Sinh trắc học - Hướng dẫn nhanh

Thuật ngữ Sinh trắc học bao gồm hai từ - Bio (từ tiếng Hy Lạp có nghĩa là Cuộc sống) và Metrics (Đo lường). Sinh trắc học là một nhánh của công nghệ thông tin nhằm mục đích thiết lập danh tính của một người dựa trên các đặc điểm cá nhân.

Sinh trắc học hiện là một từ thông dụng trong lĩnh vực bảo mật thông tin vì nó cung cấp mức độ chính xác cao trong việc xác định một cá nhân.

Sinh trắc học là gì?

Sinh trắc học là một công nghệ được sử dụng để xác định, phân tích và đo lường các đặc điểm thể chất và hành vi của một cá nhân.

Mỗi con người là duy nhất về các đặc điểm, điều này làm cho họ khác với tất cả những người khác. Các thuộc tính vật lý như dấu vân tay, màu mống mắt, màu tóc, hình dạng bàn tay và các đặc điểm hành vi như giọng nói và trọng âm của giọng nói, chữ ký hoặc cách gõ phím của bàn phím máy tính, v.v., khiến một người trở nên tách biệt với phần còn lại.

Tính duy nhất này của một người sau đó được sử dụng bởi các hệ thống sinh trắc học để -

Xác định và xác minh một người.
Xác thực một người để cấp các quyền thích hợp cho các hoạt động của hệ thống.
Giữ cho hệ thống an toàn trước các xử lý phi đạo đức.

Hệ thống sinh trắc học là gì?

Hệ thống sinh trắc học là một công nghệ lấy các đặc điểm sinh lý, hành vi hoặc cả hai của một cá nhân làm đầu vào, phân tích nó và xác định cá nhân đó là người dùng chân chính hay độc hại.

Sự phát triển của sinh trắc học

Ý tưởng về sinh trắc học đã xuất hiện từ vài năm trước. Trong 14 ^ngày thế kỷ, Trung Quốc thực hiện lấy dấu ngón tay của các thương nhân và con cái của họ để tách chúng ra khỏi tất cả những người khác. Dấu vân tay vẫn được sử dụng cho đến ngày nay.

Trong 19 ^ngày thế kỷ, một nhà nhân chủng học được đặt tênAlphonse Bertillionđã phát triển một phương pháp (tên là Bertillionage ) lấy số đo cơ thể của một người để xác định họ. Ông đã nhận ra rằng ngay cả khi một số đặc điểm của cơ thể con người bị thay đổi, chẳng hạn như độ dài của tóc, cân nặng, v.v., một số đặc điểm cơ thể vẫn không thay đổi, chẳng hạn như chiều dài của ngón tay. Phương pháp này giảm đi nhanh chóng vì người ta phát hiện ra rằng những người có cùng số đo cơ thể có thể bị lấy nhầm làm một. Sau đó, Richard Edward Henry từ Scotland Yard đã phát triển một phương pháp lấy dấu vân tay.
Ý tưởng về xác định võng mạc được hình thành bởi Tiến sĩ Carleton Simon và Tiến sĩ Isadore Goldstein vào năm 1935. Năm 1976, một nỗ lực nghiên cứu và phát triển đã được thực hiện tại EyeDentify Inc. Hệ thống quét võng mạc thương mại đầu tiên ra đời vào năm 1981.
Nhận dạng mống mắt được John Daugman phát minh vào năm 1993 tại Đại học Cambridge.
Năm 2001, Bộ công cụ tự động sinh trắc học (BAT) đã được giới thiệu ở Kosovo, cung cấp một phương tiện nhận dạng cụ thể.

Ngày nay, sinh trắc học đã trở thành một lĩnh vực nghiên cứu độc lập với các công nghệ chính xác để thiết lập danh tính cá nhân.

Tại sao Sinh trắc học là Bắt buộc?

Với việc sử dụng ngày càng nhiều Công nghệ Thông tin trong lĩnh vực ngân hàng, khoa học, y học, v.v., nhu cầu bảo vệ hệ thống và dữ liệu khỏi những người dùng trái phép là rất lớn.

Sinh trắc học được sử dụng cho authenticating và authorizingmột người. Mặc dù các thuật ngữ này thường đi đôi với nhau; chúng có nghĩa là khác nhau.

Xác thực (Nhận dạng)

Quá trình này cố gắng tìm ra câu trả lời cho câu hỏi, "Bạn có giống với người mà bạn đang tuyên bố không?", Hoặc "Tôi có biết bạn không?" Đây là sự đối sánh một-nhiều và so sánh sinh trắc học của một người với toàn bộ cơ sở dữ liệu.

xác minh

Đây là quá trình đối sánh 1-1 trong đó mẫu trực tiếp do ứng viên nhập vào được so sánh với mẫu đã lưu trữ trước đó trong cơ sở dữ liệu. Nếu cả hai đều khớp với hơn 70% độ giống nhau có thể đồng ý thì việc xác minh thành công.

Ủy quyền

Đây là quá trình gán quyền truy cập cho người dùng đã được xác thực hoặc xác minh. Nó cố gắng tìm ra câu trả lời cho câu hỏi, "Bạn có đủ điều kiện để có một số quyền nhất định để truy cập tài nguyên này không?"

Những tồn tại của Hỗ trợ An ninh Thông thường

Các phương pháp bảo mật hệ thống thông tin thông thường được sử dụng thẻ ID, mật khẩu, Mã số nhận dạng cá nhân (PIN), v.v. Chúng có những nhược điểm sau:

Tất cả đều có nghĩa là nhận ra một số mã liên quan đến người đó hơn là nhận ra người thực sự tạo ra nó.
Chúng có thể bị quên, bị mất hoặc bị đánh cắp.
Chúng có thể bị bỏ qua hoặc dễ dàng bị xâm phạm.
Chúng không chính xác.

Trong những trường hợp như vậy, an ninh của hệ thống bị đe dọa. Khi các hệ thống cần mức độ bảo vệ đáng tin cậy cao, sinh trắc học sẽ giúp đỡ bằng cách ràng buộc danh tính theo định hướng cá nhân hơn.

Các thành phần cơ bản của hệ thống sinh trắc học

Nói chung, một hệ thống sinh trắc học có thể được chia thành bốn thành phần cơ bản. Hãy để chúng tôi xem chúng ngắn gọn -

Giao diện đầu vào (Cảm biến)

Nó là thành phần cảm biến của hệ thống sinh trắc học chuyển đổi dữ liệu sinh học của con người sang dạng kỹ thuật số.

Ví dụ,

Máy chụp ảnh bán dẫn Metal Oxide (CMOS) hoặc Thiết bị ghép nối tích điện (CCD) trong trường hợp nhận dạng khuôn mặt, nhận dạng dấu tay hoặc hệ thống nhận dạng mống mắt / võng mạc.
Một cảm biến quang học trong trường hợp hệ thống dấu vân tay.
Một micrô trong trường hợp hệ thống nhận dạng giọng nói.

Đơn vị xử lý

Thành phần xử lý là bộ vi xử lý, Bộ xử lý tín hiệu kỹ thuật số (DSP), hoặc máy tính xử lý dữ liệu thu được từ các cảm biến.

Quá trình xử lý mẫu sinh trắc học bao gồm:

Nâng cao hình ảnh mẫu
Chuẩn hóa hình ảnh mẫu
Khai thác tính năng
So sánh mẫu sinh trắc học với tất cả các mẫu được lưu trữ trong cơ sở dữ liệu.

Kho cơ sở dữ liệu

Cơ sở dữ liệu lưu trữ mẫu đã đăng ký, mẫu này được gọi lại để thực hiện đối sánh tại thời điểm xác thực. Để nhận dạng, có thể có bất kỳ bộ nhớ nào từ Bộ nhớ truy cập ngẫu nhiên (RAM), EPROM flash hoặc máy chủ dữ liệu. Để xác minh, một phần tử lưu trữ di động như thẻ thông minh không tiếp xúc hoặc không tiếp xúc được sử dụng.

Giao diện đầu ra

Giao diện đầu ra truyền đạt quyết định của hệ thống sinh trắc học để cho phép người dùng truy cập. Đây có thể là giao thức truyền thông nối tiếp đơn giản RS232 hoặc giao thức USB băng thông cao hơn. Nó cũng có thể là giao thức TCP / IP, Nhận dạng tần số vô tuyến (RFID), Bluetooth hoặc một trong nhiều giao thức di động.

Hoạt động chung của một hệ thống sinh trắc học

Có bốn bước chung mà hệ thống sinh trắc học thực hiện để thực hiện nhận dạng và xác minh -

Nhận mẫu trực tiếp từ ứng viên. (sử dụng cảm biến)
Trích xuất các tính năng nổi bật từ mẫu. (sử dụng đơn vị xử lý)
So sánh mẫu trực tiếp với mẫu được lưu trữ trong cơ sở dữ liệu. (sử dụng thuật toán)
Trình bày quyết định. (Chấp nhận hoặc từ chối ứng viên.)

