bir şekilde tek olarak alınabileceği tespit edildiğinden hızla azaldı. Daha sonra, Scotland Yard'dan Richard Edward Henry, parmak izi için bir yöntem geliştirdi.

• Retina tanımlama fikri 1935 yılında Dr. Carleton Simon ve Dr. Isadore Goldstein tarafından tasarlandı. 1976'da EyeDentify Inc.'de bir araştırma ve geliştirme çalışması başlatıldı. İlk ticari retina tarama sistemi 1981'de kullanıma sunuldu.

• İris tanıma, 1993 yılında Cambridge Üniversitesi'nde John Daugman tarafından icat edildi.

• 2001 yılında, Somut bir tanımlama aracı sağlayan Biyometri Otomatik Araç Seti (BAT) Kosova'da tanıtıldı.

Günümüzde biyometrik, kişisel kimliklerin oluşturulmasına yönelik hassas teknolojilerle bağımsız bir çalışma alanı olarak ortaya çıktı.

Biyometri Neden Gereklidir?

Bilgi Teknolojisinin bankacılık, bilim, ilaç vb. Alanlarda kullanımının artmasıyla birlikte, sistemleri ve verileri yetkisiz kullanıcılardan korumaya büyük bir ihtiyaç vardır.

Biyometri için kullanılır authenticating ve authorizingBir kişi. Bu terimler genellikle birbiriyle bağlantılı olsa da; farklı demek istiyorlar.

Kimlik Doğrulama (Kimlik)

Bu süreç, "Siz olduğunuzu iddia ettiğiniz kişiyle aynı mısınız?" Veya "Seni tanıyor muyum?" Sorusunun yanıtını bulmaya çalışır. Bu, bir kişinin biyometrisinin tüm veritabanıyla bire çok eşleşmesi ve karşılaştırılmasıdır.

Doğrulama

Bu, aday tarafından girilen canlı numunenin veri tabanında önceden depolanmış bir şablonla karşılaştırıldığı bire bir eşleştirme sürecidir. Her ikisi de% 70'den fazla kabul edilebilir benzerlikle eşleşiyorsa, doğrulama başarılıdır.

yetki

Kimliği doğrulanmış veya doğrulanmış kullanıcılara erişim hakları atama işlemidir. "Bu kaynağa erişmek için belirli haklara sahip misiniz?" Sorusunun cevabını bulmaya çalışır.

Konvansiyonel Güvenlik Yardımlarının Eksiklikleri

Geleneksel bilgi sistemi güvenliği yöntemlerinde kimlik kartları, parolalar, Kişisel Kimlik Numaraları (PIN'ler) vb. Kullanılır. Bunlar aşağıdaki dezavantajlarla birlikte gelir -

• Hepsi, onu üreten kişiyi tanımaktan ziyade o kişiyle ilişkili bazı kodları tanımak anlamına gelir.

• Unutulabilir, kaybolabilir veya çalınabilirler.
• Atlanabilirler veya kolayca tehlikeye atılabilirler.
• Kesin değiller.

Bu tür durumlarda sistemin güvenliği tehdit altındadır. Sistemler yüksek düzeyde güvenilir korumaya ihtiyaç duyduğunda, biyometri, kimliği bireye daha yönelik olarak bağlayarak yardım etmeye gelir.

Biyometrik Sistemin Temel Bileşenleri

Genel olarak, bir biyometrik sistem dört temel bileşene ayrılabilir. Onlara kısaca bakalım -

Giriş Arayüzü (Sensörler)

İnsan biyolojik verilerini dijital forma dönüştüren bir biyometri sisteminin algılama bileşenidir.

Örneğin,

• Yüz tanıma, el izi tanıma veya iris / retina tanıma sistemleri durumunda bir Metal Oksit Yarı İletken (CMOS) görüntüleyici veya bir Yük Bağlantılı Cihaz (CCD).

• Parmak izi sistemleri durumunda bir optik sensör.
• Ses tanıma sistemlerinde bir mikrofon.

İşleme ünitesi

İşleme bileşeni, sensörlerden yakalanan verileri işleyen bir mikroişlemci, Dijital Sinyal İşlemci (DSP) veya bilgisayardır.

Biyometrik numunenin işlenmesi şunları içerir:

• Örnek görüntü geliştirme
• Örnek görüntü normalleştirme
• Özellik çıkarma
• Biyometrik numunenin veritabanında saklanan tüm numunelerle karşılaştırılması.

Veritabanı Deposu

Veritabanı, kimlik doğrulama sırasında bir eşleşme gerçekleştirmek için geri çağrılan kayıtlı örneği depolar. Tanımlama için, Rasgele Erişim Belleğinden (RAM), flash EPROM'dan veya bir veri sunucusundan herhangi bir bellek olabilir. Doğrulama için, temaslı veya temassız akıllı kart gibi çıkarılabilir bir depolama öğesi kullanılır.

Çıkış Arayüzü

Çıktı arayüzü, kullanıcıya erişimi sağlamak için biyometrik sistemin kararını iletir. Bu, basit bir seri iletişim protokolü RS232 veya daha yüksek bant genişliğine sahip USB protokolü olabilir. Aynı zamanda TCP / IP protokolü, Radyo Frekansı Tanımlama (RFID), Bluetooth veya birçok hücresel protokolden biri olabilir.

Biyometrik Sistemin Genel Çalışması

Bir biyometrik sistemin tanımlama ve doğrulamayı gerçekleştirmek için attığı dört genel adım vardır -

• Adaydan canlı numune alın. (sensörleri kullanarak)
• Örnekten öne çıkan özellikleri çıkarın. (işlem birimi kullanılarak)
• Canlı numuneyi veritabanında depolanan numunelerle karşılaştırın. (algoritmaları kullanarak)
• Kararı sunun. (Adayı kabul edin veya reddedin.)

Biyometrik numune aday kullanıcıdan alınır. Öne çıkan özellikler numuneden çıkarılır ve daha sonra veri tabanında saklanan tüm numunelerle karşılaştırılır. Girdi örneği veri tabanındaki örneklerden biriyle eşleştiğinde, biyometrik sistem kişinin kaynaklara erişmesine izin verir; aksi takdirde yasaklar.

Biyometri Terminolojisi

Biometric Template - Biyometrik bir numuneden elde edilen farklı özelliklerin dijital bir referansıdır.

Candidate/Subject - Biyometrik örneğini giren kişi.

Closed-Set Identification - Kişinin veritabanında olduğu biliniyor.

Enrollment - Bir adayın biyometrik sistemi ilk kez kullanması durumunda ad, adres vb. Temel bilgileri kaydeder ve daha sonra adayın biyometrik özelliğini kaydeder.

False Acceptance Rate (FAR) - Bir biyometrik sistemin yetkisiz bir kullanıcıyı hatalı bir şekilde geçerli bir kullanıcı olarak tanımlaması olasılığının ölçüsüdür.

Biyometrik bir sistem low FAR ensures high security.

False Reject Rate (FRR) - Biyometrik sistemin yanlışlıkla yetkili bir kullanıcıyı geçersiz kullanıcı olarak reddetme olasılığının ölçüsüdür.

Open-Set Identification - Kişinin veritabanında bulunması garanti edilmez.

Task - Biyometrik sistem, eşleşen örnek için veri tabanını aradığında gerçekleşir.

Biyometri Uygulama Alanları

Biyometrik sistemlerin yararlı olduğu bir dizi uygulama vardır. Birkaçı aşağıda verilmiştir -

• İşyeri erişimini kontrol etmek.

• Gerçek vatandaşlık ve göç sistemleri için kişilerin kimlik tespiti.

• Hassas bilgi ve sistemlere erişim kontrolü uygulama.
• Suçluları adli tıp tarafından tespit etmek.
• Online e-ticaret işlemlerinin gerçekleştirilmesi.
• Dolandırıcılık ve hırsızlık azaltma.
• Kanun yaptırımı.

