Что изучает биометрия краткий ответ
БИОМЕТРИЯ
Полезное
Смотреть что такое «БИОМЕТРИЯ» в других словарях:
биометрия — биометрия … Орфографический словарь-справочник
БИОМЕТРИЯ — (от греч. bios жизнь, и metron мера). Искусство вычислять продолжительность жизни. Словарь иностранных слов, вошедших в состав русского языка. Чудинов А.Н., 1910. БИОМЕТРИЯ греч., от bios, жизнь, и metron, мера. Искусство измерять и вычислять… … Словарь иностранных слов русского языка
биометрия — биометрика Словарь русских синонимов. биометрия сущ., кол во синонимов: 2 • биология (73) • … Словарь синонимов
БИОМЕТРИЯ — процесс сбора, обработки и хранения данных о физических характеристиках человека с целью его идентификации. Наиболее распространенными биометрическими системами являются сканирование сетчатки глаза, исследование геометрии руки, дактилоскопия,… … Юридический словарь
БИОМЕТРИЯ — (от bio. и греч. met измеряю), раздел вариационной статистики, с помощью методов к рого производят обработку эксперим. данных и наблюдений, а также планирование количеств, экспериментов в биол. исследованиях. Б. сложилась к кон. 19 в. гл. обр.… … Биологический энциклопедический словарь
биометрия — совокупность приемов планирования и обработки данных биол. исследований методами математической статистики. (Источник: «Микробиология: словарь терминов», Фирсов Н.Н., М: Дрофа, 2006 г.) … Словарь микробиологии
Биометрия — (biometrics): автоматические методы, используемые для распознавания личности или подтверждения заявленной личности человека на основе физиологических или поведенческих характеристик. Источник: ФИНАНСОВЫЕ УСЛУГИ. РЕКОМЕНДАЦИИ ПО ИНФОРМАЦИОННОЙ… … Официальная терминология
БИОМЕТРИЯ — Раздел вариационной статистики, с помощью методов которого производят обработку экспериментальных данных и наблюдений, а также планирование количественных экспериментов в биологических исследованиях Словарь бизнес терминов. Академик.ру. 2001 … Словарь бизнес-терминов
Биометрия как прикладная наука
Биометрия — прикладная наука, использующая математические методы статистического анализа массовых явлений (результатов наблюдений, учетов) применительно к биологическим объектам. |
Содержание
1. Термин биометрия
В настоящее время можно сказать, что термин биометрия еще не утвердился до конца. Наравне с ним применяются такие названия как математическая статистика в почвоведении, ботанике, методике опытного дела, биологическая статистика, биометрия, вариационная статистика. Это не случайно, потому что содержание всех этих изданий одно и то же, в них излагаются методы математической статистики, применяемые для статистической обработки результатов исследований биологических объектов, полученных при проведении лабораторных, вегетационных и полевых опытов, агрономических наблюдений.
Исходя из изложенного формулировка понятия биометрия может быть следующей: «Биометрия – прикладная наука, использующая математические методы статистического анализа массовых явлений (результатов наблюдений, учетов) применительно к биологическим объектам (растениям, животным и т.п.)».
По мере превращения биологии из науки описательной в науку точную, основанную на измерениях, возникла потребность в применении методов математической статистики для решения биологических задач. Биометрия преследует исключительно биологические цели, приспосабливая методы математической статистики к задачам и специфике биологических исследований.
2. Предмет и основные понятия биометрии
Предметом биометрии служит любой биологический объект, в результате наблюдения за которым получены количественные или качественные показатели. Методы биометрии широко применяются и в опытном деле. Потребность в использовании методов математической статистики обусловлена тем, что однородные биологические объекты исследования индивидуально различны, изменчивы. Например, число зерен в колосьях одного и того же сорта яровой пшеницы на одной и той же опытной делянке будет различным. Все биологические признаки изменчивы, подвержены варьированию. Объективную информацию в таких случаях можно получить, только подвергнув результаты учетов, измерений, анализов статистической обработке.
Свойство условных биологических единиц наблюдения отличаться друг от друга в однородных совокупностях называется изменчивостью или варьированием. Например, у растений пшеницы варьирующими признаками являются число и масса зерен в колосе, высота растения, продуктивная кустистость, стекловидность и содержание сырой клейковины в зерне, площадь листьев и т.п. В полевых опытах урожаи на одноименных вариантах по повторениям всегда получаются разные.
Изменчивость одних показателей носит явно выраженный количественный характер и легко поддается измерениям, подсчету, взвешиванию. Изменчивость других носит типичный качественный характер. Например, изменение опущенности или окраски различных органов растений.
Количественное варьирование разделяется на непрерывное и прерывистое. Непрерывное варьирование наблюдается в том случае, когда изучаемый показатель измеряется или взвешивается. Величины непрерывного варьирования могут выражаться как целыми, так и дробными цифровыми значениями. Показатели прерывистого варьирования имеют только целые значения, они получаются только счетом.
Всю группу объектов наблюдения, подлежащих счету, анализу называют генеральной совокупностью. Однако в действительности сделать это невозможно, так как численность единиц наблюдения может быть очень большой. Поэтому для учета вынуждены брать только определенную часть единиц наблюдения, которую принято называть выборочной совокупностью или выборкой. Иногда ее называют статистической совокупностью.
Из этого следует, что суждение о генеральной совокупности приходится делать по выборочной совокупности. Отсюда очень важно, чтобы выборка не была односторонней, преднамеренной или очень малочисленной. Она должна быть случайной, обеспечивающей любому члену генеральной совокупности вероятность попасть в эту выборку. Репрезентативность выборки достигается применением специальных методов отбора единиц наблюдения, которые описаны в специальных методиках и объемом выборки.
3. Краткий исторический очерк развития биометрии
Биометрия, как самостоятельная научная дисциплина, возникла в XIX веке, однако первые попытки применить математику к биологическим объектам наблюдения были гораздо раньше. Толчком к этому было установление Декартом (1596-1650) понятия переменная величина. В середине XVII века зародились две ветви точных наук – теория вероятностей и математическая статистика. Теория вероятностей возникла на базе азартных игр, а математическая статистика положена в основу теории выборочного метода.
Основная задача, которую ставили перед собой исследователи, сводилась к тому, чтобы теоретически доказать возможность по части (выборке) судить о состоянии целого, то есть всей совокупности. Большая работа в этом направлении была проделана бельгийским ученым А.Кетле (1796-1874). Из его работ вытекало, что при помощи математических методов возможно вскрытие статистических закономерностей, действующих в среде массовых явлений.
Пирсон развил учение о типах кривых распределения, встречающихся в биологии. Им введено понятие среднего квадратического отклонения. Совместно с Гальтоном и Уэльдоном он обосновал в 1901 году выпуск научного журнала «Биометрика». Гальтон и Пирсон по праву считаются основателями биометрии.