Mẫu sinh trắc học được lấy từ người dùng ứng viên. Các tính năng nổi bật được trích xuất từ mẫu và sau đó nó được so sánh với tất cả các mẫu được lưu trữ trong cơ sở dữ liệu. Khi mẫu đầu vào khớp với một trong các mẫu trong cơ sở dữ liệu, hệ thống sinh trắc học cho phép người đó truy cập tài nguyên; nếu không thì cấm.

Thuật ngữ sinh trắc học

Biometric Template - Đây là tài liệu tham khảo kỹ thuật số về các đặc điểm riêng biệt được trích xuất từ mẫu sinh trắc học.

Candidate/Subject - Một người nhập mẫu sinh trắc học của mình.

Closed-Set Identification - Người được biết là đang tồn tại trong cơ sở dữ liệu.

Enrollment - Đó là khi ứng viên sử dụng hệ thống sinh trắc lần đầu tiên, hệ thống này sẽ ghi lại các thông tin cơ bản như tên, địa chỉ, v.v. và sau đó ghi lại đặc điểm sinh trắc của ứng viên.

False Acceptance Rate (FAR) - Đây là thước đo khả năng một hệ thống sinh trắc học sẽ xác định không chính xác người dùng trái phép là người dùng hợp lệ.

FAR =

Số lần chấp nhận sai / Số lần thử nhận dạng

Hệ thống sinh trắc học cung cấp low FAR ensures high security.

False Reject Rate (FRR) - Đây là thước đo khả năng hệ thống sinh trắc học sẽ từ chối không chính xác người dùng được ủy quyền là người dùng không hợp lệ.

FRR =

Số lần từ chối sai / Số lần thử nhận dạng

Open-Set Identification - Người đó không được đảm bảo tồn tại trong cơ sở dữ liệu.

Task - Đó là khi hệ thống sinh trắc học tìm kiếm cơ sở dữ liệu để tìm mẫu phù hợp.

Lĩnh vực ứng dụng của sinh trắc học

Có một số ứng dụng mà hệ thống sinh trắc học rất hữu ích. Một vài trong số chúng được đưa ra dưới đây -

Kiểm soát ra vào nơi làm việc.
Xác lập danh tính của mọi người cho các hệ thống nhập cư và công dân đích thực.
Áp dụng kiểm soát truy cập vào thông tin và hệ thống nhạy cảm.
Nhận dạng tội phạm bằng pháp y.
Thực hiện các giao dịch thương mại điện tử trực tuyến.
Giảm gian lận và trộm cắp.
Thực thi pháp luật.

Phương thức sinh trắc học không là gì khác ngoài một phạm trù của hệ thống sinh trắc học tùy thuộc vào loại đặc điểm con người mà nó lấy làm đầu vào.

Sinh trắc học phần lớn là thống kê. Dữ liệu có sẵn từ mẫu càng nhiều thì hệ thống càng có khả năng là duy nhất và đáng tin cậy. Nó có thể hoạt động trên các phương thức khác nhau liên quan đến các phép đo về cơ thể và các tính năng của cá nhân cũng như các kiểu hành vi. Các phương thức được phân loại dựa trên các đặc điểm sinh học của người đó.

Các loại phương thức sinh trắc học

Có nhiều đặc điểm khác nhau ở con người, có thể được sử dụng làm phương thức sinh trắc học. Các phương thức sinh trắc học thuộc ba loại:

Physiological
Behavioral
Sự kết hợp của phương thức sinh lý và hành vi

Bảng sau đây thu thập các điểm phân biệt ba phương thức này:

Phương thức sinh lý	Phương thức hành vi	Sự kết hợp của cả hai phương thức
Phương thức này liên quan đến hình dạng và kích thước của cơ thể.	Phương thức này có liên quan đến sự thay đổi trong hành vi của con người theo thời gian.	Phương thức này bao gồm cả hai đặc điểm, trong đó các đặc điểm phụ thuộc vào những thay đổi về thể chất cũng như hành vi.
Ví dụ - Nhận dạng vân tay Hệ thống nhận dạng hình học bàn tay Hệ thống nhận dạng khuôn mặt Hệ thống nhận dạng mống mắt Hệ thống nhận dạng hình học bàn tay Hệ thống quét võng mạc Hệ thống nhận dạng DNA	Ví dụ - Dáng đi (cách một người đi bộ) Nhịp điệu của các phím gõ Signature	Ví dụ - Nhận diện giọng nói Nó phụ thuộc vào sức khỏe, kích thước và hình dạng của dây thanh âm, khoang mũi, khoang miệng, hình dạng của môi, v.v. và tình trạng cảm xúc, tuổi tác, bệnh tật (hành vi) của một người.

Trong các chương tiếp theo, chúng ta sẽ thảo luận chi tiết hơn về từng phương thức này.

Như đã mô tả trước đó, các phương thức sinh lý dựa trên phép đo trực tiếp các bộ phận của cơ thể con người như mống mắt, vân tay, hình dạng và vị trí của ngón tay, v.v.

Có một số đặc điểm cơ thể không thay đổi trong suốt cuộc đời của một người. Chúng có thể là một nguồn tuyệt vời để xác định một cá nhân.

Hệ thống nhận dạng vân tay

Đây là giải pháp sinh trắc học được biết đến và sử dụng nhiều nhất để xác thực mọi người trên hệ thống sinh trắc học. Lý do khiến nó trở nên phổ biến là do có mười nguồn sinh trắc học có sẵn và dễ mua.

Mỗi người có một dấu vân tay duy nhất bao gồm các đường gờ, rãnh và hướng của các đường. Có ba mẫu cơ bản của đường gờ, cụ thể là,arch, loopvà whorl. Tính duy nhất của vân tay được xác định bởi các đặc điểm này cũng nhưminutiae features chẳng hạn như phân đôi và đốm (kết thúc sườn núi).

Dấu vân tay là một trong những kỹ thuật nhận dạng lâu đời nhất và phổ biến nhất. Kỹ thuật đối sánh dấu vân tay có ba loại:

Minutiae Based Techniques- Trong những điểm nhỏ nhặt này được tìm thấy và sau đó được ánh xạ đến vị trí tương đối của chúng trên ngón tay. Có một số khó khăn như nếu hình ảnh có chất lượng thấp, thì rất khó để tìm ra các điểm vụn vặt một cách chính xác. Một khó khăn khác là, nó xem xét vị trí cục bộ của các rặng núi và rãnh; không toàn cầu.
Correlation Based Method- Nó sử dụng thông tin thang màu xám phong phú hơn. Nó khắc phục các vấn đề của phương pháp dựa trên chi tiết nhỏ, bằng cách có thể làm việc với dữ liệu chất lượng kém. Nhưng nó có một số vấn đề riêng như bản địa hóa các điểm.
Pattern Based (Image Based) Matching - Các thuật toán dựa trên mẫu so sánh các mẫu vân tay cơ bản (hình cung, vòng xoay và vòng lặp) giữa mẫu được lưu trữ và vân tay ứng viên.

Điểm mạnh của Hệ thống nhận dạng ngón tay

Đó là phương pháp đương đại nhất.
Đó là phương pháp kinh tế nhất.
Nó có độ tin cậy cao và an toàn.
Nó hoạt động trên kích thước mẫu nhỏ, giúp tăng tốc quá trình xác minh.
Nó tiêu tốn ít không gian bộ nhớ hơn.

Điểm mạnh của Hệ thống nhận dạng ngón tay

Các vết sẹo, vết cắt hoặc không có ngón tay có thể cản trở quá trình nhận dạng.
Hệ thống có thể bị đánh lừa bằng cách sử dụng ngón tay giả làm bằng sáp.
Nó liên quan đến sự tiếp xúc vật lý với hệ thống.
Họ để lại mẫu ngón tay tại thời điểm nhập mẫu.

Các ứng dụng của hệ thống nhận dạng ngón tay

Xác minh tính xác thực của giấy phép lái xe.
Kiểm tra thời hạn của giấy phép lái xe.
Kiểm soát biên giới / Cấp thị thực.
Kiểm soát truy cập trong tổ chức.

Hệ thống nhận dạng khuôn mặt

Nhận dạng khuôn mặt dựa trên việc xác định hình dạng và kích thước của hàm, cằm, hình dạng và vị trí của mắt, lông mày, mũi, môi và gò má. Máy quét khuôn mặt 2D bắt đầu đọc hình học khuôn mặt và ghi lại trên lưới. Hình dạng khuôn mặt được chuyển vào cơ sở dữ liệu dưới dạng điểm. Các thuật toán so sánh thực hiện đối sánh khuôn mặt và đưa ra kết quả. Nhận dạng khuôn mặt được thực hiện theo những cách sau:

Facial Metrics - Trong loại này, khoảng cách giữa các con ngươi hoặc từ mũi đến môi hoặc cằm được đo.
Eigen faces - Là quá trình phân tích hình ảnh tổng thể khuôn mặt như một tổ hợp có trọng số của một số khuôn mặt.
Skin Texture Analysis - Các đường nét, hoa văn và đốm độc đáo rõ ràng trên da của một người nằm ở vị trí nào.

Điểm mạnh của Hệ thống nhận dạng khuôn mặt

Nó cung cấp lưu trữ dễ dàng các mẫu trong cơ sở dữ liệu.
Nó làm giảm sự phức tạp về thống kê để nhận dạng hình ảnh khuôn mặt.
Nó không liên quan đến tiếp xúc vật lý với hệ thống.

Điểm mạnh của Hệ thống nhận dạng khuôn mặt

Các đặc điểm trên khuôn mặt thay đổi theo thời gian.
Tính duy nhất không được đảm bảo, ví dụ, trong trường hợp các cặp song sinh giống hệt nhau.
Nếu một ứng viên có biểu hiện khác nhau như nụ cười nhẹ thì có thể ảnh hưởng đến kết quả.
Nó yêu cầu ánh sáng đầy đủ để có được đầu vào chính xác.

Các ứng dụng của hệ thống nhận dạng khuôn mặt

Xác minh danh tính chung.
Xác minh để kiểm soát truy cập.
Tương tác Người-Máy tính.
Nhận dạng tội phạm.
Surveillance.

Hệ thống nhận dạng mống mắt

Nhận dạng mống mắt hoạt động dựa trên mô hình mống mắt trong mắt người. Mống mắt là mô đàn hồi sắc tố có lỗ tròn có thể điều chỉnh được ở trung tâm. Nó kiểm soát đường kính của đồng tử. Ở người trưởng thành, kết cấu của mống mắt ổn định trong suốt cuộc đời của họ. Kiểu mống mắt của mắt trái và mắt phải khác nhau. Các mẫu và màu sắc mống mắt thay đổi tùy theo từng người.

Nó liên quan đến việc chụp ảnh mống mắt bằng một máy ảnh có khả năng, lưu trữ nó và so sánh giống với mắt ứng viên bằng các thuật toán toán học.

Điểm mạnh của Hệ thống nhận dạng mống mắt

Nó có độ chính xác cao vì cơ hội khớp hai tròng mắt là 1 trong 10 tỷ người.
Nó có khả năng mở rộng cao vì kiểu mống mắt vẫn giữ nguyên trong suốt cuộc đời của một người.
Ứng viên không cần tháo kính hoặc kính áp tròng; chúng không cản trở tính chính xác của hệ thống.
Nó không liên quan đến tiếp xúc vật lý với hệ thống.
Nó cung cấp khả năng xác minh ngay lập tức (2 đến 5 giây) vì kích thước mẫu nhỏ.

Điểm mạnh của Hệ thống nhận dạng mống mắt

Máy quét mống mắt đắt tiền.
Hình ảnh chất lượng cao có thể đánh lừa máy quét.
Một người được yêu cầu giữ yên đầu của mình để quét chính xác.

Các ứng dụng của Hệ thống nhận dạng mống mắt

An ninh quốc gia và Thẻ căn cước như thẻ Adhaar ở Ấn Độ.
Google sử dụng nhận dạng mống mắt để truy cập các trung tâm dữ liệu của họ.

Hệ thống nhận dạng hình học bàn tay

Nó bao gồm đo chiều dài và chiều rộng của lòng bàn tay, diện tích bề mặt, chiều dài và vị trí của các ngón tay, và cấu trúc xương tổng thể của bàn tay. Bàn tay của một người là duy nhất và có thể được sử dụng để xác định một người từ những người khác. Có hai hệ thống Hình học Bàn tay -

Contact Based- một bàn tay được đặt trên bề mặt của máy quét. Vị trí này được định vị bằng năm chốt, giúp hướng dẫn tay thí sinh đến vị trí chính xác cho máy ảnh.
Contact Less - Trong cách tiếp cận này, không cần chân và nền để thu nhận hình ảnh bằng tay.

Điểm mạnh của Hệ thống Nhận dạng Hình học Bàn tay

Nó chắc chắn và thân thiện với người dùng.
Những thay đổi về độ ẩm hoặc cấu trúc da không ảnh hưởng đến kết quả.

Điểm mạnh của Hệ thống nhận dạng hình học bàn tay

Vì hình học bàn tay không phải là duy nhất nên nó không đáng tin cậy lắm.
Nó có hiệu quả trong trường hợp người lớn và không cho trẻ em đang lớn.
Nếu tay của ứng viên có đeo đồ trang sức, thạch cao hoặc bị viêm khớp, nó có khả năng gây ra vấn đề.

Các ứng dụng của Hệ thống Nhận dạng Hình học Bàn tay

Các nhà máy điện hạt nhân và quân sự sử dụng Nhận dạng Hình học Bàn tay để kiểm soát truy cập.

Hệ thống quét võng mạc

Võng mạc là lớp lót ở phía sau nhãn cầu, bao phủ 65% bề mặt bên trong nhãn cầu. Nó chứaphotosensitivetế bào. Võng mạc của mỗi người là duy nhất do mạng lưới mạch máu cung cấp máu phức tạp.

Đây là một sinh trắc học đáng tin cậy vì mô hình võng mạc không thay đổi trong suốt cuộc đời của người đó, ngoại trừ mô hình của những người mắc bệnh tiểu đường, bệnh tăng nhãn áp hoặc một số rối loạn thoái hóa.

Trong quá trình quét võng mạc, một người được yêu cầu tháo thấu kính hoặc kính đeo mắt. Một chùm ánh sáng hồng ngoại cường độ thấp chiếu vào mắt một người trong 10 đến 15 giây. Ánh sáng hồng ngoại này được hấp thụ bởi các mạch máu tạo thành một mô hình mạch máu trong quá trình quét. Mẫu này sau đó được số hóa và lưu trữ trong cơ sở dữ liệu.

Ưu điểm của Hệ thống quét võng mạc

Nó không thể được giả mạo.
Nó có độ tin cậy cao vì tỷ lệ lỗi là 1 trong số các mẫu crore (gần như là 0%).

Điểm yếu của Hệ thống quét võng mạc

Nó không thân thiện với người dùng vì người dùng cần duy trì sự ổn định có thể gây khó chịu.
Nó có xu hướng tiết lộ một số tình trạng sức khỏe kém như tăng huyết áp hoặc tiểu đường, gây ra các vấn đề riêng tư.
Kết quả không chính xác dễ mắc các bệnh như đục thủy tinh thể, tăng nhãn áp, tiểu đường, v.v.

Các ứng dụng của hệ thống quét võng mạc

Nó được thực hành bởi một số cơ quan chính phủ như CID, FBI, v.v.
Ngoài các ứng dụng bảo mật, nó còn được sử dụng để chẩn đoán nhãn khoa.

Hệ thống nhận dạng DNA

Deoxyribo Neuclic Acid (DNA) là vật chất di truyền được tìm thấy ở người. Mỗi con người sinh ra những cặp song sinh giống hệt nhau, đều có thể nhận dạng duy nhất bằng những đặc điểm có trong DNA của họ, nằm trong nhân tế bào. Có một số nguồn có thể thu thập các mẫu DNA như máu, nước bọt, móng tay, tóc, v.v.

Trong tế bào, DNA được tổ chức theo cấu trúc chuỗi xoắn kép dài được gọi là chromosomes. Có 23 cặp nhiễm sắc thể ở người. Trong tổng số 46 nhiễm sắc thể, con cái thừa hưởng 23 nhiễm sắc thể từ cha mẹ ruột. 99,7% DNA của con cái được chia sẻ với cha mẹ của chúng. 0,3% DNA còn lại chứa mã hóa lặp lại duy nhất cho một cá nhân.

Các bước cơ bản của cấu hình DNA là:

Tách DNA khỏi mẫu lấy từ máu, nước bọt, tóc, tinh dịch hoặc mô.
Tách mẫu DNA thành các đoạn ngắn hơn.
Tổ chức các đoạn DNA theo kích thước.
So sánh các phân đoạn DNA từ các mẫu khác nhau.

Mẫu càng chi tiết thì việc so sánh càng chính xác và đến lượt nó, việc xác định cá nhân càng cao.