Biyometrik modalite, girdi olarak aldığı insan özelliğinin türüne bağlı olarak biyometrik sistem kategorisinden başka bir şey değildir.

Biyometri büyük ölçüde istatistikseldir. Örnekten elde edilen veriler ne kadar fazla olursa, sistemin benzersiz ve güvenilir olma olasılığı da o kadar yüksektir. Bireyin vücudunun ve özelliklerinin ölçümleri ve davranış kalıpları ile ilgili çeşitli yöntemler üzerinde çalışabilir. Yöntemler, kişinin biyolojik özelliklerine göre sınıflandırılır.

Biyometrik Modalite Türleri

İnsanlarda biyometri yöntemi olarak kullanılabilecek çeşitli özellikler vardır. Biyometrik modaliteler üç türe ayrılır -

• Physiological
• Behavioral
• Fizyolojik ve davranışsal modalitenin kombinasyonu

Aşağıdaki tablo, bu üç yöntemi farklılaştıran noktaları toplamaktadır -

Fizyolojik Yöntem	Davranışsal Yöntem	Her İki Modalitenin Kombinasyonu
Bu yöntem, vücudun şekli ve büyüklüğü ile ilgilidir.	Bu yöntem, zaman içinde insan davranışındaki değişimle ilgilidir.	Bu modalite, özelliklerin fiziksel ve davranışsal değişikliklere bağlı olduğu her iki özelliği de içerir.
Örneğin - Parmak İzi Tanıma El Geometri Tanıma sistemi Yüz Tanıma Sistemi İris Tanıma Sistemi El Geometri Tanıma Sistemi Retina Tarama Sistemi DNA Tanıma Sistemi	Örneğin - Yürüme (kişinin yürüdüğü yol) Tuşları yazma ritmi Signature	Örneğin - Ses tanıma Ses telinin sağlığına, boyutuna ve şekline, burun boşluklarına, ağız boşluğuna, dudakların şekline ve bir kişinin duygusal durumuna, yaşına, hastalığına (davranışına) bağlıdır.

Sonraki bölümlerde, bu modalitelerin her birini daha ayrıntılı olarak tartışacağız.

Daha önce tasvir edildiği gibi, fizyolojik modaliteler insan vücudunun iris, parmak izi, şekil ve parmak pozisyonu gibi bölümlerinin doğrudan ölçülmesine dayanmaktadır.

Bir insanın hayatı boyunca değişmeden kalan bazı fiziksel özellikler vardır. Bir bireyin tanımlanması için mükemmel bir kaynak olabilirler.

Parmak İzi Tanıma Sistemi

İnsanların kimliğini biyometrik sistemlerde doğrulamak için en bilinen ve kullanılan biyometri çözümüdür. Bu kadar popüler olmasının nedenleri, mevcut on biyometrik kaynak ve edinme kolaylığıdır.

Her insanın, çizgilerin sırtları, olukları ve yönlerinden oluşan benzersiz bir parmak izi vardır. Üç temel sırt deseni vardır:arch, loop, ve whorl. Parmak izinin benzersizliği bu özelliklerin yanı sıraminutiae features çatallanma ve lekeler (sırt uçları) gibi.

Parmak izi, en eski ve en popüler tanıma tekniklerinden biridir. Parmak izi eşleştirme teknikleri üç türdendir -

• Minutiae Based Techniques- Bu küçük noktalarda noktalar bulunur ve daha sonra parmak üzerindeki göreceli konumlarına eşlenir. Görüntünün düşük kaliteli olması gibi bazı zorluklar vardır, o zaman küçük noktaları doğru bulmak zordur. Diğer bir zorluk ise, mahalli sırt ve olukların konumunu dikkate almasıdır; küresel değil.

• Correlation Based Method- Daha zengin gri ton bilgisi kullanır. Kötü kalitede verilerle çalışarak, ayrıntı tabanlı yöntemin sorunlarının üstesinden gelir. Ancak, noktaların yerelleştirilmesi gibi bazı sorunları vardır.

• Pattern Based (Image Based) Matching - Desen tabanlı algoritmalar, depolanmış bir şablon ile aday parmak izi arasındaki temel parmak izi modellerini (kemer, sarmal ve döngü) karşılaştırır.

Parmak Tanıma Sisteminin Özellikleri

• En çağdaş yöntemdir.
• En ekonomik yöntemdir.
• Oldukça güvenilir ve güvenlidir.
• Doğrulama sürecini hızlandıran küçük bir şablon boyutunda çalışır.
• Daha az bellek alanı tüketir.

Parmak Tanıma Sisteminin Zorlukları

• Yaralar, kesikler veya parmak yokluğu tanıma sürecini engelleyebilir.
• Balmumundan yapay parmak kullanılarak sistemler kandırılabilir.
• Sistemle fiziksel teması içerir.
• Numune girerken parmak şeklini geride bırakırlar.

Parmak Tanıma Sistemi Uygulamaları

• Sürücü belgesinin gerçekliğinin doğrulanması.
• Sürücü belgesinin geçerliliğini kontrol etmek.
• Sınır Kontrolü / Vize Verme.
• Kuruluşlarda erişim kontrolü.

Yüz Tanıma Sistemi

Yüz tanıma, çene, çene, göz, kaş, burun, dudak ve elmacık kemiklerinin şeklini ve boyutunu belirlemeye dayanır. 2D yüz tarayıcıları yüz geometrisini okumaya ve onu ızgaraya kaydetmeye başlar. Yüz geometrisi veri tabanına noktasal olarak aktarılır. Karşılaştırma algoritmaları yüz eşleştirme yapar ve sonuçları ortaya çıkarır. Yüz tanıma aşağıdaki şekillerde gerçekleştirilir -

• Facial Metrics - Bu tipte gözbebekleri arası veya burundan dudağa veya çene arasındaki mesafeler ölçülür.

• Eigen faces - Genel yüz görüntüsünü birkaç yüzün ağırlıklı bir kombinasyonu olarak analiz etme işlemidir.

• Skin Texture Analysis - Bir kişinin cildinde görünen benzersiz çizgiler, desenler ve lekeler bulunur.

Yüz Tanıma Sisteminin Özellikleri

• Veritabanında şablonların kolay saklanmasını sağlar.
• Yüz görüntüsünü tanımak için istatistiksel karmaşıklıkları azaltır.
• Sistemle fiziksel temas içermez.

Yüz Tanıma Sisteminin Zorlukları

• Yüz özellikleri zamanla değişir.
• Örneğin tek yumurta ikizleri olması durumunda teklik garanti edilmez.

• Bir aday yüz hafif gülümseme gibi farklı ifadeler gösteriyorsa, o zaman sonucu etkileyebilir.

• Doğru girdiyi elde etmek için yeterli aydınlatma gerektirir.

Yüz Tanıma Sistemi Uygulamaları

• Genel Kimlik Doğrulaması.
• Erişim kontrolü için doğrulama.
• İnsan bilgisayar etkileşimi.
• Suçlu Kimliği.
• Surveillance.

İris Tanıma Sistemi

İris tanıma, insan gözündeki iris desenine göre çalışır. İris, ortasında ayarlanabilir dairesel açıklığa sahip pigmentli elastik dokudur. Göz bebeğinin çapını kontrol eder. Yetişkin insanlarda, irisin dokusu yaşamları boyunca sabittir. Sol ve sağ gözlerin iris desenleri farklıdır. İris desenleri ve renkleri kişiden kişiye değişir.

Yetenekli bir kamera ile irisin resmini çekmeyi, depolamayı ve aynı şeyi matematiksel algoritmalar kullanarak aday gözlerle karşılaştırmayı içerir.

