دولت ها و سازمان های مدنی در سراسر جهان مدت هاست که از اثر انگشت به عنوان روش اصلی شناسایی افراد استفاده می کنند. علاوه بر این، اثر انگشت دقیق ترین، کاربر پسندترین و مقرون به صرفه ترین بیومتریک برای استفاده در یک سیستم شناسایی کامپیوتری است. به ویژه، این فناوری در ایالات متحده توسط وزارت وسایل نقلیه موتوری چندین دولت ایالتی، FBI، MasterCard، سرویس مخفی، وزارت خزانه داری، آژانس امنیت ملی، وزارت دفاع و غیره استفاده می شود. با حذف نیاز به رمز عبور برای کاربران نهایی، فناوری تشخیص اثر انگشت تعداد تماس‌های پشتیبانی را کاهش می‌دهد و هزینه‌های مدیریت شبکه را کاهش می‌دهد.

به طور معمول، سیستم های تشخیص اثر انگشت به دو نوع تقسیم می شوند: برای شناسایی AFIS (سیستم های شناسایی اثر انگشت خودکار) و برای تأیید. در حالت اول از اثر هر ده انگشت استفاده می شود. چنین سیستم هایی در قوه قضائیه بسیار مورد استفاده قرار می گیرند. تأییدکنندگان معمولاً بر اساس اطلاعات مربوط به اثری از یک انگشت و کمتر اغلب چندین انگشت. دستگاه های اسکن به طور کلی سه نوع هستند: نوری، اولتراسونیک و مبتنی بر ریزتراشه.

ثبت یک بار اثر انگشت یک فرد در یک اسکنر نوری تنها چند دقیقه طول می کشد. یک دوربین CCD کوچک که به عنوان یک دستگاه جداگانه یا تعبیه شده در صفحه کلید موجود است، از اثر انگشت عکس می گیرد. سپس با کمک الگوریتم های ویژه، تصویر حاصل به یک "الگو" منحصر به فرد تبدیل می شود - نقشه ریزنقاط این چاپ که با شکاف ها و تقاطع خطوط در آن مشخص می شود. سپس این الگو (نه خود اثر انگشت) رمزگذاری شده و در پایگاه داده برای احراز هویت کاربران شبکه نوشته می شود. حداکثر 40 تا 50 میکرودات در یک الگو ذخیره می شود. در عین حال، کاربران نیازی به نگرانی در مورد حریم خصوصی خود ندارند، زیرا اثر انگشت خود ذخیره نمی شود و نمی توان آن را از microdots بازسازی کرد.

مزیت اسکن اولتراسونیک توانایی تعیین ویژگی های مورد نیاز روی انگشتان کثیف و حتی از طریق دستکش های لاستیکی نازک است. شایان ذکر است که سیستم های تشخیص مدرن را نمی توان فریب داد، حتی با لغزش انگشتان تازه بریده شده آنها (یک ریزتراشه پارامترهای فیزیکی پوست را اندازه گیری می کند)، که، می بینید، برای روسیه بسیار مهم است.

بیش از 50 سازنده مختلف در توسعه چنین سیستم هایی مشارکت دارند. در مورد هزینه تجهیزات، ساخت مجتمع ها برای تأیید معمولاً از چند صد تا چند هزار دلار نیاز دارد. سیستم های AFIS بسیار گران تر هستند. به عنوان مثال، یک مجتمع نرم‌افزاری و سخت‌افزاری که توسط سازمان‌های مجری قانون استفاده می‌شود و برای ذخیره اطلاعات حدود 5 میلیون نفر و انجام حدود 5000 جستجو در روز طراحی شده است، چندین میلیون دلار هزینه خواهد داشت.

شناسایی شبکیه و عنبیه

سیستم‌هایی که الگوی عنبیه چشم انسان را تجزیه و تحلیل می‌کنند، تشخیص کاملاً قابل اعتمادی ارائه می‌کنند. واقعیت این است که این ویژگی کاملاً پایدار است و تقریباً در طول زندگی تغییر نمی کند. همچنین توجه داشته باشید که عنبیه چشم راست و چپ دارای الگوی متفاوتی است.

اسکنرهای عنبیه نیازی به تمرکز کاربر روی یک هدف خاص ندارند، در حالی که تصویر ویدیویی چشم را می توان از فاصله 1.5 متری اسکن کرد که استفاده از چنین اسکنرهایی را برای مثال در دستگاه های خودپرداز امکان پذیر می کند. تا زمانی که عنبیه آسیب نبیند، ضعیف شدن دید مانع از اسکن و رمزگذاری پارامترهای شناسایی نمی شود. حتی آب مروارید - کدر شدن عدسی به دلیل اینکه پشت عنبیه قرار دارد - به هیچ وجه در اسکن اختلال ایجاد نمی کند.

معمولاً بین سیستم های فعال و غیرفعال تمایز قائل می شود. در سیستم های نوع اول، کاربر باید دوربین را خودش تنظیم کند و آن را برای هدف گیری دقیق تر حرکت دهد. استفاده از سیستم‌های غیرفعال آسان‌تر است زیرا راه‌اندازی دوربین خودکار و بسیار قابل اعتماد است.

