Moderni tiede ei pysy paikallaan. Yhä useammin laitteilta vaaditaan laadukasta suojausta, jotta ne vahingossa h altuunsa saanut ei pysty hyödyntämään tietoja täysimääräisesti. Lisäksi menetelmiä tietojen suojaamiseksi luvattom alta käytöltä ei käytetä vain jokapäiväisessä elämässä.
Salasanojen digitaalisessa muodossa syöttämisen lisäksi käytetään yksilöllisempiä biometrisiä turvajärjestelmiä.
Mikä tämä on?
Aiemmin tällaista järjestelmää käytettiin vain rajoitetuissa tapauksissa tärkeimpien strategisten kohteiden suojaamiseen.
Sitten 11. syyskuuta 2011 jälkeen tulimme siihen tulokseen, että tätä tapaa suojata tietoja ja pääsyä voidaan soveltaa paitsi näillä alueilla myös muilla alueilla.
Siksi ihmisten tunnistamistekniikoista on tullut välttämättömiä useissa petosten ja terrorismin torjuntamenetelmissä sekä seuraavilla aloilla:
- biometriset järjestelmät pääsyä varten viestintätekniikoihin, verkko- ja tietokonetietokantoihin;
-tietokanta;
- pääsynhallinta tietovarastoihin jne.
Jokaisella ihmisellä on joukko ominaisuuksia, jotka eivät muutu ajan myötä, tai joita voidaan muuttaa, mutta jotka kuuluvat vain tietylle henkilölle. Tässä suhteessa voidaan erottaa seuraavat näissä teknologioissa käytettävien biometristen järjestelmien parametrit:
- dynaaminen - käsinkirjoituksen, äänen jne. ominaisuudet;
- staattinen - sormenjäljet, korvien valokuvaus, verkkokalvon skannaus ja muut.
Tulevaisuudessa biometriset tekniikat korvaavat tavanomaiset menetelmät henkilöiden todentamiseksi passilla, sillä upotetut sirut, kortit ja vastaavat tieteellisen teknologian innovaatiot esitellään paitsi tässä asiakirjassa myös muissa.
Pieni poikkeama tunnistusmenetelmistä:
- Tunnistus - yksi moniin; näytettä verrataan kaikkiin saatavilla oleviin tiettyjen parametrien mukaan.
- Todennus - yksi yhteen; näytettä verrataan aiemmin saatuun materiaaliin. Tällöin henkilö voi olla tiedossa, hänen saatuja tietoja verrataan tämän henkilön tietokannassa olevaan näyteparametriin;
Kuinka biometriset turvajärjestelmät toimivat
Jotta luoda perusta tietylle henkilölle, on tarpeen ottaa huomioon hänen biologiset yksilölliset parametrinsa erityisellä laitteella.
Järjestelmä muistaa vastaanotetun biometrisen näytteen (kirjoitusprosessi). Tässä tapauksessa saattaa olla tarpeen ottaa useita näytteitä tarkemman kokoamiseksiparametrin ohjausarvo. Järjestelmän vastaanottamat tiedot muunnetaan matemaattiseksi koodiksi.
Näytteen luomisen lisäksi järjestelmä voi pyytää lisätoimenpiteitä henkilökohtaisen tunnisteen (PIN-koodin tai älykortin) ja biometrisen näytteen yhdistämiseksi. Myöhemmin, kun osuma skannataan, järjestelmä vertaa vastaanotettuja tietoja vertaamalla matemaattista koodia jo tallennettuihin. Jos ne täsmäävät, se tarkoittaa, että todennus onnistui.
Mahdolliset virheet
Järjestelmä saattaa tuottaa virheitä toisin kuin salasanojen tai elektronisten avainten tunnistaminen. Tässä tapauksessa erotetaan seuraavan tyyppiset virheelliset tiedot:
- tyypin 1 virhe: väärä käyttönopeus (FAR) - yksi henkilö voidaan sekoittaa toiseen;
- tyypin 2 virhe: False Rejection Rate (FRR) – henkilöä ei tunnisteta järjestelmässä.