İris Tanıma Sisteminin Özellikleri

• İki irisin eşleştirme şansı 10 milyar kişide 1 olduğu için oldukça doğrudur.

• İris deseni bir kişinin yaşamı boyunca aynı kaldığı için oldukça ölçeklenebilir.

• Adayın gözlük veya kontakt lens çıkarması gerekmez; sistemin doğruluğunu engellemezler.

• Sistemle fiziksel temas içermez.

• Küçük şablon boyutu nedeniyle anında doğrulama (2 ila 5 saniye) sağlar.

İris Tanıma Sisteminin Özellikleri

• İris tarayıcıları pahalıdır.
• Yüksek kaliteli görüntüler tarayıcıyı kandırabilir.
• Doğru tarama için kişinin başını çok hareketsiz tutması gerekir.

İris Tanıma Sistemi Uygulamaları

• Hindistan'daki Adhaar kartı gibi ulusal güvenlik ve Kimlik kartları .

• Google, veri merkezlerine erişmek için iris tanımayı kullanır.

El Geometri Tanıma Sistemi

Avuç içi uzunluğu ve genişliği, yüzey alanı, parmakların uzunluğu ve konumu ve elin genel kemik yapısının ölçülmesini içerir. Bir kişinin eli benzersizdir ve bir kişiyi diğerlerinden ayırt etmek için kullanılabilir. İki El Geometrisi sistemi vardır -

• Contact Based- tarayıcının yüzeyine bir el yerleştirildiğinde. Bu yerleşim, aday eli kamera için doğru şekilde konumlandırmaya yönlendiren beş pim ile konumlandırılmıştır.

• Contact Less - Bu yaklaşımda, el görüntüsü elde etmek için ne pimler ne de platform gerekli değildir.

El Geometri Tanıma Sisteminin Özellikleri

• Sağlam ve kullanıcı dostudur.
• Cilt nemi veya dokusundaki değişiklikler sonucu etkilemez.

El Geometri Tanıma Sisteminin Zorlukları

• El geometrisi benzersiz olmadığı için çok da güvenilir değildir.
• Büyüyen çocuklar için değil yetişkinler için etkilidir.

• Adayın eli mücevher, alçı veya artrit ile birlikteyse, muhtemelen bir sorun çıkaracaktır.

El Geometrisi Tanıma Sisteminin Uygulamaları

• Nükleer santraller ve askeri erişim kontrolü için El Geometrisi Tanıma kullanır.

Retina Tarama Sistemi

Retina, göz küresinin arkasındaki astar tabakasıdır ve göz küresinin iç yüzeyinin% 65'ini kaplar. Bu içerirphotosensitivehücreler. Kan sağlayan karmaşık kan damarı ağı nedeniyle her bir kişinin retinası benzersizdir.

Diyabet, glokom veya bazı dejeneratif rahatsızlıklara sahip kişilerin modellerini engelleyerek, kişinin yaşamı boyunca retina paterni değişmeden kaldığı için güvenilir bir biyometriktir.

Retina tarama işleminde kişinin lens veya gözlüğü çıkarması istenir. Düşük yoğunluklu bir kızılötesi ışık ışını, bir kişinin gözüne 10 ila 15 saniye boyunca atılır. Bu kızılötesi ışık, tarama sırasında bir kan damarı modeli oluşturan kan damarları tarafından emilir. Bu model daha sonra sayısallaştırılır ve veri tabanında saklanır.

Retina Tarama Sisteminin Özellikleri

• Sahte olamaz.

• Hata oranı bir crore örneğinden 1 (neredeyse% 0) olduğu için oldukça güvenilirdir.

Retina Tarama Sisteminin Zorlukları

• Kullanıcının rahatsızlığa neden olabilecek kararlılığı sürdürmesi gerektiğinden çok kullanıcı dostu değildir.

• Mahremiyet sorunlarına neden olan hipertansiyon veya diyabet gibi bazı kötü sağlık koşullarını ortaya çıkarma eğilimindedir.

• Sonuçların doğruluğu katarakt, glokom, şeker hastalığı vb. Hastalıklara eğilimlidir.

Retina Tarama Sistemi Uygulamaları

• CID, FBI, vb. Gibi bazı devlet kurumları tarafından uygulanmaktadır.

• Güvenlik uygulamaları dışında oftalmolojik teşhis için de kullanılmaktadır.

DNA Tanıma Sistemi

Deoxyribo Neuclic Acid (DNA), insanlarda bulunan genetik materyaldir. Tek yumurta ikizleri hariç her insan, hücrenin çekirdeğinde bulunan DNA'larında bulunan özelliklerle benzersiz bir şekilde tanımlanabilir. Kan, tükürük, tırnak, saç vb. Gibi DNA modellerinin toplanabileceği çok sayıda kaynak vardır.

Hücreler içinde DNA, adı verilen uzun çift sarmal yapıda düzenlenmiştir. chromosomes. İnsanlarda 23 çift kromozom vardır. Toplam 46 kromozomdan yavru, her biyolojik ebeveynden 23 kromozomu miras alır. Yavrunun DNA'sının% 99,7'si ebeveynleriyle paylaşılır. Kalan% 0.3 DNA, bir bireye özgü tekrarlayan kodlama içerir.

DNA profillemenin temel adımları şunlardır:

• Kan, tükürük, saç, meni veya dokudan alınan numuneden DNA'nın ayrılması.

• DNA örneğini daha kısa parçalara ayırmak.

• DNA segmentlerinin boyuta göre düzenlenmesi.

• Çeşitli örneklerden DNA segmentlerinin karşılaştırılması.

Numune ne kadar ayrıntılı olursa, karşılaştırma o kadar kesin olur ve dolayısıyla bireyin kimliği de o kadar kesin olur.

DNA Biyometrisi diğerlerinden aşağıdaki şekillerde farklılık gösterir -

• Görüntü yerine somut bir fiziksel örneğe ihtiyacı var.

• Fiziksel örnekler üzerinde DNA eşleşmesi yapılır. Özellik çıkarma veya şablon kaydetme yoktur.

DNA Tanıma Sisteminin Merit

En yüksek doğruluğu sağlar.

DNA Tanıma Sisteminin Zorlukları

• Numune alımından sonuca kadar prosedür uzunluğu büyüktür.
• Daha bilgilendirici olmak, gizlilik sorunlarını da beraberinde getirir.
• Daha fazla depolama alanına ihtiyacı var.
• Numune alma kontaminasyonu veya numunenin bozulması sonucu etkileyebilir.

DNA Tanıma Sisteminin Uygulamaları

• Esas olarak suçu veya masumiyeti kanıtlamak için kullanılır.
• Fiziksel ve ağ güvenliğinde kullanılır.

Davranışsal biyometri, insanlar tarafından sergilenen davranışla veya insanların klavyede yürüme, imzalama ve yazma gibi görevleri yerine getirme biçimleriyle ilgilidir.

Davranışsal biyometri modaliteleri, birincil olarak yorgunluk, ruh hali vb. Gibi dış faktörlere bağlı olduklarından daha yüksek varyasyonlara sahiptir. Bu, fizyolojik biyometriye dayalı çözümlere kıyasla daha yüksek FAR ve FRR'ye neden olur.

Yürüyüş Tanıma

Gaitbir kişinin yürüme şeklidir. İnsanlar yürürken vücut duruşu, yürürken iki ayak arasındaki mesafe, sallanma vb. Gibi onları benzersiz bir şekilde tanımaya yardımcı olan farklı özellikler gösterir.

Adayın yürüyüşünün video görüntülerinin analiz edilmesine dayanan bir yürüyüş tanıma. Adayın yürüyüş döngüsü örneği Video ile kaydedilir. Numune daha sonra dizler ve ayak bilekleri gibi eklemlerin pozisyonu ve yürürken aralarında yapılan açılar için analiz edilir.