Большим вкладом в дальнейшее развитие биометрии была теория «малой выборки», обоснованная В.Госсетом (1876-1937), печатавшегося под псевдонимом «Стьюдент». Оперируя с выборками небольшого объема, взятыми из нормального распределения генеральной совокупности Стьюдент открыл закон распределения выборочных средних в зависимости от объема выборки. Описанный им закон оказался применимым к малым выборкам, содержащим в своем составе не более 25-30 вариант.
Существенный вклад в дальнейшее развитие биометрии внес Р.Э.Фишер (1890-1962), проработавший ряд лет научным сотрудником знаменитой Ротамстедской сельскохозяйственной опытной станции, а с 1933 года профессором кафедры прикладной математики Лондонского университета. Он разработал метод дисперсионного анализа, ввел понятие «степени свободы».
В России биометрические методы описаны А.В.Леонтовичем (1869-1943) и А.И.Чупровым (1874-1926). С работами Р.А. Фишера читателей первым ознакомил Н.Ф.Деревицкий (1933). Позднее изданы «Статистические методы для исследователей» Р.А. Фишера в переводе В.Н. Перегудова (1958). В 60-х-80-х годах вышло несколько книг по биометрии: Н.А.Плохинский (1961,1970), П.Ф.Рокицкий (1973,1974), Г.Ф.Лакин (1968,1973,1980,1990).
В Казахстане заметный вклад в пропаганду и внедрение методов математической статистики в области биологии и агрономии внесли: А.И.Федоров (1957), Н.Л.Удольская (1976), В.П.Томилов (1983).
Опубликовано значительное количество книг с изложением методов математической статистики применительно к отдельным отраслям биологии и другим наукам: методика полевого опыта (Вольф В.Г.,1966; Доспехов Б.А.,1985), почвоведение (Дмитриев Е.А.,1972, 1995), ботаника (Зайцев Г.Н., 1984), фитопатология (Минкевич Н.И., Захаров Т.И., 1977), защита растений (Пересыпкин В.Ф и др., 1989), генетика (Рокицкий П.Ф.,1974), агрометеорология (Уланова Е.С., Сиротенко О.Д., 1968), гидрология (Рождественский А.В.,Чеботарёв А.И., 1974), география (М.К.Бочаров, 1971), лесокультурные исследования (Жигунов А.В. и др., 2002), экономика (Эконометрика, 2002).
По мнению В.П. Терентьева (1978) биометрия перерастает в биоматематику. В настоящее время роль методов математической статистики в биологических и агрономических исследованиях существенно возросла, а в связи с компьютеризацией и разработкой компьютерных программ возможности биометрии многократно увеличились, а необходимость в её изучении при подготовке специалистов биологического профиля стала насущной необходимостью и велением времени.
Биометрия и биометрические данные: что это такое и безопасно ли это?
Биометрические данные являются частью передовых технологий. Проще говоря, биометрия — это любые показатели, связанные с человеческими особенностями. Наиболее распространенными примерами биометрической системы распознавания являются отпечатки пальцев и технология распознавания лиц. Как новая технология, биометрические системы могут повысить удобство, заменяя пароли и помогая правоохранительным органам поймать преступников. Биометрические идентификаторы также выполняют функцию контроля доступа в безопасной среде, как физической, так и цифровой. Но первый вопрос, который вы должны задать: защищены ли мои биометрические данные от кражи?
Что такое биометрия и для чего используются биометрические данные?
Биометрия — это способ измерения физических характеристик человека для проверки его личности. Они могут включать физиологические признаки, такие как отпечатки пальцев и глаза, или поведенческие характеристики, которые оценивают уникальное поведение и подсознательные движения человека. Для того, чтобы биометрические данные были полезными, они должны быть уникальными, постоянными и собираемыми. После измерения, информация сравнивается и сопоставляется в базе данных.
Каждый раз, когда вы разблокируете экран смартфона с помощью функции распознавания лиц, запрашиваете у голосового помощника прогноз погоды или прикладываете отпечаток пальца на на какое-либо устройство, вы используете биометрические данные. Вы можете использовать эту технологию каждый день для идентификации личности или для взаимодействия с личным устройством, но существует множество других способов использования биометрических данных.
Например, полиция может собирать ДНК и отпечатки пальцев на месте преступления или использовать видеонаблюдение для анализа походки или голоса подозреваемого. В медицине применяется сканирование сетчатки глаза или проводятся генетические тесты. И даже ваша подпись относится к биометрическим данным.
Типы биометрических данных
Распознавание голоса. Измеряет уникальные звуковые волны в голосе во время разговора с устройством. Ваш банк может использовать систему голосового управления для проверки вашей личности при звонках.
Как работает биометрия?
Если вы когда-либо вставляли свой отпечаток пальца в устройство, то у вас возможно сложилось смутное представление о том, как работает биометрия. В основном, вы записываете свои биометрические данные в устройство, в данном случае отпечатки пальцев. Эта информация сохраняется, и к устройству можно будет получить доступ только после сравнения вашего отпечатка и сохраненного. Любой человек в мире может прикоснуться пальцем к сенсорному кругу вашего смартфона и вряд ли сможет разблокировать его.
Отпечатки пальцев — это всего лишь одна из форм биометрических данных. Одной из новых форм биометрической технологии является сканирование глаз. Обычно сканируют радужную оболочку. Почерк и голосовые отпечатки — это другие биометрические данные, которые являются исключительно вашими и иногда необходимы для обеспечения безопасности.
Биометрическая система состоит из трех различных компонентов:
Биометрические данные широко распространены на смартфонах, таких как iPhone Apple и некоторых устройств Android. Ноутбуки и другие вычислительные устройства все больше полагаются на биометрические системы, и эта тенденция только начинается. Биометрическая аутентификация и идентификация являются безопасным способом входа на устройства и в различные службы. Кроме того, это может снять трудности с запоминанием десятков паролей учетных записей.
Конфиденциальны ли биометрические данные?
Когда речь заходит о биометрических данных, существует серьезная озабоченность по поводу конфиденциальности. Некоторые из основных проблем, выявленных с помощью биометрических данных, включают в себя следующие:
Как защитить биометрические данные?
Для защиты биометрических данных, вы можете принять ряд мер по обеспечению их безопасности на основе здравого смысла:
Биометрические данные могут сделать мир более безопасным и удобным. Соблюдение принципов здравого смысла в области безопасности может сыграть важную роль в защите вашей частной жизни.
На видео: Биометрические данные в России
Биометрия: что это, зачем она нужна и почему технология будет становиться ещё удивительнее
В SberDevices есть платформа SmartBio — с её помощью команды из разных частей Сбера разрабатывают биометрические решения. Подробнее о них и самой платформе мы ещё расскажем, а сейчас разберёмся, что такое биометрия и как она работает.
Узнать человека можно по двум группам параметров: статическим и динамическим.
К статическим относятся уникальные физиологические характеристики: ДНК, отпечатки пальцев, геометрия ладони, лица и улыбки, рисунок вен и радужной оболочки глаз.
Динамическая идентификация оценивает совокупность непроизвольных движений при выполнении определенного действия. Системы узнают людей по голосу, походке, жестикуляции, почерку и ритму набора печатного текста. Подделать эти параметры намного сложнее, чем статические.