Sinh trắc học DNA khác với tất cả những thứ khác ở những điểm sau:

Nó cần một mẫu vật lý hữu hình thay vì hình ảnh.
Đối sánh DNA được thực hiện trên các mẫu vật lý. Không có trích xuất tính năng hoặc lưu mẫu.

Bằng khen của Hệ thống nhận dạng DNA

Nó cung cấp độ chính xác cao nhất.

Điểm mạnh của Hệ thống nhận dạng DNA

Thời gian của quy trình từ thu thập mẫu đến kết quả là lớn.
Mang nhiều thông tin hơn, nó mang lại các vấn đề về quyền riêng tư.
Nó cần thêm không gian lưu trữ.
Việc lấy mẫu bị nhiễm bẩn hoặc giảm chất lượng có thể ảnh hưởng đến kết quả.

Các ứng dụng của Hệ thống nhận dạng DNA

Nó chủ yếu được sử dụng để chứng minh tội lỗi hoặc vô tội.
Nó được sử dụng trong an ninh mạng và vật lý.

Sinh trắc học hành vi liên quan đến hành vi thể hiện của mọi người hoặc cách mọi người thực hiện các tác vụ như đi bộ, ký và gõ trên bàn phím.

Các phương thức sinh trắc học hành vi có sự thay đổi cao hơn vì chúng chủ yếu phụ thuộc vào các yếu tố bên ngoài như mệt mỏi, tâm trạng, v.v. Điều này gây ra FAR và FRR cao hơn so với các giải pháp dựa trên sinh trắc học sinh lý.

Nhận dạng dáng đi

Gaitlà cách đi bộ của một người. Mọi người thể hiện các đặc điểm khác nhau trong khi đi bộ như tư thế cơ thể, khoảng cách giữa hai bàn chân khi đi bộ, lắc lư, v.v., giúp nhận ra chúng một cách duy nhất.

Nhận dạng dáng đi dựa trên việc phân tích hình ảnh video về bước đi của ứng viên. Mẫu vòng quay của ứng viên được ghi lại bằng Video. Sau đó, mẫu được phân tích vị trí của các khớp như đầu gối và mắt cá chân, và các góc tạo ra giữa chúng khi đi bộ.

Một mô hình toán học tương ứng được tạo cho mọi ứng viên và được lưu trữ trong cơ sở dữ liệu. Tại thời điểm xác minh, mô hình này được so sánh với mẫu trực tiếp của ứng viên đi bộ để xác định danh tính của nó.

Điểm mạnh của Hệ thống nhận dạng dáng đi

Nó là không xâm lấn.
Nó không cần sự hợp tác của ứng viên vì nó có thể được sử dụng từ xa.
Nó có thể được sử dụng để xác định các rối loạn y tế bằng cách phát hiện những thay đổi trong cách đi lại của một người trong trường hợp mắc bệnh Parkinson.

Điểm mạnh của Hệ thống nhận dạng dáng đi

Đối với kỹ thuật sinh trắc học này, không có mô hình nào được phát triển với độ chính xác hoàn toàn cho đến nay.
Nó có thể không đáng tin cậy như các kỹ thuật sinh trắc học khác.

Ứng dụng hệ thống nhận dạng dáng đi

Nó rất phù hợp để xác định tội phạm trong kịch bản tội phạm.

Hệ thống nhận dạng chữ ký

Trong trường hợp này, người ta nhấn mạnh nhiều hơn vào các mẫu hành vi mà chữ ký được ký hơn là cách một chữ ký trông về mặt đồ họa.

Các kiểu hành vi bao gồm những thay đổi về thời gian viết, khoảng dừng, áp lực, hướng của nét và tốc độ trong quá trình ký. Có thể dễ dàng sao chép hình dạng đồ họa của chữ ký nhưng không dễ để bắt chước chữ ký với cùng hành vi mà người đó thể hiện khi ký.

Công nghệ này bao gồm một cây bút và một máy tính bảng viết chuyên dụng, cả hai đều được kết nối với máy tính để so sánh và xác minh mẫu. Một máy tính bảng chất lượng cao có thể nắm bắt các đặc điểm hành vi như tốc độ, áp lực và thời gian trong khi ký.

Trong giai đoạn ghi danh, ứng viên phải ký tên trên bảng viết nhiều lần để thu thập dữ liệu. Sau đó, các thuật toán nhận dạng chữ ký sẽ trích xuất các tính năng độc đáo như thời gian, lực ép, tốc độ, hướng của nét vẽ, các điểm quan trọng trên đường đi của chữ ký và kích thước của chữ ký. Thuật toán gán các giá trị khác nhau của trọng số cho các điểm đó.

Tại thời điểm nhận dạng, thí sinh nhập mẫu chữ ký trực tiếp, mẫu này được so sánh với các chữ ký trong cơ sở dữ liệu.

Các hạn chế của Hệ thống Nhận dạng Chữ ký

Để có đủ lượng dữ liệu, chữ ký phải đủ nhỏ để vừa với máy tính bảng và đủ lớn để có thể xử lý.
Chất lượng của bảng viết quyết định độ chắc chắn của mẫu ghi danh nhận dạng chữ ký.
Ứng viên phải thực hiện các quy trình xác minh trong cùng một loại môi trường và điều kiện như họ đã có tại thời điểm ghi danh. Nếu có thay đổi, thì mẫu đăng ký và mẫu trực tiếp có thể khác nhau.

Điểm mạnh của Hệ thống nhận dạng chữ ký

Quá trình nhận dạng chữ ký có khả năng chống lại những kẻ mạo danh cao vì rất khó bắt chước các kiểu hành vi liên quan đến chữ ký.
Nó hoạt động rất tốt trong các giao dịch kinh doanh số lượng lớn. Ví dụ, nhận dạng Chữ ký có thể được sử dụng để xác minh tích cực các đại diện kinh doanh tham gia vào giao dịch trước khi bất kỳ tài liệu phân loại nào được mở và ký.
Nó là một công cụ không xâm lấn.
Tất cả chúng ta đều sử dụng chữ ký của mình trong một số loại thương mại, và do đó hầu như không có vấn đề gì liên quan đến quyền riêng tư.
Ngay cả khi hệ thống bị tấn công và mẫu bị đánh cắp, việc khôi phục lại mẫu rất dễ dàng.

Điểm mạnh của Hệ thống nhận dạng chữ ký

Mẫu trực tiếp có xu hướng thay đổi đối với những thay đổi trong hành vi trong khi ký. Ví dụ, ký bằng một bàn tay được cầm bằng thạch cao.
Người dùng cần quen với việc sử dụng máy tính bảng ký. Tỷ lệ lỗi cao cho đến khi nó xảy ra.

Các ứng dụng của hệ thống nhận dạng chữ ký

Nó được sử dụng trong xác minh tài liệu và ủy quyền.
Ngân hàng Chase Manhattan, Chicago được biết đến là ngân hàng đầu tiên áp dụng công nghệ Nhận dạng Chữ ký.

Hệ thống nhận dạng phím bấm

Trong Chiến tranh thế giới thứ hai, một kỹ thuật được gọi là Fist of the Sender đã được tình báo quân sự sử dụng để xác định xem mã Morse được gửi bởi kẻ thù hay đồng minh dựa trên nhịp gõ. Ngày nay, động lực tổ hợp phím là giải pháp sinh trắc học dễ thực hiện nhất về mặt phần cứng.

Sinh trắc học này phân tích kiểu gõ của ứng viên, nhịp điệu và tốc độ gõ trên bàn phím. Cácdwell time và flight time các phép đo được sử dụng trong nhận dạng tổ hợp phím.

Dwell time - Là khoảng thời gian mà một phím được nhấn.

Flight time - Đó là khoảng thời gian trôi qua giữa việc nhả một phím và nhấn phím sau.

Các ứng cử viên khác nhau ở cách họ gõ bàn phím như thời gian họ cần để tìm đúng phím, thời gian bay và thời gian ở. Tốc độ và nhịp gõ của họ cũng thay đổi tùy theo mức độ thoải mái của họ với bàn phím. Hệ thống nhận dạng phím bấm giám sát các đầu vào bàn phím hàng nghìn lần mỗi giây trong một nỗ lực duy nhất để xác định người dùng dựa trên thói quen gõ của họ.

Có hai loại nhận dạng tổ hợp phím -

Static - Đó là sự công nhận một lần khi bắt đầu tương tác.
Continuous - Nó xuyên suốt quá trình tương tác.

Ứng dụng của Keystroke Dynamics

Nhận dạng phím bấm được sử dụng để nhận dạng / xác minh. Nó được sử dụng với ID người dùng / mật khẩu dưới dạngmultifactor authentication.
Nó được sử dụng để giám sát. Một số giải pháp phần mềm theo dõi hành vi gõ phím cho từng tài khoản người dùng mà người dùng cuối không biết. Theo dõi này được sử dụng để phân tích xem tài khoản có đang được chia sẻ hoặc sử dụng bởi bất kỳ ai khác ngoài chủ sở hữu tài khoản chính chủ hay không. Nó được sử dụng để xác minh xem một số giấy phép phần mềm có đang được chia sẻ hay không.

