Biometrisk poängsättning: Beteendebiometri kan verifiera identiteter mer exakt

BILDKREDIT:
Bild kredit
iStock

Biometrisk poängsättning: Beteendebiometri kan verifiera identiteter mer exakt

BYGGT FÖR MORGONENS FRAMTIDIST

Quantumrun Trends Platform ger dig insikter, verktyg och community för att utforska och utvecklas utifrån framtida trender.

SPECIALERBJUDANDE

5 USD PER MÅNAD

Biometrisk poängsättning: Beteendebiometri kan verifiera identiteter mer exakt

Underrubrik text
Beteendebiometri som gång och hållning studeras för att se om dessa icke-fysiska egenskaper kan förbättra identifieringen.
    • Författare:
    • författarnamn
      Quantumrun Framsyn
    • Februari 13, 2023

    Insiktssammanfattning

    Beteendebiometrisk data kan avslöja mönster i människors handlingar och avslöja mycket om vem de är, vad de tänker och vad de troligen kommer att göra härnäst. Beteendebiometri använder maskininlärning för att tolka hundratals distinkta biometriska mätningar för att identifiera, autentisera, knuffa, belöna och straffa.

    Biometrisk poängsammanhang

    Beteendebiometrisk data är en teknik för att analysera även de minsta variationerna i mänskligt beteende. Frasen kontrasteras ofta till fysisk eller fysiologisk biometri, som beskriver mänskliga egenskaper som iris eller fingeravtryck. Beteendebiometriska verktyg kan identifiera individer baserat på mönster i deras aktivitet, såsom gång eller tangenttryckningsdynamik. Dessa verktyg används i allt större utsträckning av finansiella institutioner, företag, myndigheter och återförsäljare för användarautentisering. 

    Till skillnad från traditionella verifieringstekniker som fungerar när en persons data samlas in (t.ex. genom att trycka på en knapp), kan beteendebiometriska system autentiseras automatiskt. Dessa biometriska uppgifter jämför en individs unika beteendemönster med tidigare beteende för att fastställa sin identitet. Denna process kan göras kontinuerligt under en aktiv session eller genom att registrera specifika beteenden.

    Beteendet kan fångas upp av en befintlig enhet, som en smartphone eller bärbar dator, eller av en dedikerad maskin, till exempel en sensor designad speciellt för att mäta fotfall (t.ex. gångidentifiering). Den biometriska analysen ger ett resultat som återspeglar sannolikheten att individen som utför åtgärderna är den som fastställt systemets baslinjebeteende. Om en kunds beteende faller utanför den förväntade profilen kommer ytterligare autentiseringsåtgärder att vidtas, såsom fingeravtryck eller ansiktsskanningar. Den här funktionen skulle bättre förhindra kontoövertagande, sociala ingenjörsbedrägerier och penningtvätt än traditionell biometri.

    Störande inverkan

    Ett beteendebaserat tillvägagångssätt, såsom rörelser, tangenttryckningar och telefonsvepningar, kan hjälpa myndigheter att identifiera någon på ett säkert sätt i situationer där fysiska egenskaper är dolda (t.ex. användning av ansiktsmasker eller handskar). Dessutom har lösningar som förlitar sig på tangenttryckningar för datorbaserad identitetsverifiering visat sig kunna identifiera individer baserat på deras skrivvanor (frekvensen och rytmerna verkar unika nog för att fastställa identifiering). Eftersom att skriva är en form av datainmatning kan algoritmerna förbättras när de fortsätter att spåra och analysera tangenttryckningsinformation.

    Men i vissa fall begränsar sammanhanget noggrannheten hos denna beteendebiometriska. Individuella mönster på olika tangentbord kan variera; fysiska tillstånd som karpaltunnelsyndrom eller artrit kan påverka rörelser. Det är svårt att jämföra de olika leverantörernas tränade algoritmer utan standarder.

    Samtidigt ger bildigenkänning analytiker större mängder data som kan användas för beteendeforskning. Även om de inte är lika exakta eller tillförlitliga som andra biometriska tillvägagångssätt, blir biometri för gång och hållning allt mer användbara verktyg. Till exempel kan dessa funktioner räcka för att etablera identitet i folkmassor eller offentliga platser. Polisstyrkor i länder som implementerar EU:s allmänna dataskyddsförordning (GDPR) använder biometriska data, såsom gång och rörelse, för att omedelbart bedöma hotfulla situationer.

    Konsekvenser av biometrisk poängsättning

    Vidare implikationer av biometrisk poängsättning kan inkludera: 

    • Ökande oro för artificiell intelligens (AI) potential att felidentifiera/missförstå mänskligt beteende, särskilt inom brottsbekämpning, vilket kan leda till felaktiga arresteringar.
    • Bedragare som härmar gång- och tangentbordsrytmer för att infiltrera system, särskilt i finansinstitutioner.  
    • Biometrisk poängsättning expanderar till konsumentpoäng där personer med funktionshinder/begränsad rörlighet kan diskrimineras.
    • Ökande debatter om huruvida beteendebiometrisk data, inklusive hjärtfrekvens, kan inkluderas i digitala integritetsbestämmelser.
    • Människor kan logga in på webbplatser och appar bara genom att skriva in sina användarnamn.

    Frågor att överväga

    • Håller du med om att beteendebiometri kommer att vara mer användbar för identitetsverifiering?
    • Vilka andra potentiella problem kan denna typ av biometrisk identifiering ha?

    Insiktsreferenser

    Följande populära och institutionella länkar hänvisades till för denna insikt: