سلام به همه.
اخیراً این را در مورد تشخیص مداوم گفتار نوشتم و اکنون می خواهم در مورد بیومتریک صدا بنویسم. تایید هویت شخص از طریق صدا و شناسایی شخص از طریق صدا.

باز هم چون کار من مربوط به مراکز تماس (CC) است، بنابراین در مورد آنها صحبت خواهم کرد. این نیز به این دلیل است که اکنون آنها کسانی هستند که به طور فعال به بیومتریک صدا علاقه مند هستند، که جای تعجب نیست، زیرا کانال تلفن برنامه ایده آل آن است.
- مشترک را در انتهای خط نمی بینید.
- نمی توانید از روش های دیگر برای تأیید هویت خود استفاده کنید: از طریق صورت، شبکیه چشم، اثر انگشت.
- هیچ دستگاه اسکن اضافی مورد نیاز نیست، مانند دستگاه هایی که باید انگشت خود را در آن قرار دهید یا کسی که چشم خود را به آن نشان دهید.
- این ارزان ترین روش بیومتریک است، اگرچه از نظر قابلیت اطمینان نسبت به روش های دیگر کمی پایین تر است. اما از آنجایی که سایر روش ها از نظر فنی از طریق تلفن در استفاده انبوه قابل اجرا نیستند، واقعاً چاره ای وجود ندارد.
البته، می توانید در مورد گزینه "مبتنی بر دانش" برای تأیید هویت مشترک بحث کنید - اینها رمزهای عبور، کلمات مخفی، کدهای TPIN (بانک ها)، داده های گذرنامه و غیره هستند. - اما همه اینها از نظر امنیتی قابل اعتماد نیستند و مشترک را ملزم می کند که اطلاعات را به خاطر بسپارد یا اطلاعات را همیشه در دسترس داشته باشد که برای مشترک چندان راحت نیست و برای CC موثر (پرهزینه) نیست.

ابتدا اجازه دهید آنچه را که در مفهوم بیومتریک صدا گنجانده شده است تعریف کنیم:
- این شناسایی، یعنی شناسایی شخص با صدا این زمانی است که یک دوست قدیمی از یک شماره ناشناس با شما تماس می گیرد و می گوید: "حدس بزنید کیست؟" و شما در ذهن خود تلاش می کنید تا بهترین تطابق را از بین همه صداهای شناخته شده (آشنا) پیدا کنید. وقتی اسکن حافظه تمام شد و شما یک تطابق کم و بیش مناسب پیدا کردید، می توانید بگویید: "آره، این همکلاسی من سریوگا است که 10 سال است با او صحبت نکرده ام." اما شما هیچ تضمینی ندارید که او باشد، و سپس زمان تأیید فرا می رسد.
- تایید- این تایید هویت با صدا است، یعنی. شناسایی بدون ابهام برای انجام این کار، می توانیم از شما بخواهیم ثابت کنید که Seryoga دقیقا همان چیزی است که ادعا می کند. می توانیم از او بپرسیم: "به من بگو ساعت 6 صبح هنگام فارغ التحصیلی کجا بودیم" - این اطلاعات به ما امکان می دهد هویت سریوگا را تأیید کنیم، زیرا فقط او می تواند حامل این اطلاعات باشد (مشابه رمز عبوری که در بالا نوشتم).

اگر تعریف هوشمندانه‌تری می‌خواهید، پس:
شناسایی- بررسی می کند که آیا یک نمونه صوتی با بسیاری از صداهای پایگاه داده مطابقت دارد یا خیر. در نتیجه شناسایی، سیستم لیستی از افراد دارای آرای مشابه را بر حسب درصد نشان می دهد. تطابق 100٪ به این معنی است که نمونه صدا دقیقاً با صدای موجود در پایگاه داده مطابقت دارد و هویت به طور قابل اعتماد ایجاد می شود.
تایید- دو نمونه صوتی را با هم مقایسه می کند: صدای فردی که نیاز به تایید هویتش با صدایی که در پایگاه داده سیستم ذخیره شده است و هویت او قبلاً به طور قابل اعتماد مشخص شده است. در نتیجه تأیید، سیستم میزان همزمانی یک رأی با رأی دیگر را به صورت درصد نشان می دهد.
همچنین چنین مفهومی وجود دارد احراز هویت. دشوار است که به صراحت بگوییم که چگونه با تأیید تفاوت دارد. برخی از کارمندان ما این عقیده را دارند که این یک نوع فرآیند تأیید هویت بیولوژیکی (!) است، زمانی که جدا کردن فرآیند شناسایی از تأیید دشوار است، یعنی. این یک فرآیند تعمیم یافته است.

چه نوع تأییدی وجود دارد؟

- مستقل از متن
هنگامی که تأیید هویت از طریق گفتار خود به خودی مشترک رخ می دهد، یعنی. برای ما مهم نیست که یک شخص چه می گوید. این طولانی ترین روش تأیید است - حداقل 6-8 ثانیه گفتار واضح از مشترک باید جمع شود. به طور معمول، این روش مستقیماً در هنگام ارتباط مشترک با اپراتور CC استفاده می شود، زمانی که اپراتور دومی باید به طور واضح مطمئن شود که مشترک دقیقاً همان چیزی است که ادعا می کند. جالب ترین چیز این است که این روش تأیید می تواند مخفیانه از خود مشترک استفاده شود. در محل کار اپراتور CC می توانید چنین ابزار کاری را ببینید.

شکل 1. بخشی از رابط ایستگاه کاری اپراتور CC برای تأیید مشتری.

- حساس به متن توسط عبارت عبور استاتیک
هنگامی که تأیید هویت با استفاده از عبارت عبوری که مشترک در زمان ثبت نام با آن وارد شده است، انجام می شود. مدت زمان عبارت عبور باید حداقل 3 ثانیه باشد. معمولاً پیشنهاد می کنیم نام کامل و نام شرکت خود را بگویید. عبارت عبور همیشه یکسان است.
- حساس به متن با عبارت عبور پویا
هنگامی که تأیید هویت با استفاده از عبارت عبوری که خود سیستم در زمان تماس تأیید ارائه می دهد، انجام می شود، یعنی. کلمه عبور هر بار متفاوت است! به طور معمول ما یک عبارت عبور پویا ارائه می دهیم که از دنباله ای از اعداد ساخته شده است. مشترک اعداد را بعد از سیستم تکرار می کند تا زمانی که تصمیم "دوست/دشمن" بدون ابهام بگیرد. این می تواند یک عدد مانند "32" یا یک مجموعه کامل از "32 58 64 25" باشد. جالب است که تلفظ اعداد مختلف مقادیر مختلفی از اطلاعات را برای مقایسه می دهد: "مفید" ترین عدد "هشت" است - حاوی مفیدترین اطلاعات گفتاری است، بی فایده ترین "دو" است.

مرحله 1.
برای اینکه بتوانیم تأیید صوت را انجام دهیم، باید قبلاً یک نمونه صدا (فرستاد صوتی) در پایگاه داده خود داشته باشیم که صاحب آن به طور قابل اعتماد شناخته شده است. بنابراین، اولین قدم، جمع آوری بانک اطلاعاتی از رای‌دهندگان است؛ برای این منظور از مشترکین (مشتریان) می‌خواهیم مراحل ثبت نام را در سامانه طی کنند.
ثبت نام در سیستم مشترک به این معنی است که او به طور داوطلبانه صدای خود را ترک می کند که سپس از آن برای تأیید استفاده می کنیم. معمولاً از شما می‌خواهیم که 3 پخش صوتی پشت سر هم بگذارید تا تغییرپذیری وجود داشته باشد - رمز عبور خود را سه بار بگویید. سپس، هنگامی که تأیید موفقیت آمیز باشد، قدیمی‌ترین پخش‌کننده صوتی را با یکی جدید جایگزین می‌کنیم، بنابراین اگر مشترک مرتباً از سیستم استفاده می‌کند، پخش‌ها را دائماً به‌روزرسانی می‌کنیم. مشکل پیری صدا را اینگونه حل می کنیم.
اگر از تأیید رمز عبور پویا استفاده می کنیم، از مشترک می خواهیم اعداد 0 تا 9 را سه بار بگوید. در نتیجه 30 نمونه صوتی خواهیم داشت.

توصیه می شود مشتری از طریق کانال ارتباطی که بعداً از طریق آن تأیید می شود، پخش صدای خود را ترک کند (ثبت نام) در غیر این صورت احتمال خطا افزایش می یابد. مواردی وجود دارد که آنها با استفاده از هدست در اسکایپ ثبت نام می کنند و سپس با استفاده از تلفن خانگی خود تأیید می شوند - در اینجا عامل کانال ارتباطی نقش مهمی در قابلیت اطمینان سرویس ایفا می کند. هنگام ساخت یک سرویس، می توانید در نظر بگیرید که کانال های ارتباطی می توانند متفاوت باشند - این به طور جداگانه برای یک مورد خاص بررسی و آزمایش می شود و تأثیر کانال ارتباطی را می توان تقریباً به طور کامل خنثی کرد. اما اگر فوراً به آن فکر نکنید و به سرعت آن را اجرا نکنید، مشکلاتی پیش خواهد آمد.

مهم است که مشتری به طور مستقل و آگاهانه ثبت نام کند (می داند چرا به آن نیاز است و بعداً چگونه به او کمک می کند)، زیرا سپس فقط یک مشترک وفادار که به نتیجه نیاز دارد و "قوانین بازی" را می پذیرد می تواند تأیید شود.
اگر مشتری مجبور شود در مکان مناسب و در مکان اشتباه تأیید را انجام دهد ، می تواند ناخودآگاه صدای خود را تغییر دهد ، احمق کند (با خدمات دوستانه نباشد) - این منجر به اشتباه می شود و وفاداری مشتری کاهش می یابد ، اگرچه خود او به طور غیرمستقیم در این امر مقصر خواهد بود.

یک مشترک چگونه در سامانه ثبت نام می کند؟ (رمز عبور ثابت)

شکل 2. طرحی برای ثبت نام یک شخص در یک سیستم بیومتریک.

1. مشترک با سیستم بیومتریک تماس می گیرد که او را وادار می کند تا یک عبارت عبور بیاید و تلفظ کند. 3 بار بگو
2. صدا توسط سرور بیومتریک پردازش می شود و ما 3 مدل صوتی را به عنوان خروجی دریافت می کنیم. یک رمز عبور برای هر کلمه عبور
3. در سرور یک کارت مشتری (یوری گاگارین) ایجاد می کنیم که 3 مدل صوتی حاصل را به آن وصل می کنیم.

مدل صدا چیست؟
- اینها ویژگی های منحصر به فرد صدای یک فرد است که در ماتریسی از اعداد منعکس شده است. این یک فایل با اندازه 18 کیلوبایت (برای PF استاتیک) است. مثل اثر انگشت است. سپس این مدل های صوتی را با هم مقایسه می کنیم. در مجموع، مدل صوتی 74 (!) پارامتر صوتی مختلف را ثبت می کند.

چگونه مدل های صوتی را دریافت می کنید؟
ما از 4 روش مستقل استفاده می کنیم:
- تجزیه و تحلیل آمار لحن اساسی.
- روش مخلوط کردن توزیع های گاوسی و SVM.
- طیفی شکل.
- روش تغییرپذیری کامل
من متعهد نمی شوم که آنها را در اینجا با جزئیات شرح دهم - حتی برای من دشوار است و قطعاً در دوره "برای آدمک ها" گنجانده نشده است. ما همه اینها را در بخش RIS خود در ITMO (سن پترزبورگ) آموزش می دهیم.

گام 2.
این خود تأیید است. یعنی در آن سوی خط مشترکی داریم که ادعا می کند یوری گاگارین است. و در پایگاه داده ما، بر این اساس، ما یک کارت مشتری از یوری گاگارین داریم که در آن کست های صدای او ذخیره می شود، بنابراین، تنها کاری که باید انجام دهیم این است که صدای شخصی را که ادعا می کند یوری گاگارین است با صدای واقعی مقایسه کنیم. یوری گاگارین.

چگونه یک مشترک در سیستم تایید می شود؟ (رمز عبور ثابت)

شکل 3. طرح راستی آزمایی انسانی در یک سیستم بیومتریک.

1. اول، ما مانند هنگام ثبت نام، یعنی. ما یک رمز عبور داریم که توسط مشتری صحبت می شود، که آن را به سرور بیومتریک می فرستیم و مدلی از صدای "ظاهرا" یوری گاگارین را می سازیم.
2. سپس 3 مدل صدای یوری گاگارین واقعی را می گیریم، یک مدل متوسط ​​را به روشی هوشمندانه می سازیم و همچنین آن را به سرور بیومتریک ارسال می کنیم.
3. فقط مقایسه 2 مدل مختلف. در نتیجه درصد تطابق بین یک مدل و مدل دیگر را بدست می آوریم.
4. بعد باید با این عدد کاری انجام دهیم (92% در شکل). چه زیاد باشد چه کم، آیا می توان قطعاً گفت که این یوری گاگارین است یا او یک فریبکار است؟

شکل 4. آستانه اعتماد "دوست/دشمن".