В обоих случаях принцип работы распознавания один. Сканер, датчик или камера передают характеристику человека системе, а та выделяет из полученных данных уникальную информацию и составляет биометрический образец, который хранится в виде цифрового кода. Когда человек снова взаимодействует со считывающим устройством, например сканирует отпечаток пальца, система сравнивает полученный образец с теми, которые хранятся в базе. При полном совпадении личность подтверждается.
Биометрические решения востребованы там, где в приоритете — удобство и безопасность. Самый очевидный пример — смартфон, который узнаёт владельца по отпечатку пальца или изображению лица. Такая система нужна не только для защиты приватности, но и для безопасности платежей. Если телефон украдут, мошенники не смогут получить доступ к банковским картам — сколько бы они ни смотрели в камеру, система их не пропустит. Кроме того, распознавание позволяет проходить авторизацию в разных сервисах без пароля. Например, скачивать и покупать приложения и оплачивать покупки в сервисах доставки.
Бесконтактную оплату с помощью биометрических данных активно внедряет бизнес в сфере услуг и ретейла. Клиенту больше не нужно носить с собой карты, помнить пин-коды и получать подтверждение по СМС. В некоторых местах уже сейчас принимают оплату «по лицу», например в кафе «Прайм» в Москве.
Ещё биометрические технологии помогают находить преступников: камеры распознают лица в местах скопления людей. Такую систему тестировали в московском метро: за месяц благодаря ей задержали около 60 человек, объявленных в федеральный розыск.
В чипах биометрических паспортов хранятся отпечатки пальцев и другие физиологические характеристики — это упрощает прохождение пограничного контроля на вокзалах и в аэропортах. Всё идет к тому, что в будущем пассажиры смогут пересекать границу и без документов. Чтобы попасть в поезд или самолёт, будет достаточно посмотреть в камеру и произнести несколько слов.
В 2018 году Центробанк и «Ростелеком» запустили Единую биометрическую систему (ЕБС), в которой хранятся данные клиентов госбиометрии. Если раньше открыть счёт можно было лишь по паспорту в отделении, то сейчас достаточно один раз в жизни сдать биометрию лица и голоса в ближайшем банке, который работает с ЕБС. После этого человек может стать клиентом банка полностью удалённо, но при этом безопасно — раньше такое невозможно было представить.
Крупные компании создают свои решения и базы данных. Так сделал Сбер: клиенты могут сдать биометрию в офисах банка. Чтобы система запомнила пользователя и ни с кем не путала, достаточно произнести несколько фраз. А в конце 2020 года Сбер показал новые банкоматы, в которых можно снять деньги без карты — с помощью распознавания по лицу.
Один физиологический признак человека можно подделать с вероятностью 1–2%, поэтому банки используют два параметра сразу — так взломать систему практически невозможно. Например, двухфакторная аутентификация по изображению лица и звуку речи, которую использует Сбер, защищает данные на 99,99%.
Разработчики ЕБС уделяют особое внимание liveness detection — способам проверки, которые подтверждают, что данные передаёт живой человек, а не видеозапись. В случае сомнений пользователя просят ответить на вопросы или произвести определённое движение. Системы работают настолько точно, что различают личности однояйцевых близнецов и идентифицируют человека, даже если он отрастил бороду или охрип.
Если биометрические данные, которые хранятся в системе, украдут, злоумышленники получат лишь набор цифровых кодов. Без криптографических ключей преобразовать их в изображения или записи невозможно. Кроме того, для подтверждения важных операций банки используют многофакторную аутентификацию: биометрия плюс пароли, пин-коды или, как в случае с ЕБС, вход в личный кабинет на Госуслугах.
Отпечатки пальцев для скрепления соглашений использовали ещё в древнем мире — несмотря на то, что об уникальности папиллярного узора каждого человека тогда не знали. Эту особенность открыл в 1788 году немецкий профессор анатомии Иоганн Кристоф Андреас Майер, а в конце XIX века отпечатки пальцев научились собирать, каталогизировать и сравнивать.
Первую биометрическую систему придумал в 1880-х годах французский криминалист Альфонс Бертильон. Она содержала антропологические данные — размеры отдельных частей тела преступников, а также фотографии анфас и в профиль. Раньше полиция использовала только словесный портрет, поэтому методика помогала лучше искать правонарушителей. Но у неё было много минусов. К примеру, Бертильон не учёл, что тело и лицо могут сильно меняться с возрастом. Кроме того, люди, в отличие от современных биометрических систем, могут ошибаться. Случалось, что за преступления отвечали невиновные люди — всё из-за их сходства с преступниками из картотеки.
В 1890-х генеральный инспектор полиции Бенгалии Эдвард Генри предложил искать нарушителей по отпечаткам пальцев и разработал систему, которая позволила делать это быстро и эффективно. Генри разделил возможные отпечатки пальцев на категории и придумал кодировать их цифрами и буквами. Современные процедуры дактилоскопии — прямые наследники этой системы. К 1900 году её использовала полиция по всей Великобритании, а затем дактилоскопию признали и в других государствах.
Позднее появились и другие способы, например идентификация по радужной оболочке глаза. Её в середине 1930-х изобрёл офтальмолог Фрэнк Берч. Идея получила развитие в 1985 году — офтальмологи Леонард Флэм и Аран Сафир сумели доказать уникальность рисунка радужки, а спустя два года запатентовали технологию.
Эпоха бурного развития биометрии началась в 1960-х: именно тогда люди научились автоматизировать процессы распознавания лиц, почерка, отпечатков пальцев и голоса. Сегодня, вместе с ростом скорости компьютерных вычислений, идентификация человека стала быстрой и точной.
Биометрию используют как страны, признанные технологические лидеры, так и развивающиеся государства. Например, в Индии собрана самая большая в мире база биометрических данных: все совершеннолетние граждане при получении ID-карты сдают отпечатки пальцев и сканы сетчатки глаза. В Сингапуре ведётся масштабное видеонаблюдение, благодаря которому устанавливают личности правонарушителей.
Исследования показывают, что россияне доверяют биометрии и видят в ней плюсы. Вход по паролю они считают менее надёжным, а 46% опрошенных готовы в будущем сменить банк, если их кредитная организация не предоставит возможность проходить биометрическую идентификацию.
Удивительно наблюдать за тем, как развивается рынок, а участвовать в этом прогрессе — ещё интереснее. Мы уверены, что биометрия — одна из технологий, которые делают мир лучше и безопаснее, поэтому сами активно пользуемся такими решениями. Даже в офис SberDevices попадаем без пропуска, просто показывая лицо биометрическому терминалу.
Биометрия — Краткое руководство
Термин «биометрия» состоит из двух слов — « био» (греческое слово «жизнь») и « метрика» (измерения). Биометрия — это отрасль информационных технологий, которая направлена на установление личности на основе личных качеств.
Биометрия в настоящее время является модным словом в области информационной безопасности, поскольку она обеспечивает высокую степень точности при идентификации личности.
