Multi-eniga rekono: Kombinante malsamajn biometrikajn informojn

• Aŭtoro:
• Aŭtora nomo

  Quantumrun Foresight
• Februaro 24, 2023

Serĉi unikajn identigajn trajtojn sub la surfaco de la haŭto estas saĝa maniero identigi homojn. Hararanĝoj kaj okulkoloroj povas esti ŝanĝitaj aŭ maskitaj facile, sed estas preskaŭ neeble por iu ŝanĝi sian vejnan strukturon, ekzemple. Biometria aŭtentigo ofertas plian tavolon de sekureco ĉar ĝi postulas vivantajn homojn.

Multi-eniga rekonkunteksto

Plurmodalaj biometrikaj sistemoj estas uzataj pli ofte ol unumodaj en praktikaj aplikoj ĉar ili ne havas la samajn vundeblecojn, kiel trafitaj per datenbruo aŭ parodiado. Tamen, unumodaj sistemoj, kiuj dependas de ununura fonto de informoj por identigo (ekz., iriso, vizaĝo), estas popularaj en registaraj kaj civilaj sekurecaj aplikoj malgraŭ esti konataj kiel nefidindaj kaj malefikaj.

Pli sekura maniero certigi identecaŭtentikigon estas kombini ĉi tiujn unumodalajn sistemojn por venki iliajn individuajn limojn. Aldone, multmodaj sistemoj povas pli efike rekruti uzantojn kaj disponigi pli grandan precizecon kaj reziston al neaŭtorizita aliro.

Laŭ studo de 2017 de la Universitato de Bradford, desegni kaj efektivigi multimodan biometrian sistemon estas ofte malfacila, kaj multaj aferoj, kiuj povus ege influi la rezulton, devas esti pripensitaj. Ekzemploj de tiuj defioj estas la kosto, precizeco, haveblaj resursoj de biometriaj trajtoj, kaj fuziostrategio estantaj uzitaj. 

La plej decida afero por multmodaj sistemoj estas elekti kiuj biometrikaj trajtoj estos plej efikaj kaj trovi efikan manieron kunfandi ilin. En multmodaj biometrikaj sistemoj, se la sistemo funkciigas en identiga reĝimo, tiam la produktaĵo de ĉiu klasigilo povas esti vidita kiel rango de rekrutitaj kandidatoj, listo reprezentanta ĉiujn eblajn matĉojn ordigitajn per la fidnivelo.

Disrompa efiko

Multi-eniga rekono akiris popularecon pro la malsamaj iloj disponeblaj por mezuri alternativan biometrikon. Dum ĉi tiuj teknologioj progresas, eblos fari identigon pli sekura, ĉar vejnoj kaj irisaj ŝablonoj ne povas esti hakitaj aŭ ŝtelitaj. Pluraj kompanioj kaj esplorinstitucioj jam disvolvas mult-enigajn ilojn por grandskala deplojo. 

Ekzemplo estas la dufaktora aŭtentikigsistemo de la Nacia Tajvana Universitato de Scienco kaj Teknologio kiu rigardas skelettopologiojn kaj fingrovejnpadronojn. Fingra vejna biometriko (angia biometrio aŭ vejna skanado) uzas unikajn vejnajn ŝablonojn en la fingroj de persono por identigi ilin. Ĉi tiu metodo estas ebla ĉar sango enhavas hemoglobinon, kiu montras malsamajn kolorojn kiam eksponite al preskaŭ-infraruĝa aŭ videbla lumo. Kiel rezulto, la biometria leganto povas skani kaj ciferecigi la apartajn vejnajn ŝablonojn de la uzanto antaŭ stoki ilin sur sekura servilo.

Dume, Imageware, bazita en San Francisco, uzas multoblajn biometrikojn por aŭtentigaj celoj. Administrantoj povas elekti unu biometrikon aŭ kombinaĵon de biometriko kiam efektivigas la platforman sekurecan mezuron. La specoj de biometriko, kiuj povas esti uzataj kun ĉi tiu servo, inkluzivas irisan rekonon, vizaĝskanadon, voĉidentigon, palmvejnajn skaniloj kaj fingrospurlegantojn.

Kun la multmodala biometriko de ImageWare Systems, uzantoj povas aŭtentikigi sian identecon ie ajn kaj sub iuj kondiĉoj. Federacia ensaluto signifas, ke uzantoj ne devas krei novajn akreditaĵojn por ĉiu komerco aŭ platformo ĉar ilia identeco estas kreita unufoje kaj moviĝas kun ili. Aldone, unuopaj identecoj, kiuj estas kruckongruaj kun malsamaj platformoj, ebligas malpli eksponiĝon al datumaj hakoj.

Implicoj de multi-eniga rekono

Pli larĝaj implicoj de multi-eniga rekono povas inkludi: 

• Loĝ-skalaj plibonigoj al cibersekurecaj normoj ĉar (longperspektive) la plej multaj civitanoj utiligos iun formon de plur-eniga rekono kiel anstataŭaĵon al tradiciaj pasvortoj kaj fizikaj/ciferecaj ŝlosiloj por sekurigi siajn personajn datumojn tra multoblaj servoj.
• Konstruado de sekureco kaj sentemaj publikaj kaj privataj datumoj spertantaj pliigajn sekurecajn plibonigojn ĉar (longperspektivaj) dungitoj kun aliro al sentemaj lokoj kaj datumoj estos postulitaj por utiligi multi-enigajn rekonsistemojn.
• Firmaoj deplojantaj multi-enigajn rekonsistemojn kiuj uzas profundajn neŭralajn retojn (DNN) por ĝuste vicigi kaj identigi ĉi tiujn malsamajn biometrikajn informojn.
• Noventreprenoj fokusantaj pri evoluigado de pli multmodaj rekonsistemoj kun diversaj kombinaĵoj, inkluzive de voĉo-, kor-, kaj vizaĝsignoj.
• Pliigitaj investoj en sekurigado de ĉi tiuj biometrikaj bibliotekoj por certigi, ke ili ne estas hakitaj aŭ falsitaj.
• Eblaj okazaĵoj de biometrikaj informoj de registaraj agentejoj hakitaj pro fraŭdo kaj identecŝtelo.
• Civitaj grupoj postulantaj firmaojn esti travideblaj pri kiom da biometrikaj informoj ili kolektas, kiel ili konservas ĝin, kaj kiam ili uzas ĝin.

Demandoj por komenti

• Se vi provis multmodan biometrian rekonsistemon, kiom facila kaj preciza ĝi estas?
• Kio estas la aliaj eblaj avantaĝoj de multi-eniga rekonsistemoj?