در سیستم ما پارامتری به عنوان "آستانه اعتماد" داریم - این درصد مشخصی از انطباق است. فرض کنید ما خودمان آن را روی 60 درصد قرار دادیم. بنابراین، اگر درصد انطباق با مدل صدای "ظاهرا" یوری گاگارین به "آستانه اعتماد" نرسد، یک فریبکار با ما تماس گرفت. اگر بالاتر از "آستانه اعتماد" باشد، یوری گاگارین واقعی ما را صدا زد. ما می‌توانیم «آستانه اعتماد» را خودمان تنظیم کنیم؛ معمولاً بسته به وظیفه تأیید، از 50 تا 70 درصد است.

در اینجا باید در مورد خطاهای نوع اول (FR) و نوع دوم (FA) و همچنین خطای تعمیم یافته (EER) به شما بگویم ، اما من این کار را انجام نمی دهم - این متن را بسیار پیچیده و افزایش می دهد. اگر علاقه مند هستید، سعی می کنم یکی از بخش های علمی را متقاعد کنم که این را به صورت عمومی توصیف کند و آن را به طور جداگانه در اینجا قرار خواهم داد.

من به سادگی می گویم که بسته به وظیفه راستی آزمایی، برای ما مفیدتر است که «خودمان» را از دست بدهیم تا «کس دیگری» را از دست ندهیم. و برعکس، گاهی اوقات مهم‌تر است که «کس دیگری» را از دست ندهیم تا «خودمان» را.
مطمئنم هیچکدومتون بار اول این 2 جمله رو متوجه نشدید و باید دوباره با دقت بخونید تا معنی رو بفهمید.

ادغام یک سرور بیومتریک در مرکز تماس.

شکل 5. نمودار بلوک محصول VoiceKey.

راستش را بخواهید، همه چیز در اینجا بسیار ساده است: ما یک صدا را با فرمت موج یا PCM از طریق http به عنوان ورودی ارسال می کنیم، و در خروجی نتیجه مقایسه می گیریم. من نمی خواهم در این مورد با جزئیات بیشتر صحبت کنم.

فرآیند تأیید به طور متوسط ​​0.8 ثانیه طول می کشد. امکان کار همزمان با بسیاری از رشته ها وجود دارد.

همه چیز با جزئیات در وب سایت ما توضیح داده شده است، و مهمتر از همه، ما موارد استفاده به خوبی توسعه یافته برای مراکز تماس داریم. در سال‌های اخیر، من ارتباط زیادی با CCهای بزرگ مختلف در روسیه، عمدتاً در بخش مالی داشته‌ام، و درک درستی از اهداف و مقاصد ایجاد کرده‌ام.

حال اجازه دهید به این سوال بپردازیم: فناوری بیومتریک صوتی تا چه حد برای استفاده انبوه مناسب است؟ آیا قابل اعتماد است؟

به طور خلاصه، بله، واقعا عالی کار می کند. شرکت ما دارای غرفه های نمایش تلفنی است. اگر علاقه مند هستید، هر یک از شما می توانید تماس بگیرید و شخصاً نحوه و آنچه کار می کند را امتحان کنید. من شماره تلفن و دستورالعمل های آزمایش را در صورت درخواست از این صفحه ارائه می دهم. فقط برای آمار مورد علاقه در این موضوع و ارزیابی بار روی سرور.

برای مرجع: پیشرفت های دانشمندان روسی در زمینه بیومتریک صدا، اگر اولین جایگاه را در جهان نداشته باشیم، مطمئناً آن را با دیگران به اشتراک می گذارند. این توسط مطالعات مستقل تأیید شده است، برای مثال NIST (موسسه ملی استاندارد و فناوری، ایالات متحده آمریکا)، که در آن شرکت ما در هر پنج آزمایش در بین شرکت های تجاری در سه رتبه برتر قرار داشت. یا اینکه محصول ما "VoiceKey" در سال 2013 در مسابقه بین المللی "هدست کریستال" نامزدی "بهترین محصول سال برای CC" را کسب کرد.
همچنین می توان به این نکته اشاره کرد که اجرای بزرگترین پروژه امروز دنیا در زمینه بیومتریک صوتی در کانال تلفن بر عهده شرکت ماست.

به طور خلاصه، این یک برنامه آموزشی است. آماده پاسخگویی به سوالات در نظرات

احراز هویت بیومتریک فرآیند اثبات و تایید اصالت از طریق ارائه تصویر بیومتریک توسط کاربر و با تبدیل این تصویر مطابق با یک پروتکل احراز هویت از پیش تعریف شده است. سیستم‌های احراز هویت بیومتریک، سیستم‌های احراز هویت هستند که از داده‌های بیومتریک خود برای تأیید هویت افراد استفاده می‌کنند. سیستم های بیومتریک از دو بخش سخت افزار و نرم افزار تخصصی تشکیل شده است.

سخت افزار شامل اسکنرها و پایانه های بیومتریک است. آنها یک یا آن پارامتر بیومتریک (اثر انگشت، عنبیه، الگوی رگها در کف دست یا انگشت) را ثبت می کنند و اطلاعات دریافتی را به یک مدل دیجیتال قابل دسترسی برای رایانه تبدیل می کنند. و نرم افزار این داده ها را پردازش می کند، آنها را با پایگاه داده مرتبط می کند و تصمیم می گیرد که چه کسی قبل از اسکنر ظاهر می شود.

برای اینکه سیستم بیومتریک بتواند بیشتر کاربر را شناسایی کند، لازم است ابتدا اطلاعات مربوط به شناسه های وی ثبت شود. سیستم‌های تجاری (برخلاف سیستم‌هایی که توسط سازمان‌های مجری قانون استفاده می‌شوند) تصاویر شناسه‌های واقعی را ذخیره نمی‌کنند، بلکه مدل‌های دیجیتالی آن‌ها را ذخیره می‌کنند. هنگامی که کاربر دوباره به سیستم دسترسی پیدا می کند، مدلی از شناسه او دوباره تشکیل می شود و با مدل هایی که قبلا وارد پایگاه داده شده مقایسه می شود.

در سال 2008، تشخیص چهره بیشتر یک موضوع تحقیقاتی بود، اما اکنون به یک فناوری واقعی تبدیل شده است. نه تنها سازمان های دولتی، بلکه شرکت های تجاری نیز به آن علاقه نشان می دهند. پویایی بازار بسیار شدید است. بر اساس تحقیقات گروه بین المللی بیومتریک، در سال 2009 ارزش بازار جهانی بیومتریک 3.4 میلیارد دلار بوده است؛ طبق پیش بینی آنها تا سال 2014 به 9 میلیارد دلار خواهد رسید. اکنون 11.4 درصد از کل بازار بیومتریک توسط فناوری های شناسایی چهره اشغال شده است. چهار سال پیش، تحلیلگران این حوزه را به عنوان "سایر" طبقه بندی کردند.

فن‌آوری‌های شناسایی اثر انگشت تمام بهترین ویژگی‌های بیومتریک را به طور کلی جذب کرده‌اند. اثر انگشت یک شخص خاص را شناسایی می کند، نه یک نشانه یا کارت. برخلاف رمز عبور، اثر انگشت را نمی توان «جاسوسی»، فراموش کرد، یا به طور داوطلبانه یا ناخواسته به دیگری منتقل کرد. به هر حال، اسکنرهای مدرن یاد گرفته اند که ثابت کنند اثر انگشت متعلق به یک فرد زنده است و با ارائه اثر انگشت روی کاغذ، ژلاتین یا شیشه نمی توان آنها را فریب داد. احتمال شناسایی نادرست 0.000000001% است و زمان لازم برای اسکن اثر انگشت از کسری از ثانیه تجاوز نمی کند.

به لطف معرفی اسکنر اثر انگشت در گوشی های هوشمند، گام بزرگی در جهت حذف رمزهای عبور برداشته شد. علیرغم این واقعیت که این فناوری قبلاً مورد استفاده قرار گرفته بود، این اپل بود که توانست آن را محبوب کرده و به طور گسترده پیاده سازی کند.
مهم نیست که چقدر مخالفان جمع آوری داده های بیومتریک از عملکرد Touch ID انتقاد می کنند، این فناوری نه تنها برای باز کردن قفل گوشی هوشمند، بلکه برای خرید در فروشگاه App یا استفاده از سرویس Apple Pay نیز به طور فعال مورد استفاده قرار می گیرد.

در آینده، برخی از بانک های بزرگ نیز در حال بررسی تغییر به اسکنر اثر انگشت به عنوان یک روش احراز هویت هستند. علاوه بر این، ویزا از این هم فراتر می رود - این شرکت در حال کار بر روی نمونه اولیه یک اسکنر عنبیه است که برای همان اهداف در سرویس پرداخت آنلاین Visa Checkout استفاده می شود.

RichRelevance یک نظرسنجی از 2000 مصرف کننده در دو سوی اقیانوس اطلس در اوایل سال 2016 انجام داد. آنها به سؤالاتی در مورد اینکه چگونه فناوری می تواند بر مدل خدمات مشتری در فروشگاه آنها تأثیر بگذارد، پاسخ دادند و تفاوت بین آنچه مشتریان «خوب» و آنچه را «وحشتناک» می دانند، توضیح دادند.

با وجود گشودگی آنها نسبت به چیزهای جدید، خریداران بریتانیایی کمتر فناوری تهاجمی تر، مانند نرم افزار تشخیص چهره را که می تواند توسط یکی از کارکنان هنگام بازدید از فروشگاه برای شناسایی آنها استفاده شود، نمی پذیرند.

هنگام ارزیابی فناوری تشخیص اثر انگشت در طول فرآیند پرداخت، تقریباً نیمی (47.5٪) از پاسخ‌دهندگان از این فناوری استقبال می‌کنند، اگر به آنها امکان دریافت خودکار خدمات تحویل در خانه را نیز بدهد.

علاوه بر این، 62 درصد از خریداران مورد بررسی می‌خواهند بتوانند محصولی را از دستگاه‌های خود اسکن کنند تا نظرات و توصیه‌های مربوط به محصولات دیگری را که ممکن است دوست دارند ببینند، در حالی که 52 درصد از خریداران از این که ویژگی پیشنهادات پاپ‌آپ شروع به ارائه می‌شود اهمیتی نمی‌دهند. دستگاه های تلفن همراه آنها در ورودی فروشگاه.

مجرمان سایبری خواندن اثر انگشت و الگوهای عنبیه را یاد می گیرند

از پاییز 2016، آزمایشگاه کسپرسکی در حال حاضر حداقل 12 فروشنده را در بازار سیاه کشف کرده است که کفگیرهایی را ارائه می‌دهند که می‌توانند داده‌های اثر انگشت را سرقت کنند، و حداقل سه محقق که روی فناوری‌هایی کار می‌کنند که تشخیص الگوی رگ مچ و عنبیه را هک می‌کنند. غشاهای چشم به گفته کارشناسان، در سپتامبر 2015، آزمایش پیش فروش اولین نسخه اسکیمرهای بیومتریک از قبل در بازار سیاه انجام شد. در آن زمان چندین خطا پیدا شد، اما مشکل اصلی استفاده از ماژول‌های GSM برای انتقال داده‌های بیومتریک بود - آنها نمی‌توانستند با حجم زیادی از اطلاعات کنار بیایند، به این معنی که نسخه‌های جدید چنین اسکیمرها از سایر فناوری‌های انتقال داده سریع‌تر استفاده می‌کنند. ، این شرکت معتقد است.

همچنین مشخص شد که جوامع مجرمان سایبری به طور فعال در حال بحث در مورد توسعه برنامه های کاربردی تلفن همراه هستند که امکان پوشاندن چهره انسان را فراهم می کند. چنین برنامه هایی به استفاده از عکس های افراد واقعی در شبکه های اجتماعی برای فریب دادن سیستم های تشخیص چهره کمک می کند.

برخلاف رمزهای عبور یا کدهای پین که در صورت هک شدن به راحتی قابل تغییر هستند، اثر انگشت یا الگوهای عنبیه قابل تغییر نیستند. بر این اساس، اگر داده‌های بیومتریک یک بار در دستان اشتباه قرار گیرند، استفاده مداوم از آن خطر جدی ایجاد خواهد کرد. به همین دلیل است که آنها به روش‌های حفاظتی بسیار مطمئن نیاز دارند.» اولگا کوچتووا، کارشناس امنیت اطلاعات در آزمایشگاه کسپرسکی. این خطر همچنین در این واقعیت نهفته است که آنها در گذرنامه‌ها و ویزاهای الکترونیکی مدرن گنجانده شده‌اند، به این معنی که سرقت چنین اسنادی منجر به این واقعیت می‌شود که تقریباً تمام اطلاعاتی که توسط آن می‌توان هویت یک فرد را مشخص کرد در دست یک حمله کننده."