Her aday için bir matematiksel model oluşturulur ve veri tabanında saklanır. Doğrulama sırasında, bu model kimliğini belirlemek için aday yürüyüşünün canlı örneği ile karşılaştırılır.

Yürüyüş Tanıma Sisteminin Özellikleri

• Non-invazivdir.

• Uzaktan kullanılabileceği için adayın işbirliğine ihtiyaç duymaz.

• Parkinson hastalığı durumunda bir kişinin yürüme düzenindeki değişiklikleri tespit ederek tıbbi rahatsızlıkları belirlemek için kullanılabilir.

Yürüyüş Tanıma Sisteminin Zorlukları

• Bu biyometrik teknik için şimdiye kadar hiçbir model tam doğrulukla geliştirilmemiştir.

• Diğer yerleşik biyometrik teknikler kadar güvenilir olmayabilir.

Yürüyüş Tanıma Sistemi Uygulaması

Suç senaryosunda suçluları belirlemek için çok uygundur.

İmza Tanıma Sistemi

Bu durumda, imzanın grafik açısından göründüğünden daha çok imzanın imzalandığı davranış kalıplarına vurgu yapılır.

Davranış kalıpları, imzalama sırasında yazma, duraklamalar, basınç, vuruş yönündeki ve hızdaki değişiklikleri içerir. İmzanın grafik görünümünü kopyalamak kolay olabilir, ancak imzayı imzalarken kişinin gösterdiği davranışla taklit etmek kolay değildir.

Bu teknoloji, şablon karşılaştırması ve doğrulaması için bir bilgisayara bağlı bir kalem ve özel bir yazma tabletinden oluşur. Yüksek kaliteli bir tablet, imzalama sırasında hız, basınç ve zamanlama gibi davranış özelliklerini yakalayabilir.

Kayıt aşamasında, adayın veri toplama için yazma tabletinde birçok kez imzalaması gerekir. İmza tanıma algoritmaları daha sonra zamanlama, basınç, hız, vuruş yönü, imza yolundaki önemli noktalar ve imza boyutu gibi benzersiz özellikleri çıkarır. Algoritma bu noktalara farklı ağırlık değerleri atar.

Tanımlama anında aday, veritabanındaki imzalarla karşılaştırılan imzanın canlı örneğine girer.

İmza Tanıma Sisteminin Kısıtlamaları

• Yeterli miktarda veri elde etmek için, imza tablete sığacak kadar küçük ve başa çıkabilecek kadar büyük olmalıdır.

• Yazı tabletinin kalitesi, imza tanıma kayıt şablonunun sağlamlığına karar verir.

• Aday, kayıt sırasında olduğu gibi aynı ortam ve koşullarda doğrulama işlemlerini gerçekleştirmelidir. Bir değişiklik varsa, kayıt şablonu ve canlı örnek şablonu birbirinden farklı olabilir.

İmza Tanıma Sisteminin Esası

• İmza ile ilgili davranış kalıplarını taklit etmek çok zor olduğundan, imza tanıma süreci sahtekarlara karşı yüksek bir dirence sahiptir.

• Yüksek miktardaki ticari işlemlerde çok iyi çalışır. Örneğin, İmza tanıma, herhangi bir sınıflandırılmış belge açılmadan ve imzalanmadan önce işleme dahil olan iş temsilcilerini pozitif olarak doğrulamak için kullanılabilir.

• Non-invaziv bir araçtır.

• Hepimiz imzamızı bir tür ticarette kullanırız ve bu nedenle neredeyse hiçbir gizlilik hakkı sorunu söz konusu değildir.

• Sistem saldırıya uğramış ve şablon çalınmış olsa bile şablonu geri yüklemek kolaydır.

İmza Tanıma Sisteminin Zorlukları

• Canlı örnek şablon, imzalama sırasında davranıştaki değişikliklere göre değişmeye eğilimlidir. Örneğin, alçıda tutulan bir el ile imzalamak.

• Kullanıcının imzalama tableti kullanmaya alışması gerekir. Olana kadar hata oranı yüksektir.

İmza Tanıma Sistemi Uygulamaları

• Belge doğrulama ve yetkilendirmede kullanılır.

• Chicago Chase Manhattan Bank, İmza Tanıma teknolojisini benimseyen ilk banka olarak biliniyor.

Tuş Vuruşu Tanıma Sistemi

II.Dünya Savaşı sırasında, Mors kodunun yazmanın ritmine göre düşman veya müttefik tarafından gönderilip gönderilmediğini belirlemek için askeri istihbarat tarafından Gönderenin Yumruğu olarak bilinen bir teknik kullanıldı. Bu günlerde, tuş vuruşu dinamikleri, donanım açısından uygulanması en kolay biyometrik çözümdür.

Bu biyometrik, adayın yazma şeklini, ritmini ve klavyede yazma hızını analiz eder. dwell time ve flight time ölçümler tuş vuruşu tanımada kullanılır.

Dwell time - Bir tuşa basılma süresidir.

Flight time - Bir tuşun bırakılması ile aşağıdaki tuşa basılması arasında geçen süredir.

Adaylar klavyede yazma şekillerinde doğru tuşu bulmak için geçen süre, uçuş süresi ve bekleme süresi olarak farklılık gösterir. Hızları ve yazma ritimleri de klavyeyle olan rahatlık düzeylerine göre değişir. Tuş vuruşu tanıma sistemi, kullanıcıları yazma alışkanlıklarına göre tanımlamak için tek bir girişimde klavye girişlerini saniyede binlerce kez izler.

İki tür tuş vuruşu tanıma vardır -

• Static - Etkileşimin başlangıcında tek seferlik tanımadır.

• Continuous - Etkileşim süreci boyunca.

Tuş Vuruşu Dinamiklerinin Uygulanması

• Tuş Vuruşu Tanıma, tanımlama / doğrulama için kullanılır. Kullanıcı kimliği / şifresi ile birlikte kullanılır.multifactor authentication.

• Gözetleme için kullanılır. Bazı yazılım çözümleri, son kullanıcının bilgisi olmadan her kullanıcı hesabı için tuş vuruşu davranışını izler. Bu izleme, hesabın gerçek hesap sahibinden başka biri tarafından paylaşılıp paylaşılmadığını veya kullanılıp kullanılmadığını analiz etmek için kullanılır. Bazı yazılım lisanslarının paylaşılıp paylaşılmadığını doğrulamak için kullanılır.

Tuş Vuruşu Tanıma Sisteminin Özellikleri

• Bu biyometrikleri izlemek için özel bir donanıma ihtiyaç duymaz.
• Hızlı ve güvenli bir tanımlama yoludur.
• Yazan bir kişinin izlenme konusunda endişelenmesine gerek yoktur.
• Kullanıcıların kayıt veya canlı örneklerini girmek için eğitime ihtiyacı yoktur.

Tuş Vuruşu Tanıma Sisteminin Zorlukları

• Adayın yazım ritmi, yorgunluk, hastalık, ilaçların veya alkolün etkisi, klavye değişikliği vb. Nedenlerle birkaç gün arasında veya bir gün içinde değişebilir.

• Yalnızca ayırt edici bilgileri gerçekleştirmeye adanmış bilinen hiçbir özellik yoktur.

Ses tanıma biyometrik modalitesi, hem fizyolojik hem de davranışsal modalitelerin bir kombinasyonudur. Ses tanıma, ses tanımadan başka bir şey değildir. Aşağıdakilerden etkilenen özelliklere dayanır:

• Physiological Component - Bir kişinin ses telinin ve dudaklarının, dişlerinin, dilinin ve ağız boşluğunun fiziksel şekli, boyutu ve sağlığı.