توجه داشته باشید که تاکنون تنها دو شرکت تجهیزات این کلاس را تولید کرده اند: معروف ترین آنها IriScan ( http://www.iriscan.com/). هزینه مجتمع های بیومتریک این شرکت از ده ها تا چند هزار دلار است.

در سیستم های کنترل بیومتریک که از الگوی شبکیه به عنوان یک ویژگی شناسایی استفاده می کنند، فوندوس توسط یک سیستم نوری با استفاده از نور مادون قرمز اسکن می شود. در این مورد، الگوی محل رگ های خونی فوندوس تعیین می شود یا ویژگی های بازتابی و جذب شبکیه اندازه گیری می شود. برای ثبت تصویر اصلی حدود 40 بایت طول می کشد. اطلاعات دریافتی در حافظه سیستم ذخیره شده و برای مقایسه استفاده می شود. اسکنرهای شبکیه - دسترسی به کاربران ثبت نام شده ممنوع است و تقریباً هیچ موردی از دسترسی اشتباه وجود ندارد. با این حال، تصویر باید واضح باشد و آب مروارید می تواند بر کیفیت تصویر تأثیر منفی بگذارد. زمان معمول مجوز کمتر از 60 ثانیه است، تجزیه و تحلیل - 3 - 5 ثانیه. علیرغم مزایای بزرگ این روش (قابلیت اطمینان بالا، عدم امکان جعل)، دارای معایبی است که دامنه آن را محدود می کند (زمان تجزیه و تحلیل نسبتا طولانی، هزینه بالا، ابعاد بزرگ دستگاه اسکن، روش تایید نه چندان دلپذیر).

برای اطمینان از محرمانه بودن اطلاعات، ابزارهای مختلف مجوز و احراز هویت کاربر پیشنهاد شد تا دسترسی فیزیکی لازم به داده ها، منابع مالی و غیره را برای وی فراهم کند. اکثر سیستم های احراز هویت مدرن بر اساس اصل به دست آوردن، جمع آوری و اندازه گیری اطلاعات بیومتریک، یعنی اطلاعاتی در مورد ویژگی های فیزیولوژیکی خاص یک فرد است.

مزیت سیستم های شناسایی بیومتریک نسبت به سیستم های سنتی (به عنوان مثال، سیستم های کد پین یا سیستم های دسترسی مبتنی بر رمز عبور) این است که خود شخص شناسایی می شود. ویژگی به کار رفته در این سیستم ها جزء جدایی ناپذیر شخصیت است، نمی توان آن را گم کرد، منتقل کرد، فراموش کرد. از آنجایی که ویژگی های بیومتریک هر فرد منحصر به فرد است، می توان از آنها برای جلوگیری از سرقت یا کلاهبرداری استفاده کرد. امروزه تعداد زیادی اتاق کامپیوتری، خزانه‌ها، آزمایشگاه‌های تحقیقاتی، بانک‌های خون، دستگاه‌های خودپرداز، تأسیسات نظامی و غیره وجود دارد که دسترسی به آن‌ها توسط دستگاه‌هایی کنترل می‌شود که ویژگی‌های فیزیولوژیکی منحصر به فرد فرد را اسکن می‌کنند.

در سال های اخیر امنیت شبکه های اطلاعاتی و به ویژه سیستم های امنیتی بیومتریک بیشترین توجه را به خود جلب کرده است. شاهد این امر تعداد زیادی مقاله است که به بررسی روش‌های شناسایی انسان‌ها که قبلاً سنتی شده‌اند و برای طیف وسیعی از خوانندگان شناخته شده‌اند، اختصاص داده شده است: با اثر انگشت، شبکیه و عنبیه چشم، ویژگی‌ها و ساختار صورت، با هندسه دست، با گفتار و دست خط.

تجزیه و تحلیل ادبیات علمی، فنی و ادواری علوم عمومی این امکان را فراهم می کند که چنین سیستم هایی را از نظر پیچیدگی توسعه آنها و دقت و قابلیت اطمینان نتایج اندازه گیری ارائه شده، نظام مند کنند (شکل 1). برخی از فناوری ها امروزه به طور گسترده مورد استفاده قرار گرفته اند، برخی دیگر هنوز در حال توسعه هستند. در این مقاله نمونه هایی از سیستم های هر دو گروه اول و دوم را بیان می کنیم.