حسگر اثر انگشت برخی از گوشی های هوشمند را می توان با استفاده از چاپگر فریب داد

در سال 2015، کارشناسان امنیت رایانه از دانشگاه میشیگان (ایالات متحده آمریکا) اسکنر اثر انگشت موجود در بسیاری از تلفن های هوشمند مدرن را با استفاده از یک چاپگر جوهرافشان معمولی هک کردند. مقاله ای به این تحقیق در وب سایت دانشگاه منتشر شد.

تا به حال، فریب دادن اسکنرهای اثر انگشت با ایجاد یک اثر انگشت جعلی به صورت دستی، به عنوان مثال با استفاده از لاتکس یا چسب امکان پذیر بود، اما این فرآیند زمان زیادی می برد و کیفیت چاپ های حاصل گاهی اوقات بسیار ضعیف است.

محققان آمریکایی روش ساده‌تر و مؤثرتری یافته‌اند. برای این کار، آنها اثر انگشت اشاره یکی از همکاران خود را با وضوح 300 dpi اسکن کردند و سپس آن را روی کاغذ براق چاپ کردند و جوهر رسانا را جایگزین جوهر چاپگر معمولی کردند.

تصاویر به‌دست‌آمده توانستند اسکنرهای داخلی گوشی‌های هوشمند سامسونگ گلکسی اس 6 و هواوی آنر 7 را با موفقیت فریب دهند. برای آزمایش بیشتر این روش، محققان اثر انگشت سایر شرکت‌کنندگان پروژه را تولید کردند و در همه موارد به آن‌ها اجازه دور زدن ساخت‌شده را دادند. -در حفاظت از دستگاه ها، با این حال، برای فریب سنسور گوشی هوشمند هواوی Honor 7، گاهی اوقات تلاش کمی بیشتر می شد.

به گفته نویسندگان این مطالعه، روشی که آنها کشف کردند می تواند توسط هکرها اتخاذ شود و سازندگان گوشی های هوشمند باید به فکر بهبود اسکنر اثر انگشتی باشند که دستگاه های خود را به آن مجهز می کنند.

بیومتریک صدا

بیومتریک صوتی یکی از فناوری‌هایی است که به سرعت در حال توسعه است و به شرکت‌های مختلف اجازه می‌دهد تا از راهکارهای آن برای شناسایی مشتریان استفاده کنند. در یک سیستم بیومتریک، از ویژگی های رفتاری، روانی و برخی دیگر از ویژگی های فردی برای تعیین یا تایید هویت استفاده می شود. اندازه‌گیری‌های بیومتریک زیادی از جمله اسکن عنبیه، اثر انگشت، تشخیص چهره، تشخیص صدا، تشخیص امضا و غیره وجود دارد. این یک راه نسبتا ساده و اقتصادی برای حل تعدادی از مشکلات عملی است.

فناوری‌های بیومتریک صدا و گفتار با اسباب‌بازی فاصله زیادی دارند؛ این فناوری‌ها فناوری بسیار پیشرفته‌ای هستند که می‌توان از آن‌ها برای بهبود کیفیت خدمات استفاده کرد تا حدی که مشتری این پیشرفت را احساس کند. شرکت باید یک سرویس خودکار به مشتری ارائه دهد و فناوری های گفتاری می توانند در این امر کمک کنند. هیچ کس مشتری را مجبور به صبر نمی کند، تغییر مسیر نمی دهد یا پیشنهاد استفاده از منو را نمی دهد. ارتباطات صوتی برای مشتری راحت است.

سیستم مشتری را درک می کند و می تواند حرف های او را تأیید کند. حتی ممکن است رمز یا شماره را به خاطر نداشته باشد. بیومتریک صوتی که در حین مکالمه استفاده می شود، تشخیص اینکه چه کسی تماس می گیرد را ممکن می سازد. این باعث کاهش زمان تماس می شود. بنابراین مشتری نیازی به معرفی خود یا دادن رمز عبور ندارد. رمز او صدای اوست! در عین حال، او احساس می کند که تماس او مهم است و شرکت بلافاصله تصمیم می گیرد.

این فناوری بیشترین کاربرد را در بخش بانکداری، شرکت های بیمه و مخابرات دارد. خطوط هوایی علاقه قابل توجهی نشان می دهند. بازار برنامه‌های کاربردی تلفن همراه برای تلفن‌های همراه نیز امیدوارکننده است، جایی که فناوری‌های گفتاری تقاضای کامل دارند. در صنعت خودرو، سیستم‌های صوتی به شما امکان می‌دهند از دستگاه‌های ناوبری در جاده استفاده کنید، می‌توانند موسیقی، تهویه مطبوع را روشن کنند، به شما در ضبط و ارسال پیامک بدون حواس‌پرتی از رانندگی ماشین و غیره کمک کنند.

در پزشکی، از فناوری های گفتاری برای ثبت اطلاعات در مورد مراجعین و ایجاد پرونده الکترونیکی بیمار استفاده می شود. این به پزشکان اجازه می دهد تا کار خود را بهینه کنند و مزایای واضحی برای مشتریان ایجاد می کند. دکتر از صفحه کلید کامپیوتر استفاده نمی کند، او به سادگی نشانگرهای پزشکی و تشخیص را دیکته می کند. سیستم تشخیص گفتار صدا را به متن ترجمه کرده و ضبط می کند.

مراکز تماس بانکی با موفقیت از فناوری های صوتی استفاده می کنند. اگر مشتری نیاز به اطلاعات اولیه داشته باشد، به صورت رایگان در اختیار او قرار می گیرد. اما اگر بخواهد تراکنش مالی یا نوعی عملیات با حساب خود انجام دهد، باید [وضعیت] او بررسی شود. بیومتریک صوتی یکی از انواع تأیید مشتری است که با کمک آن می توان تشخیص داد که آیا فرد زنده است یا صدای ضبط شده در حال پخش است.

یک سیستم بیومتریک صوتی می تواند نیاز به تأیید بیشتر مشتری را شناسایی کند. همچنین می‌توانید یک «لیست سیاه» از چاپ‌های صوتی مشتریانی که مرتکب کلاهبرداری یا تلاش برای دسترسی غیرمجاز به حساب‌های مشتریان دیگر شده‌اند، ایجاد کنید. این به شما امکان می دهد از امنیت تراکنش های بانکی اطمینان حاصل کنید.

کارشناسان آینده بزرگی را برای بیومتریک صوتی پیش‌بینی می‌کنند، که در اوایل سال 2012 ممکن است نقش اصلی را در تعیین اعتبار یک کاربر ایفا کند. مردم قبلاً به استفاده از صدای خود برای جستجوهای تلفن همراه، کنترل دستگاه و دیکته عادت کرده اند، بنابراین رویکرد صحیح برای مجوز صوتی ممکن است به زودی به بخش مهمی از فرآیند شناسایی افراد تبدیل شود. اینها یافته‌های یک مطالعه اخیر با عنوان «بهترین روش‌های احراز هویت بیومتریک صوتی: غلبه بر موانع پذیرش» است. هدف اصلی این مطالعه ارزیابی پروژه های قبلی با استفاده از بیومتریک صوتی و همچنین تحلیل وضعیت فعلی این صنعت و ارزیابی چشم اندازهای آن بود. به گفته نویسندگان این گزارش، Valid Soft، بیومتریک صوتی می‌تواند بخشی از فرآیند شناسایی چند سطحی باشد تا خطر تقلب در پرداخت آنلاین را کاهش دهد. داده ها نشان می دهد که تعداد چاپ های صوتی ثبت شده از 10 میلیون در سال 2012 به بیش از 25 میلیون در سال 2015 افزایش خواهد یافت.

2016: مشتریان HSBC به صورت صوتی مجاز خواهند بود

مشتریان خرد بانک بریتانیایی HSBC و شرکت تابعه آن First Direct به زودی دیگر نیازی به وارد کردن رمز عبور برای دسترسی به حساب جاری خود و انجام تراکنش از طریق تلفن هوشمند نخواهند داشت. رمز عبور با شناسایی صوتی جایگزین می شود. تیم والاک در مقاله ای که توسط تلگراف منتشر شده است، می نویسد: انتقال گسترده به یک سیستم تأیید بیومتریک در اوایل تابستان انجام خواهد شد.

روش تأیید صوت در ابتدا برای 15 میلیون دارنده حساب شخصی در دسترس خواهد بود. و همانطور که نمایندگان HSBC می گویند، سریع تر، ساده تر و بسیار ایمن تر خواهد بود. بانکداران بر شرایط اخیر تاکید ویژه ای دارند. آنها به تجربه می دانند که بسیاری از مشتریان اغلب از رمز عبور یکسانی برای چندین حساب مرتبط با یک دستگاه تلفن همراه استفاده می کنند. و به همین دلیل طعمه آسان کلاهبرداران می شوند.

از نظر فنی، انتقال به سیستم جدید به شرح زیر انجام می شود. مشتری که مایل به استفاده از آن است باید صدای ضبط شده خود را در اختیار بانک قرار دهد. بر اساس این نمونه، ویژگی‌های سرعت گفتار، مدولاسیون و تلفظ که صدای گفتار هر فرد را منحصربه‌فرد می‌کند، تحلیل می‌شود.

تلگراف می نویسد پس از این، مشتری با بیان متن توافق شده شروع به دسترسی به حساب های خود می کند. برای مثال، یک پاس می‌تواند عبارت «صدای من رمز عبور من است» باشد. به گفته جو گوردون، این سیستم می‌تواند صدای مشتری را حتی در صورت سرماخوردگی در گلویش تشخیص دهد که مطمئناً بر گفتار او تأثیر می‌گذارد. او می‌گوید: «بیش از 100 پارامتر در نظر گرفته می‌شود. دستگاه صوتی فرد حتی در صورت سرماخوردگی بدون تغییر باقی می‌ماند و عوامل رفتاری مانند سرعت گفتار، لهجه یا تلفظ در جای خود باقی می‌مانند.»

او اضافه می‌کند که در آن شرایط استثنایی نادر که سیستم همچنان با این کار مقابله نمی‌کند، همیشه می‌توان از تأیید متعارف استفاده کرد.

آزمایش نهایی سیستم تأیید صوت باید طی چند هفته آینده تکمیل شود تا بانک بتواند تا اوایل تابستان 2016 آن را به مشتریان ارائه دهد. علاوه بر این، HSBC اخیراً تأیید اثر انگشت را برای دارندگان حساب های مرتبط با آیفون معرفی کرده است.

به گزارش تلگراف، سایر مؤسسات اعتباری بزرگ نیز مسیری را برای کنار گذاشتن رمزهای عبور سنتی برای بانکداری تلفن همراه طی کرده اند. گروه بانکی لویدز در حال آزمایش یک سیستم تأیید بیومتریک برای کارت های نقدی متصل به تلفن هوشمند است. برای نشان دادن امکاناتی که بیومتریک می تواند ارائه دهد، لویدز حتی دستگاهی برای تشخیص افراد بر اساس ضربان قلبش ساخته است.

RBS همچنین قصد دارد از تأیید اثر انگشت استفاده کند. تلگراف پیشتر گزارش داده بود که بارکلیز، در میان چیزهای دیگر، در حال آزمایش با اسکنر است که قبل از اینکه به مشتری اجازه دهد مبلغ قابل توجهی را پرداخت کند، او را با جریان خون در انگشتش شناسایی می کند.

ریزحرکات

هدف از این پروژه که در موسسه فناوری نیویورک اجرا می شود، تجزیه و تحلیل ریزحرکات و ارتعاشات دستی است که گوشی هوشمند را در دست گرفته است که می تواند برای شناسایی کاربر مورد استفاده قرار گیرد. ژست‌ها و حرکاتی که شخص با آن گوشی را کنترل می‌کند و همچنین مکث بین این حرکات هنگام مشاهده محتوا مورد مطالعه قرار می‌گیرد.

محققان دانشگاه کرنل سنسور محبوب Kinect را برای تجزیه و تحلیل کارهای رایج خانگی مانند پخت و پز و مسواک زدن برنامه ریزی کردند. هدف آن‌ها استفاده از تشخیص حرکت در خانه‌های هوشمند و روبات‌های دستیار شخصی است، اگرچه منتقدان شکایت دارند که این شواهد واضح و نامفهومی است مبنی بر اینکه بازی‌های ویدیویی شروع به زوال جامعه خواهند کرد.

راه رفتن

محققان ژاپنی دریافته‌اند که با استفاده از عکاسی سه‌بعدی، در ۹۰ درصد موارد می‌توان فرد را به درستی از طریق راه رفتنش شناسایی کرد. علاوه بر این، پای برهنه روی زمین در 99.6٪ مواقع مالک را شناسایی می کند. این ممکن است به امنیت فرودگاه کمک کند - صف هایی از افرادی که جوراب پوشیده اند دائماً در امنیت آنها رژه می روند.