Điểm mạnh của Hệ thống nhận dạng phím bấm

Nó không cần phần cứng đặc biệt để theo dõi sinh trắc học này.
Đó là một cách nhận dạng nhanh chóng và an toàn.
Một người đánh máy không phải lo lắng về việc bị theo dõi.
Người dùng không cần đào tạo để đăng ký hoặc nhập mẫu trực tiếp của họ.

Điểm mạnh của Hệ thống nhận dạng phím bấm

Nhịp gõ của ứng viên có thể thay đổi giữa một số ngày hoặc trong một ngày do mệt mỏi, ốm đau, ảnh hưởng của thuốc hoặc rượu, thay đổi bàn phím, v.v.
Không có tính năng đã biết nào chỉ dành riêng để thực hiện thông tin phân biệt đối xử.

Phương thức sinh trắc học nhận dạng giọng nói là sự kết hợp của cả phương thức sinh lý và hành vi. Nhận dạng giọng nói không là gì ngoài nhận dạng âm thanh. Nó dựa trên các tính năng bị ảnh hưởng bởi -

Physiological Component - Hình dạng thể chất, kích thước và sức khỏe của dây thanh âm, môi, răng, lưỡi và khoang miệng của một người.
Behavioral Component - Trạng thái cảm xúc của người đó khi nói, trọng âm, giọng điệu, cao độ, tốc độ nói, nói lầm bầm, v.v.

Hệ thống nhận dạng giọng nói

Nhận dạng giọng nói còn được gọi là Nhận dạng loa. Tại thời điểm đăng ký, người dùng cần nói một từ hoặc cụm từ vào micrô. Điều này là cần thiết để có được mẫu bài phát biểu của một ứng viên.

Tín hiệu điện từ micrô được chuyển đổi thành tín hiệu kỹ thuật số bằng bộ chuyển đổi Analog sang Digital (ADC). Nó được ghi vào bộ nhớ máy tính dưới dạng một mẫu số hóa. Sau đó, máy tính sẽ so sánh và cố gắng khớp giọng nói đầu vào của ứng viên với mẫu giọng nói số hóa được lưu trữ và xác định ứng viên.

Các phương thức nhận dạng giọng nói

Có hai biến thể của nhận dạng giọng nói - speaker dependent và speaker independent.

Nhận dạng giọng nói phụ thuộc vào người nói dựa trên kiến thức về đặc điểm giọng nói cụ thể của ứng viên. Hệ thống này học những đặc điểm đó thông qua đào tạo giọng nói (hoặc tuyển sinh).

Hệ thống cần được đào tạo để người dùng quen với giọng nói và giọng điệu cụ thể trước khi sử dụng để nhận ra những gì đã được nói.
Đó là một lựa chọn tốt nếu chỉ có một người dùng sử dụng hệ thống.

Các hệ thống độc lập với loa có thể nhận dạng bài phát biểu từ những người dùng khác nhau bằng cách hạn chế các ngữ cảnh của bài phát biểu như từ và cụm từ. Các hệ thống này được sử dụng cho các giao diện điện thoại tự động.

Họ không yêu cầu đào tạo hệ thống trên từng người dùng cá nhân.
Chúng là một lựa chọn tốt để được sử dụng bởi các cá nhân khác nhau, nơi không bắt buộc phải nhận ra đặc điểm giọng nói của từng ứng viên.

Sự khác biệt giữa nhận dạng giọng nói và giọng nói

Nhận dạng người nói và Nhận dạng giọng nói bị nhầm lẫn là giống nhau; nhưng chúng là những công nghệ khác nhau. Hãy để chúng tôi xem, làm thế nào -

Nhận dạng loa (Nhận dạng giọng nói)	Nhận dạng giọng nói
Mục tiêu của nhận dạng giọng nói là nhận ra WHO đang nói.	Nhận dạng giọng nói nhằm mục đích hiểu và hiểu được NHỮNG GÌ đã được nói.
Nó được sử dụng để xác định một người bằng cách phân tích âm điệu, cao độ giọng nói và trọng âm của người đó.	Nó được sử dụng trong tính toán rảnh tay, bản đồ hoặc điều hướng menu.

Ưu điểm của Nhận dạng giọng nói

Nó rất dễ thực hiện.

Điểm mạnh của nhận dạng giọng nói

Nó dễ bị ảnh hưởng bởi chất lượng của micrô và tiếng ồn.
Việc không kiểm soát được các yếu tố ảnh hưởng đến hệ thống đầu vào có thể làm giảm hiệu suất một cách đáng kể.
Một số hệ thống xác minh loa cũng dễ bị tấn công giả mạo thông qua giọng nói được ghi lại.

Các ứng dụng của nhận dạng giọng nói

Thực hiện các giao dịch qua điện thoại và internet.
Làm việc với các hệ thống ngân hàng và y tế dựa trên Phản hồi bằng giọng nói tương tác (IRV).
Áp dụng chữ ký âm thanh cho tài liệu số.
Trong các dịch vụ giải trí và khẩn cấp.
Trong hệ thống giáo dục trực tuyến.

Tất cả các hệ thống sinh trắc học mà chúng ta đã thảo luận cho đến bây giờ đều là đơn phương thức, lấy một nguồn thông tin duy nhất để xác thực. Như tên mô tả, hệ thống sinh trắc học đa phương thức hoạt động dựa trên việc chấp nhận thông tin từ hai hoặc nhiều đầu vào sinh trắc học.

Hệ thống sinh trắc học đa phương thức làm tăng phạm vi và sự đa dạng của thông tin đầu vào mà hệ thống lấy từ người dùng để xác thực.

Tại sao Sinh trắc học Đa phương thức là Bắt buộc?

Các hệ thống đơn phương thức phải đối mặt với nhiều thách thức khác nhau như thiếu tính bí mật, tính không phổ biến của các mẫu, mức độ thoải mái và tự do của người dùng khi xử lý hệ thống, các cuộc tấn công giả mạo vào dữ liệu được lưu trữ, v.v.

Một số thách thức này có thể được giải quyết bằng cách sử dụng hệ thống sinh trắc học đa phương thức.

Có một số lý do khác cho yêu cầu của nó, chẳng hạn như -

Sự sẵn có của nhiều đặc điểm làm cho hệ thống đa phương thức trở nên đáng tin cậy hơn.
Hệ thống sinh trắc học đa phương thức giúp tăng tính bảo mật và bí mật cho dữ liệu người dùng.
Hệ thống sinh trắc học đa phương thức tiến hành các chiến lược tổng hợp để kết hợp các quyết định từ mỗi hệ thống con và sau đó đưa ra kết luận. Điều này làm cho một hệ thống đa phương thức chính xác hơn.
Nếu bất kỳ số nhận dạng nào không hoạt động vì những lý do đã biết hoặc không xác định, hệ thống vẫn có thể cung cấp bảo mật bằng cách sử dụng số nhận dạng khác.
Các hệ thống đa phương thức có thể cung cấp kiến thức về “độ sống động” của mẫu được nhập bằng cách áp dụng các kỹ thuật phát hiện độ sống động. Điều này làm cho chúng có khả năng phát hiện và xử lý hành vi giả mạo.

Hoạt động của hệ thống sinh trắc học đa phương thức

Hệ thống sinh trắc học đa phương thức có tất cả các mô-đun thông thường mà một hệ thống đơn phương thức có -

Mô-đun chụp
Mô-đun trích xuất tính năng
Mô-đun so sánh
Mô-đun ra quyết định

Ngoài ra, nó có một kỹ thuật hợp nhất để tích hợp thông tin từ hai hệ thống xác thực khác nhau. Quá trình hợp nhất có thể được thực hiện ở bất kỳ cấp độ nào sau đây:

Trong quá trình trích xuất tính năng.
Trong quá trình so sánh các mẫu trực tiếp với các mẫu sinh trắc học được lưu trữ.
Trong quá trình ra quyết định.

Các hệ thống sinh trắc học đa phương thức tích hợp hoặc kết hợp thông tin ở giai đoạn đầu được coi là hiệu quả hơn các hệ thống tích hợp thông tin ở giai đoạn sau. Lý do rõ ràng cho điều này là, giai đoạn đầu chứa nhiều thông tin chính xác hơn so với điểm phù hợp của các mô-đun so sánh.