• Behavioral Component - Konuşurken kişinin duygusal durumu, aksanları, tonu, tonu, konuşma hızı, mırıldanması vb.

Ses Tanıma Sistemi

Ses Tanıma, Hoparlör Tanıma olarak da adlandırılır. Kayıt sırasında, kullanıcının bir kelimeyi veya cümleyi mikrofona konuşması gerekir. Bu, bir adayın konuşma örneğini elde etmek için gereklidir.

Mikrofondan gelen elektrik sinyali, Analogdan Dijitale (ADC) dönüştürücü tarafından dijital sinyale dönüştürülür. Bilgisayar belleğine dijitalleştirilmiş bir örnek olarak kaydedilir. Bilgisayar daha sonra adayın giriş sesini depolanmış sayısallaştırılmış ses örneği ile karşılaştırır ve eşleştirmeye çalışır ve adayı tanımlar.

Ses Tanıma Modaliteleri

Ses tanımanın iki çeşidi vardır - speaker dependent ve speaker independent.

Konuşmacıya bağlı ses tanıma, adayın belirli ses özelliklerinin bilgisine dayanır. Bu sistem, bu özellikleri ses eğitimi (veya kayıt) yoluyla öğrenir.

• Sistemin, söylenenleri tanımak için görevlendirilmeden önce belirli bir aksan ve üsluba alışması için kullanıcılara eğitim verilmesi gerekir.

• Sistemi kullanacak tek bir kullanıcının olması iyi bir seçenektir.

Konuşmacıdan bağımsız sistemler, sözcükler ve tümcecikler gibi konuşmanın bağlamlarını kısıtlayarak farklı kullanıcıların konuşmasını tanıyabilir. Bu sistemler otomatik telefon arayüzleri için kullanılır.

• Sistemin her bir kullanıcı için eğitilmesine gerek yoktur.

• Her adayın konuşma özelliklerini tanımanın gerekli olmadığı farklı kişiler tarafından kullanılmak için iyi bir seçimdir.

Ses ve Konuşma Tanıma Arasındaki Fark

Konuşmacı tanıma ve Konuşma tanıma yanlışlıkla aynı kabul edilir; ama bunlar farklı teknolojiler. Bakalım nasıl -

Konuşmacı Tanıma (Ses Tanıma)	Konuşma tanıma
Ses tanımanın amacı, DSÖ'nün konuştuğunu tanımaktır.	Konuşma tanıma, konuşulan NE'i anlamayı ve anlamayı amaçlar.
Bir kişiyi tonunu, ses perdesini ve aksanı analiz ederek tanımlamak için kullanılır.	El kullanmadan bilgi işlem, harita veya menü navigasyonunda kullanılır.

Ses Tanıma'nın Değerleri

• Uygulaması kolaydır.

Ses Tanıma'nın Zorlukları

• Mikrofon kalitesine ve gürültüye karşı hassastır.

• Girdi sistemini etkileyen faktörlerin kontrol edilememesi, performansı önemli ölçüde düşürebilir.

• Bazı konuşmacı doğrulama sistemleri, kaydedilmiş ses yoluyla yapılan sahtekarlık saldırılarına da açıktır.

Ses Tanıma Uygulamaları

• Telefon ve internet işlemlerinin yapılması.

• Etkileşimli Sesli Yanıt (IRV) tabanlı bankacılık ve sağlık sistemleriyle çalışmak.

• Dijital belgeler için ses imzaları uygulama.
• Eğlence ve acil servislerde.
• Online eğitim sistemlerinde.

Şimdiye kadar tartıştığımız tüm biyometrik sistemler tek modluydu ve kimlik doğrulama için tek bilgi kaynağı alıyorlardı. Adından da anlaşılacağı gibi, çok modlu biyometrik sistemler, iki veya daha fazla biyometrik girdiden bilgi kabul etmeye çalışır.

Çok modlu bir biyometrik sistem, sistemin kimlik doğrulama için kullanıcılardan aldığı giriş bilgilerinin kapsamını ve çeşitliliğini artırır.

Multimodal Biyometri Neden Gereklidir?

Tek modlu sistemler, gizlilik eksikliği, örneklerin evrensel olmaması, sistemle uğraşırken kullanıcının rahatlığı ve özgürlüğü, depolanan verilere yönelik sahtekarlık saldırıları vb. Gibi çeşitli zorluklarla başa çıkmak zorundadır.

Bu zorluklardan bazıları, çok modlu bir biyometrik sistem kullanılarak ele alınabilir.

Gereksinimi için birkaç neden daha var, örneğin -

• Birden çok özelliğin mevcudiyeti, multimodal sistemi daha güvenilir kılar.

• Çok modlu bir biyometrik sistem, kullanıcı verilerinin güvenliğini ve gizliliğini artırır.

• Çok modlu bir biyometrik sistem, her bir alt sistemden alınan kararları birleştirmek için füzyon stratejileri yürütür ve ardından bir sonuç çıkarır. Bu, çok modlu bir sistemi daha doğru hale getirir.

• Tanımlayıcılardan herhangi biri bilinen veya bilinmeyen nedenlerle çalışmazsa, sistem diğer tanımlayıcıyı kullanarak yine de güvenlik sağlayabilir.

• Multimodal sistemler, canlılık tespit tekniklerini uygulayarak girilen numunenin "canlılığı" hakkında bilgi sağlayabilir. Bu, adres sahteciliğini algılayıp üstesinden gelebilmesini sağlar.

Multimodal Biyometrik Sistemin Çalışması

Multimodal biyometrik sistem, tek modlu bir sistemin sahip olduğu tüm geleneksel modüllere sahiptir -

• Yakalama modülü
• Özellik çıkarma modülü
• Karşılaştırma modülü
• Karar verme modülü

Ek olarak, iki farklı kimlik doğrulama sisteminden gelen bilgileri entegre etmek için bir füzyon tekniğine sahiptir. Füzyon aşağıdaki seviyelerden herhangi birinde yapılabilir -

• Özellik çıkarma sırasında.
• Canlı numunelerin saklanan biyometrik şablonlarla karşılaştırılması sırasında.
• Karar verme sırasında.

İlk aşamada bilgiyi entegre eden veya birleştiren multimodal biyometrik sistemlerin, sonraki aşamalarda bilgiyi entegre eden sistemlerden daha etkili olduğu düşünülmektedir. Bunun açık nedeni, erken aşamanın karşılaştırma modüllerinin eşleşen puanlarından daha doğru bilgi içermesidir.

Multimodal Biyometrik Sistemde Füzyon Senaryoları

Çok modlu bir biyometrik sistem içinde, özelliklerin ve bileşenlerin sayısında çeşitlilik olabilir. Aşağıdaki gibi olabilirler -

• Tek biyometrik özellik, çoklu sensörler.

• Tek biyometrik özellik, çoklu sınıflandırıcılar (örneğin, minutiae tabanlı eşleştirici ve doku tabanlı eşleştirici).

• Tek biyometrik özellik, birden çok birim (örneğin, birden çok parmak).

• Bir bireyin birden çok biyometrik özelliği (örneğin iris, parmak izi vb.)

Bu özellikler daha sonra kullanıcının kimliğini doğrulamak için çalıştırılır.

Multimodal Biyometrik Sistemlerle Tasarım Sorunları

Çok modlu bir biyometrik sistem tasarlarken bir dizi faktörü göz önünde bulundurmanız gerekir -

• Getirmeniz gereken güvenlik seviyesi.
• Sistemi kullanacak kullanıcı sayısı.
• Edinmeniz gereken biyometrik özellik türleri.
• Kullanıcılardan alınan biyometrik özelliklerin sayısı.
• Birden çok biyometrik özelliğin entegrasyona ihtiyaç duyduğu düzey.
• Bilgiyi entegre etmek için benimsenecek teknik.
• Geliştirme maliyeti ile sistem performansı arasındaki denge.