تحلیل اقدام کاربر

SRI International از شتاب‌سنج‌ها و ژیروسکوپ‌های تعبیه‌شده در گوشی‌های هوشمند استفاده می‌کند تا داده‌های منحصربه‌فردی را به دست آورد که وضعیت یک فرد را هنگام راه رفتن یا ایستادن توصیف می‌کند. طول گام، تلاش برای حفظ تعادل و سرعت حرکت - همه این پارامترها فردی هستند. حسگرهای اضافی می توانند سایر ویژگی های فیزیکی مانند جهت گیری دست یا موقعیت فیزیکی کاربر - نزدیکی به افراد دیگر، نشستن یا ایستادن، تلاش برای بلند کردن چیزی، تایپ کردن یا صحبت کردن با تلفن را ضبط کنند.
دیدن:

• UnifyID
• گوگل چرتکه

سبک سنجی. دست خط صفحه کلید

ویژگی های سبک برای تشخیص افراد از یکدیگر کاملاً کافی است. کارشناسان در دانشگاه درکسل در تلاش هستند تا دستخط فردی نویسنده را هنگام تایپ کردن روی گوشی هوشمند یا تبلت تشخیص دهند. کلمات، استفاده از ساختارهای دستوری، ساخت عبارات و حتی خطاهای تکراری تجزیه و تحلیل می شوند. این فناوری را می توان با روش های دیگر احراز هویت صفحه کلید، مانند تجزیه و تحلیل سرعت تایپ و طول مکث بین حروف تایپ، ترکیب کرد. استفاده از فناوری هایی از این دست سیستم احراز هویت را ایمن تر می کند.

محتوای رمز عبور وارد شده ممکن است تنها ویژگی منحصر به فرد کاربر نباشد. با تجزیه و تحلیل سرعت و ریتم ضربه های کلید هنگام وارد کردن رمز عبور، می توانید قابلیت اطمینان مجوز را افزایش دهید.

دانشمندان هندی از کالج مهندسی چنای پیشنهاد کرده‌اند که مجموعه خاصی از ویژگی‌های تایپ هر فرد نیز به جایگزینی رمز عبور استاندارد کمک می‌کند و کاربران را از به خاطر سپردن آن نجات می‌دهد. هرکسی متفاوت است و این می تواند کلید ایجاد یک تجربه احراز هویت جدید باشد.

این الگوریتم سرعت تایپ، مدت زمان فشار دادن کلید و مکث بین فشار دادن کلید را محاسبه می کند. آمار به دست آمده به یک کاربر خاص اختصاص داده می شود و به عنوان شناسه او عمل می کند.

رادارهای ضربان قلب

متخصصان آزمایشگاه پیشرانه جت ناسا در تلاش هستند تا الگوهای ضربان قلب فردی را با استفاده از تلفن تشخیص دهند. سیگنال های مایکروویو ساطع شده توسط تلفن از بدنه منعکس شده، توسط حسگرهای گوشی شناسایی شده و برای بازتولید ضربان قلب تقویت می شوند. علاوه بر احراز هویت، کاربر همچنین هشدارهایی در مورد تغییرات در ضربان قلب خود با توصیه به مشورت با پزشک دریافت می کند.

استارت‌آپ کانادایی Bionym در پاییز 2014 یک دور سرمایه‌گذاری 14 میلیون دلاری را جمع‌آوری کرد. این شرکت توسط Ignition Partners و Relay Venture صندوق‌های سرمایه‌گذاری رهبری می‌شد. Export Development Canada، MasterCard و Salesforce Ventures نیز در این دور شرکت کردند. Bionym در سال 2011 تاسیس شد. اولین دور سرمایه گذاری خود را در آگوست 2013 (1.4 میلیون دلار) دریافت کرد. تقریباً در همان زمان، این شرکت پیش خرید دستبند Nymi را آغاز کرد. Nymi فعالیت الکتریکی تولید شده توسط عضله قلب (الکتروکاردیوگرام) را اندازه گیری می کند و از این داده ها برای احراز هویت استفاده می کند. سازندگان این دستبند ادعا می کنند که فعالیت الکتریکی قلب برای هر فرد منحصر به فرد است و بنابراین می تواند به عنوان رمز عبور باشد. این شرکت تاکید می کند که این داده های منحصر به فرد به ضربان قلب بستگی ندارد.

Nymi یکی از روش‌های احراز هویت بیومتریک، شبیه اسکن اثر انگشت یا عنبیه را ارائه می‌کند. این دستبند نیازی به فعال سازی قبلی ندارد، زیرا با قرار گرفتن روی مچ دست، به طور مداوم فعالیت قلبی را کنترل می کند. این دستگاه یک سیگنال بی سیم رمزگذاری شده تولید می کند و آن را از طریق بلوتوث به دستگاهی که کاربر می خواهد به آن دسترسی داشته باشد ارسال می کند.

از این دستبند نه تنها برای ورود به رایانه شخصی، بلکه برای باز کردن قفل خانه، آپارتمان یا ماشین نیز استفاده می شود. توسعه دهندگان سیستم را به احراز هویت سه مرحله ای مجهز کرده اند. شما فقط باید یک بار در روز یا پس از برداشتن دستبند هویت خود را تأیید کنید.

علاوه بر دسترسی به ECG، Nymi به لطف شتاب سنج و ژیروسکوپ داخلی خود از باز کردن قفل حرکتی فضایی پشتیبانی می کند. یعنی از کاربر خواسته می شود که مثلاً یک شکل خاص را در هوا بکشد که فقط خودش می داند و پس از آن دستبند سیگنالی را به رایانه یا قفل ارسال می کند.

تجزیه و تحلیل وضعیت بدن

دانشمندان ژاپنی سیستمی متشکل از 400 حسگر را در صندلی ابداع کرده اند که خطوط و نواحی حمایتی پشت و باسن انسان را به دقت تشخیص می دهد. آنالایزر باسن، که به گفته محققان 98 درصد دقیق است، می تواند در سیستم های ضد سرقت خودرو گنجانده شود.

چهره (تشخیص چهره، سلفی)

2016

سازمان‌های عمومی ایالات متحده علیه تشخیص چهره

ائتلافی متشکل از 52 سازمان جامعه مدنی و حقوق بشر ایالات متحده با ارسال نامه ای به وزارت دادگستری از وزارت دادگستری خواستند تا در مورد استفاده بیش از حد از فناوری تشخیص چهره در اجرای قانون تحقیق کند. ائتلاف همچنین نگران دقت غیریکنواخت تشخیص ماشینی چهره‌های با پیشینه‌های نژادی مختلف است که می‌تواند مبنایی برای نژادپرستی از سوی افسران مجری قانون شود.

در این نامه آمده است که این فناوری ها به ویژه توسط پلیس محلی، پلیس ایالتی و FBI مورد سوء استفاده قرار می گیرند. ائتلاف از وزارت دادگستری می خواهد که تحقیقات در مورد ادارات پلیسی را که قبلاً به دلیل سوگیری علیه افراد رنگین پوست تحت تحقیق هستند، در اولویت قرار دهد.

مبنای این درخواست، نتایج یک مطالعه توسط مرکز حریم خصوصی و فناوری در دانشکده حقوق دانشگاه جورج تاون بود. این مطالعه نشان داد که چهره نیمی از جمعیت بزرگسال ایالات متحده تحت شرایط مختلف توسط نرم افزار شناسایی دولتی اسکن شده است.

محققان خاطرنشان می کنند که امروزه در ایالات متحده هیچ مقررات جدی برای استفاده از این نرم افزار وجود ندارد. به گفته آلوارو بدویا، مدیر مرکز و یکی از نویسندگان این مطالعه، هنگامی که از یک فرد با گواهینامه رانندگی عکس گرفته می شود، قبلاً در پایگاه داده پلیس یا FBI گنجانده شده است. این امر به ویژه با توجه به اینکه تشخیص چهره می تواند نادرست باشد و به شهروندان بی گناه آسیب برساند بسیار مهم است.

نمونه هایی از پروژه ها در HSBC، MasterCard و Facebook

بانک HSBC در حال جمع آوری یک گالری پرتره از مشتریان خود است. این گروه مالی در حال تغییر به یک سیستم شناسایی جدید - سلفی است. عکاسی جایگزین سایر روش‌های شناسایی یک فرد مانند اثر انگشت، تشخیص صدا و وارد کردن کد پین خواهد شد.

این سرویس برای مشتریان شرکتی NSBC در دسترس خواهد بود. از طریق اپلیکیشن موبایل بانکی، تنها با یک کلیک سلفی می توانند حساب باز کنند. بانک هویت مشتری را با استفاده از یک برنامه تشخیص چهره تأیید می کند. عکس با تصاویری که قبلاً در سیستم آپلود شده اند مقایسه می شود، به عنوان مثال، از گذرنامه یا گواهینامه رانندگی. انتظار می رود که سرویس جدید نیاز به به خاطر سپردن کدهای دیجیتال را از بین ببرد و زمان شناسایی را کاهش دهد.

مسترکارت در بهار 2016 در کنگره جهانی موبایل در بارسلون اعلام کرد که به زودی امکان استفاده از سلفی به عنوان جایگزینی برای رمز عبور برای پرداخت های آنلاین را فراهم می کند. این سرویس تابستان آینده در ایالات متحده، کانادا و برخی کشورهای اروپایی مانند ایتالیا، فرانسه، هلند، بریتانیا و اسپانیا در دسترس خواهد بود.

برای استفاده از این گزینه، کاربران باید اپلیکیشن خاصی را در رایانه، تبلت یا گوشی هوشمند خود دانلود کنند. سپس به دوربین نگاه کنید یا از اسکنر اثر انگشت دستگاه استفاده کنید (اگر دستگاه دارای اسکنر اثر انگشت است). با این حال (حداقل در حال حاضر)، کاربران همچنان ملزم به ارائه جزئیات کارت اعتباری خود هستند. تنها در صورت نیاز به شناسایی اضافی، کاربران می توانند از گزینه فوق استفاده کنند.

با این رویکرد جدید، مسترکارت قصد دارد از کاربران در برابر تراکنش های آنلاین جعلی که با استفاده از رمزهای عبور کاربر سرقت شده انجام می شود محافظت کند و همچنین سیستم مجوز راحت تری را در اختیار کاربران قرار دهد. این شرکت گزارش داد که 92 درصد از افرادی که این سیستم جدید را آزمایش کردند، آن را به رمزهای عبور سنتی ترجیح دادند.

برخی از کارشناسان امنیت اطلاعات را زیر سوال می برند تا در صورت انجام تراکنش هنگام استفاده ناامن از شبکه Wi-Fi عمومی، مجرمان سایبری نتوانند به راحتی اثر انگشت یا عکس چهره کاربر را به دست آورند.

کارشناسان امنیت سایبری می گویند این سیستم باید شامل چندین لایه امنیتی برای جلوگیری از سرقت احتمالی عکس های صورت کاربران باشد. از این گذشته، پرداخت های آنلاین یک هدف جذاب برای مجرمان سایبری است.

در پایان سال 2015، گروهی از کارشناسان دانشگاه فنی برلین توانایی استخراج کد پین هر گوشی هوشمند را با استفاده از سلفی کاربر نشان دادند. برای این کار آنها این کد را می خوانند که با وارد کردن آن روی گوشی OPPO N1 در چشمان کاربر نمایش داده می شود. یک هکر به سادگی باید کنترل دوربین جلوی یک گوشی هوشمند را برای انجام این حمله اساسی به دست بگیرد. آیا یک مجرم سایبری می تواند دستگاه کاربر را کنترل کند، سلفی بگیرد و سپس با استفاده از رمز عبور تایپ شده ای که هکر در چشمان قربانی خود دیده است، پرداخت های آنلاین انجام دهد؟

مسترکارت اصرار دارد که مکانیسم های امنیتی آن قادر به تشخیص چنین رفتاری خواهند بود. برای مثال، کاربران باید برای نمایش یک تصویر «زنده» از یک شخص، به جای عکس یا ویدیوی از قبل گرفته شده از او، برای نمایش یک برنامه فلش بزنند. این سیستم تصویر چهره کاربر را مطابقت می دهد و آن را به کد تبدیل می کند و از طریق یک پروتکل امن از طریق اینترنت به MasterCard منتقل می کند. این شرکت قول داده است که این اطلاعات به صورت امن در سرورهای خود ذخیره می شود و خود شرکت قادر به بازسازی چهره کاربر نخواهد بود.

در تابستان 2016، مشخص شد که محققان با استفاده از عکس‌های فیس‌بوک، سیستم احراز هویت بیومتریک را دور زده‌اند. این حمله به دلیل آسیب‌پذیری‌های بالقوه ذاتی منابع اجتماعی امکان‌پذیر شد.

تیمی از محققان دانشگاه ایالتی کارولینای شمالی روشی را برای دور زدن سیستم‌های امنیتی مبتنی بر فناوری تشخیص چهره با استفاده از عکس‌های قابل دسترس کاربران شبکه‌های اجتماعی نشان داده‌اند. همانطور که در گزارش متخصصان توضیح داده شد، این حمله به دلیل آسیب‌پذیری‌های بالقوه ذاتی منابع اجتماعی امکان‌پذیر شد.