Что такое биометрия?
Биометрия — это технология, используемая для идентификации, анализа и измерения физических и поведенческих характеристик человека.
Каждый человек уникален с точки зрения характеристик, которые отличают его от всех других. Физические атрибуты, такие как отпечатки пальцев, цвет радужной оболочки, цвет волос, геометрия рук и такие поведенческие характеристики, как тон и акцент речи, подпись или способ набора клавиш на клавиатуре компьютера и т. Д., Заставляют человека стоять отдельно от остальные.
Эта уникальность человека затем используется биометрическими системами для —
Что такое биометрическая система?
Биометрическая система — это технология, которая принимает в качестве входных данных физиологические, поведенческие или оба эти свойства человека, анализирует их и идентифицирует человека как подлинного или злонамеренного пользователя.
Эволюция биометрии
Идея биометрии появилась с нескольких лет. В 14 веке Китай практиковал снятие отпечатков пальцев у торговцев и их детей, чтобы отделить их от всех остальных. Отпечатки пальцев все еще используются сегодня.
В 19 веке антрополог по имени Альфонс Бертиллион разработал метод (называемый Бертиллионж ) для измерения размеров тела людей для их идентификации. Он понял, что даже если некоторые особенности человеческого тела изменяются, такие как длина волос, вес и т. Д., Некоторые физические черты тела остаются неизменными, например, длина пальцев. Этот метод быстро уменьшился, поскольку было обнаружено, что лица, имеющие одни и те же размеры тела, могут быть ложно приняты за единое целое. Впоследствии Ричард Эдвард Генри из Скотланд-Ярда разработал метод снятия отпечатков пальцев.
Идея идентификации сетчатки была придумана доктором Карлтоном Саймоном и доктором Изадорой Гольдштейн в 1935 году. В 1976 году в EyeDentify Inc. были предприняты усилия по исследованиям и разработкам. Первая коммерческая система сканирования сетчатки была доступна в 1981 году.
Распознавание ириса было изобретено Джоном Даугманом в 1993 году в Кембриджском университете.
В 2001 году в Косово был внедрен Биометрический автоматизированный инструментарий (BAT), который предоставил конкретные средства идентификации.
В 19 веке антрополог по имени Альфонс Бертиллион разработал метод (называемый Бертиллионж ) для измерения размеров тела людей для их идентификации. Он понял, что даже если некоторые особенности человеческого тела изменяются, такие как длина волос, вес и т. Д., Некоторые физические черты тела остаются неизменными, например, длина пальцев. Этот метод быстро уменьшился, поскольку было обнаружено, что лица, имеющие одни и те же размеры тела, могут быть ложно приняты за единое целое. Впоследствии Ричард Эдвард Генри из Скотланд-Ярда разработал метод снятия отпечатков пальцев.
Идея идентификации сетчатки была придумана доктором Карлтоном Саймоном и доктором Изадорой Гольдштейн в 1935 году. В 1976 году в EyeDentify Inc. были предприняты усилия по исследованиям и разработкам. Первая коммерческая система сканирования сетчатки была доступна в 1981 году.
Распознавание ириса было изобретено Джоном Даугманом в 1993 году в Кембриджском университете.
В 2001 году в Косово был внедрен Биометрический автоматизированный инструментарий (BAT), который предоставил конкретные средства идентификации.
Сегодня биометрия стала самостоятельной областью исследования с точными технологиями установления личности.
Зачем нужна биометрия?
С ростом использования информационных технологий в области банковского дела, науки, лекарств и т. Д. Возникает огромная необходимость в защите систем и данных от неавторизованных пользователей.
Биометрия используется для аутентификации и авторизации человека. Хотя эти термины часто связаны; они имеют в виду разные.
Аутентификация (Идентификация)
Этот процесс пытается найти ответ на вопрос: «Вы тот же, кем себя представляете?» Или «Знаю ли я вас?». Это сопоставление «один ко многим» и сравнение биометрии человека с целым база данных.
верификация
Это процесс сопоставления «один-к-одному», в котором живой образец, введенный кандидатом, сравнивается с ранее сохраненным шаблоном в базе данных. Если оба совпадают с более чем 70% приемлемым сходством, то проверка успешна.
авторизация
Это процесс назначения прав доступа аутентифицированным или проверенным пользователям. Он пытается найти ответ на вопрос: «Имеете ли вы право на определенные права доступа к этому ресурсу?»
Недостатки обычных средств безопасности
Обычные методы защиты информационной системы используют идентификационные карты, пароли, персональные идентификационные номера (ПИН) и т. Д. Они имеют следующие недостатки:
Все они означают распознавание некоторого кода, связанного с человеком, а не распознавание человека, который фактически произвел его.
Они могут быть забыты, потеряны или украдены.
Они могут быть обойдены или легко скомпрометированы.
Все они означают распознавание некоторого кода, связанного с человеком, а не распознавание человека, который фактически произвел его.
Они могут быть забыты, потеряны или украдены.
Они могут быть обойдены или легко скомпрометированы.
В таких случаях безопасность системы находится под угрозой. Когда системам требуется высокий уровень надежной защиты, биометрия приходит на помощь, связывая идентичность, более ориентированную на человека.
Основные компоненты биометрической системы
В целом, биометрическую систему можно разделить на четыре основных компонента. Давайте посмотрим их кратко —
Входной интерфейс (датчики)
Это чувствительный компонент биометрической системы, которая преобразует биологические данные человека в цифровую форму.
Металлооксидный полупроводниковый (CMOS) имидж-сканер или прибор с зарядовой связью (CCD) в случае систем распознавания лиц, отпечатков пальцев или радужной оболочки / сетчатки глаза.
Оптический датчик в случае использования систем идентификации по отпечаткам пальцев.
Микрофон в случае систем распознавания голоса.
Металлооксидный полупроводниковый (CMOS) имидж-сканер или прибор с зарядовой связью (CCD) в случае систем распознавания лиц, отпечатков пальцев или радужной оболочки / сетчатки глаза.
Оптический датчик в случае использования систем идентификации по отпечаткам пальцев.
Микрофон в случае систем распознавания голоса.
Блок обработки
Компонент обработки представляет собой микропроцессор, процессор цифровых сигналов (DSP) или компьютер, который обрабатывает данные, полученные с датчиков.
Обработка биометрического образца включает в себя —
База данных Магазин
База данных хранит зарегистрированный образец, который вызывается для выполнения сопоставления во время аутентификации. Для идентификации может использоваться любая память из оперативного запоминающего устройства (ОЗУ), флэш-СППЗУ или сервера данных. Для проверки используется съемный элемент памяти, такой как контактная или бесконтактная смарт-карта.
Выходной интерфейс
Выходной интерфейс сообщает решение биометрической системы о предоставлении доступа пользователю. Это может быть простой последовательный протокол связи RS232 или протокол USB с более высокой пропускной способностью. Это также может быть протокол TCP / IP, радиочастотная идентификация (RFID), Bluetooth или один из многих сотовых протоколов.