Esimerkiksi tämän tason virheiden poissulkemiseksi on välttämätöntä ylittää FAR- ja FRR-indikaattorit. Tämä on kuitenkin mahdotonta, koska se edellyttäisi henkilön tunnistamista DNA:lla.
Sormenjäljet
Tällä hetkellä tunnetuin menetelmä on biometria. Saatuaan passin nykyaikaisten Venäjän kansalaisten on otettava sormenjäljet henkilökohtaiseen korttiin.
Tämä menetelmä perustuu sormien papillaarikuvion ainutlaatuisuuteen, ja sitä on käytetty melko pitkään, oikeuslääketieteellisistä tutkimuksista alkaen(daktyloskopia). Skannaamalla sormia järjestelmä muuntaa näytteen eräänlaiseksi koodiksi, jota sitten verrataan olemassa olevaan tunnisteeseen.
Tietonkäsittelyalgoritmit käyttävät pääsääntöisesti tiettyjen sormenjälkiä sisältävien pisteiden yksittäistä sijaintia - haarukat, kuvioviivan pää jne. Kuvan muuntamiseen koodiksi ja tuloksen antamiseen kuluva aika on yleensä noin 1 sekunti.
Laitteet, mukaan lukien ohjelmistot niitä varten, valmistetaan tällä hetkellä kompleksissa ja ne ovat suhteellisen edullisia.
Virheitä tapahtuu skannattaessa sormia (tai molempia käsiä) melko usein, jos:
- Sormissa on epätavallista kosteutta tai kuivuutta.
- Kädet käsitelty kemikaaleilla, jotka vaikeuttavat tunnistamista.
- Mikrohalkeamia tai naarmuja on.
- Tietoa on laaja ja jatkuva. Tämä on mahdollista esimerkiksi yrityksessä, jossa työpaikalle pääsy tapahtuu sormenjälkitunnistimella. Koska ihmisvirta on suuri, järjestelmä voi epäonnistua.
Tunnetuimmat sormenjälkien tunnistusjärjestelmiä käsittelevät yritykset: Bayometric Inc., SecuGen. Venäjällä he työskentelevät tämän parissa: Sonda, BioLink, SmartLock ja muut.
Silmän iiris
Kuorikuvio muodostuu 36 viikon sikiön kehityksestä, muodostuu kahdessa kuukaudessa eikä muutu koko elämän ajan. Biometriset iiriksen tunnistusjärjestelmät eivät olevain tarkin muiden joukossa tässä sarjassa, mutta myös yksi kalleimmista.
Menetelmän etuna on, että skannaus eli kuvanotto voi tapahtua sekä 10 cm:n että 10 metrin etäisyydellä.
Kuvaa kiinnitettäessä tiedot silmän iiriksen tiettyjen pisteiden sijainnista välitetään laskimeen, joka antaa sitten tietoa toleranssin mahdollisuudesta. Ihmisen iiriksen tietojenkäsittelynopeus on noin 500 ms.
Tällä hetkellä biometristen markkinoiden tunnistusjärjestelmä kattaa enintään 9 % tällaisten tunnistusmenetelmien kokonaismäärästä. Samaan aikaan sormenjälkiteknologian markkinaosuus on yli 50 %.
Skannerit, jotka mahdollistavat silmän iiriksen sieppaamisen ja käsittelyn, ovat rakenteeltaan ja ohjelmistoltaan melko monimutkaisia, ja siksi tällaisille laitteille asetetaan korkea hinta. Lisäksi Iridian oli alun perin monopoli ihmisen iiriksen tunnistusjärjestelmien tuotannossa. Sitten markkinoille alkoi tulla muita suuria yrityksiä, jotka jo harjoittivat komponenttien tuotantoa erilaisiin laitteisiin.