Uygun bir biyometrik sistem seçebilmek için, onları çeşitli açılardan karşılaştırmanız gerekir. Sistemlerin ihtiyaçlarınıza uygunluğunu, kolaylık, sistem özellikleri ve performans ve bütçeniz açısından değerlendirmeniz gerekir.

Etkinlikleri için çeşitli kriterleri inceleyerek en uygun biyometrik sistemi seçebilirsiniz.

Etkili Biyometrik Sistem için Kriterler

Bir biyometrik sistemin etkinliğini ölçmek için yedi temel kriter vardır -

• Uniqueness- Bir biyometrik sistemin bir kullanıcı grubundaki bir kullanıcıyı ne kadar benzersiz şekilde tanıyabileceğini belirler. Birincil kriterdir.

• Universality- Dünyadaki her bireyin çoğaltılamayan benzersiz özelliklerine olan gereksinimi gösterir. İkincil bir kriterdir.

• Permanence - Kaydedilen kişisel bir özelliğin belirli bir süre veri tabanında sabit olması gerektiğini gösterir.

• Collectability - Bir kişinin özelliğinin edinilebildiği, ölçülebildiği veya daha fazla işlenebildiği kolaylıktır.

• Performance - Doğruluk, hız, hata işleme ve sağlamlık açısından sistemin verimliliğidir.

• Acceptability - Kullanıcı dostu olması ya da kullanıcıların biyometrik özelliklerinin yakalanması ve değerlendirilmesine izin vermek için işbirliği içinde olacak şekilde teknolojiyi ne kadar iyi kabul etmesidir.

• Circumvention - Bir özelliğin muhtemelen bir eser veya ikame kullanılarak taklit edilme kolaylığıdır.

Çeşitli Biyometrik Modalitelerin Karşılaştırılması

Tüm biyometrik sistemi aşağıdaki terimlerle karşılaştıralım -

Biyometrik Karakteristik	Evrensellik	Benzersizlik	Kalıcılık	Toplama Yeteneği	Verim	Kabul yeteneği	Sünnet
Finger Print	Orta	Yüksek	Yüksek	Orta	Yüksek	Orta	Yüksek
Face Recognition	Yüksek	Düşük	Orta	Yüksek	Düşük	Yüksek	Düşük
Hand Geometry	Orta	Orta	Orta	Yüksek	Orta	Orta	Orta
Iris Recognition	Yüksek	Yüksek	Yüksek	Orta	Yüksek	Düşük	Yüksek
Retinal Scan	Yüksek	Yüksek	Orta	Düşük	Yüksek	Düşük	Yüksek
DNA	Yüksek	Yüksek	Orta	Yüksek	Yüksek	Düşük	Düşük
Keystroke	Yüksek	Düşük	Düşük	Yüksek	Orta	Yüksek	Yüksek
Signature	Düşük	Düşük	Düşük	Yüksek	Düşük	Yüksek	Düşük
Voice	Orta	Düşük	Düşük	Orta	Düşük	Yüksek	Düşük

Tabloda gösterildiği gibi ilgilenmeniz gereken kriterlere bağlı olarak uygun bir biyometrik sistem seçebilirsiniz.

Biyometrik sistem üreticileri, gerçek çalışma ortamlarında elde edilmesi pratik olarak zor olan yüksek sistem performansı iddia etmektedir. Olası nedenler, kontrollü ortam kurulumlarında gerçekleştirilen testler, donanım sınırlamaları vb.

Örneğin, bir ses tanıma sistemi yalnızca sessiz bir ortamda verimli bir şekilde çalışabilir, bir yüz tanıma sistemi, ışık koşulları kontrol edilirse iyi çalışabilir ve adaylar parmaklarını temizlemek ve parmak izi tarayıcılarına düzgün bir şekilde yerleştirmek için eğitilebilir.

Bununla birlikte, pratikte, bu tür ideal koşullar, hedef çalışma ortamında mevcut olmayabilir.

Performans Ölçümleri

Bir biyometrik sistemin performans ölçümleri, Yanlış Reddetme Oranı (FRR) ve Yanlış Kabul Oranı (FAR) ile yakından bağlantılıdır.

FRR olarak da bilinir Type-I error veya Meşru bir kullanıcının sistem tarafından reddedilme olasılığını belirten Yanlış Eşleşmeme Oranı (FNMR).

FAR olarak anılır Type-II error veya yanlış kimlik iddiasının sistem tarafından kabul edilme olasılığını belirten Yanlış Eşleşme Oranı (FMR).

İdeal bir biyometrik sistemin hem FAR hem de FRR için sıfır değer üretmesi beklenir. Bu, tüm gerçek kullanıcıları kabul etmesi ve pratikte gerçekleştirilemeyen tüm sahte kimlik iddialarını reddetmesi gerektiği anlamına gelir.

FAR ve FRRbirbirleriyle ters orantılıdır. FAR iyileştirilirse, FRR düşer. Biyometrik bir sistemhigh FRR ensures high security. FRR çok yüksekse, sistemin canlı numuneye birkaç kez girmesi gerekir, bu da onu daha az verimli hale getirir.

Mevcut biyometri teknolojilerinin performansı ideal olmaktan uzaktır. Bu nedenle, sistem geliştiricilerinin güvenlik gereksinimlerine bağlı olarak bu iki faktör arasında iyi bir denge tutması gerekir.

Örüntü tanıma, bir kalıbın tanımlanması ve tekrar onaylanmasıyla ilgilidir. Genel olarak bir model, bir parmak izi görüntüsü, el yazısı el yazısı bir kelime, bir insan yüzü, bir konuşma sinyali, bir barkod veya İnternet üzerindeki bir web sayfası olabilir.

Bireysel modeller genellikle özelliklerine göre çeşitli kategoriler halinde gruplandırılır. Aynı özelliklere sahip desenler bir arada gruplandırıldığında, ortaya çıkan grup da genellikle desen olarak adlandırılan bir modeldir.class.

Örüntü tanıma, gözlemleme, ilgi kalıplarını ayırt etme ve örüntüler veya örüntü sınıfları hakkında doğru kararlar verme bilimidir. Bu nedenle, biyometrik bir sistem, bireyleri depolanan şablonlarla karşılaştırarak tanımlamak ve sınıflandırmak için örüntü tanıma uygular.

Biyometride Örüntü Tanıma

Örüntü tanıma tekniği aşağıdaki görevleri yerine getirir -

• Classification - El yazısı karakterleri, CAPTCHA'ları tanımlama, insanları bilgisayarlardan ayırma.

• Segmentation - Görüntülerdeki metin bölgelerini veya yüz bölgelerini algılama.

• Syntactic Pattern Recognition - Bir grup matematik sembolü veya operatörünün nasıl ilişkili olduğunu ve nasıl anlamlı bir ifade oluşturduklarını belirlemek.

Aşağıdaki tablo, biyometride örüntü tanımanın rolünü vurgulamaktadır -

Örüntü Tanıma Görevi	Giriş	Çıktı
Karakter Tanıma (İmza Tanıma)	Optik sinyaller veya Strokes	Karakterin adı
Konuşmacı Tanıma	Ses	Konuşmacının kimliği
Parmak izi, Yüz görüntüsü, el geometri görüntüsü	Resim	Kullanıcının kimliği

Örüntü Tanıma Bileşenleri

Örüntü tanıma tekniği, biyolojik bir tanımlayıcı olarak işlev görebilen, rastgele bir insan özelliği kalıbını kompakt bir dijital imzaya çıkarır. Biyometrik sistemler, kullanıcıları sınıflandırmak ve onları ayrı ayrı tanımlamak için örüntü tanıma tekniklerini kullanır.