پسوردهای امروزی

شناسایی اثر انگشت

تا به امروز، یکی از رایج ترین فناوری های بیومتریک، فناوری شناسایی اثر انگشت است. سیستم‌هایی که از چنین فناوری‌هایی استفاده می‌کنند از سیستم‌های پزشکی قانونی سرچشمه می‌گیرند، زمانی که اثر انگشت مجرم وارد یک کابینت پرونده می‌شود و سپس با اثر انگشت ارائه شده مقایسه می‌شود. از آن زمان، تعداد زیادی دستگاه اسکن اثر انگشت پیشرفته ظاهر شد. تحقیقات در این زمینه نشان داده است که اثر انگشت انسان در طول زمان تغییر نمی کند و اگر پوست آسیب ببیند، الگوی پاپیلاری یکسان به طور کامل ترمیم می شود. بدیهی است با توجه به این دلایل و همچنین با توجه به اینکه اسکن اثر انگشت بر خلاف بسیاری از روش های شناسایی دیگر باعث ناراحتی فرد نمی شود، این روش به رایج ترین روش شناسایی تبدیل شده است. یکی دیگر از مزایای استفاده از این تکنیک، دقت تشخیص نسبتاً بالا است. شرکت‌هایی که دستگاه‌های اسکن اثر انگشت را توسعه می‌دهند، دائماً الگوریتم‌های خود را بهبود می‌بخشند و به‌طور چشمگیری موفق شده‌اند. به عنوان مثال، BioLink Technologies موس BioLink U-Match (شکل 2) را منتشر کرده است، یک ماوس کامپیوتری با چرخ اسکرول استاندارد با اسکنر اثر انگشت نوری داخلی: رابط - USB یا COM+PS/2. محافظت در برابر آدمک ها و انگشتان "بی جان"؛ استفاده از عناصر نوری پیشرفته کیفیت اسکن و دقت تشخیص بالا را تضمین می کند. اسکنر بیومتریک BioLink U-Match MatchBook به عنوان یک دستگاه جداگانه ساخته شده است (شکل 3)، زمان اسکن - 0.13 ثانیه، زمان تشخیص - 0.2 ثانیه، رابط USB، حفاظت در برابر ساختگی ها اجرا شده است. این دستگاه ها چنان دقت تشخیصی را نشان می دهند که احتمال دسترسی یک کاربر غیرمجاز به اطلاعات محافظت شده برابر با 1 در 1 میلیارد ارائه اثر انگشت است.

در بازار داخلی، موش های دارای اسکنر زیمنس، صفحه کلید با اسکنر داخلی Cherry و همچنین لپ تاپ های دارای اسکنر اثر انگشت محبوبیت پیدا می کنند. دستگاه های تولید کنندگان دیگر نیز ارائه شده است. بنابراین، اگر رئیس شرکت تصمیم بگیرد که سیستم امنیتی قدیمی را با ابزارهای پیشرفته‌تر حفاظت از اطلاعات جایگزین کند، گزینه‌های زیادی برای انتخاب خواهد داشت.

تجزیه و تحلیل بازار جهانی بیومتریک نشان می دهد که فناوری های تشخیص اثر انگشت 50٪ از بازار بیومتریک و همراه با سیستم های پزشکی قانونی، 80٪ را تشکیل می دهند. با توجه به نتایج سال 2001، گروه بین المللی بیومتریک بیان کرد که فناوری های شناسایی اثر انگشت هنوز هم جایگاه پیشرو در بین تمام فناوری های بیومتریک موجود در بازار را به خود اختصاص داده اند.

برای استفاده از سیستم استاندارد تشخیص اثر انگشت بیومتریک، ابتدا کاربر باید در سامانه ثبت نام کند. در عین حال، هیچ دلیلی برای ترس از اینکه اثر انگشت شما در حافظه دستگاه ذخیره می شود وجود ندارد - اکثر سیستم ها تصویر واقعی اثر انگشت را در حافظه ذخیره نمی کنند، بلکه فقط یک الگوی دیجیتال را ذخیره می کنند که بر اساس آن بازیابی غیرممکن است. تصویر واقعی است، بنابراین حقوق کاربر به هیچ وجه نقض نمی شود. بنابراین، هنگام استفاده از دستگاه‌های BioLink Technologies، تصویر اثر انگشت بلافاصله به یک کد دیجیتال کوچک (فقط 512 بایت) تبدیل می‌شود.

معرفی حفاظت بیومتریک همیشه نیاز به جایگزینی سیستم امنیتی موجود ندارد. اغلب می توان با حداقل هزینه گذرواژه ها را با پاسپورت بیومتریک کاربر جایگزین کرد. به عنوان مثال، راه حل های BioLink Technologies به شما امکان می دهد یک سیستم امنیتی بیومتریک را در بالای یک سیستم امنیتی رمز عبور استاندارد نصب کنید. در این حالت جایگزینی کاملاً بدون درد پسورد برای اثر انگشت وجود دارد. بنابراین، می توانید به طور ایمن از ورود به سیستم عامل (Windows NT/2000، Windows 95/98، Novell NetWare) و حالت های قفل اجباری، محافظ صفحه و حالت خواب محافظت کنید و همچنین محافظت برنامه استاندارد برنامه را با محافظت از اثر انگشت جایگزین کنید. . همه این توابع اساسی، و همچنین بسیاری از ویژگی های دیگر، توسط نرم افزار BioLink Authentication Center نسخه 4.2 - تنها سیستم کاملاً روسی شده این کلاس تا به امروز، پیاده سازی شده اند. در همان زمان، مدل‌های اثر انگشت به صورت مرکزی ذخیره می‌شوند - در سیستم سخت‌افزار و نرم‌افزار احراز هویت Authenteon (شکل 4). این سرور ذخیره ای امن تا 5000 مدل اثر انگشت را فراهم می کند که نمی توان از آنها برای بازتولید یک تصویر اثر انگشت واقعی و سایر اطلاعات مخفی استفاده کرد. علاوه بر این، سرور Authenteon یک مدیریت متمرکز کاربر است، و همچنین این امکان را برای یک مدیر فراهم می کند که به راحتی به کاربران ثبت نام شده امتیازات دسترسی مختلف به منابع مختلف را بدون ثبت مجدد مجدد بدهد. تحمل خطای سرور به صورت زیر پیاده‌سازی می‌شود: سرور موردی است که در آن دو سرور فیزیکی مستقل قرار می‌گیرند که این امکان را فراهم می‌کند که تبادل اطلاعات و کپی کردن پایگاه داده به یک سرور در حال اجرا انجام شود.