Tällä hetkellä Venäjällä on siis seuraavat yritykset, jotka muodostavat ihmisen tunnistusjärjestelmiä silmän iiriksen perusteella: AOptix, SRI International. Nämä yritykset eivät kuitenkaan tarjoa indikaattoreita 1. ja 2. tyyppisten virheiden määrästä, joten ei ole tosiasia, että järjestelmä ei ole suojattu väärennöksiltä.
Kasvojen geometria
On olemassa biometrisiä järjestelmiäkasvojentunnistukseen liittyvä turvallisuus 2D- ja 3D-tiloissa. Yleisesti uskotaan, että jokaisen ihmisen kasvonpiirteet ovat ainutlaatuisia eivätkä muutu elämän aikana. Ominaisuudet, kuten tiettyjen pisteiden väliset etäisyydet, muoto jne. pysyvät ennallaan.
2D-tila on staattinen tunnistusmenetelmä. Kuvaa kiinnitettäessä on välttämätöntä, että henkilö ei liikkunut. Tausta, viikset, parta, kirkas valo ja muut tekijät, jotka estävät järjestelmää tunnistamasta kasvoja, ovat myös tärkeitä. Tämä tarkoittaa, että mahdollisista epätarkkuuksista tulos on virheellinen.
Tällä hetkellä tämä menetelmä ei ole kovin suosittu alhaisen tarkkuutensa vuoksi ja sitä käytetään vain multimodaalisessa (risti)biometriassa, joka on yhdistelmä tapoja tunnistaa henkilö kasvojen ja äänen perusteella samanaikaisesti. Biometriset turvajärjestelmät voivat sisältää muita moduuleja - DNA:ta, sormenjälkiä ja muita. Lisäksi ristimenetelmä ei vaadi kontaktia tunnistettavaan henkilöön, jolloin voit tunnistaa ihmiset teknisillä laitteilla tallennetun kuvan ja äänen perusteella.
3D-menetelmällä on täysin erilaiset syöttöparametrit, joten sitä ei voi verrata 2D-tekniikkaan. Kuvaa tallennettaessa käytetään dynaamisia kasvoja. Järjestelmä, joka ottaa jokaisen kuvan, luo 3D-mallin, johon saatuja tietoja sitten verrataan.
Tässä tapauksessa käytetään erityistä ruudukkoa, joka heijastetaan henkilön kasvoille. Biometriset turvajärjestelmät, jotka tekevät useita kehyksiä pertoiseksi käsittele kuva niihin sisältyvällä ohjelmistolla. Kuvan luomisen ensimmäisessä vaiheessa ohjelmisto hylkää sopimattomat kuvat, joissa kasvot eivät ole selvästi näkyvissä tai joissa on toissijaisia esineitä.
Sitten ohjelma havaitsee ja jättää huomioimatta ylimääräiset kohteet (lasit, hiustyyli jne.). Kasvojen antropometriset piirteet korostetaan ja muistetaan, jolloin syntyy ainutlaatuinen koodi, joka syötetään erityiseen tietovarastoon. Kuvanottoaika on noin 2 sekuntia.
Huolimatta 3D-menetelmän eduista 2D-menetelmään verrattuna, kaikki merkittävät kasvojen häiriöt tai muutokset kasvojen ilmeissä heikentävät tämän tekniikan tilastollista luotettavuutta.
Nykyään biometrisiä kasvojentunnistustekniikoita käytetään yhdessä tunnetuimpien edellä kuvattujen menetelmien kanssa, ja niiden osuus on noin 20 % koko biometrisen teknologian markkinoista.
Yritykset, jotka kehittävät ja ottavat käyttöön kasvojentunnistustekniikkaa: Geometrix, Inc., Bioscrypt, Cognitec Systems GmbH. Venäjällä asian parissa työskentelevät seuraavat yritykset: Artec Group, Vocord (2D-menetelmä) ja muut pienemmät valmistajat.