Các kịch bản kết hợp trong Hệ thống sinh trắc học đa phương thức

Trong một hệ thống sinh trắc học đa phương thức, có thể có sự đa dạng về số lượng các đặc điểm và thành phần. Chúng có thể như sau:

Một đặc điểm sinh trắc học, nhiều cảm biến.
Một đặc điểm sinh trắc học, nhiều bộ phân loại (ví dụ: bộ đối sánh dựa trên chi tiết nhỏ và đối sánh dựa trên kết cấu).
Đặc điểm sinh trắc học duy nhất, nhiều đơn vị (ví dụ, nhiều ngón tay).
Nhiều đặc điểm sinh trắc học của một cá nhân (giả sử, mống mắt, vân tay, v.v.)

Những đặc điểm này sau đó được vận hành để xác nhận danh tính của người dùng.

Vấn đề thiết kế với Hệ thống sinh trắc học đa phương thức

Bạn cần xem xét một số yếu tố khi thiết kế hệ thống sinh trắc học đa phương thức -

Mức độ bảo mật bạn cần mang theo.
Số lượng người dùng sẽ sử dụng hệ thống.
Các loại đặc điểm sinh trắc học bạn cần có.
Số lượng đặc điểm sinh trắc học từ người dùng.
Mức độ cần tích hợp nhiều đặc điểm sinh trắc học.
Kỹ thuật được áp dụng để tích hợp thông tin.
Sự cân bằng giữa chi phí phát triển và hiệu suất hệ thống.

Để có thể chọn một hệ thống sinh trắc học thích hợp, bạn cần phải so sánh chúng trên nhiều khía cạnh khác nhau. Bạn cần đánh giá mức độ phù hợp của hệ thống với các yêu cầu của bạn về sự tiện lợi, thông số kỹ thuật và hiệu suất của hệ thống cũng như ngân sách của bạn.

Bạn có thể chọn hệ thống sinh trắc học phù hợp nhất bằng cách nghiên cứu các tiêu chí khác nhau về hiệu quả của chúng.

Tiêu chí cho hệ thống sinh trắc học hiệu quả

Có bảy tiêu chí cơ bản để đo lường hiệu quả của hệ thống sinh trắc học -

Uniqueness- Nó xác định cách duy nhất một hệ thống sinh trắc học có thể nhận ra một người dùng từ một nhóm người dùng. Đó là một tiêu chí chính.
Universality- Nó chỉ ra yêu cầu về những đặc điểm riêng biệt của mỗi người trên thế giới, không thể sao chép được. Nó là một tiêu chí phụ.
Permanence - Nó chỉ ra rằng một đặc điểm cá nhân được ghi lại cần phải không đổi trong cơ sở dữ liệu trong một khoảng thời gian nhất định.
Collectability - Đó là sự dễ dàng mà đặc điểm của một người có thể được thu nhận, đo lường hoặc xử lý thêm.
Performance - Đó là hiệu quả của hệ thống về độ chính xác, tốc độ, khả năng xử lý lỗi và tính mạnh mẽ.
Acceptability - Đó là sự thân thiện với người dùng, hoặc mức độ chấp nhận của người dùng với công nghệ tốt đến mức họ hợp tác để thu thập và đánh giá đặc điểm sinh trắc học của họ.
Circumvention - Đó là sự dễ dàng mà một đặc điểm có thể được bắt chước bằng cách sử dụng một đồ tạo tác hoặc vật thay thế.

So sánh các phương thức sinh trắc học khác nhau

Hãy để chúng tôi so sánh tất cả hệ thống sinh trắc học theo các thuật ngữ sau:

Đặc điểm sinh trắc học	Tính phổ quát	Tính độc đáo	Tính thường xuyên	Khả năng thu thập	Hiệu suất	Khả năng chấp nhận	Circum-vention
Finger Print	Trung bình	Cao	Cao	Trung bình	Cao	Trung bình	Cao
Face Recognition	Cao	Thấp	Trung bình	Cao	Thấp	Cao	Thấp
Hand Geometry	Trung bình	Trung bình	Trung bình	Cao	Trung bình	Trung bình	Trung bình
Iris Recognition	Cao	Cao	Cao	Trung bình	Cao	Thấp	Cao
Retinal Scan	Cao	Cao	Trung bình	Thấp	Cao	Thấp	Cao
DNA	Cao	Cao	Trung bình	Cao	Cao	Thấp	Thấp
Keystroke	Cao	Thấp	Thấp	Cao	Trung bình	Cao	Cao
Signature	Thấp	Thấp	Thấp	Cao	Thấp	Cao	Thấp
Voice	Trung bình	Thấp	Thấp	Trung bình	Thấp	Cao	Thấp

Bạn có thể chọn một hệ thống sinh trắc học thích hợp tùy thuộc vào tiêu chí bạn cần xử lý như được hiển thị trong bảng.

Các nhà sản xuất hệ thống sinh trắc học yêu cầu hiệu suất hệ thống cao mà thực tế khó đạt được trong môi trường hoạt động thực tế. Các lý do có thể là, các thử nghiệm được thực hiện trong thiết lập môi trường được kiểm soát, các hạn chế về phần cứng, v.v.

Ví dụ: hệ thống nhận dạng giọng nói chỉ có thể hoạt động hiệu quả trong môi trường yên tĩnh, hệ thống nhận dạng khuôn mặt có thể hoạt động tốt nếu điều kiện ánh sáng được kiểm soát và ứng viên có thể được đào tạo để làm sạch và đặt ngón tay đúng cách trên máy quét vân tay.

Tuy nhiên, trong thực tế, các điều kiện lý tưởng như vậy có thể không có sẵn trong môi trường hoạt động mục tiêu.

Đo lường hiệu suất

Các phép đo hiệu suất của hệ thống sinh trắc học được gắn chặt với Tỷ lệ Từ chối Sai (FRR) và Tỷ lệ Chấp nhận Sai (FAR).

FRR còn được gọi là Type-I error hoặc Tỷ lệ Không trùng khớp Sai (FNMR) cho biết khả năng một người dùng hợp pháp bị hệ thống từ chối.

FAR được gọi là Type-II error hoặc Tỷ lệ Đối sánh Sai (FMR) cho biết khả năng hệ thống chấp nhận một xác nhận danh tính sai.

Một hệ thống sinh trắc lý tưởng được kỳ vọng sẽ tạo ra giá trị 0 cho cả FAR và FRR. Có nghĩa là nó phải chấp nhận tất cả người dùng chân chính và từ chối tất cả các tuyên bố danh tính giả mạo, điều này thực tế là không thể đạt được.

FAR và FRRtỉ lệ nghịch với nhau. Nếu FAR được cải thiện, thì FRR sẽ giảm. Hệ thống sinh trắc học cung cấphigh FRR ensures high security. Nếu FRR quá cao, thì hệ thống yêu cầu nhập mẫu trực tiếp nhiều lần, điều này làm cho nó kém hiệu quả hơn.

Hiệu suất của các công nghệ sinh trắc học hiện tại còn xa mức lý tưởng. Do đó, các nhà phát triển hệ thống cần phải cân bằng tốt giữa hai yếu tố này tùy thuộc vào các yêu cầu bảo mật.

Nhận dạng mẫu đề cập đến việc xác định một mẫu và xác nhận lại. Nói chung, một hình mẫu có thể là hình ảnh dấu vân tay, chữ thảo viết tay, khuôn mặt người, tín hiệu giọng nói, mã vạch hoặc trang web trên Internet.

Các mẫu riêng lẻ thường được nhóm thành nhiều loại khác nhau dựa trên thuộc tính của chúng. Khi các mẫu có cùng thuộc tính được nhóm lại với nhau, nhóm kết quả cũng là một mẫu, thường được gọi là mẫuclass.

Nhận dạng mẫu là khoa học để quan sát, phân biệt các mẫu quan tâm và đưa ra quyết định chính xác về các mẫu hoặc lớp mẫu. Do đó, một hệ thống sinh trắc học áp dụng nhận dạng mẫu để xác định và phân loại các cá thể, bằng cách so sánh nó với các mẫu được lưu trữ.

Nhận dạng mẫu trong sinh trắc học

Kỹ thuật nhận dạng mẫu thực hiện các nhiệm vụ sau:

Classification - Nhận dạng các ký tự viết tay, CAPTCHA, phân biệt con người với máy tính.
Segmentation - Phát hiện vùng văn bản hoặc vùng khuôn mặt trong hình ảnh.
Syntactic Pattern Recognition - Xác định cách một nhóm ký hiệu toán học hoặc toán tử có liên quan và cách chúng tạo thành một biểu thức có nghĩa.