Örüntü tanımanın bileşenleri aşağıdaki gibidir -

Örüntü Tanımada Popüler Algoritmalar

En popüler kalıp oluşturma algoritmaları şunlardır:

En Yakın Komşu Algoritması

Bilinmeyen bireyin vektörünü alıp veritabanındaki tüm desenlerden uzaklığını hesaplamanız gerekir. En küçük mesafe en iyi eşleşmeyi verir.

Geri Yayılma (Backprop) Algoritması

Çok fazla matematiksel hesaplama içeren biraz karmaşık ama çok kullanışlı bir algoritmadır.

Gerçek dünyada alabileceğimiz ses, ışık, radyo sinyalleri, insan vücudundan biyomedikal sinyaller vb. Gibi çeşitli sinyaller vardır. Tüm bu sinyaller analog sinyaller olarak adlandırılan sürekli bir bilgi akışı biçimindedir. İnsan sesi, gerçek dünyadan aldığımız ve biyometrik girdi olarak kullandığımız bir tür sinyaldir.

Sinyal nedir?

Bir sinyal, iletilebilen, görüntülenebilen, kaydedilebilen veya değiştirilebilen bazı bilgileri içeren ölçülebilir bir fiziksel niceliktir.

Biyometride Sinyal İşleme

Sinyalleri işlemenin çeşitli nedenleri vardır. Biyometrik sistemler, çeşitli nedenlerle ses işlemeyi gerektirir -

• Adayın örneğinden anlamlı bilgiler çıkarmak.
• Örnekten gürültü çıkarmak için.
• Örneği iletilebilir hale getirmek için.
• Numune bozulmasını gidermek için.

Analog sinyal işleme modülü, ses dalgası gibi gerçek dünya bilgilerini 0'lar ve 1'ler şeklinde dönüştürerek biyometrik sistemler gibi çağdaş dijital sistemler tarafından anlaşılır ve kullanılabilir hale getirir. Tuş vuruşları, el geometrisi, imza ve konuşma, sinyal işleme ve örüntü tanıma alanlarına girer.

Sayısal Sinyal İşleme Sistemleri (DSP'ler)

İki tür sinyal vardır - analog ve dijital. Analog sinyaller kesintisiz, sürekli bilgi akışıdır, oysa dijital sinyal 0'lar ve 1'ler akışıdır.

DSP sistemleri, bir Analogdan Dijitale Dönüştürücü (ADC) kullanarak örnekleme ve sayısallaştırma yoluyla analog sinyalleri ayrı dijital değerler akışına dönüştüren biyometrik sistemlerin önemli bileşenlerinden biridir.

DSP'ler, kameralardan, parmak izi sensörlerinden, mikrofonlardan vb.Elektronik sensörler tarafından üretilen elektrik sinyallerini işleyen tek çipli dijital mikro bilgisayarlardır.

Biyometride DSP

Bir DSP, biyometrik sistemin küçük ve kolayca taşınabilir olmasına, verimli bir şekilde çalışmasına ve genel olarak daha az maliyetli olmasına izin verir.

DSP mimarisi, önemli miktarda çarpma ve ekleme içeren karmaşık matematiksel algoritmaları desteklemek için oluşturulmuştur. DSP, Aritmetik Mantık Birimi (ALU) içindeki çarpma / biriktirme (MAC) donanımının yardımıyla tek bir döngüde çarpma / ekleme işlemini gerçekleştirebilir.

Ayrıca, iki boyutlu Hızlı Fourier Dönüşümleri (FFT) ve sonlu IR filtrelerinin kullanımıyla yakalanan görüntünün çözünürlüğünü artırabilir.

Bu bilgi çağında görüntülerin büyük payı var. Biyometride, biyometrik görüntüsü daha önce veri tabanında depolanan bir kişiyi tanımlamak için görüntü işleme gereklidir. Yüzler, parmak izleri, süsen vb. Görüntü işleme ve örüntü tanıma teknikleri gerektiren görüntü tabanlı biyometrilerdir.

Görüntü tabanlı bir biyometrik sistemin doğru çalışabilmesi için, kullanıcının biyometrik örnek görüntüsünün çok net ve bozulmamış bir biçimde olması gerekir.

Biyometride Görüntü İşlemenin Gerekliliği

Kullanıcının biyometrik görüntüsü biyometrik sisteme beslenir. Sistem, denklemleri kullanarak görüntüyü işlemek ve ardından her piksel için hesaplamanın sonuçlarını depolamak üzere programlanmıştır.

Verilerdeki belirli ince özellikleri seçici olarak geliştirmek ve belirli gürültüyü gidermek için dijital veriler çeşitli görüntü işleme işlemlerine tabi tutulur.

Görüntü işleme yöntemleri üç işlevsel kategoriye ayrılabilir -

Görüntü Restorasyonu

Görüntü restorasyonu esas olarak şunları içerir -

• Numune alma sırasında görüntüde ortaya çıkan parazitin azaltılması.
• Biyometrik kayıt sırasında ortaya çıkan bozulmaların giderilmesi.

Görüntü yumuşatma, görüntüdeki gürültüyü azaltır. Düzeltme, her bir pikselin ortalama değeri komşu piksel ile değiştirilmesiyle gerçekleştirilir. Biyometrik sistem, Medyan Filtreleme, Uyarlamalı Filtreleme, İstatistiksel Histogram, Dalgacık Dönüşümleri gibi çeşitli filtreleme algoritmaları ve gürültü azaltma tekniklerini kullanır.

Görüntü Geliştirme

Görüntü geliştirme teknikleri, görüntünün herhangi bir bölümünün veya özelliğinin görünürlüğünü iyileştirir ve diğer bölümlerdeki bilgileri bastırır. Sadece restorasyon tamamlandıktan sonra yapılır. Görüntünün sonraki işlemler için kullanılabilir olması için parlaklaştırma, keskinleştirme, kontrast ayarlama vb. İçerir.

Özellik çıkarma

Görüntüden iki tür özellik çıkarılır:

• General features - Görüntünün içeriğini tanımlamak için kullanılan şekil, doku, renk vb. Özellikler.

• Domain-specific features - Yüz, iris, parmak izi gibi uygulamaya bağlı özelliklerdir. Gabor filtreleri, özellikleri çıkarmak için kullanılır.

Özellikler görüntüden çıkarıldığında, uygun bir sınıflandırıcı seçmeniz gerekir. Yaygın olarak kullanılan sınıflandırıcıNearest Neighbor classifier, aday görüntünün özellik vektörünü veritabanında depolanan görüntünün vektörüyle karşılaştıran.

B-Splinesparmak izi biyometrik sistemlerinde eğri modellerini tanımlamak için uygulanan yaklaşık değerlerdir. B-Spline katsayıları özellik olarak kullanılır. İris tanıma sistemi durumunda, iris görüntüleri Ayrık Dalgacık Dönüşümü (DWT) kullanılarak ayrıştırılır ve DWT katsayıları daha sonra özellikler olarak kullanılır.

Bir biyometrik sistemin operasyonları, operasyonel sınırlamalara tabi olan giriş cihazlarına büyük ölçüde bağlıdır. Zaman zaman, cihazların kendileri gerekli girdi örneklerini yakalayamayabilir. Örneği yeterince yakalayamayabilirler. Bu, sistemi güvenilmez ve savunmasız hale getirir.

Bir biyometrik sistem ne kadar savunmasızsa, o kadar güvensizdir.

Biyometrik Sistem Güvenlik Açığı

Biyometrik sistem güvenlik açığının iki ana nedeni vardır -

Sistem Arızaları

Biyometrik bir sistemin çalışmamasının iki yolu vardır -

• Intrinsic failures - Çalışmayan sensörler, özellik çıkarma, eşleştirme veya karar verme modülleri vb. Arızalardır.

