Multi-input herkenning: Combineren van verschillende biometrische informatie

• Auteur:
• auteursnaam

  Quantumrun-prognose
• 24 februari 2023

Het zoeken naar unieke identificerende kenmerken onder het huidoppervlak is een slimme manier om mensen te identificeren. Haarstijlen en oogkleuren kunnen gemakkelijk worden gewijzigd of gemaskeerd, maar het is voor iemand bijna onmogelijk om bijvoorbeeld de aderstructuur te veranderen. Biometrische authenticatie biedt een extra beveiligingslaag omdat er levende mensen voor nodig zijn.

Herkenningscontext met meerdere invoer

Multimodale biometrische systemen worden vaker gebruikt dan unimodale in praktische toepassingen omdat ze niet dezelfde kwetsbaarheden hebben, zoals beïnvloeding door dataruis of spoofing. Unimodale systemen, die afhankelijk zijn van een enkele informatiebron voor identificatie (bijvoorbeeld iris, gezicht), zijn echter populair in overheids- en civiele beveiligingstoepassingen, ondanks dat ze bekend staan ​​als onbetrouwbaar en inefficiënt.

Een veiligere manier om identiteitsauthenticatie te garanderen, is door deze unimodale systemen te combineren om hun individuele beperkingen te overwinnen. Bovendien kunnen multimodale systemen gebruikers effectiever inschrijven en meer nauwkeurigheid en weerstand bieden tegen onbevoegde toegang.

Volgens een studie van de Universiteit van Bradford uit 2017 is het ontwerpen en uitvoeren van een multimodaal biometrisch systeem vaak een uitdaging, en er moet rekening worden gehouden met veel zaken die de uitkomst enorm kunnen beïnvloeden. Voorbeelden van deze uitdagingen zijn de kosten, nauwkeurigheid, beschikbare bronnen van biometrische kenmerken en gebruikte fusiestrategie. 

De meest cruciale kwestie voor multimodale systemen is het kiezen welke biometrische kenmerken het meest effectief zijn en het vinden van een efficiënte manier om ze te fuseren. Als het systeem in multimodale biometrische systemen in identificatiemodus werkt, kan de uitvoer van elke classificator worden gezien als een rangorde van ingeschreven kandidaten, een lijst die alle mogelijke overeenkomsten weergeeft, gesorteerd op betrouwbaarheidsniveau.

Disruptieve impact

Multi-input-herkenning wint aan populariteit vanwege de verschillende tools die beschikbaar zijn om alternatieve biometrie te meten. Naarmate deze technologieën vorderen, zal het mogelijk worden om identificatie veiliger te maken, aangezien aders en irispatronen niet kunnen worden gehackt of gestolen. Verschillende bedrijven en onderzoeksinstellingen zijn al bezig met het ontwikkelen van multi-input tools voor grootschalige inzet. 

Een voorbeeld is het tweefactorauthenticatiesysteem van de National Taiwan University of Science and Technology dat kijkt naar skelettopologieën en vingeraderpatronen. Vingeraderbiometrie (vasculaire biometrie of aderscanning) maakt gebruik van unieke aderpatronen in de vingers van een persoon om ze te identificeren. Deze methode is mogelijk omdat bloed hemoglobine bevat, dat verschillende kleuren vertoont bij blootstelling aan nabij-infrarood of zichtbaar licht. Hierdoor kan de biometrische lezer de verschillende aderpatronen van de gebruiker scannen en digitaliseren voordat deze op een beveiligde server worden opgeslagen.

Ondertussen gebruikt Imageware, gevestigd in San Francisco, meerdere biometrische gegevens voor authenticatiedoeleinden. Beheerders kunnen één biometrische of een combinatie van biometrische gegevens selecteren bij het implementeren van de platformbeveiligingsmaatregel. De soorten biometrie die bij deze service kunnen worden gebruikt, zijn onder meer irisherkenning, gezichtsscanning, stemidentificatie, handpalmaderscanners en vingerafdruklezers.

Met de multimodale biometrie van ImageWare Systems kunnen gebruikers hun identiteit overal en onder alle omstandigheden authenticeren. Federated login betekent dat gebruikers niet voor elk bedrijf of platform nieuwe inloggegevens hoeven aan te maken, omdat hun identiteit eenmalig wordt gemaakt en met hen meegaat. Bovendien zorgen enkele identiteiten die onderling compatibel zijn met verschillende platforms voor minder blootstelling aan datahacks.

Implicaties van multi-inputherkenning

Bredere implicaties van multi-inputherkenning kunnen zijn: 

• Verbeteringen op populatieschaal van cyberbeveiligingsnormen, aangezien de meeste burgers (op de lange termijn) een vorm van multi-inputherkenning zullen gebruiken ter vervanging van traditionele wachtwoorden en fysieke/digitale sleutels om hun persoonlijke gegevens over meerdere diensten te beveiligen.
• Het bouwen van beveiliging en gevoelige openbare en privégegevens die incrementele beveiligingsverbeteringen ervaren, aangezien (langdurige) werknemers met toegang tot gevoelige locaties en gegevens het mandaat krijgen om multi-input herkenningssystemen te gebruiken.
• Bedrijven die multi-input herkenningssystemen inzetten die diepe neurale netwerken (DNN's) gebruiken om deze verschillende biometrische informatie correct te rangschikken en te identificeren.
• Startups die zich richten op het ontwikkelen van meer multimodale herkenningssystemen met verschillende combinaties, waaronder stem-, hart- en gezichtsafdrukken.
• Meer investeringen in het beveiligen van deze biometrische bibliotheken om ervoor te zorgen dat ze niet worden gehackt of vervalst.
• Potentiële incidenten waarbij biometrische informatie van overheidsinstanties wordt gehackt voor fraude en identiteitsdiefstal.
• Maatschappelijke groeperingen eisen dat bedrijven transparant zijn over hoeveel biometrische informatie ze verzamelen, hoe ze die opslaan en wanneer ze die gebruiken.

Vragen om op te reageren

• Als u een multimodaal biometrisch herkenningssysteem heeft geprobeerd, hoe gemakkelijk en nauwkeurig is dat dan?
• Wat zijn de andere potentiële voordelen van herkenningssystemen met meerdere ingangen?