Общая работа биометрической системы
Биометрическая система выполняет четыре основных шага для идентификации и проверки:
Биометрический образец получен от потенциального пользователя. Выдающиеся признаки извлекаются из образца, а затем сравниваются со всеми образцами, хранящимися в базе данных. Когда входная выборка совпадает с одной из выборок в базе данных, биометрическая система позволяет человеку получить доступ к ресурсам; в противном случае запрещает.
Биометрия Терминология
Биометрический шаблон — это цифровой эталон отличительных характеристик, которые извлекаются из биометрического образца.
Кандидат / субъект — человек, который вводит свой биометрический образец.
Идентификация закрытого набора — известно, что человек существует в базе данных.
Регистрация — когда кандидат впервые использует биометрическую систему, он записывает основную информацию, такую как имя, адрес и т. Д., А затем записывает биометрическую характеристику кандидата.
Коэффициент ложного принятия (FAR) — это мера вероятности того, что биометрическая система будет неправильно идентифицировать неавторизованного пользователя как действительного пользователя.
Частота ложных отклонений (FRR) — это мера вероятности того, что биометрическая система неправильно отклонит авторизованного пользователя как недопустимого пользователя.
Идентификация открытого набора — человек не гарантированно существует в базе данных.
Задача — это когда биометрическая система ищет в базе данных соответствующий образец.
Области применения биометрии
Существует ряд приложений, в которых биометрические системы полезны. Немногие из них приведены ниже —
Контроль доступа на рабочее место.
Установление личности людей для подлинного гражданства и иммиграционных систем.
Применение контроля доступа к конфиденциальной информации и системам.
Выявление преступников по криминалистике.
Выполнение онлайн-транзакций электронной торговли.
Сокращение мошенничества и краж.
Контроль доступа на рабочее место.
Установление личности людей для подлинного гражданства и иммиграционных систем.
Применение контроля доступа к конфиденциальной информации и системам.
Выявление преступников по криминалистике.
Выполнение онлайн-транзакций электронной торговли.
Сокращение мошенничества и краж.
Биометрия — модальности
Биометрическая модальность — это не что иное, как категория биометрической системы, зависящая от типа человеческой черты, которую она принимает в качестве входных данных.
Биометрия в значительной степени статистическая. Чем больше данных из выборки, тем больше система будет уникальной и надежной. Он может работать с различными модальностями, относящимися к измерениям тела и особенностей человека, а также к поведенческим моделям. Методы классифицируются на основе биологических особенностей человека.
Типы биометрических модальностей
Существуют различные черты, присутствующие в людях, которые могут быть использованы в качестве методов биометрии. Биометрические условия подразделяются на три типа:
В следующей таблице собраны точки, которые различают эти три модальности —
Физиологическая Модальность | Поведенческая модальность | Сочетание обеих модальностей | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Эта модальность относится к форме и размеру тела. | Эта модальность связана с изменением поведения человека с течением времени. | Эта модальность включает в себя обе черты, где черты зависят от физических и поведенческих изменений. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Распознавание динамиков (Распознавание голоса) | Распознавание речи |
---|---|
Целью распознавания голоса является признание того, что ВОЗ говорит. | Распознавание речи направлено на понимание и понимание того, ЧТО было сказано. |
Он используется для идентификации человека путем анализа его тона, высоты голоса и акцента. | Он используется в ручных вычислениях, картах или навигации по меню. |
Преимущества распознавания голоса
Недостатки распознавания голоса
Он чувствителен к качеству микрофона и шуму.
Неспособность контролировать факторы, влияющие на систему ввода, может значительно снизить производительность.
Некоторые системы проверки динамиков также подвержены подделке атак с помощью записанного голоса.
Он чувствителен к качеству микрофона и шуму.
Неспособность контролировать факторы, влияющие на систему ввода, может значительно снизить производительность.
Некоторые системы проверки динамиков также подвержены подделке атак с помощью записанного голоса.
Приложения распознавания голоса
Выполнение телефонных и интернет транзакций.
Работа с банковскими системами и системами здравоохранения на основе интерактивного голосового ответа (IRV).
Применение звуковых подписей для цифровых документов.
В сфере развлечений и экстренных служб.
В системах онлайн-образования.
Выполнение телефонных и интернет транзакций.
Работа с банковскими системами и системами здравоохранения на основе интерактивного голосового ответа (IRV).
Применение звуковых подписей для цифровых документов.
В сфере развлечений и экстренных служб.
В системах онлайн-образования.
Мультимодальные биометрические системы
Все биометрические системы, которые мы обсуждали до сих пор, были унимодальными, которые используют единый источник информации для аутентификации. Как видно из названия, мультимодальные биометрические системы работают на прием информации от двух или более биометрических входов.
Мультимодальная биометрическая система увеличивает объем и разнообразие входной информации, которую система берет от пользователей для аутентификации.
Почему требуется мультимодальная биометрия?
Унимодальные системы сталкиваются с различными проблемами, такими как отсутствие секретности, неуниверсальность образцов, степень комфорта и свободы пользователя при работе с системой, подделка атак на хранимые данные и т. Д.
Некоторые из этих проблем можно решить с помощью мультимодальной биометрической системы.
Есть еще несколько причин для его требования, таких как —
Наличие нескольких признаков делает мультимодальную систему более надежной.
Мультимодальная биометрическая система повышает безопасность и секретность пользовательских данных.
Мультимодальная биометрическая система проводит стратегии слияния для объединения решений каждой подсистемы, а затем приходит к выводу. Это делает мультимодальную систему более точной.
Если какой-либо из идентификаторов не работает по известным или неизвестным причинам, система все еще может обеспечить безопасность, используя другой идентификатор.
Мультимодальные системы могут предоставлять информацию об «живости» вводимой пробы с использованием методов обнаружения живости. Это делает их способными обнаруживать и обрабатывать спуфинг.
Наличие нескольких признаков делает мультимодальную систему более надежной.
Мультимодальная биометрическая система повышает безопасность и секретность пользовательских данных.
Мультимодальная биометрическая система проводит стратегии слияния для объединения решений каждой подсистемы, а затем приходит к выводу. Это делает мультимодальную систему более точной.
Если какой-либо из идентификаторов не работает по известным или неизвестным причинам, система все еще может обеспечить безопасность, используя другой идентификатор.
Мультимодальные системы могут предоставлять информацию об «живости» вводимой пробы с использованием методов обнаружения живости. Это делает их способными обнаруживать и обрабатывать спуфинг.
Работа мультимодальной биометрической системы
Мультимодальная биометрическая система имеет все обычные модули, которые унимодальная система имеет —
Кроме того, он имеет метод объединения для интеграции информации из двух разных систем аутентификации. Слияние может быть сделано на любом из следующих уровней —
Мультимодальные биометрические системы, которые интегрируют или объединяют информацию на начальном этапе, считаются более эффективными, чем системы, которые интегрируют информацию на более поздних этапах. Очевидная причина этого состоит в том, что ранняя стадия содержит более точную информацию, чем оценки соответствия модулей сравнения.