از آنجایی که برنامه های کاربردی اینترنتی (بانکداری اینترنتی، تجارت الکترونیک، پورتال های شرکتی) به طور فزاینده ای محبوب می شوند، توسعه دهندگان BioLink از امکان معرفی هویت بیومتریک اثر انگشت در برنامه های اینترنتی مراقبت کرده اند. بنابراین، هر شرکت، شرکت یا موسسه می تواند به طور ایمن از اطلاعات حساس محافظت کند.

راه حل های BioLink Technologies در درجه اول برای شرکت های متوسط ​​و بزرگ طراحی شده اند. در عین حال، یک راه حل جامع Russified (نرم افزار + دستگاه های ورودی + سرور سخت افزار) را می توان به بهترین وجه با اطلاعات و سیستم های ERP مورد استفاده در سازمان ادغام کرد که از یک طرف امکان کاهش قابل توجه هزینه های مدیریت سیستم های رمز عبور را فراهم می کند. و از سوی دیگر، برای ایمن سازی مطمئن اطلاعات محرمانه از دسترسی غیرمجاز هم از خارج و هم از داخل شرکت.

علاوه بر این، فرصتی برای حل یک مشکل فوری دیگر وجود دارد - کاهش قابل توجه خطرات هنگام انتقال داده ها به سیستم های مالی، بانکی و سایر سیستم هایی که معاملات مهمی را با استفاده از اینترنت انجام می دهند.

سیستم های شناسایی عنبیه

همانطور که از شکل زیر آمده است. 1، بیشترین دقت و قابلیت اطمینان در مرحله حاضر توسط سیستم های شناسایی بیومتریک بر اساس تجزیه و تحلیل و مقایسه عنبیه ارائه شده است. به هر حال، چشم هایی با عنبیه یکسان، حتی در دوقلوهای کاملاً همسان، وجود ندارند. این پارامتر که در سال اول زندگی شکل می گیرد، برای یک فرد در تمام مدت وجودش منحصر به فرد باقی می ماند. این روش شناسایی با روش اول متفاوت است زیرا استفاده از آن دشوارتر است، تجهیزات گران تر است و شرایط ثبت نام سخت تر است.

به عنوان نمونه ای از یک سیستم شناسایی مدرن بر اساس تجزیه و تحلیل عنبیه، مناسب است راه حلی از LG ذکر شود.

سیستم IrisAccess به شما این امکان را می دهد که الگوی عنبیه را در کمتر از یک ثانیه اسکن کنید، آن را با 4000 رکورد دیگر که در حافظه خود ذخیره می کند، پردازش و مقایسه کنید و سپس سیگنال مناسب را به سیستم امنیتی ارسال کنید. این فناوری کاملاً غیر تماسی است (شکل 5). بر اساس تصویر عنبیه، یک کد دیجیتال فشرده 512 بایت ساخته شده است. این دستگاه در مقایسه با اکثر سیستم‌های کنترل بیومتریک شناخته‌شده از قابلیت اطمینان بالایی برخوردار است (شکل 6)، پایگاه داده بزرگی را نگهداری می‌کند، دستورالعمل‌های صوتی را به زبان روسی صادر می‌کند و اجازه می‌دهد کارت‌های دسترسی و صفحه‌کلیدهای پین را در سیستم ادغام کنند. یک کنترلر از چهار خواننده پشتیبانی می کند. سیستم را می توان به شبکه LAN ادغام کرد.

IrisAccess 3000 شامل یک ثبت کننده نوری EOU3000، یک ثبت کننده نوری از راه دور ROU3000، یک واحد کنترل احراز هویت ICU3000، یک برد ضبط تصویر، یک برد رابط درب و یک سرور رایانه شخصی است.

در صورت نیاز به کنترل چندین ورودی، تعدادی از دستگاه های راه دور، از جمله ICU3000 و ROU3000، می توانند از طریق یک شبکه محلی (LAN) به سرور رایانه شخصی متصل شوند. توضیحات اجزای اصلی سیستم در نوار کناری ارائه شده است.

سازماندهی کنترل دسترسی و یک نمودار شماتیک از استقرار یک سیستم امنیتی مبتنی بر IrisAccess از LG در شکل نشان داده شده است. 7، .