Bảng sau đây nêu bật vai trò của nhận dạng mẫu trong sinh trắc học -

Nhiệm vụ nhận dạng mẫu	Đầu vào	Đầu ra
Nhận dạng ký tự (Nhận dạng chữ ký)	Tín hiệu quang học hoặc đột quỵ	Tên nhân vật
Nhận dạng loa	Tiếng nói	Danh tính của người nói
Dấu vân tay, Hình ảnh trên khuôn mặt, Hình ảnh hình học bàn tay	Hình ảnh	Danh tính của người dùng

Các thành phần của nhận dạng mẫu

Kỹ thuật nhận dạng mẫu trích xuất một mẫu đặc điểm ngẫu nhiên của con người thành một chữ ký điện tử nhỏ gọn, có thể dùng như một mã định danh sinh học. Hệ thống sinh trắc học sử dụng kỹ thuật nhận dạng mẫu để phân loại người dùng và xác định họ riêng biệt.

Các thành phần của nhận dạng mẫu như sau:

Các thuật toán phổ biến trong nhận dạng mẫu

Các thuật toán tạo mẫu phổ biến nhất là -

Thuật toán lân cận gần nhất

Bạn cần lấy vectơ của cá nhân không xác định và tính khoảng cách của nó từ tất cả các mẫu trong cơ sở dữ liệu. Khoảng cách nhỏ nhất cho kết quả phù hợp nhất.

Thuật toán lan truyền ngược (Backprop)

Nó là một thuật toán hơi phức tạp nhưng rất hữu ích liên quan đến nhiều phép tính toán học.

Có rất nhiều tín hiệu khác nhau mà chúng ta có thể nhận được trong thế giới thực như âm thanh, ánh sáng, tín hiệu radio, tín hiệu y sinh từ cơ thể người, v.v ... Tất cả những tín hiệu này đều ở dạng một dòng thông tin liên tục, được gọi là tín hiệu tương tự. Giọng nói của con người là một loại tín hiệu mà chúng ta nhận được từ thế giới thực và sử dụng làm đầu vào sinh trắc học.

Tín hiệu là gì?

Tín hiệu là một đại lượng vật lý có thể đo lường được chứa một số thông tin, có thể được truyền đạt, hiển thị, ghi lại hoặc sửa đổi.

Xử lý tín hiệu trong sinh trắc học

Có nhiều lý do khác nhau để xử lý tín hiệu. Hệ thống sinh trắc học, yêu cầu xử lý giọng nói vì nhiều lý do -

Để trích xuất thông tin có ý nghĩa từ mẫu của ứng viên.
Để loại bỏ tạp âm khỏi mẫu.
Để làm cho mẫu có thể truyền được.
Để loại bỏ sự biến dạng của mẫu.

Mô-đun xử lý tín hiệu tương tự chuyển đổi thông tin thế giới thực như sóng âm thanh dưới dạng 0s và 1s để làm cho nó dễ hiểu và có thể sử dụng được bởi các hệ thống kỹ thuật số hiện đại như hệ thống sinh trắc học. Các tổ hợp phím, hình học bàn tay, chữ ký và giọng nói thuộc lĩnh vực xử lý tín hiệu và nhận dạng mẫu.

Hệ thống xử lý tín hiệu kỹ thuật số (DSP)

Có hai loại tín hiệu - tương tự và kỹ thuật số. Các tín hiệu tương tự là dòng thông tin liên tục, không bị gián đoạn trong khi tín hiệu kỹ thuật số là dòng 0s và 1s.

Hệ thống DSP là một trong những thành phần quan trọng của hệ thống sinh trắc học, chuyển đổi tín hiệu tương tự thành một dòng giá trị kỹ thuật số rời rạc bằng cách lấy mẫu và số hóa bằng Bộ chuyển đổi tương tự sang số (ADC).

DSP là máy vi tính kỹ thuật số chip đơn, xử lý tín hiệu điện được tạo ra bởi cảm biến điện tử từ máy ảnh, cảm biến vân tay, micrô, v.v.

DSP trong Sinh trắc học

Một DSP cho phép hệ thống sinh trắc học nhỏ và dễ di chuyển, hoạt động hiệu quả và ít tốn kém hơn.

Kiến trúc DSP được xây dựng để hỗ trợ các thuật toán toán học phức tạp liên quan đến một lượng lớn phép nhân và phép cộng. DSP có thể thực hiện phép nhân / cộng trong một chu kỳ duy nhất với sự trợ giúp của phần cứng nhân / tích lũy (MAC) bên trong Đơn vị logic số học (ALU) của nó.

Nó cũng có thể nâng cao độ phân giải của hình ảnh đã chụp với việc sử dụng Biến đổi Fourier nhanh (FFT) hai chiều và bộ lọc IR hữu hạn.

Hình ảnh có một tỷ trọng rất lớn trong thời đại thông tin. Trong sinh trắc học, việc xử lý hình ảnh được yêu cầu để xác định một cá nhân có hình ảnh sinh trắc học được lưu trữ trong cơ sở dữ liệu trước đó. Khuôn mặt, dấu vân tay, mống mắt, v.v., là sinh trắc học dựa trên hình ảnh, đòi hỏi kỹ thuật xử lý hình ảnh và nhận dạng mẫu.

Để một hệ thống sinh trắc học dựa trên hình ảnh hoạt động chính xác, nó cần phải có hình ảnh mẫu sinh trắc học của người dùng ở dạng rất rõ ràng và không bị tạp nhiễm.

Yêu cầu xử lý hình ảnh trong sinh trắc học

Hình ảnh sinh trắc học của người dùng được đưa vào hệ thống sinh trắc học. Hệ thống được lập trình để xử lý hình ảnh bằng các phương trình, sau đó lưu trữ kết quả tính toán cho từng pixel.

Để tăng cường có chọn lọc các tính năng tốt nhất định trong dữ liệu và loại bỏ nhiễu nhất định, dữ liệu kỹ thuật số phải trải qua các hoạt động xử lý hình ảnh khác nhau.

Các phương pháp xử lý ảnh có thể được nhóm thành ba loại chức năng:

Khôi phục hình ảnh

Phục hồi hình ảnh chủ yếu bao gồm -

Giảm nhiễu được đưa vào ảnh tại thời điểm lấy mẫu.
Loại bỏ các biến dạng xuất hiện trong quá trình đăng ký sinh trắc học.

Làm mịn hình ảnh giúp giảm nhiễu trong hình ảnh. Làm mịn được thực hiện bằng cách thay thế từng pixel bằng giá trị trung bình bằng pixel lân cận. Hệ thống sinh trắc học sử dụng các thuật toán lọc và kỹ thuật giảm nhiễu khác nhau như Lọc trung vị, Lọc thích ứng, Biểu đồ thống kê, Biến đổi Wavelet, v.v.

Nâng cao hình ảnh

Các kỹ thuật nâng cao hình ảnh cải thiện khả năng hiển thị của bất kỳ phần hoặc đặc điểm nào của hình ảnh và ngăn chặn thông tin trong các phần khác. Nó chỉ được thực hiện sau khi hoàn thành phục hồi. Nó bao gồm làm sáng, làm sắc nét, điều chỉnh độ tương phản, v.v., để hình ảnh có thể sử dụng để xử lý thêm.

Khai thác tính năng

Hai loại tính năng được trích xuất từ hình ảnh, đó là -

General features - Các đặc điểm như hình dạng, kết cấu, màu sắc, ... được sử dụng để mô tả nội dung của hình ảnh.
Domain-specific features - Chúng là các tính năng phụ thuộc vào ứng dụng như khuôn mặt, mống mắt, vân tay, v.v. Bộ lọc Gabor được sử dụng để trích xuất các tính năng.

Khi các tính năng được trích xuất từ hình ảnh, bạn cần chọn một bộ phân loại phù hợp. Bộ phân loại được sử dụng rộng rãiNearest Neighbor classifier, so sánh vectơ đặc trưng của hình ảnh ứng cử viên với vectơ của ảnh được lưu trữ trong cơ sở dữ liệu.

B-Splineslà các phép gần đúng được áp dụng để mô tả các mẫu đường cong trong hệ thống sinh trắc học dấu vân tay. Các hệ số của B-Splines được sử dụng làm đối tượng địa lý. Trong trường hợp hệ thống nhận dạng mống mắt, hình ảnh của mống mắt được phân tách bằng cách sử dụng Biến đổi Wavelet rời rạc (DWT) và các hệ số DWT sau đó được sử dụng làm đặc điểm.

Các hoạt động của một hệ thống sinh trắc học phụ thuộc nhiều vào các thiết bị đầu vào bị giới hạn hoạt động. Đôi khi, bản thân các thiết bị có thể không thu được các mẫu đầu vào cần thiết. Họ có thể không chụp đủ mẫu. Điều này làm cho hệ thống không đáng tin cậy và dễ bị tấn công.

Hệ thống sinh trắc học càng dễ bị tấn công thì càng không an toàn.