جای تعجب نیست که عکس های شخصی منتشر شده در رسانه های اجتماعی می تواند حریم خصوصی را به خطر بیندازد. اکثر شبکه‌های اجتماعی بزرگ توصیه می‌کنند که کاربران هنگام ارسال عکس‌ها در سایت، تنظیمات حریم خصوصی را تنظیم کنند، اما بسیاری از این عکس‌ها اغلب در دسترس عموم هستند یا فقط برای دوستان قابل مشاهده هستند. علاوه بر این، کاربران نمی توانند به طور مستقل در دسترس بودن عکس های ارسال شده توسط سایر مشترکین خود را کنترل کنند.

به عنوان بخشی از آزمایش، محققان عکس های 20 داوطلب (کاربران فیس بوک، گوگل پلاس، لینکدین و سایر منابع اجتماعی) را انتخاب کردند. آنها سپس از این تصاویر برای ایجاد مدل‌های صورت سه بعدی استفاده کردند، آنها را با طیف وسیعی از افکت‌های متحرک زنده کردند، بافت پوست را روی مدل اعمال کردند و نگاه را (در صورت لزوم) تنظیم کردند. محققان مدل‌های به‌دست‌آمده را بر روی پنج سیستم امنیتی آزمایش کردند که چهار تای آن‌ها در ۵۵ تا ۸۵ درصد موارد فریب خوردند.
طبق گزارش شرکت تکناوو(زمستان 216) یکی از روندهای کلیدی که تأثیر مثبتی بر بازار فناوری های بیومتریک شناسایی چهره دارد ( تشخیص چهره، معرفی سیستم های بیومتریک چندوجهی در بخش هایی مانند مراقبت های بهداشتی، بانکداری، بخش مالی، بخش اوراق بهادار و بیمه، بخش حمل و نقل، حمل و نقل جاده ای و همچنین در بخش عمومی است.

سیستم های بیومتریک چندوجهیساخته شده بر اساس ترکیبی از چندین فناوری بیومتریک، مانند تشخیص اثر انگشت، ویژگی‌های صورت، صدا و غیره، در تشخیص دسترسی غیرمجاز به دستگاه‌های سلف سرویس بانکی، پایگاه‌های اطلاعاتی سیستم مراقبت‌های بهداشتی، دستگاه‌های تلفن همراه و همچنین یک دستگاه بزرگ بسیار موثر است. تعداد برنامه های آنلاین و آفلاین

با توجه به نیاز روزافزون به بهبود امنیت، انتظار می‌رود استفاده از سیستم‌های شناسایی بیومتریک چهره به طور پیوسته در اروپا رشد کند. از سال 2015، اگرچه اروپا دومین بازیکن بزرگ در بازار جهانی فناوری شناسایی بیومتریک صورت است، فناوری‌های دیگری مانند تشخیص اثر انگشت، رگ دست و عنبیه گسترده‌تر هستند. معرفی سیستم های تشخیص چهره با سرعت کمتری انجام شد که با بحران در منطقه یورو همراه بود. اما تحلیلگران انتظار دارند که بازار در چهار سال آینده با نرخ رشد مرکب سالانه بیش از 21 درصد رشد کند.

تولیدکنندگان سرمایه گذاری زیادی در تحقیق و توسعه سیستم های شناسایی بیومتریک صورت انجام می دهند. انتظار می رود که این امر با شناسایی پارامترهای کیفی صورت، از جمله جای زخم، طول بینی یا حالت چهره، که می تواند برای تعیین سن یا جنسیت افراد مورد استفاده قرار گیرد، توسعه چنین سیستم هایی را به طور قابل توجهی تسریع کند.

فناوری‌های شناسایی بیومتریک چهره را می‌توان در صنعت خرده‌فروشی برای شناسایی مشتریان و ردیابی خرید، عادات خرید، سن، جنسیت، سابقه جنایی و سابقه اعتباری استفاده کرد. انتظار می رود که داده های به دست آمده از طریق چنین سیستم هایی توسط خرده فروشان برای اهداف بازاریابی و ارائه پیشنهادات ویژه به مشتریان بر اساس اطلاعات مربوط به خریدهای قبلی آنها استفاده شود.

2015

2015: طبق گزارش رسانه ها، مسترکارت در تابستان 2015 از راه اندازی برنامه آزمایشی برای تأیید خریدهای آنلاین خبر داد که با اسکن چهره کاربر انجام می شود.

در مرحله نهایی خرید، خریدار آنلاین باید با استفاده از گوشی هوشمند از خود عکس بگیرد. مسترکارت معتقد است که این بسیار ساده تر از به خاطر سپردن رمزهای عبور است.

همانطور که سی ان ان مانی گزارش می دهد، با کمک یک ابزار نوآورانه جدید، سیستم پرداخت قصد دارد سطح کلاهبرداری را کاهش دهد. "من فکر می کنم نسل جدیدی که برای سلفی زندگی می کنند، آن را دوست خواهند داشت. آنها مطمئناً از این فناوری استفاده خواهند کرد.»

مسترکارت از فناوری امنیت پرداخت آنلاین SecureCode استفاده می کند که برای تأیید پرداخت آنلاین نیاز به وارد کردن رمز عبور دارد. به گفته این شرکت، این فناوری در سال گذشته در 3 میلیارد تراکنش مورد استفاده قرار گرفت و از استفاده کلاهبرداران از کارت در اینترنت جلوگیری می کند. با این حال، رمزهای عبور فراموش می شوند و می توانند سرقت یا رهگیری شوند. به همین دلیل است که بسیاری از شرکت های مالی برای راحتی کاربر و افزایش امنیت، شروع به پیاده سازی فناوری های بیومتریک کرده اند.

این پروژه در ابتدا 500 کاربر را پوشش می دهد و در صورت موفقیت آمیز بودن تست، برای استفاده عموم راه اندازی می شود.

2014

2014: بنیانگذاران استارت آپ اسرائیلی IsItYou قصد دارند از دوربین های جلوی گوشی های هوشمند به عنوان راهی برای تایید هویت افراد هنگام انجام تراکنش های بانکی استفاده کنند. به گزارش بی‌بی‌سی، اسرائیلی‌ها مطمئن هستند که در آینده سلفی‌ها می‌توانند جایگزین رمز عبور، اثر انگشت و سایر اشکال شناسایی شخصی شوند. IsItYou یک فناوری جدید تشخیص چهره را پیاده سازی کرده است که از دقت و محافظت بالایی در برابر کلاهبرداری برخوردار است.

بنیانگذار این پروژه، بنجامین لوی، گفت که به لطف سطح بالای امنیت، IsItYou قادر خواهد بود 99999 از 100 هزار مورد کلاهبرداری را شناسایی کند. لوی سعی کرد بانک ها را متقاعد کند که سیستم او را در اوایل سال آینده پیاده کنند. برای انجام معاملات مالی استفاده خواهد شد.

گوگل در حال حاضر از تشخیص چهره در اندروید استفاده می کند. به این ترتیب می توانید قفل دستگاه خود را با این سیستم عامل موبایل باز کنید. با این حال، توسعه دهندگان بارها استدلال کرده اند که تشخیص چهره در مقایسه با روش های کلاسیک به اندازه کافی امن نیست. در این رابطه کارشناسان به اظهارات بنجامین لوی تردید داشتند.

ماریو ساوودس از دانشگاه کارنگی ملون در حال تحقیق در مورد تشخیص چهره است. او معتقد است که تست امنیتی IsItYou که توسط خود انجام می شود نمی تواند قابل اعتماد باشد.

متخصص جهان در زمینه بیومتریک، دکتر ماسیمو تیستارلی نیز همین نظر را دارد. وی گفت: یک پروژه تحقیقاتی کامل با عنوان Tabula Rasa در اروپا در حال انجام است که هدف اصلی آن توسعه حفاظت ضد تقلب برای روش های شناسایی بیومتریک است. به گفته وی، قبل از ورود به بازار باید تعدادی مطالعات مستقل برای تایید اثربخشی محصول انجام شود.

بینی

دقیق ترین راه برای شناسایی افراد از طریق شبکیه چشم است، اما دانشمندان بریتانیایی جایگزین جالبی یافته اند. آن‌ها از PhotoFace برای طبقه‌بندی بینی داوطلبان به شش نوع اصلی استفاده کردند: رومی، یونانی، نوبیایی، آکیلین، قیچی و معکوس. آنها مزیت این روش را این می دانند که بینی ها برای پنهان کردن یا پنهان کردن آنها دشوارتر است. مضرات آن نیز واضح است - اسکن بینی نتیجه بسیار کمتری نسبت به بررسی شبکیه می دهد.

تجزیه و تحلیل الگوی رگها در کف دست

کافه تریاهای مدرسه معمولاً غیر استثنایی هستند، اما یک کافه در فلوریدا متمایز است زیرا از اسکنرهای دستی برای جایگزینی پول ناهار دانش آموزان استفاده می کند. این سیستم کارت ها و کدهای پین را با اسکنر نور قرمز جایگزین می کند و نیازی به تماس فیزیکی با کف دست ندارد. تنها چیزی که باقی می ماند این است که خود صبحانه های مدرسه مدرن شوند.

ارائه دهنده راهکارهای فناوری برای صنعت خدمات مالی Fiserv (Fayserv) در بهار 2016 از راه اندازی اسکنر کف دست در بازار خبر داد. FiservVerifast- یک سیستم احراز هویت بیومتریک که با آن موسسات مالی قادر خواهند بود تعداد موارد تقلب را کاهش دهند، زمان اجرای تراکنش را کاهش دهند و کیفیت خدمات ارائه شده را بهبود بخشند.

Fiserv امیدوار است که تجربه بانکداری حضوری را با سریعتر و ایمن تر کردن آن از طریق فناوری اسکن کف دست متحول کند.

فیسرو گفت احراز هویت کف دست با سیستم‌های احراز هویت بیومتریک سنتی که اغلب فقط در حالت دستی کار می‌کنند و چندان مؤثر نیستند، متفاوت است. این سیستم شناسایی "سریع، ایمن و دقیق" مصرف کنندگان را از طریق استفاده از یک دستگاه حسگر مادون قرمز ارائه می کند که الگوی رگ منحصر به فرد را روی کف دست می خواند.

Karl Guynn، مدیر توسعه محصول در شرکت خدمات مالی Gesa Credit Union، که اخیراً آزمایش Verifast را در سه شعبه خود آغاز کرده است، گفت: "ما فرآیند احراز هویت سنتی خود را آزمایش کردیم و متوجه شدیم که شناسایی یک شخص در محل فروش حدود 15 ثانیه طول می کشد. . احراز هویت بر اساس الگوی رگ روی کف دست حدود یک ثانیه طول می کشد. به عبارت دیگر سرعت هر تراکنش را 14 ثانیه افزایش می دهیم. احراز هویت بر اساس الگوی رگ‌های کف دست به میزان قابل توجهی سرعت تراکنش‌ها را افزایش می‌دهد، بنابراین فرد می‌تواند برای مدت کوتاهی وارد دفتر شود تا به سرعت عملیات مورد نیاز خود را انجام دهد و سپس به تجارت خود ادامه دهد. این فرآیند با قابلیت اطمینان بالاتر مشخص می‌شود و مشتریان و صندوق‌داران ما به آن امتیاز بسیار بالایی می‌دهند.»

مطالعه ای که توسط گروه مالی Raddon انجام شد نشان داد که حدود 83 درصد از مصرف کنندگان احراز هویت کف دست را یک ویژگی بسیار مفید برای تراکنش های بانکی می دانند. تقریباً 97 درصد از آزمایش‌کنندگان بتا این سرویس گزارش دادند که احتمال استفاده از این فناوری پس از اجرای آن در محیط بانکی بسیار زیاد است.

اثر انگشت شناختی

هیچ کس حفظ رشته های طولانی اعداد و حروف را به اندازه آژانس دفاعی ایالات متحده دارپا منسوخ نمی داند. این شرکت در حال توسعه مفهوم "اثرانگشت شناختی" است که می تواند اسکن عنبیه، دست خط صفحه کلید و حتی عادات وب گردی را برای احراز هویت مداوم کاربر ترکیب کند.

"ترولینگ" سیستمی

البته هیچکس تمایلی به دریافت پیام های خطا ندارد، اما این پیام ها می توانند نقش مهمی در امنیت نیز داشته باشند. کارشناسان موسسه تحقیقات جنوب غرب با نمایش تصادفی پیام های خطا و مشاهده واکنش کاربران، خود را برای شناسایی کاربران و شناسایی مهاجمان آماده می کنند. بنابراین دفعه بعد که رایانه شما به شما می گوید که حافظه آن تمام شده است و از شما می پرسد که آیا می خواهید مشکل را برطرف کنید، همه چیز را به طور کامل بررسی کنید. شاید آنها شما را چک می کنند.