سیستم های تشخیص گفتار

پایین ترین موقعیت در شکل. 1 - هم از نظر شدت کار و هم از نظر دقت - توسط سیستم های شناسایی مبتنی بر تشخیص گفتار اشغال می شوند. دلایل معرفی این سیستم ها فراگیر بودن شبکه های تلفن و تمرین تعبیه میکروفون در رایانه ها و تجهیزات جانبی مانند دوربین ها است. معایب چنین سیستم هایی شامل عوامل مؤثر بر نتایج تشخیص است: تداخل در میکروفون ها، تأثیر محیط بر نتایج تشخیص (نویز)، خطاهای تلفظ، وضعیت احساسی متفاوت استانداردی که در زمان ثبت نام و در طول هر شناسایی بررسی می شود. استفاده از دستگاه های مختلف ضبط در هنگام ثبت استانداردها و شناسایی، تداخل در کانال های داده با کیفیت پایین و غیره.

پسوردهای آینده

ما نمونه‌هایی از دستگاه‌های بیومتریک را ارائه کرده‌ایم که قبلاً به طور گسترده برای کنترل دسترسی استفاده می‌شوند، اما پیشرفت علمی و فناوری ثابت نمی‌ماند و بنابراین دامنه فناوری‌هایی که می‌توانند در سیستم‌های امنیتی مورد استفاده قرار گیرند دائماً در حال گسترش است. تعدادی از فناوری های بیومتریک در حال حاضر در حال توسعه هستند که برخی از آنها بسیار امیدوار کننده در نظر گرفته می شوند. بنابراین، بیایید در مورد فناوری‌هایی صحبت کنیم که هنوز مورد پذیرش انبوه قرار نگرفته‌اند، اما پس از مدتی ممکن است در حد قابل‌اعتمادترین فناوری‌های امروزی باشند. ما فناوری های زیر را در این لیست قرار دادیم:

1. ساخت یک ترموگرام صورت بر اساس اطلاعات یک حسگر تابش مادون قرمز.
2. تجزیه و تحلیل ویژگی های DNA؛
3. تجزیه و تحلیل پویایی ضربات روی صفحه کلید کامپیوتر هنگام تایپ متن.
4. تجزیه و تحلیل ساختار پوست و اپیتلیوم روی انگشتان بر اساس اطلاعات سونوگرافی دیجیتال.
5. تجزیه و تحلیل اثر دست؛
6. تجزیه و تحلیل شکل گوش؛
7. تجزیه و تحلیل ویژگی های راه رفتن انسان؛
8. تجزیه و تحلیل بوی فردی انسان

بیایید ماهیت این روش ها را با جزئیات بیشتری در نظر بگیریم. فناوری ساخت و آنالیز ترموگرام (شکل 9) یکی از آخرین دستاوردها در زمینه بیومتریک است. همانطور که دانشمندان دریافته اند، استفاده از دوربین های مادون قرمز تصویر منحصر به فردی از اشیاء زیر پوست صورت می دهد. تراکم های مختلف استخوان، چربی و رگ های خونی کاملاً فردی است و تصویر ترموگرافی چهره کاربر را تعیین می کند. طبق نتایج علمی، ترموگرام صورت منحصر به فرد است، در نتیجه حتی دوقلوهای کاملاً مشابه را می توان با اطمینان تشخیص داد. از ویژگی های اضافی این روش می توان به تغییر ناپذیری آن نسبت به هرگونه تغییر زیبایی یا زیبایی اعم از جراحی پلاستیک، تغییر آرایش و غیره و همچنین محرمانه بودن مراحل ثبت نام اشاره کرد.

فناوری مبتنی بر تجزیه و تحلیل ویژگی‌های DNA، یا به قول دانشمندان، روش شناسایی ژنومی (شکل 10)، ظاهراً طولانی‌مدت‌ترین، اما امیدوارکننده‌ترین سیستم شناسایی است. در حال حاضر، این روش کنترل بسیار کند است و خودکار کردن آن دشوار است. این روش بر این واقعیت استوار است که در DNA انسان جایگاه‌های چندشکلی وجود دارد (منبع موقعیت کروموزوم (در یک ژن یا آلل) است که اغلب دارای 8-10 آلل است. تعیین مجموعه این آلل‌ها برای چندین جایگاه چندشکلی در یک ژن یک فرد خاص به شما امکان می دهد یک نوع نقشه ژنومی را بدست آورید که فقط برای آن شخص مشخص است. دقت این روش بر اساس ماهیت و تعداد مکان های پلی مورفیک تجزیه و تحلیل شده تعیین می شود و امروزه به سطح خطای 1 در هر 1 میلیون نفر می رسد.