Kämmensuonet
Noin 10-15 vuotta sitten syntyi uusi biometrisen tunnistamisen tekniikka – tunnistus käden suonista. Tämä tuli mahdolliseksi, koska veren hemoglobiini imee intensiivisesti infrapunasäteilyä.
Erityinen IR-kamera kuvaa kämmenen, jolloin kuvassa näkyy suoniverkko. Ohjelmisto käsittelee tämän kuvan ja tulos palautetaan.
Käsivarren suonten sijainti on verrattavissa silmän iiriksen ominaisuuksiin - niiden linjat ja rakenne eivät muutu ajan myötä. Tämän menetelmän luotettavuus voidaan myös korreloida tulosten kanssa, jotka on saatu tunnistuksen aikana iiriksen avulla.
Sinun ei tarvitse ottaa yhteyttä lukijaan kuvan ottamiseksi, mutta tämän nykyisen menetelmän käyttäminen edellyttää joidenkin ehtojen täyttymistä, jotta saadaan mahdollisimman tarkka tulos: sitä on mahdotonta saada, jos esim. kuvaamassa kättä kadulla. Myöskään skannauksen aikana et voi sytyttää kameraa. Lopputulos on epätarkka, jos esiintyy ikään liittyviä sairauksia.
Menetelmän levinneisyys markkinoilla on vain noin 5 %, mutta sitä kohtaan ovat kiinnostuneet suuret yritykset, jotka ovat jo kehittäneet biometrisiä teknologioita: TDSi, Veid Pte. Ltd., Hitachi VeinID.
Retina
Verkkokalvon pinnalla olevien kapillaarikuvioiden skannausta pidetään luotettavimpana tunnistusmenetelmänä. Siinä yhdistyvät biometristen ihmisen tunnistustekniikoiden parhaat ominaisuudet, jotka perustuvat silmien iirikseen ja käden suoniin.
Ainoa kerta, kun menetelmä voi antaa epätarkkoja tuloksia, on kaihi. Pohjimmiltaan verkkokalvon rakenne on muuttumaton koko elämän ajan.
Tämän järjestelmän haittana on, että verkkokalvon skannaus suoritetaan, kun henkilö ei liiku. Sovellukseltaan monimutkainen tekniikka tarjoaa pitkän käsittelyajan.
Korkeiden kustannusten vuoksi biometristä järjestelmää ei käytetä laaj alti, mutta se antaa tarkimmat tulokset kaikista markkinoiden ihmisominaisuuksien skannausmenetelmistä.
Kädet
Aiemmin suosittu käsigeometrisen tunnistusmenetelmän käyttö vähenee, koska se antaa huonoimman tuloksen muihin menetelmiin verrattuna. Skannauksen aikana sormet valokuvataan, niiden pituus, solmujen välinen suhde ja muut yksittäiset parametrit määritetään.
Korvan muoto
Asiantuntijat sanovat, että kaikki olemassa olevat tunnistusmenetelmät eivät ole yhtä tarkkoja kuin henkilön tunnistaminen korvan muodon perusteella. On kuitenkin olemassa tapa määrittää persoonallisuus DNA:lla, mutta tässä tapauksessa on läheinen kosketus ihmisiin, joten sitä pidetään epäeettisenä.
Tutkija Mark Nixon Iso-Britanniasta väittää, että tämän tason menetelmät ovat uuden sukupolven biometrisiä järjestelmiä, ne antavat tarkimmat tulokset. Toisin kuin verkkokalvolla, iiriksellä tai sormilla, joihin voi todennäköisimmin ilmaantua tunnistamista vaikeuttavia vieraita parametreja, tätä ei tapahdu korvissa. Lapsuudessa muodostunut korva vain kasvaa muuttamatta pääkohtiaan.
Keksijä kutsui menetelmää henkilön tunnistamiseksi kuuloelimen perusteella "kuvasäteen muunnokseksi". Tämä tekniikka sisältää kuvan sieppaamisen erivärisillä säteillä, jotka sitten muunnetaan matemaattiseksi koodiksi.