Сценарии слияния в мультимодальной биометрической системе
В мультимодальной биометрической системе может быть множество признаков и компонентов. Они могут быть следующими —
Одна биометрическая характеристика, несколько датчиков.
Одиночная биометрическая характеристика, несколько классификаторов (скажем, сопоставление на основе мелочей и сопоставление на основе текстур).
Одна биометрическая черта, несколько единиц (скажем, несколько пальцев).
Множественные биометрические признаки человека (скажем, радужная оболочка, отпечаток пальца и т. Д.).
Одна биометрическая характеристика, несколько датчиков.
Одиночная биометрическая характеристика, несколько классификаторов (скажем, сопоставление на основе мелочей и сопоставление на основе текстур).
Одна биометрическая черта, несколько единиц (скажем, несколько пальцев).
Множественные биометрические признаки человека (скажем, радужная оболочка, отпечаток пальца и т. Д.).
Затем эти черты используются для подтверждения личности пользователя.
Проблемы проектирования с мультимодальными биометрическими системами
При проектировании мультимодальной биометрической системы необходимо учитывать ряд факторов.
Биометрический выбор модальности
Чтобы иметь возможность выбрать правильную биометрическую систему, вам необходимо сравнить их по различным аспектам. Вам необходимо оценить соответствие систем вашим требованиям с точки зрения удобства, технических характеристик и производительности системы, а также вашего бюджета.
Вы можете выбрать наиболее подходящую биометрическую систему, изучив различные критерии их эффективности.
Критерии для эффективной биометрической системы
Существует семь основных критериев для измерения эффективности биометрической системы —
Уникальность — определяет, насколько уникально биометрическая система может распознавать пользователя из группы пользователей. Это основной критерий.
Универсальность — указывает на необходимость уникальных характеристик каждого человека в мире, которые невозможно воспроизвести. Это вторичный критерий.
Постоянство — указывает на то, что записанная личная черта должна быть постоянной в базе данных в течение определенного периода времени.
Собираемость — это легкость, с которой черта человека может быть приобретена, измерена или обработана в дальнейшем.
Производительность — это эффективность системы с точки зрения точности, скорости, обработки ошибок и надежности.
Приемлемость — это удобство для пользователя или то, насколько хорошо пользователи принимают эту технологию, чтобы они были готовы к тому, чтобы их биометрические признаки были получены и оценены.
Обход — это та легкость, с которой черту можно имитировать, используя артефакт или заменитель.
Уникальность — определяет, насколько уникально биометрическая система может распознавать пользователя из группы пользователей. Это основной критерий.
Универсальность — указывает на необходимость уникальных характеристик каждого человека в мире, которые невозможно воспроизвести. Это вторичный критерий.
Постоянство — указывает на то, что записанная личная черта должна быть постоянной в базе данных в течение определенного периода времени.
Собираемость — это легкость, с которой черта человека может быть приобретена, измерена или обработана в дальнейшем.
Производительность — это эффективность системы с точки зрения точности, скорости, обработки ошибок и надежности.
Приемлемость — это удобство для пользователя или то, насколько хорошо пользователи принимают эту технологию, чтобы они были готовы к тому, чтобы их биометрические признаки были получены и оценены.
Обход — это та легкость, с которой черту можно имитировать, используя артефакт или заменитель.
Сравнение различных биометрических модальностей
Давайте сравним всю биометрическую систему в следующих терминах —
Биометрическая характеристика | Всеобщность | уникальность | неизменность | Collect-способность | Спектакль | Accept-способность | Циркумантарктические по предотвращению бедствий |
---|---|---|---|---|---|---|---|
Отпечатков пальцев | Средняя | Высоко | Высоко | Средняя | Высоко | Средняя | Высоко |
Распознавание лица | Высоко | Низкий | Средняя | Высоко | Низкий | Высоко | Низкий |
Ручная геометрия | Средняя | Средняя | Средняя | Высоко | Средняя | Средняя | Средняя |
Распознавание ирисов | Высоко | Высоко | Высоко | Средняя | Высоко | Низкий | Высоко |
Сканирование сетчатки | Высоко | Высоко | Средняя | Низкий | Высоко | Низкий | Высоко |
ДНК | Высоко | Высоко | Средняя | Высоко | Высоко | Низкий | Низкий |
нажатие клавиши | Высоко | Низкий | Низкий | Высоко | Средняя | Высоко | Высоко |
Подпись | Низкий | Низкий | Низкий | Высоко | Низкий | Высоко | Низкий |
голос | Средняя | Низкий | Низкий | Средняя | Низкий | Высоко | Низкий |
Вы можете выбрать подходящую биометрическую систему в зависимости от критериев, с которыми вам нужно работать, как показано в таблице.
Производительность биометрической системы
Производители биометрических систем заявляют о высокой производительности системы, которую практически невозможно достичь в реальных условиях эксплуатации. Возможные причины: тесты, проводимые в настройках контролируемой среды, ограничения на оборудование и т. Д.
Например, система распознавания голоса может эффективно работать только в тихой обстановке, система распознавания лиц может работать нормально, если условия освещения контролируются, и кандидатов можно обучить правильно чистить и размещать свои пальцы на сканерах отпечатков пальцев.
Однако на практике такие идеальные условия могут быть недоступны в целевой операционной среде.
Измерения производительности
Измерения производительности биометрической системы тесно связаны с частотой ложных отклонений (FRR) и частотой ложных утверждений (FAR).
FRR также называется ошибкой типа I или ошибочной несоответствием (FNMR), которая указывает на вероятность того, что законный пользователь будет отклонен системой.
FAR упоминается как ошибка типа II или частота ложных совпадений (FMR), которая указывает на вероятность того, что система подаст заявление о ложном удостоверении личности.
Ожидается, что идеальная биометрическая система будет давать нулевое значение как для FAR, так и для FRR. Это означает, что он должен принимать всех подлинных пользователей и отвергать все поддельные заявления о личности, что практически недостижимо.
Производительность современных биометрических технологий далека от идеальной. Следовательно, разработчики системы должны поддерживать хороший баланс между этими двумя факторами в зависимости от требований безопасности.
Распознавание образов и биометрия
Распознавание паттернов связано с идентификацией паттерна и его повторным подтверждением. В общем, шаблон может быть изображением отпечатка пальца, рукописным курсивным словом, человеческим лицом, речевым сигналом, штрих-кодом или веб-страницей в Интернете.
Отдельные шаблоны часто группируются в различные категории в зависимости от их свойств. Когда шаблоны с одинаковыми свойствами группируются вместе, результирующая группа также является шаблоном, который часто называют классом шаблона.
Распознавание образов — это наука о наблюдении, различении интересующих моделей и принятии правильных решений относительно шаблонов или классов шаблонов. Таким образом, биометрическая система применяет распознавание образов для идентификации и классификации людей, сравнивая его с сохраненными шаблонами.
Распознавание образов в биометрии
Техника распознавания образов выполняет следующие задачи —
Классификация — идентификация рукописных символов, капчей, различение людей от компьютеров.