تنظیمات رابط فردی

متخصصان دانشگاه مریلند از جریان‌های بصری برای تأیید هویت کاربر رایانه شخصی یا تلفن استفاده می‌کنند. در رایانه رومیزی، این برنامه روش‌های معمولی مالک برای ترتیب و تغییر اندازه پنجره‌ها، الگوهای عملیاتی و محدودیت‌ها را هنگام حرکت ماوس تجزیه و تحلیل می‌کند. سه جریان ویدئو به طور همزمان در تلفن بررسی می شود: تصویر ثبت شده توسط دوربین جلو، جزئیات محیط (و همچنین کفش و لباس) که با استفاده از دوربین در پنل پشتی گرفته شده است، و دستکاری های صفحه نمایش. محققان انتظار دارند که ترکیب این سه جریان برای احراز هویت هر کاربر و انجام بررسی های مکرر در حین استفاده از دستگاه خود کافی باشد.

آزمایش DNA (از جمله مو)

این روش تقریباً بدون تردید مالک را شناسایی می کند، اما به دلیل زمان و هزینه هرگز رایج نشده است. اما چندین گروه از محققان به طور فعال برای کاهش هزینه و سرعت بخشیدن به فرآیند کار می کنند.

زیست‌شناسان آزمایشگاه ملی لارنس لیورمور (ایالات متحده آمریکا) یاد گرفته‌اند که هویت یک فرد را نه تنها با DNA، بلکه با پروتئین‌های موجود در مو نیز به دقت تعیین کنند. طبق گزارش مجله PLoS One در پاییز 2016، این روش، به گفته سازندگان، انقلابی در جرم‌شناسی و باستان‌شناسی خواهد بود.

اگرچه تکنیک تجزیه و تحلیل پروتئین هنوز تا کامل بودن فاصله زیادی دارد، اما این امکان را به شما می دهد که فرد را نه تنها در اولین ساعات و روزهای پس از مرگ، بلکه حتی چندین قرن پس از مرگ او به طور دقیق شناسایی کنید. دانشمندان با موفقیت چندین نفر را که بیش از 250 سال پیش مرده اند شناسایی کرده اند.

این روش به شرح زیر عمل می کند: مو در مواد خاصی حل می شود که ساختار شیمیایی پروتئین های داخل آن را از بین نمی برد و ترکیب این "سوپ" برای وجود 185 جهش در ساختار پروتئین مورد تجزیه و تحلیل قرار می گیرد که ترکیبی از آنها است. برای هر یک از ساکنان زمین منحصر به فرد است.

به گفته کارشناسان، چنین مجموعه ای از پروتئین ها اضافی است - در واقع، حدود صد نشانگر مشابه برای شناسایی دقیق کافی است. اکنون دانشمندان در تلاش هستند تا هزینه این تکنیک را ساده و کاهش دهند تا بتوان به راحتی از آن در طول تحقیقات جنایی و حفاری ها استفاده کرد.

این روش قبلاً بر روی شش دوجین آمریکایی اروپایی تبار که با اهدای خون و مو برای آزمایش DNA و پروتئین موافقت کردند، آزمایش شده است. به گفته زیست شناسان، هویت هر یک از آنها به درستی مشخص شده است، که راه را برای استفاده از پروتئین ها در محاسبه هویت مجرمان از قسمت های بسیار کوچک مو باز می کند. برای این کار، یک نمونه با وزن تنها 1 میلی گرم کافی است که کمی بیشتر از مقدار موجود در یک مو است.

گوش گوش

گوش برای چیزی بیشتر از محافظت از مجرای گوش مفید است. سیستم توسعه‌یافته ساختار لوله‌ای گوش میانی و شکل کلی گوش را به یاد می‌آورد تا «اثرانگشت گوش» ایجاد کند که در ۹۹.۶ درصد موارد امکان شناسایی دقیق مالک را فراهم می‌کند.

از دست دادن یا سرقت یک ابزار می تواند مشکلات زیادی را برای مالک ایجاد کند. و این نه تنها خسارات مادی به دلیل از دست دادن یک ابزار گران قیمت است، بلکه تهدید دسترسی غیرمجاز به داده های شخصی یا شرکتی، یک برنامه بانکی آنلاین یا یک کیف پول الکترونیکی است.

در بهار سال 2015، آزمایشگاه یاهو گزینه جدیدی را پیشنهاد کرد - شناسایی صاحب یک تلفن هوشمند از طریق گوش او. دانشمندان از این واقعیت استفاده کردند که دو گوش یکسان در طبیعت وجود ندارد - این اطلاعات بیومتریک منحصر به فرد است.

از آنجایی که صفحه لمسی در حین تماس با گوش در تماس است، این امر می تواند منجر به فشار دادن نامنظم دکمه های روی صفحه توسط گوش شود، بنابراین صفحه نمایش تلفن هوشمند همیشه در حین تماس خاموش می شود. در این مرحله، دانشمندان یاهو Labs احراز هویت مالک را پیشنهاد کردند. آزمایش توسعه نشان داد که دقت شناسایی بیومتریک با استفاده از چاپ گوش 99.52٪ است. نرم افزار ایجاد شده Bodyprint نام داشت.

جالب اینجاست که آزمایشگاه یاهو همچنین پیشنهاد کرده است که رویه را برای پذیرش تماس تغییر دهد. بنابراین، تا به حال، همه تلفن ها همیشه از شما خواسته بودند که دکمه دریافت را فشار دهید. اکنون می توانید به سادگی گوشی هوشمند خود را در کنار گوش خود قرار دهید: نرم افزار Bodyprint تشخیص می دهد که گوش شما فشرده شده است و شروع به پخش صدای شما می کند.

از آنجایی که یاهو خود هیچ علاقه ای به تولید گجت ها نشان نمی دهد، احتمالاً این فناوری یا مجوز می گیرد یا نرم افزار مربوطه به عنوان یک برنامه تلفن همراه از طریق فروشگاه اپل و گوگل پلی توزیع می شود. مزیت اصلی فناوری ایجاد شده عدم نیاز به نصب حسگر اثر انگشت خاص است. هر گوشی هوشمند دارای صفحه نمایش لمسی است، این فناوری را می توان در هر ابزاری استفاده کرد، بنابراین چشم اندازهای آن بسیار قابل توجه است.

در ژوئن 2015، مشخص شد که آمازون حق امتیازی برای فناوری دریافت کرده است که به شما امکان می دهد قفل گوشی خود را با گوش خود باز کنید. اگر این فناوری پیاده‌سازی شود، به این صورت عمل می‌کند: شخصی گوشی را کنار گوش خود می‌گذارد، دوربین جلویی از گوش عکس می‌گیرد و عکس را با عکس موجود در پایگاه داده مقایسه می‌کند. به این معنا که این فناوری شبیه به فناوری مورد استفاده برای مجوز با استفاده از اثر انگشت است.

ویدئوی پروژه PatentYogi نحوه عملکرد مجوز را توضیح می دهد. شاید این شرکت از این فناوری استفاده کند تا هنگام پاسخ دادن به تماس، فقط کافیست گوشی را کنار گوش خود نگه دارید.

عنبیه

در تابستان 2016، دو بانک بزرگ کره جنوبی، KEB Hana Bank و Woori Bank، سیستم شناسایی شبکیه را برای کاربران موبایل بانک معرفی کردند. این توسط خدمات مطبوعاتی موسسات مالی گزارش شده است.

در بیانیه مطبوعاتی آمده است: «سیستم شناسایی اواخر این ماه و زمانی که گلکسی نوت 7 سامسونگ، مجهز به اسکنر شبکیه چشم، در این کشور به فروش می رسد، فعال خواهد شد. انتظار می رود که راه اندازی سیستم جدید به طور قابل توجهی سطح امنیت کاربران را افزایش دهد و از آنها در برابر کلاهبردارانی که در اینترنت فعالیت می کنند محافظت می کند.

در این سند تاکید شده است: "فناوری تشخیص شبکیه چشم بسیار پیشرفته و پیچیده است، که تقریباً هر تلاش هک را بی فایده می کند." همچنین اشاره می‌کند که داده‌های شبکیه کاربر در خود گوشی ذخیره می‌شود و نه در سرورهای شرکت‌ها. این به طور همزمان محافظت بیشتری از کاربر را فراهم می کند و استفاده از بانکداری تلفن همراه را آسان تر می کند.

سومین بانک بزرگ کره جنوبی، بانک Shinhan نیز در حال بررسی امکان راه اندازی سیستم مشابهی است.

در تابستان 2015 مشخص شد که گوگل برای مدت طولانی روی لنزهای تماسی و گزینه های مختلف برای استفاده از آنها کار می کند. درخواست ثبت اختراع در مورد یکی دیگر از این گزینه ها صحبت می کند: اسکن عنبیه چشم برای اهداف بیومتریک.

پیش از این، گوگل ایده هایی برای ایجاد لنزهایی با دوربین ها و لنزهای محتاط داخلی داشت که می توانست سطح قند خون را از طریق مایع اشک آور تجزیه و تحلیل کند. هک کردن روش اسکن بیومتریک جدید نسبت به حسگرهای اثر انگشت دشوارتر است. این برنامه در 2 ژوئن 2015 ثبت شد و لنزها و مدارهایی را با حسگرهای نور در بالای عنبیه توصیف می کند. آنها پوسته را اسکن می کنند و اثر انگشت آن را ایجاد می کنند که با نمونه موجود در دستگاه مقایسه می شود. در صورت وجود تطابق، کاربر می تواند به حساب خود وارد شود یا قفل دستگاه را باز کند. لنزها برای کار کردن به یک منبع تغذیه بی سیم نیاز دارند. از آنجایی که هدف افزایش امنیت کاربر است، می توانید از ارائه اطلاعات شخصی خودداری کنید و داده های جمع آوری شده توسط سیستم ناشناس خواهند بود.

لنزهای تماسی ممکن است کاربردهای دیگری نیز داشته باشند. به عنوان مثال، تزریق دوزهای کوچک از داروها (مانند انسولین) در فواصل زمانی کوتاه به جای تزریق دوزهای بزرگتر به ندرت. امکان دیگر، دید در شب برای افرادی است که مشکلات بینایی دارند. یا، ماده لاکریگلوبین موجود در مایع اشک آور به تشخیص انواع مختلف سرطان - سینه، ریه، مغز کمک می کند، بنابراین لنزها می توانند در تشخیص زودهنگام بیماری یا نظارت بر بهبودی کمک کنند.

فوجیتسو در ابتدای سال 2015 یک فناوری احراز هویت کاربران تلفن هوشمند را توسعه داد که به معنای واقعی کلمه با یک نگاه این کار را با استفاده از عنبیه چشم انجام داد: احراز هویت کمتر از یک ثانیه طول می کشد.

این آسان تر از تایپ یک کد یا قرار دادن انگشت خود است (که ممکن است کثیف یا به سادگی از نظر فیزیکی ناخوشایند باشد). احراز هویت عنبیه (که اساساً رنگ ناحیه اطراف مردمک را تشخیص می دهد) با فناوری فوجیتسو کار می کند حتی اگر کاربر از عینک شفاف یا لنزهای تماسی استفاده کند.

برای اینکه این فناوری کار کند، گوشی هوشمند شامل تجهیزات احراز هویت اضافی است که کمتر از یک گرم وزن دارند. به طور خاص، دارای یک سنسور و دوربین مادون قرمز مینیاتوری است.

کاربر ابتدا عنبیه خود را با نگاه کردن به دو دایره خاص روی صفحه ثبت می کند. داده ها به طور انحصاری در تلفن هوشمند ذخیره می شوند. بعداً برای احراز هویت، مانند بسیاری از سیستم‌های احراز هویت عنبیه دیگر، نیازی به نزدیک کردن گوشی هوشمند به صورت نیست. بنابراین، دیلی میل خاطرنشان کرد که سیستم جدید در فاصله تا 22 سانتی متر در مقابل فناوری های شناسایی سنتی که در فاصله حدود 10 سانتی متر کار می کنند، کار می کند.

محصول فوجیتسو شامل یک الگوریتم ویژه است که توسط شرکت کالیفرنیایی Delta ID توسعه یافته است. فوجیتسو در حال کار بر روی نسخه سازمانی راه حل جدید خود است.

در سال 2014، گوگل از همکاری با شرکت داروسازی سوئیسی Novartis خبر داد که قول می دهد تا سال 2019 تولید لنزها را آغاز کند. گوگل در آینده لنزهای تماسی رقبای زیادی دارد. شرکت سوئیسی Sensimed می خواهد التهاب چشم را در بیماران مبتلا به گلوکوم اندازه گیری کند. American Innovega می تواند لنزها را بدون آسیب رساندن به بینایی به نمایشگرهایی با وضوح بالا تبدیل کند. دانشگاه میشیگان در حال کار بر روی لنزهای مادون قرمز برای دید در شب است.

با بو

در سال 2009، وزارت امنیت داخلی ایالات متحده، با هدف بهبود "توانایی شناسایی افرادی که قصد آسیب رساندن به کشور را دارند"، آزمایش کرد که آیا بوی بدن می تواند به عنوان روشی برای شناسایی منحصر به فرد فرد مورد استفاده قرار گیرد یا خیر. تغییر در بو ممکن است نشانه ای از جایگزینی باشد.