پویایی ضربات روی صفحه کلید کامپیوتر هنگام تایپ متن یا دست خط صفحه کلید، نحوه (ریتم) تایپ یک عبارت خاص توسط کاربر را تجزیه و تحلیل می کند. دو نوع سیستم تشخیص دست خط صفحه کلید وجود دارد. اولین ها برای احراز هویت کاربر در هنگام تلاش برای دسترسی به منابع محاسباتی طراحی شده اند. دومی پس از اعطای دسترسی، کنترل نظارت را انجام می دهد و اگر شخص دیگری که در ابتدا به او دسترسی داده شده بود شروع به کار بر روی رایانه کند، سیستم را مسدود می کند. ریتم صفحه کلید، همانطور که مطالعات تعدادی از شرکت ها و سازمان ها نشان داده است، یک ویژگی نسبتاً فردی کاربر است و برای شناسایی و احراز هویت او کاملاً مناسب است. برای اندازه گیری آن، فواصل زمانی بین ضربات هنگام تایپ کاراکترهای واقع در یک دنباله خاص یا بین لحظه ضربه زدن به کلید و لحظه رها شدن آن هنگام تایپ هر کاراکتر در این دنباله تخمین زده می شود. اگرچه روش دوم موثرتر تلقی می شود، اما بهترین نتیجه با استفاده از هر دو روش با هم حاصل می شود. ویژگی بارز این روش هزینه پایین آن است، زیرا برای تجزیه و تحلیل اطلاعات به تجهیزات دیگری به جز صفحه کلید نیاز نیست. لازم به ذکر است که در حال حاضر این فناوری در حال توسعه است و بنابراین ارزیابی میزان قابلیت اطمینان آن به ویژه با توجه به الزامات بالای سیستم های امنیتی دشوار است.

برای شناسایی یک فرد با دست، از چندین پارامتر بیومتریک استفاده می شود - این شکل هندسی دست یا انگشتان، محل رگ های خونی زیر جلدی کف دست، الگوی خطوط روی کف دست است.

فناوری تجزیه و تحلیل اثر دست نسبتاً اخیراً شروع به توسعه کرده است، اما در حال حاضر دستاوردهای خاصی دارد. دلیل توسعه این فناوری این واقعیت بود که دستگاه های تشخیص اثر انگشت دارای یک اشکال هستند - آنها فقط به دست های تمیز نیاز دارند و ممکن است سیستم اثر انگشت کثیف را تشخیص ندهد. بنابراین، تعدادی از شرکت های توسعه بر روی فناوری تمرکز کرده اند که نه الگوی خطوط روی پوست، بلکه طرح کلی کف دست را تجزیه و تحلیل می کند، که شخصیت فردی نیز دارد. بنابراین، در اواسط سال گذشته در بریتانیا، توسعه یک سیستم کامپیوتری جدید آغاز شد که امکان شناسایی مظنونان را با اثر انگشت فراهم می کند. یک سیستم اثر انگشت مشابه در حال حاضر سه سال است که با موفقیت توسط پلیس بریتانیا استفاده می شود. اما به گفته جرم شناسان، اثر انگشت به تنهایی اغلب کافی نیست. تا 20 درصد از رد پاهایی که در صحنه جرم باقی می ماند رد دست است. با این حال، تجزیه و تحلیل آنها با ابزارهای سنتی نسبتاً پر زحمت است. رایانه ای شدن این فرآیند امکان استفاده گسترده تر از چاپ کف دست را فراهم می کند و منجر به افزایش قابل توجهی در کشف جرم خواهد شد. انتظار می‌رود این سیستم تا اوایل سال 2004 راه‌اندازی شود و برای راه‌اندازی آن 17 میلیون پوند هزینه خواهد داشت. لازم به ذکر است که دستگاه های اسکن کف دست معمولاً گران هستند و بنابراین تجهیز تعداد زیادی محل کار به آنها چندان آسان نیست.

فناوری تجزیه و تحلیل شکل گوش یکی از جدیدترین رویکردها در شناسایی بیومتریک انسان است. حتی یک وب کم ارزان می تواند نمونه های نسبتا قابل اعتمادی را برای مقایسه و شناسایی تولید کند. لازم به ذکر است که از آنجایی که این روش به اندازه کافی مورد مطالعه قرار نگرفته است، ما نتوانستیم اطلاعات موثقی در مورد وضعیت موجود در ادبیات علمی و فنی پیدا کنیم.

توانایی سگ ها در تشخیص افراد از طریق بو و وجود تأثیر ژنتیکی بر بوی بدن باعث می شود که این ویژگی علیرغم وابستگی به آداب و رسوم و عادات فردی (استفاده از عطرسازی، رژیم غذایی، استفاده از مواد مخدر و غیره) در نظر گرفته شود. از نظر استفاده برای احراز هویت بیومتریک شخصیت امیدوارکننده است. در حال حاضر، توسعه سیستم های "بینی الکترونیکی" در حال حاضر در حال انجام است (شکل 11). به عنوان یک قاعده، "دماغ الکترونیکی" یک سیستم پیچیده متشکل از سه واحد عملکردی است که در حالت ادراک دوره‌ای مواد بدبو کار می‌کنند: یک سیستم نمونه‌برداری و آماده‌سازی نمونه، یک خط یا ماتریس از سنسورها با ویژگی‌های مشخص، و یک پردازش سیگنال. واحد ماتریس سنسور این فناوری، مانند تجزیه و تحلیل شکل گوش، هنوز راه درازی در پیش دارد تا بتواند نیازهای بیومتریک را برآورده کند.