• Failures due to attacks - Biyometrik sistem tasarımındaki boşluklar, herhangi bir hesaplamanın saldırganlar için kullanılabilirliği, etik olmayan sistem yöneticilerinin içeriden gelen saldırıları vb.

Güvenli Olmayan Altyapı

Biyometrik sistem, donanımı, yazılımı ve kullanıcı verileri korunmadığında kötü niyetli kullanıcılar tarafından erişilebilir olabilir.

Biyometrik Sistem Güvenliği ile Riskler

Biyometrik verilerin geri alınması veya değiştirilmesi kolay olmadığından biyometrik sistemin güvenliği önemlidir. Biyometrik sistemlerin güvenliğiyle ilgili aşağıdaki önemli riskler vardır:

Kullanıcı Verilerinin Çalınması Riski

Biyometrik sistem savunmasızsa, bilgisayar korsanı güvenliğini ihlal edebilir ve veri tabanında kayıtlı kullanıcı verilerini toplayabilir. Mahremiyet için daha fazla tehlike yaratır.

Kullanıcı Verilerinin İhlal Edilmesi Riski

Biyometrik örneği aldıktan sonra, bilgisayar korsanı sisteme sahte bir örnek sunabilir. Kullanıcı verilerinin güvenliği ihlal edilirse, sonsuza kadar tehlikede kalır. Bunun açık nedeni, kullanıcının yalnızca sınırlı sayıda biyometriye sahip olması ve şifrelerden veya kimlik kartlarından farklı olarak değiştirilmesinin zor olmasıdır.

Biyometrik veriler şifrelenmiş ve depolanmış olsa da, eşleştirme amacıyla şifresinin çözülmesi gerekir. Eşleştirme anında bir bilgisayar korsanı güvenliği ihlal edebilir.

Biyometrik Sistem Güvenliği

Biyometrik sistem güvenlik sorununu ele almak için bir dizi çözüm önerilmiştir. Biyometrik şablonlar asla ham formda saklanmaz. Şifrelenmişlerdir; hatta bazen iki kez.

Biyometri söz konusu olduğunda, insanlar (özneler veya adaylar), varlıklar (sistem bileşenleri veya süreçler) ve biyometrik veriler (bilgiler) gibi çeşitli kaynaklar vardır. Güvenlik gereksinimlericonfidentiality, integrity, authenticity, non-repudiation, ve availabilitybiyometride gereklidir. Bunları kısaca gözden geçirelim -

Orijinallik

Bu, yeniden üretilmekten çok, saf, orijinal veya orijinal olma niteliği veya halidir. Bilgiler, oluşturulduğunda, saklandığında veya aktarıldığında aynı durumda ve kalitede olduğunda orijinaldir.

Biyometrik bir sistemde iki özgünlük vardır - entity authenticity ve data origin authenticity. Varlık gerçekliği, genel işlemeye dahil olan tüm varlıkların iddia ettikleri olduğunu doğrular. Veri kaynağı doğruluğu, verilerin gerçekliğini ve orijinalliğini sağlar. Örneğin, biyometri verileri sensör cihazlarıyla yakalanır. Gerçek bir sensörden gelen yakalanan veriler, önceki bir kayıttan aldatılmamıştır.

Gizlilik

Yetkili kullanıcılarla bilgi erişimini ve ifşayı sınırlandırıyor ve yetkisiz kişilerin erişimini veya onlara ifşa edilmesini engelliyor. Bir biyometrik sistem durumunda, esas olarak, yetkisiz kişilerden gizli tutulması gereken, yakalandığında ve saklandığında biyometrik ve ilgili kimlik doğrulama bilgilerini ifade eder.

Biyometrik bilgiler yalnızca ait olduğu kişi tarafından tamamen erişilebilir olmalıdır. Tanımlama ve çeşitleme sırasında, erişen adayın uygun güvenlik önlemleriyle sınırlandırılması gerekir.

Bütünlük

Tutarlılığı, doğruluğu ve doğruluğunu ifade eden, eksiksiz ve değiştirilmemiş olma koşuludur. Biyometrik bir sistem için bütünlük yüksek olmalıdır. İşletim ve depolama sırasında herhangi bir kötü niyetli manipülasyon uzak tutulmalı veya en erken bildirimi ve düzeltmesi dahil edilerek tespit edilmelidir.

Reddetmeme

Varlıklar ve bileşenler gibi ilgili kaynakların tanımlanmasıdır. Sorumluluk olarak da görülüyor. Örneğin, bir göndericinin veya biyometrik bilgi alıcısının biyometrik bilgi gönderdiğini veya aldığını reddetmesini yasaklar.

Kullanılabilirlik

Bir kaynak, kümenin tüm üyeleri kaynağa erişebiliyorsa, bir dizi varlığa göre kullanılabilirlik özelliğine sahiptir. Adlı bir özellikreachability Kullanıcıların ilgi alanlarına bağlı olarak insanlarla veya sistem süreçleriyle iletişime geçilebilmesini veya ulaşılamayacağını garanti eder.

Saldırganlar, sistemi gerçek kullanıcılar için kullanılamaz hale getirerek, kimlik doğrulamalı uygulamaları kullanmalarını engelleyebilir. Bu saldırganlar, bilgilerin kullanılabilirliğini hedefler.

Biyometrik Şablon Oluşturma Kriterleri

İşte biyometrik şablonlar oluşturmak için kriterler -

• Şablonun bir insan adayından gelmesini ve orijinal bir sensör ve yazılım tarafından yakalanmasını sağlamak.

• Geri çevrilemezlik özellikleriyle şifreleme yoluyla bir biyometrik şablonu koruma. Bu, bilgisayar korsanlarının orijinal biyometrik bilgileri güvenli şablondan hesaplamasını zorlaştırır.

• Bir unlikable (unique)biyometrik şablon. Bir biyometrik sistem, başka bir biyometrik sisteme kaydedilmiş aynı adayın şablonuna erişememelidir. Bir bilgisayar korsanı bir biyometrik sistemden bir biyometrik şablonu almayı başarırsa, her iki doğrulama da adayın aynı biyometrik şablonunu temel alsa bile, bu şablonu başka bir biyometrik sistem üzerinden erişim elde etmek için kullanamamalıdır. Ayrıca, bağlanamayan bir biyometrik sistem, iki şablon arasındaki ilişkiye dayalı olarak herhangi bir bilgi türetmeyi imkansız hale getirmelidir.

• Yaratmak cancellable ve renewableşablonu. Ele geçirilen şablonu iptal etme veya devre dışı bırakma ve kaybolan veya çalınan bir akıllı kartın yeniden üretilebilmesine benzer bir şekilde başka bir şablonu yeniden oluşturma yeteneğini vurgular.

• 'Yenilenebilir' ve 'bağlantısız' özellikler, salting techniques. Tuzlama, diğerlerinden farklı kılmak için orijinal bilgilere 'tuz' olarak bilinen rastgele oluşturulmuş benzersiz verileri ekler.

• Hem FAR hem de FRR açısından bir biyometrik sistem doğruluğunun tasarlanması.

• Uygun bir şifreleme algoritmasının dikkatlice seçilmesi. Bazı algoritmalar, bir bireyin biyometrik verilerinin doğasında bulunan küçük varyasyonları bile güçlendirebilir ve bu da daha yüksek FRR'ye yol açabilir.

• Gibi önemli bir şifreleme tekniği kullanmak hashing method, bu, her şablon neslinde farklı bir permütasyon uygulandığında etkilidir. Farklı permütasyonlar, aynı giriş biyometrik verilerini kullanmalarına rağmen her şablonun benzersizliğini sağlar.

• Yükseltmek için etkili bir koruma planı kullanmak performance sistemin.

Biyometrik verilerin güvenliği ve mahremiyetine yönelik birçok araştırma ve geliştirme yapılmaktadır.