Сегментация — обнаружение текстовых областей или областей лица на изображениях.
Распознавание синтаксических образов — определение взаимосвязи группы математических символов или операторов и того, как они образуют осмысленное выражение.
Классификация — идентификация рукописных символов, капчей, различение людей от компьютеров.
Сегментация — обнаружение текстовых областей или областей лица на изображениях.
Распознавание синтаксических образов — определение взаимосвязи группы математических символов или операторов и того, как они образуют осмысленное выражение.
Следующая таблица подчеркивает роль распознавания образов в биометрии —
Задача распознавания образов | вход | Выход |
---|---|---|
Распознавание персонажей (Распознавание подписей) | Оптические сигналы или удары | Имя персонажа |
Распознавание спикеров | голос | Личность говорящего |
Отпечаток пальца, изображение лица, изображение геометрии руки | Образ | Личность пользователя |
Компоненты распознавания образов
Техника распознавания образов выделяет случайный образец характера человека в компактную цифровую подпись, которая может служить биологическим идентификатором. Биометрические системы используют методы распознавания образов, чтобы классифицировать пользователей и идентифицировать их по отдельности.
Компоненты распознавания образов следующие:
Популярные алгоритмы распознавания образов
Самые популярные алгоритмы генерации паттернов —
Алгоритм ближайшего соседа
Вам нужно взять вектор неизвестного человека и вычислить его расстояние от всех шаблонов в базе данных. Наименьшее расстояние дает лучшее совпадение.
Алгоритм обратного распространения (Backprop)
Это немного сложный, но очень полезный алгоритм, который включает в себя множество математических вычислений.
Обработка сигналов и биометрия
Существуют различные сигналы, которые мы можем получить в реальном мире, такие как звук, свет, радиосигналы, биомедицинские сигналы от человеческого тела и т. Д. Все эти сигналы имеют форму непрерывного потока информации, называемого аналоговыми сигналами. Человеческий голос — это своего рода сигнал, который мы получаем из реального мира и используем как биометрический вход.
Что такое сигнал?
Сигнал — это измеряемая физическая величина, содержащая некоторую информацию, которая может быть передана, отображена, записана или изменена.
Обработка сигналов в биометрии
Существуют различные причины для обработки сигналов. Биометрические системы, требующие обработки голоса по разным причинам —
Модуль обработки аналогового сигнала преобразует информацию реального мира, такую как звуковая волна, в форме нулей и единиц, чтобы ее можно было понять и использовать в современных цифровых системах, таких как биометрические системы. Клавиши, геометрия руки, подпись и речь попадают в области обработки сигналов и распознавания образов.
Системы цифровой обработки сигналов (DSP)
Существует два типа сигналов — аналоговый и цифровой. Аналоговые сигналы представляют собой непрерывный непрерывный поток информации, тогда как цифровой сигнал представляет собой поток от 0 до 1.
Системы DSP являются одним из важных компонентов биометрических систем, которые преобразуют аналоговые сигналы в поток дискретных цифровых значений путем дискретизации и оцифровки с использованием аналого-цифрового преобразователя (АЦП).
DSP — это однокристальные цифровые микрокомпьютеры, которые обрабатывают электрические сигналы, генерируемые электронными датчиками от камер, датчиков отпечатков пальцев, микрофонов и т. Д.
DSP в биометрии
DSP позволяет биометрической системе быть небольшой и легко переносимой, эффективно работать и быть в целом менее затратной.
Архитектура DSP построена для поддержки сложных математических алгоритмов, которые требуют значительного умножения и сложения. DSP может выполнять умножение / сложение в одном цикле с помощью аппаратного средства умножения / накопления (MAC) внутри своего арифметического логического устройства (ALU).
Он также может улучшить разрешение захваченного изображения с помощью двумерных быстрых преобразований Фурье (FFT) и конечных ИК-фильтров.
Биометрия и обработка изображений
Изображения имеют огромную долю в эту эпоху информации. В биометрии обработка изображения требуется для идентификации человека, чье биометрическое изображение ранее сохранено в базе данных. Лица, отпечатки пальцев, радужная оболочка и т. Д. Представляют собой биометрические данные на основе изображений, которые требуют методов обработки изображений и распознавания образов.
Чтобы биометрическая система на основе изображений работала точно, ей необходимо иметь примерное изображение биометрической информации пользователя в очень четкой и не фальсифицированной форме.
Требование обработки изображений в биометрии
Изображение биометрического пользователя поступает в биометрическую систему. Система запрограммирована так, чтобы манипулировать изображением с помощью уравнений, а затем сохранять результаты вычислений для каждого пикселя.
Чтобы выборочно улучшить определенные тонкие особенности в данных и удалить определенный шум, цифровые данные подвергаются различным операциям обработки изображений.
Методы обработки изображений можно сгруппировать в три функциональные категории —
Восстановление изображения
Восстановление изображения в основном включает в себя —
Сглаживание изображения уменьшает шумы на изображении. Сглаживание выполняется путем замены каждого пикселя на среднее значение соседним пикселем. Биометрическая система использует различные алгоритмы фильтрации и методы снижения шума, такие как медианная фильтрация, адаптивная фильтрация, статистическая гистограмма, вейвлет-преобразования и т. Д.
Улучшение изображения
Методы улучшения изображения улучшают видимость любой части или функции изображения и подавляют информацию в других частях. Это делается только после завершения восстановления. Он включает в себя повышение яркости, повышение резкости, регулировку контрастности и т. Д., Чтобы изображение можно было использовать для дальнейшей обработки.
Функция извлечения
Два типа функций извлекаются из изображения, а именно —
Общие характеристики — такие функции, как форма, текстура, цвет и т. Д., Которые используются для описания содержимого изображения.
Специфичные для домена функции — это зависящие от приложения функции, такие как лицо, диафрагма, отпечаток пальца и т. Д. Фильтры Gabor используются для извлечения функций.
Общие характеристики — такие функции, как форма, текстура, цвет и т. Д., Которые используются для описания содержимого изображения.
Специфичные для домена функции — это зависящие от приложения функции, такие как лицо, диафрагма, отпечаток пальца и т. Д. Фильтры Gabor используются для извлечения функций.
B-сплайны — это приближения, применяемые для описания кривых в биометрических системах отпечатков пальцев. Коэффициенты B-сплайнов используются в качестве признаков. В случае системы распознавания радужной оболочки изображения радужной оболочки разлагаются с использованием дискретного вейвлет-преобразования (DWT), и коэффициенты DWT затем используются в качестве элементов.
Биометрическая система безопасности
Работа биометрической системы сильно зависит от устройств ввода, которые подвергаются эксплуатационным ограничениям. Иногда сами устройства могут не захватывать необходимые входные выборки. Они могут не захватить образец в достаточной степени. Это делает систему ненадежной и уязвимой.
Чем более уязвима биометрическая система, тем более она небезопасна.