در نتیجه، هنوز خیلی زود است که پیش بینی کنیم که در نهایت خدمات بیومتریک قابل اعتماد در کجا، چگونه و به چه شکلی ارائه می شود. اما کاملاً واضح است که اگر قرار باشد نتایج تأیید مثبت، قابل اعتماد و غیرقابل انکاری به دست آید، بدون شناسایی بیومتریک غیرممکن است. بنابراین، این امکان وجود دارد که در آینده بسیار نزدیک، رمزهای عبور و کدهای پین جای خود را به ابزارهای جدید و مطمئن تری برای مجوز و احراز هویت بدهند.

ComputerPress 3 "2002

در بخش دوم مقاله (اول در مجله RS/RE، 1/2004 منتشر شد)، روش‌های اصلی تشخیص اثر انگشت، الگوریتم‌های سیستم‌های تشخیص ساختمان و برخی روش‌های محافظت در برابر آدمک‌ها افشا می‌شوند. اما قبل از اینکه به این سؤالات بپردازیم، بیایید در نظر بگیریم که چیست و چگونه یک الگوی پاپیلاری روی سطح انگشتان ظاهر می شود.

پوست انسان از دو لایه تشکیل شده است: اپیدرم (اپیدرم)، لایه بیرونی، و درم (درما)، لایه عمیق تر.

در ماه پنجم رشد داخل رحمی انسان، درم، که قبلاً یکنواخت بود، ناهموار می‌شود و ظاهر بسیاری از غده‌های پوستی را به خود می‌گیرد که متناوب با یکدیگر می‌شوند (گاهی اوقات به آنها پاپیلا می‌گویند). روی سطح انگشتان، این غده ها به صورت ردیفی جمع می شوند. اپیدرم ساختار لایه بیرونی درم را تکرار می‌کند و چین‌های کوچکی را تشکیل می‌دهد که سیر ردیف‌هایی از غده‌های پوستی را منعکس و تکرار می‌کند.

چین هایی که با چشم غیرمسلح روی سطح پوست می بینیم خطوط پاپیلاری (از لاتین parillae - papillae) نامیده می شوند و توسط شیارهای کم عمق از یکدیگر جدا می شوند. در بالای چین ها، برآمدگی های خطوط پاپیلاری، منافذ ریز متعددی وجود دارد - دهانه های خارجی مجاری دفع غدد عرق پوست. خطوط پاپیلاری روی سطح انگشتان، الگوهای مختلفی به نام الگوهای پاپیلاری را تشکیل می دهند.

در نهایت، الگوی پاپیلاری روی سطح انگشتان در ماه هفتم رشد داخل رحمی تشکیل می‌شود. از آن زمان، شیارهای ایجاد شده روی سطح انگشتان دست در طول زندگی فرد بدون تغییر باقی می مانند.

ساختار لایه بالایی پوست انگشتان انسان، اپیدرم، به گونه ای است که از درم، یعنی خود پوست در برابر آسیب های مکانیکی محافظت می کند. پس از هر گونه آسیب به اپیدرم که بر روی غده های پوستی تأثیر نمی گذارد، الگوی پاپیلاری در طول فرآیند بهبودی به شکل اولیه خود بازیابی می شود که توسط آزمایش های متعدد تأیید شده است. اگر غده های پوستی آسیب ببینند، اسکار ایجاد می شود که الگوی پاپیلی را تا حدی تغییر شکل می دهد، اما الگوی عمومی اولیه را تغییری اساسی نمی دهد و خود اسکار می تواند به عنوان یک علامت ثانویه در شناسایی استفاده شود.

در انگشت نگاری سنتی روسی، الگوهای پاپیلاری انگشتان به سه نوع اصلی تقسیم می شوند: قوس (حدود 5٪ از کل اثر)، حلقه (65٪) و حلقه (30٪). برای هر نوع، طبقه بندی دقیق تری به زیرگروه ها انجام می شود. اما در چارچوب این مقاله ابتدا روش های شناسایی خودکار افراد و نه انگشت نگاری در نظر گرفته می شود.

روش های تشخیص

بسته به کیفیت تصویر اثر انگشت دریافتی از اسکنر، برخی از ویژگی های مشخصه سطح انگشتان را می توان روی آن تشخیص داد که بعداً می توان از آنها برای شناسایی استفاده کرد.

در ساده ترین سطح فنی، به عنوان مثال، با وضوح 300-500 نقطه در اینچ که از یک تصویر سطح انگشت به دست می آید، تعداد نسبتاً زیادی جزئیات کوچک (ریزه کاری) را نشان می دهد که می توان آنها را طبقه بندی کرد، اما، به عنوان یک قاعده، فقط دو نوع جزئیات الگو (نقاط خاص): نقاط انتهایی، جایی که خطوط پاپیلری به وضوح پایان می‌یابند، و نقاط انشعاب، جایی که خطوط پاپیلری دو شاخه می‌شوند.

اگر بتوان تصویری از سطح انگشت با وضوح حدود 1000 نقطه در اینچ به دست آورد، می توان جزئیات ساختار داخلی خطوط پاپیلری، به ویژه منافذ غدد عرق را تشخیص داد و بر این اساس، از مکان آنها برای شناسایی استفاده کنید. اما به دلیل سختی گرفتن تصاویر با این کیفیت در شرایط غیر آزمایشگاهی، از این روش چندان استفاده نمی شود.