محققان دانشگاه پلی تکنیک مادرید، با همکاری شرکت IIa Sistemas SL، روشی را در اوایل سال 2014 ارائه کردند که ادعا می‌کند جایگاهی در خط فناوری‌های شناسایی بیومتریک همتراز با تشخیص چهره، اثر انگشت و عنبیه دارد.

این سیستم که توسط دانشمندان مادریدی ساخته شده است، قادر است افراد را با بویی که از بدن متصاعد می شود، شناسایی کند. محققان ادعا می کنند که بدن هر فرد دارای "الگوهای بویایی" دائمی و متمایز است که تحت تأثیر بیماری، رژیم غذایی یا سن قرار نمی گیرد.

محققان سنسوری ساخته اند که قادر به تشخیص "الگوهای منحصر به فرد" بوی بدن انسان و شناسایی پوشنده آن با دقت 85 درصد است. این حسگر بر روی 13 داوطلب آزمایش شد که 8 نفر از آنها مرد و پنج نفر زن بودند.

دانشمندان 30 نمونه بو از کف دست های تمیز شسته شده هر یک از افراد در ساعات مختلف روز گرفتند. به گفته توسعه دهندگان، حساسیت سنسور به قدری بالا بود که فریب دادن آن با صابون، دئودورانت، ادکلن یا تلاش های دیگر برای تغییر بو دشوار بود.

در بیانیه‌ای رسمی از دانشگاه، دانشمندان ابراز اطمینان می‌کنند که این امکان ایجاد روش‌های «کمتر تهاجمی» برای شناسایی یک فرد را نسبت به روش‌هایی که در حال حاضر وجود دارد را باز می‌کند.

دانشمندان می گویند علیرغم این واقعیت که تشخیص عنبیه و اثر انگشت دقت شناسایی بالایی را ارائه می دهد، در آگاهی جمعی این فناوری ها ارتباط نزدیکی با پزشکی قانونی دارند که باعث بی اعتمادی و اعتراض می شود. تشخیص چهره در مرحله فعلی توسعه، نرخ خطای بسیار بالایی ایجاد می کند.

بنابراین، توسعه حسگرهای بو که امکان شناسایی فردی را که از کنار آنها عبور می کند، فرصت هایی را برای توسعه روش های شناسایی راحت تر و محتاطانه با سطح دقت کافی باز می کند.

محققان معتقدند که چنین فناوری هایی را می توان در فرودگاه ها، در پست های بازرسی مرزی و در هر موقعیت دیگری که در حال حاضر از شناسایی عکس استفاده می شود، استفاده کرد.

شناسایی بو یکی از قدیمی ترین روش هایی است که برای جست و جو و شناسایی افراد مورد استفاده قرار می گیرد، اما اکنون در علم پزشکی قانونی از سگ های آموزش دیده مخصوص برای این کار استفاده می شود. توسعه روش هایی برای تشخیص موثر بوی انسان با استفاده از دستگاه های الکترونیکی نسبتاً اخیرا آغاز شده است.

بنابراین، در آوریل 2013، گروهی از دانشمندان سوئیسی روشی را برای شناسایی افراد از طریق بوی نفس ارائه کردند. دانشمندان با استفاده از طیف‌سنج جرمی آزمایشگاهی، نمونه‌هایی از هوای بازدمی را از 11 فرد طی 9 روز گرفتند. دانشمندان توانسته‌اند ثابت کنند که بوی نفس دارای الگوی مولکولی منحصربه‌فردی است که بسته به عوامل خارجی مانند خوردن محصولات بدبو یا سیگار کشیدن تغییر نمی‌کند.

اتصالات عصبی به جای اثر انگشت

شبکه منحصر به فرد اتصالات در مغز افراد می تواند برای شناسایی یک فرد مورد استفاده قرار گیرد، مانند اثر انگشت. به گزارش Lenta.ru، دانشمندان آمریکایی، نویسندگان مقاله ای در مجله Nature Neuroscience، به این نتایج رسیدند.

عصب شناسان به طور سنتی از طیف وسیعی از تکنیک ها برای تجسم ساختار، عملکرد و بیوشیمی مغز (مانند توموگرافی کامپیوتری) برای مقایسه فعالیت مغز در گروه های مختلف افراد استفاده می کنند. این روش‌ها یا تصویربرداری عصبی به ما امکان می‌دهند یک ویژگی مغز را که مشخصه همه افراد است، درک کنیم، در حالی که معمولاً ویژگی‌های فردی نادیده گرفته می‌شوند.

با این حال، امیلی فین و همکارانش دریافتند که ویژگی‌های ارتباطی منحصربه‌فرد بخش‌های مختلف مغز انسان به اندازه کافی پایدار است تا هویت سوژه را دقیقاً مشخص کند. فین با 126 شرکت کننده در پروژه Human Connectome کار کرد. مشخص شد که الگوی ارتباطات به‌دست‌آمده در طی یکی از جلسات تصویربرداری عصبی (در حالت استراحت، در حین انجام آزمون‌های مربوط به حافظه، احساسات و مهارت‌های زبانی) در جلسات بعدی بدون تغییر باقی می‌ماند - و شناسایی یک فرد از سایر شرکت‌کنندگان در آزمایش آسان است. .

علاوه بر این، الگوهای ارتباطات به پیش بینی سطح هوش سیال (توانایی درک و به خاطر سپردن چیزهای جدید و حل مشکلاتی که شخص قبلاً با آنها برخورد نکرده است) کمک کرد. پیش‌بینی‌کننده‌های اصلی این توانایی، ارتباط بین لوب‌های پیشانی، جداری و تمپورال مغز بود.

علاوه بر دانشگاه آکسفورد، دانشگاه های واشنگتن و مینه سوتا نیز در پروژه Human Connectome مشارکت دارند. کانکتوم مجموعه ای از تمام اتصالات بین نورون ها است که تعداد آنها در مغز انسان یک کوادریلیون تخمین زده می شود. این پروژه در سال 2010 راه اندازی شد و بودجه آن 40 میلیون دلار بود.

این فناوری مزیت قابل توجه دیگری نیز دارد. «اثر انگشت را می‌توان دزدید، و فرد نمی‌تواند انگشت جدیدی را برای جایگزینی آن رشد دهد. پروفسور سارا لازلو، یکی از شرکت کنندگان در پروژه شناسایی مغز، گفت: با این حال، نقش های مغزی را می توان به راحتی تغییر داد: کاربر به سادگی ترکیب ذهنی جدیدی را ارائه می دهد.

یک تراشه کاشته کنید یا یک میکرو کامپیوتر را قورت دهید

اصلی ترین و غیرمعمول ترین روش شناسایی شخصی توسط PayPal پیشنهاد شد. این شرکت به سادگی پیشنهاد کاشت تراشه یا بلع میکروکامپیوتر را داد. این مشکل مجوز را به طور اساسی و برای همیشه حل می کند. تراشه ها و ریز رایانه ها نبض، ترکیب شیره معده و سایر اطلاعات بیومتریک داخلی را تجزیه و تحلیل خواهند کرد. جزئیات اما مشخص نشده است، اما چنین رویکرد جسورانه ای برای حل مشکل حداقل قابل تحسین است.

یادداشت

امروزه، فناوری‌های گفتاری به سرعت از حالت عجیب و غریب فناوری اطلاعات به واقعیت تبدیل می‌شوند. بیومتریک صوتی موفقیت بسیار خوبی را نشان می دهد که بر اساس آن برنامه های کاربردی مختلفی پیاده سازی شده است که خدمات مفیدی را برای بانک ها، مراکز تماس، کلینیک ها، وسایل نقلیه، کنترل صوتی کار از طریق ارتباطات سیار و ناوبری ارائه می دهد. در میان شرکت‌هایی که طیف گسترده‌ای از راه‌حل‌های گفتار، متن و سند را ارائه می‌دهند، Nuance Communications است. مدیر منطقه‌ای فروش و توسعه کسب‌وکار، ارتباطات Nuance مارتین وسلکابه سوالات ستون نویس PC Week/RE پاسخ داد پترا چاسینادر مورد قابلیت های مدرن فن آوری های گفتار و بیومتریک صدا.

مارتین وسلکا:بیومتریک صوتی یکی از فناوری‌هایی است که به سرعت در حال توسعه است و به شرکت‌های مختلف اجازه می‌دهد تا از راهکارهای آن برای شناسایی مشتریان استفاده کنند. در یک سیستم بیومتریک، از ویژگی های رفتاری، روانی و برخی دیگر از ویژگی های فردی برای تعیین یا تایید هویت استفاده می شود. اندازه‌گیری‌های بیومتریک زیادی از جمله اسکن عنبیه، اثر انگشت، تشخیص چهره، تشخیص صدا، تشخیص امضا و غیره وجود دارد. این یک راه نسبتا ساده و اقتصادی برای حل تعدادی از مشکلات عملی است.

PC Week: دلیل علاقه فعلی خدمات فناوری اطلاعات در صنایع مختلف به بیومتریک صدا و فناوری های گفتاری چیست؟

M.V.:این به این دلیل است که فناوری‌های بیومتریک صدا و گفتار از اسباب‌بازی بودن فاصله زیادی دارند؛ این فناوری‌ها فناوری بسیار پیشرفته‌ای هستند که می‌توان از آن برای بهبود کیفیت خدمات به حدی استفاده کرد که مشتری این پیشرفت را احساس کند. شرکت باید یک سرویس خودکار به مشتری ارائه دهد و فناوری های گفتاری می توانند در این امر کمک کنند. هیچ کس مشتری را مجبور به صبر نمی کند، تغییر مسیر نمی دهد یا پیشنهاد استفاده از منو را نمی دهد. ارتباطات صوتی برای مشتری راحت است.

سیستم مشتری را درک می کند و می تواند حرف های او را تأیید کند. حتی ممکن است رمز یا شماره را به خاطر نداشته باشد. بیومتریک صوتی که در حین مکالمه استفاده می شود، تشخیص اینکه چه کسی تماس می گیرد را ممکن می سازد. این باعث کاهش زمان تماس می شود. بنابراین مشتری نیازی به معرفی خود یا دادن رمز عبور ندارد. رمز او صدای اوست! در عین حال، او احساس می کند که تماس او مهم است و شرکت بلافاصله تصمیم می گیرد.

PC Week: کاربردهای بیومتریک صوتی و فناوری های گفتاری در کدام صنایع بیشترین تقاضا را دارند؟

M.V.:آنها بیشترین کاربرد را در بخش بانکداری، شرکت های بیمه و مخابرات دارند. خطوط هوایی علاقه قابل توجهی نشان می دهند. بازار برنامه‌های کاربردی تلفن همراه برای تلفن‌های همراه نیز امیدوارکننده است، جایی که فناوری‌های گفتاری تقاضای کامل دارند. در صنعت خودرو، سیستم‌های صوتی به شما امکان می‌دهند از دستگاه‌های ناوبری در جاده استفاده کنید، می‌توانند موسیقی، تهویه مطبوع را روشن کنند، به شما در ضبط و ارسال پیامک بدون حواس‌پرتی از رانندگی ماشین و غیره کمک کنند.

در پزشکی، از فناوری های گفتاری برای ثبت اطلاعات در مورد مراجعین و ایجاد پرونده الکترونیکی بیمار استفاده می شود. این به پزشکان اجازه می دهد تا کار خود را بهینه کنند و مزایای واضحی برای مشتریان ایجاد می کند. دکتر از صفحه کلید کامپیوتر استفاده نمی کند، او به سادگی نشانگرهای پزشکی و تشخیص را دیکته می کند. سیستم تشخیص گفتار صدا را به متن ترجمه کرده و ضبط می کند.

M.V.:مراکز تماس بانکی با موفقیت از فناوری های صوتی استفاده می کنند. اگر مشتری نیاز به اطلاعات اولیه داشته باشد، به صورت رایگان در اختیار او قرار می گیرد. اما اگر بخواهد تراکنش مالی یا نوعی عملیات با حساب خود انجام دهد، باید [وضعیت] او بررسی شود. بیومتریک صوتی یکی از انواع تأیید مشتری است که با کمک آن می توان تشخیص داد که آیا فرد زنده است یا صدای ضبط شده در حال پخش است.

یک سیستم بیومتریک صوتی می تواند نیاز به تأیید بیشتر مشتری را شناسایی کند. همچنین می‌توانید یک «لیست سیاه» از چاپ‌های صوتی مشتریانی که مرتکب کلاهبرداری یا تلاش برای دسترسی غیرمجاز به حساب‌های مشتریان دیگر شده‌اند، ایجاد کنید. این به شما امکان می دهد از امنیت تراکنش های بانکی اطمینان حاصل کنید.