Уязвимость биометрической системы
Существуют две основные причины уязвимости биометрической системы:
Системные сбои
Есть два способа, которыми биометрическая система может не работать —
Внутренние сбои — это сбои, такие как неработающие датчики, сбой модулей извлечения признаков, согласования или принятия решений и т. Д.
Сбои из-за атак. Они связаны с лазеками в дизайне биометрической системы, доступностью любых вычислений для злоумышленников, инсайдерскими атаками неэтичных системных администраторов и т. Д.
Внутренние сбои — это сбои, такие как неработающие датчики, сбой модулей извлечения признаков, согласования или принятия решений и т. Д.
Сбои из-за атак. Они связаны с лазеками в дизайне биометрической системы, доступностью любых вычислений для злоумышленников, инсайдерскими атаками неэтичных системных администраторов и т. Д.
Незащищенная инфраструктура
Биометрическая система может быть доступна злоумышленникам, если ее оборудование, программное обеспечение и пользовательские данные не защищены.
Риски с биометрической системой безопасности
Безопасность биометрической системы важна, так как биометрические данные нелегко отозвать или заменить. Существуют следующие значительные риски в отношении безопасности биометрических систем:
Риск кражи пользовательских данных
Если биометрическая система уязвима, хакер может нарушить ее безопасность и собрать пользовательские данные, записанные в базе данных. Это создает больше угроз для конфиденциальности.
Риск компрометации пользовательских данных
После получения биометрического образца хакер может представить поддельный образец в систему. Если пользовательские данные скомпрометированы, они остаются скомпрометированными навсегда. Очевидная причина в том, что у пользователя ограниченное количество биометрических данных, и их трудно заменить, в отличие от паролей или идентификационных карт.
Хотя биометрические данные зашифрованы и сохранены, их необходимо расшифровать для соответствия цели. В момент сопоставления хакер может взломать систему безопасности.
Биометрическая система безопасности
Предлагается ряд решений для решения проблемы безопасности биометрической системы. Биометрические шаблоны никогда не хранятся в необработанном виде. Они зашифрованы; иногда даже дважды.
В случае биометрии используются различные ресурсы, такие как люди (субъекты или кандидаты), объекты (компоненты или процессы системы) и биометрические данные (информация). Требования безопасности конфиденциальности, целостности, подлинности, непризнания и доступности являются существенными в биометрии. Давайте кратко рассмотрим их —
аутентичность
Это качество или состояние быть чистым, подлинным или оригинальным, а не воспроизводимым. Информация является достоверной, когда она находится в том же состоянии и качестве, когда она была создана, сохранена или передана.
конфиденциальность
Это ограничивает доступ к информации и ее раскрытие авторизованным пользователям и предотвращает доступ или раскрытие ее посторонними лицами. В случае биометрической системы это, в основном, относится к биометрической и связанной с ней информации аутентификации, когда она собирается и хранится, которая должна храниться в тайне от посторонних лиц.
Биометрическая информация должна быть доступна только человеку, которому она принадлежит. Во время идентификации и изменения доступный кандидат должен быть ограничен соответствующими мерами безопасности.
целостность
Это условие быть полным и неизменным, что относится к его последовательности, точности и правильности. Для биометрической системы целостность должна быть высокой. Любые злонамеренные манипуляции во время эксплуатации и хранения должны храниться или обнаруживаться как можно раньше, включая их уведомление и исправление.
Неотрекаемость
Это идентификация задействованных ресурсов, таких как объекты и компоненты. Это также рассматривается как ответственность. Например, он запрещает отправителю или получателю биометрической информации отрицать отправку или получение биометрической информации.
Доступность
Ресурс обладает свойством доступности по отношению к набору объектов, если все члены набора могут получить доступ к ресурсу. Аспект, называемый достижимостью, гарантирует, что с людьми или системными процессами можно или нельзя связываться, в зависимости от интересов пользователя.
Злоумышленники могут сделать систему непригодной для подлинных пользователей, не позволяя им использовать аутентифицированные приложения. Эти злоумышленники нацелены на доступность информации.
Критерии создания биометрических шаблонов
Вот критерии для создания биометрических шаблонов —
Обеспечение того, чтобы шаблон исходил от кандидата-кандидата и был зафиксирован подлинным датчиком и программным обеспечением.
Защита биометрического шаблона с помощью шифрования со свойствами необратимости. Это затрудняет хакерам вычисление исходной биометрической информации из защищенного шаблона.
Создание непривлекательного (уникального) биометрического шаблона. Биометрическая система не должна иметь доступа к шаблону того же кандидата, записанному в другой биометрической системе. В случае, если хакеру удается извлечь биометрический шаблон из одной биометрической системы, он не должен иметь возможность использовать этот шаблон для получения доступа через другую биометрическую систему, даже если обе проверки могут основываться на одном и том же биометрическом шаблоне кандидата. Кроме того, несвязываемая биометрическая система должна сделать невозможным получение какой-либо информации на основе отношения между двумя шаблонами.
Создание отменяемого и обновляемого шаблона. В нем подчеркивается возможность отмены или деактивации скомпрометированного шаблона и его воспроизведения другим способом, аналогичным способу воспроизведения утерянной или украденной смарт-карты.
Проектирование биометрической системы точности по отношению к FAR и FRR.
Тщательно выбирайте подходящий алгоритм шифрования. Некоторые алгоритмы могут усиливать даже небольшие отклонения, присущие индивидуальным биометрическим данным, что может привести к повышению FRR.
Использование эффективной схемы защиты для повышения производительности системы.
Обеспечение того, чтобы шаблон исходил от кандидата-кандидата и был зафиксирован подлинным датчиком и программным обеспечением.
Защита биометрического шаблона с помощью шифрования со свойствами необратимости. Это затрудняет хакерам вычисление исходной биометрической информации из защищенного шаблона.
Создание непривлекательного (уникального) биометрического шаблона. Биометрическая система не должна иметь доступа к шаблону того же кандидата, записанному в другой биометрической системе. В случае, если хакеру удается извлечь биометрический шаблон из одной биометрической системы, он не должен иметь возможность использовать этот шаблон для получения доступа через другую биометрическую систему, даже если обе проверки могут основываться на одном и том же биометрическом шаблоне кандидата. Кроме того, несвязываемая биометрическая система должна сделать невозможным получение какой-либо информации на основе отношения между двумя шаблонами.
Создание отменяемого и обновляемого шаблона. В нем подчеркивается возможность отмены или деактивации скомпрометированного шаблона и его воспроизведения другим способом, аналогичным способу воспроизведения утерянной или украденной смарт-карты.
Проектирование биометрической системы точности по отношению к FAR и FRR.
Тщательно выбирайте подходящий алгоритм шифрования. Некоторые алгоритмы могут усиливать даже небольшие отклонения, присущие индивидуальным биометрическим данным, что может привести к повышению FRR.
Использование эффективной схемы защиты для повышения производительности системы.
Много исследований и разработок делается для обеспечения безопасности и конфиденциальности биометрических данных.
- Что изучает биометрия как наука
- Что изучает биометрия кратко