Tieteilijan mukaan hänen menetelmällään on kuitenkin myös kielteisiä puolia. Vastaanottajaesimerkiksi korvat peittävät hiukset, väärä kulma ja muut epätarkkuudet voivat häiritä selkeän kuvan saamista.
Korvan skannaustekniikka ei korvaa tunnettua ja tuttua tunnistusmenetelmää, kuten sormenjälkiä, mutta sitä voidaan käyttää sen kanssa.
Tämän uskotaan lisäävän ihmisen tunnistamisen luotettavuutta. Erityisen tärkeää on erilaisten menetelmien (multimodaalinen) yhdistäminen rikollisten sieppaamiseen, tutkija uskoo. Kokeiden ja tutkimuksen tuloksena he toivovat voivansa luoda ohjelmiston, jota käytetään tuomioistuimessa tunnistamaan yksiselitteisesti tekijät kuvasta.
Ihmisääni
Henkilökohtainen tunnistaminen voidaan suorittaa sekä paikallisesti että etänä käyttämällä puheentunnistustekniikkaa.
Kun puhutaan esimerkiksi puhelimessa, järjestelmä vertaa tätä parametria tietokannassa oleviin parametreihin ja löytää samanlaisia näytteitä prosentteina. Täydellinen vastaavuus tarkoittaa, että henkilöllisyys on määritetty, eli äänitunnistus on tapahtunut.
Jotta pääset käsiksi mihinkään perinteisellä tavalla, tiettyihin turvakysymyksiin on vastattava. Tämä on numerokoodi, äidin tyttönimi ja muut tekstisalasanat.
Nykyaikainen tutkimus tällä alalla osoittaa, että nämä tiedot on melko helppo saada käsiinsä, joten tunnistusmenetelmiä, kuten puhebiometrisiä tietoja, voidaan käyttää. Tässä tapauksessa varmennettavana ei ole koodien tuntemus, vaan henkilön persoonallisuus.
SiitäTätä varten asiakkaan täytyy sanoa jokin koodilause tai alkaa puhua. Järjestelmä tunnistaa soittajan äänen ja tarkistaa, kuuluuko se tälle henkilölle – onko hän se, joka väittää olevansa.
Tällaiset biometriset tietoturvajärjestelmät eivät vaadi kalliita laitteita, tämä on niiden etu. Lisäksi sinulla ei tarvitse olla erityisiä tietoja suorittaaksesi järjestelmän ääniskannauksen, koska laite tuottaa itsenäisesti tuloksen "true - false" -tyypissä.
Ääni voi kuitenkin muuttua joko iän tai sairauden myötä, joten menetelmä on luotettava vain, kun kaikki on kunnossa tällä parametrilla. Tulosten tarkkuuteen voi lisäksi vaikuttaa ulkopuolinen melu.
Käsikirjoitus
Henkilön tunnistaminen kirjeiden kirjoitustavasta tapahtuu melkein kaikilla elämänalueilla, joille on tarpeen laittaa allekirjoitus. Näin tapahtuu esimerkiksi pankissa, kun asiantuntija vertaa tiliä avattaessa saatua näytettä seuraavan käynnin aikana kiinnitettyihin allekirjoituksiin.
Tämän menetelmän tarkkuus ei ole korkea, koska tunnistaminen ei tapahdu matemaattisen koodin avulla, kuten edellisissä, vaan yksinkertaisella vertailulla. Subjektiivinen havainto on korkealla tasolla. Lisäksi käsiala muuttuu suuresti iän myötä, mikä usein vaikeuttaa sen tunnistamista.
Tässä tapauksessa on parempi käyttää automaattisia järjestelmiä, joiden avulla voit määrittää paitsi näkyvät vastaavuudet myös muut sanojen oikeinkirjoituksen erityispiirteet, kuten k altevuus,pisteiden välinen etäisyys ja muut ominaispiirteet.