PC Week: آیا سیستم تأیید صدای مشتری از کدهای پین و رمز عبور امن تر است؟

M.V.:می‌خواهم فوراً اشاره کنم که سیستم بیومتریک صوتی برای مشتری راحت‌تر از استفاده از کد پین و رمز عبور است. اما همچنین می توان گفت که بیومتریک صوتی از امنیت بیشتری برخوردار است زیرا رمز عبور را می توان در حین مکالمه شنیده و دزدید. و PIN یک مشکل بزرگ برای همه مراکز تماس است، زیرا خود اپراتورها می توانند از این اطلاعات استفاده کنند. سرقت رمز عبور و پین کار سختی نیست، چنین اطلاعاتی ممکن است به بازار سیاه برود، اما صدای شما با شما باقی خواهد ماند! اما ترکیبی از بیومتریک صدا و سوالات مربوط به اطلاعات شخصی در مورد زندگی شما به صورت ترکیبی به شما امکان می دهد به درجه بالایی از قابلیت اطمینان دست یابید.

M.V.:چالش های خاص مراکز تماس چیست؟ آنها وقت ندارند به درخواست ها پاسخ دهند، اپراتورهای کافی وجود ندارد. در این مورد از دستگاه های پاسخ صوتی تعاملی خودکار (IVR) استفاده می شود. اما مشتریان همیشه نمی خواهند با تلفن گویا کار کنند، آنها ترجیح می دهند منتظر پاسخ اپراتور باشند و زمان خدمات مرکز تماس را تلف کنند.

مشتری با مرکز تماس تماس می گیرد، از او می پرسیم چگونه به او کمک کنیم. او آزادانه به سوال پاسخ می دهد. با استفاده از سیستم تشخیص گفتار، درخواست او را درک می کنیم و تصمیم می گیریم کجا برویم. ما یا این اطلاعات را به سیستم سلف سرویس منتقل می کنیم یا تماس را به اپراتور هدایت می کنیم. در عین حال، ما می توانیم مشتری را با استفاده از بیومتریک صوتی شناسایی کنیم. با اعمال این تدابیر نسبت به روش های سنتی در زمان بسیار صرفه جویی می کنیم، زیرا تلفن گویا پاسخگوی سوالات نیست.

در اروپای شرقی و روسیه، بیومتریک صوتی عملا استفاده نمی شود. و در اروپای غربی و ایالات متحده آمریکا این فناوری در حال حاضر به طور گسترده استفاده می شود. این وضعیت قطعا در یکی دو سال آینده تغییر خواهد کرد. مراکز تماس از فناوری‌های گفتاری مانند بیومتریک صوتی استفاده می‌کنند و بهترین خدمات را به همه مشتریان مرکز تماس ارائه می‌کنند.

به عنوان مثال، یکی از بانک های روسی می خواهد بیومتریک صوتی را برای پشتیبانی از سیستم کارت اعتباری برای همه مشتریان خود پیاده کند. این به کاربران امکان می دهد شناسایی شوند. فناوری نصب بیومتریک صوتی پیچیده نیست. اما مشتریان باید در مورد در دسترس بودن یک سرویس جدید بدانند؛ این یک عنصر مهم در تبلیغ آن است.

PC Week: سیستم های بیومتریک صوتی چقدر گران هستند؟ آیا بازار راه حل های صوتی برای مراکز تماس بزرگ است؟

M.V.:در ابتدای هر پروژه، بازده اقتصادی و بازگشت سرمایه را محاسبه می کنیم. بسته به خواسته مشتری، پروژه می تواند بر اساس تعداد پورت های تلفن گویا یا بر اساس تعداد پرینت های صوتی استفاده شده در سیستم انجام شود. اگر راه حل صوتی به خوبی اشکال زدایی شده باشد، می توان زمان یک مکالمه را 20-40 ثانیه کاهش داد و بازگشت سرمایه در شش تا نه ماه اتفاق می افتد.

بازار بیومتریک صوتی هم در داخل و هم در خارج از مراکز تماس وجود دارد. علاوه بر این، هر مرکز تماس می تواند از بیومتریک صوتی استفاده کند. امروزه تقریباً تمامی غول‌های صنعت فناوری اطلاعات، مانند گوگل و مایکروسافت، به راه‌حل‌های صوتی مشغول هستند. اما علاوه بر مراکز تماس، فرصت های دیگری نیز برای استفاده از بیومتریک صوتی وجود دارد، به عنوان مثال، برای مدیریت دستگاه های تلفن همراه، فراهم کردن دسترسی ایمن به مکان های خاص یا تجهیزات خاص، در زمینه پزشکی و غیره.

PC Week: و چگونه از تشخیص گفتار در پزشکی استفاده می شود؟

M.V.:در پزشکی، تشخیص گفتار به آزادسازی کادر پزشکی کمک می کند. برنامه های کاربردی دیکته و رونویسی برای بهبود کیفیت ضبط، پردازش و استفاده از داده های بیمار توسعه یافته اند. این امکان ایجاد سوابق پزشکی با کنترل صوتی را فراهم می کند که به طور قابل توجهی هزینه های عملیاتی را کاهش می دهد و تجربه بیمار را بهبود می بخشد. استفاده از چنین سیستم هایی با کاهش میانگین مدت یک کار و در عین حال افزایش کارایی ارائه خدمات، سودآوری موسسات پزشکی را افزایش می دهد.

M.V.:سیستم های فناوری صدا به سرعت در حال پیشرفت هستند. تقریباً در تمام زمینه های کسب و کار، آنها فرصت های جدیدی را برای خدمت به مشتریان، بهبود دقت، بهره وری و کارایی تولید و کاهش هزینه های زمانی و مالی ایجاد می کنند. آنها به زندگی میلیون ها کاربر خصوصی حمله می کنند. بنابراین، می توان انتظار افزایش بیشتر در تعداد زبان های شناخته شده و گسترش تعداد خدمات ایجاد شده بر این اساس را داشت.

PC Week: از شما برای گفتگو متشکرم.

شناسایی شخص از طریق صدا به منظور دسترسی به داده ها قفل صوتی نامیده می شود. هر فردی صدای منحصر به فردی دارد که نمی توان آن را جعل کرد.
بر خلاف شناسه هویت فیزیکی (توکن، کارت هوشمند، توکن) یا رمز عبور، که ممکن است گم شود یا عمداً به مهاجمان داده شود، فناوری‌های بیومتریک مورد استفاده برای امنیت اطلاعات ذاتی هستند. این بدان معنی است که آنها درصد بیشتری از قابلیت اطمینان را ارائه می دهند که شخص "درست" به داده ها دسترسی پیدا می کند.

یکی از کارمندان مرکز فن آوری های گفتار به راحتی توانسته است اطلاعاتی در مورد وضعیت حساب همسرش از مرکز تماس بانک خود به دست آورد. کافی بود با بانک تماس بگیری و رمز و اطلاعات پاسپورتش را بدهی تا اپراتور با رعایت دستورات بانک اطلاعات محرمانه مشتریش را به او بگوید.

اگر هویت دارنده حساب با استفاده از بیومتریک شناسایی می شد، این اتفاق نمی افتاد. در این مورد، هنگام صحبت با تلفن، شناسایی می تواند به صورت صوتی انجام شود. در عین حال، بیومتریک صدا به طور قابل توجهی از نظر قابلیت اطمینان و راحتی در میان سایر روش ها برجسته است: شناسایی با شکل صورت، اثر انگشت و شبکیه چشم.

اولاً، بیومتریک صوتی بدون تماس است و امکان شناسایی و تأیید از راه دور مشتری را فراهم می کند. و این باعث می شود استفاده از آن در مراکز تماس راحت باشد.
ثانیاً برای ثبت نام مشتریان بانک در بانک اطلاعاتی مرکز تماس، نیازی به دستگاه خاصی برای اخذ نمونه بیومتریک نیست. رمز عبور صوتی از هر دستگاه موجود مجهز به میکروفون ضبط می شود، خواه هدست، تلفن ثابت یا تلفن همراه یا تلفن هوشمند.

در نهایت، بیومتریک صوتی را می توان به راحتی با بیومتریک صورت ترکیب کرد، هر دو حالت بدون تماس هستند، که برای شناسایی از راه دور راحت است. بیومتریک چندوجهی دقت 100% شناسایی شخصی را تضمین می کند.

ما در حال حاضر در حال انجام آزمایشی در یکی از بانک های آمریکایی برای معرفی دسترسی بیومتریک چندوجهی از تلفن های هوشمند مشتریان هستیم. یک برنامه ویژه بانکی که برای اندروید توسعه یافته است، مشتری را با عکس گرفتن از چهره در گوشی هوشمند و ثبت یک رمز عبور در سیستم ثبت می کند. سپس، فرم کوتاهی را با اطلاعات شخصی مشتری پر کنید. برای ورود به موبایل بانک، مشتری از خود عکس می گیرد، یک عبارت عبور را در گوشی هوشمند بیان می کند، سیستم به دنبال موارد منطبق در پایگاه داده خود می گردد و سپس دسترسی به صفحه بانک همراه با حساب را باز می کند.

روش های استفاده از شناسایی صوتی در بانک ها

1. ثبت نام مشتری در سامانه و تعیین تکلیفشناسه. چندین نوع ثبت نام (ضبط اولیه نمونه صدای مشتری) وجود دارد که بسته به نیاز می توان از آن در مراکز تماس بانکی استفاده کرد. با روش ثبت نام مستقل از متن، اصلاً مهم نیست مشتری چه می گوید: او به سادگی چند کلمه در میکروفون صحبت می کند که بر اساس آن سیستم یک "تصویر" از صحبت های او دریافت می کند که توسط آن انجام می شود. او را در آینده بشناسد.

اگر شناسایی با استفاده از رمز عبور (وابسته به متن) انجام شود، مشتری هنگام ثبت نام در سیستم یا یک عبارت رمز عبور ثابت می گوید که در آینده برای شناسایی او استفاده می شود. یا عبارت عبور می تواند پویا باشد. در این مورد، مشتری عناصر تصادفی را بعد از سیستم در یک دنباله خاص تکرار می کند، به عنوان مثال: "34، 52، 84".

2. امضای دیجیتال الکترونیکی برای تایید تراکنش.معرفی امضای صوتی (تأیید هویت مشتری از طریق صوتی) به عنوان خدمات اضافی مرکز تماس، امنیت تراکنش های پرداخت و سطح رضایت مشتری را بهبود می بخشد. پیاده سازی چنین ابزاری با تماس خودکار مشتری و انجام مراحل تأیید صوت هنگام تلاش برای تکمیل تراکنش امکان پذیر است. نمونه صدای مشترک با نمونه از پایگاه داده مقایسه می شود و در صورت شناسایی موفقیت آمیز تراکنش مجاز است.

3. تهدیدات کلاهبرداری را از بین ببرید.بر کسی پوشیده نیست که مجموعه خاصی از افراد وجود دارند که ارتکاب منظم اقدامات متقلبانه علیه بانک ها ابزار اصلی کسب درآمد برای آنهاست. و از آنجایی که حضور شخصی صاحب حساب در دفتر بانک در بسیاری از موارد ارائه خدمات ضروری نیست، کلاهبرداران می توانند طرح های خود را از راه دور و بدون مجازات به تعداد قابل توجهی در همان بانک تکرار کنند. تجزیه و تحلیل صدا در چنین مواردی عملاً تنها راه برای شناسایی سریع اقدامات احتمالی متقلبانه و در نتیجه کاهش زیان مستقیم از چنین اقداماتی است. با استفاده از فناوری شناسایی بلندگو، می‌توانید صدای افرادی که با مرکز تماس تماس می‌گیرند را با لیست خاصی از کلاهبرداران احتمالی یا با یکدیگر مقایسه کنید.

4. تقویت امنیت اطلاعات داخلی.تهدیدهای داخلی و مسائل مربوط به به حداقل رساندن این خطرات به طور سنتی برای رئیس سرویس امنیت اطلاعات هر بانک مرتبط است، زیرا دسترسی غیرمجاز به منابع محرمانه (حساب‌ها و داده‌های شخصی مشتریان، گزارش‌های مالی، برنامه‌های بانکی) و نشت اطلاعات شرکت می‌تواند منجر شود. در زیان های عظیم - هم مالی و هم اعتباری. یکی از موثرترین راه حل ها برای این مشکل ممکن است معرفی یک سیستم شناسایی بیومتریک برای کارکنان باشد.
بدون شک، بیومتریک صوتی در بسیاری از کشورهای جهان کاربرد خود را پیدا خواهد کرد. فن‌آوری‌های گفتار روسی به چنان سطحی از پیشرفت رسیده‌اند که قادر به انجام شناسایی از راه دور با کیفیت بالا بر اساس ویژگی‌های بیومتریک مشتری بانک هستند.

اگر تا همین اواخر شناسایی بیومتریک دارندگان کارت بانکی عجیب و غریب تلقی می شد، اکنون برای ده ها و صدها هزار کاربر در برزیل و هند، لهستان و عربستان سعودی، ژاپن و کلمبیا کاملاً آشنا شده است.

مشتریان انتظار تجربه همه‌کانالی را دارند و بدون توجه به کانال یا رابط کاربری که استفاده می‌کنند، انتظار تجربه‌ای یکپارچه، آشنا و امن را دارند. بانک ها باید در توسعه یک معماری یکپارچه سرمایه گذاری کنند و دسترسی راحت و امنیت بالایی به داده ها و وجوه مشتریان ارائه دهند.