Lỗ hổng hệ thống sinh trắc học

Có hai nguyên nhân chính gây ra lỗ hổng hệ thống sinh trắc học -

Lỗi hệ thống

Có hai cách mà hệ thống sinh trắc học có thể không hoạt động -

Intrinsic failures - Đó là các lỗi như cảm biến không hoạt động, lỗi khai thác tính năng, đối sánh hoặc mô-đun ra quyết định, v.v.
Failures due to attacks - Đó là do sơ hở trong thiết kế hệ thống sinh trắc học, tính sẵn có của bất kỳ tính toán nào đối với những kẻ tấn công, các cuộc tấn công nội gián từ các quản trị viên hệ thống phi đạo đức, v.v.

Cơ sở hạ tầng không an toàn

Hệ thống sinh trắc học có thể bị truy cập bởi những người dùng độc hại nếu phần cứng, phần mềm và dữ liệu người dùng của nó không được bảo vệ.

Rủi ro với Bảo mật Hệ thống Sinh trắc học

Tính bảo mật của hệ thống sinh trắc học rất quan trọng vì dữ liệu sinh trắc học không dễ thu hồi hoặc thay thế. Có những rủi ro nổi bật sau liên quan đến bảo mật của hệ thống sinh trắc học -

Rủi ro dữ liệu người dùng bị đánh cắp

Nếu hệ thống sinh trắc học dễ bị tấn công, hacker có thể vi phạm tính bảo mật của hệ thống và thu thập dữ liệu người dùng được ghi lại trong cơ sở dữ liệu. Nó tạo ra nhiều mối nguy hiểm hơn đối với quyền riêng tư.

Rủi ro dữ liệu người dùng bị xâm phạm

Sau khi có được mẫu sinh trắc học, hacker có thể đưa ra một mẫu giả cho hệ thống. Nếu dữ liệu người dùng bị xâm phạm, dữ liệu đó vẫn bị xâm phạm mãi mãi. Lý do rõ ràng là, người dùng chỉ có một số lượng sinh trắc học giới hạn và chúng rất khó thay thế, không giống như mật khẩu hoặc thẻ ID.

Mặc dù dữ liệu sinh trắc học được mã hóa và lưu trữ, nó cần được giải mã để phù hợp với mục đích. Tại thời điểm kết hợp, tin tặc có thể vi phạm bảo mật.

Bảo mật hệ thống sinh trắc học

Một số giải pháp được đưa ra để giải quyết vấn đề bảo mật hệ thống sinh trắc học. Các mẫu sinh trắc học không bao giờ được lưu trữ ở dạng thô. Chúng được mã hóa; đôi khi thậm chí gấp đôi.

Trong trường hợp sinh trắc học, có nhiều tài nguyên khác nhau liên quan như con người (đối tượng hoặc ứng cử viên), thực thể (thành phần hệ thống hoặc quy trình) và dữ liệu sinh trắc học (thông tin). Các yêu cầu bảo mật củaconfidentiality, integrity, authenticity, non-repudiationvà availabilityrất cần thiết trong sinh trắc học. Hãy để chúng tôi lướt qua chúng một cách ngắn gọn -

Tính xác thực

Đó là chất lượng hoặc trạng thái nguyên chất, chính hãng, hoặc nguyên bản, chứ không phải được sao chép. Thông tin là xác thực khi ở cùng trạng thái và chất lượng khi được tạo, lưu trữ hoặc chuyển giao.

Có hai tính xác thực trong hệ thống sinh trắc học - entity authenticity và data origin authenticity. Tính xác thực của thực thể xác nhận rằng tất cả các thực thể tham gia vào quá trình xử lý tổng thể là những thực thể mà họ yêu cầu. Tính xác thực nguồn gốc dữ liệu đảm bảo tính xác thực và nguyên bản của dữ liệu. Ví dụ, dữ liệu sinh trắc học được thu thập bằng các thiết bị cảm biến. Dữ liệu thu được từ cảm biến chính hãng không bị giả mạo từ bản ghi trước đó.

Bảo mật

Nó đang hạn chế quyền truy cập và tiết lộ thông tin cho những người dùng được ủy quyền và ngăn chặn việc truy cập hoặc tiết lộ cho những người không được phép. Trong trường hợp của hệ thống sinh trắc học, nó chủ yếu đề cập đến thông tin xác thực sinh trắc học và liên quan khi nó được thu thập và lưu trữ, cần được giữ bí mật với các thực thể trái phép.

Thông tin sinh trắc học chỉ nên được truy cập hoàn toàn đối với người thuộc về nó. Trong quá trình xác định và thay đổi, ứng viên truy cập cần được hạn chế bằng các biện pháp bảo mật thích hợp.

Chính trực

Điều kiện của sự hoàn chỉnh và không bị thay đổi liên quan đến tính nhất quán, chính xác và đúng đắn của nó. Đối với một hệ thống sinh trắc học, tính toàn vẹn phải cao. Mọi thao tác xấu trong quá trình vận hành và lưu trữ cần được tránh xa hoặc phát hiện sớm nhất bằng cách thông báo và sửa lỗi.

Không bác bỏ

Đó là xác định các tài nguyên liên quan như các thực thể và các thành phần. Nó cũng được coi là trách nhiệm giải trình. Ví dụ: nó cấm người gửi hoặc người nhận thông tin sinh trắc học từ chối việc gửi hoặc nhận thông tin sinh trắc học.

khả dụng

Tài nguyên có thuộc tính khả dụng đối với một tập hợp các thực thể nếu tất cả các thành viên của tập hợp có thể truy cập tài nguyên. Một khía cạnh được gọi làreachability đảm bảo rằng con người hoặc quy trình hệ thống có thể được hoặc không thể liên lạc, tùy thuộc vào lợi ích của người dùng.

Những kẻ tấn công có thể làm cho hệ thống không sử dụng được đối với người dùng chính hãng, do đó ngăn họ sử dụng các ứng dụng đã được xác thực. Những kẻ tấn công này nhắm vào sự sẵn có của thông tin.

Tiêu chí tạo mẫu sinh trắc học

Dưới đây là các tiêu chí để tạo các mẫu sinh trắc học -

Đảm bảo rằng mẫu đến từ một ứng cử viên của con người và được thu thập bởi một cảm biến và phần mềm chính hãng.
Bảo mật mẫu sinh trắc học bằng mã hóa với các thuộc tính không thể đảo ngược. Điều này gây khó khăn cho tin tặc trong việc tính toán thông tin sinh trắc học ban đầu từ mẫu an toàn.
Tạo một unlikable (unique)mẫu sinh trắc học. Một hệ thống sinh trắc học sẽ không thể truy cập vào mẫu của cùng một ứng cử viên được ghi vào một hệ thống sinh trắc học khác. Trong trường hợp nếu một tin tặc quản lý để lấy một mẫu sinh trắc học từ một hệ thống sinh trắc học, thì anh ta sẽ không thể sử dụng mẫu này để truy cập thông qua một hệ thống sinh trắc học khác mặc dù cả hai lần xác minh có thể dựa trên cùng một mẫu sinh trắc học của ứng viên. Hơn nữa, một hệ thống sinh trắc học không thể liên kết nên không thể lấy được bất kỳ thông tin nào dựa trên mối quan hệ giữa hai mẫu.
Tạo ra một cancellable và renewablebản mẫu. Nó nhấn mạnh vào khả năng hủy hoặc hủy kích hoạt mẫu bị xâm phạm và tái tạo một mẫu khác, theo cách tương tự như một thẻ thông minh bị mất hoặc bị đánh cắp có thể được sao chép.
Các đặc điểm "có thể tái tạo" và "không thể liên kết" đạt được thông qua salting techniques. Salting bổ sung dữ liệu duy nhất được tạo ngẫu nhiên được gọi là 'muối' vào thông tin ban đầu để làm cho nó khác biệt với những thông tin khác.
Thiết kế độ chính xác của hệ thống sinh trắc học đối với cả FAR và FRR.
Lựa chọn một thuật toán mã hóa phù hợp một cách cẩn thận. Một số thuật toán có thể khuếch đại các biến thể thậm chí nhỏ vốn có trong dữ liệu sinh trắc học của một cá nhân, điều này có thể dẫn đến FRR cao hơn.
Sử dụng một kỹ thuật mã hóa quan trọng như hashing method, hiệu quả khi một hoán vị khác được áp dụng với mỗi lần tạo mẫu. Các hoán vị khác nhau đảm bảo tính duy nhất của mỗi mẫu mặc dù sử dụng cùng một dữ liệu sinh trắc học đầu vào.
Sử dụng một kế hoạch bảo vệ hiệu quả để nâng cao performance của hệ thống.

Rất nhiều nghiên cứu và phát triển đang được thực hiện nhằm hướng tới tính bảo mật và quyền riêng tư của dữ liệu sinh trắc học.