با تشخیص خودکار اثر انگشت (برخلاف اثر انگشت سنتی)، مشکلات بسیار کمتری در ارتباط با عوامل خارجی مختلف وجود دارد که بر خود فرآیند تشخیص تأثیر می‌گذارد. هنگام گرفتن اثر انگشت با استفاده از روش جوهر (با استفاده از برگشت)، مهم است که جابجایی یا چرخش انگشت، تغییرات فشار، تغییرات کیفیت سطح پوست و غیره را حذف یا حداقل به حداقل برسانید. از اسکنرهای الکترونیکی بدون جوهر، تصویر اثر انگشت با کیفیت پردازش کافی بسیار ساده تر است. کیفیت تصویر الگوی پاپیلی انگشت به دست آمده از اسکنر یکی از معیارهای اصلی است که الگوریتم انتخابی برای تشکیل پیچش اثر انگشت و در نتیجه شناسایی شخص به آن بستگی دارد.

در حال حاضر، سه کلاس از الگوریتم های مقایسه اثر انگشت وجود دارد.

1. مقایسه همبستگی- دو تصویر اثر انگشت روی یکدیگر قرار می گیرند و همبستگی (در سطح شدت) بین پیکسل های مربوطه محاسبه شده برای ترازهای مختلف تصاویر نسبت به یکدیگر (به عنوان مثال، با جابجایی ها و چرخش های مختلف) محاسبه می شود. با توجه به ضریب مربوطه، در مورد هویت چاپ ها تصمیم گیری می شود. با توجه به پیچیدگی و مدت زمان این الگوریتم، به ویژه در هنگام حل مسائل شناسایی (مقایسه یک به چند)، سیستم های مبتنی بر آن در حال حاضر عملاً مورد استفاده قرار نمی گیرند.

2. مقایسه با نقاط مفرد- بر اساس یک یا چند تصویر اثر انگشت از اسکنر، یک الگو تشکیل می شود که یک سطح دو بعدی است که روی آن نقاط انتهایی و نقاط انشعاب برجسته می شوند. این نقاط نیز بر روی تصویر اسکن شده چاپ انتخاب می شوند، نقشه آنها با الگو مقایسه می شود و بر اساس تعداد نقاط مطابقت در مورد هویت چاپ ها تصمیم گیری می شود. در کار الگوریتم‌های این کلاس، مکانیسم‌های مقایسه همبستگی پیاده‌سازی می‌شوند، اما هنگام مقایسه موقعیت هر یک از نقاطی که ظاهراً با یکدیگر مطابقت دارند. به دلیل سادگی اجرا و سرعت عمل، الگوریتم های این کلاس پرکاربردترین هستند. تنها اشکال قابل توجه این روش مقایسه، الزامات نسبتاً بالا برای کیفیت تصویر حاصل (حدود 500 نقطه در اینچ) است.

3. مقایسه با الگو- در این الگوریتم مقایسه، از ویژگی های ساختاری الگوی پاپیلاری روی سطح انگشتان به طور مستقیم استفاده می شود. تصویر اثر انگشت دریافتی از اسکنر به سلول های کوچک زیادی تقسیم می شود (اندازه سلول ها به دقت مورد نیاز بستگی دارد). مکان خطوط در هر سلول با پارامترهای یک موج سینوسی مشخص توصیف می شود، یعنی تغییر فاز اولیه، طول موج و جهت انتشار آن مشخص شده است. چاپ دریافت شده برای مقایسه تراز شده و به همان شکل الگو آورده می شود. سپس پارامترهای نمایش موج سلول های مربوطه با هم مقایسه می شوند. مزیت الگوریتم های مقایسه این کلاس عدم نیاز به تصویر با کیفیت بالا است.

در چارچوب مقاله، ما خود را به شرح کلی از عملکرد هر یک از کلاس های الگوریتم محدود می کنیم؛ در عمل، همه اینها از نظر دستگاه ریاضی و پردازش تصویر بسیار پیچیده تر به نظر می رسد. توجه داشته باشید که در شناسایی خودکار مشکلات متعددی در ارتباط با دشواری اسکن و تشخیص انواع خاصی از اثر انگشت وجود دارد، مخصوصاً برای کودکان خردسال، زیرا انگشتان آنها بسیار کوچک است تا حتی با تجهیزات خوب، اثر خود را با جزئیات قابل قبول به دست آورند. علاوه بر این، حدود 1٪ از بزرگسالان دارای چنین اثر انگشت منحصر به فردی هستند که برای کار با آنها، لازم است الگوریتم های پردازش تخصصی ایجاد شود یا استثنایی در قالب رد شخصی بیومتریک برای آنها ایجاد شود.

رویکردهای محافظت در برابر آدمک ها

مشکل محافظت از طیف گسترده ای از سیستم های بیومتریک در برابر ساختگی شناسه های بیومتریک یکی از دشوارترین ها برای کل منطقه و اول از همه برای فناوری تشخیص اثر انگشت است. این به این دلیل است که در مقایسه با عنبیه یا شکل دست سه بعدی نسبتاً آسان به دست می آید و ساخت اثر انگشت تقلبی نیز کار ساده تری به نظر می رسد. ما به فن آوری های ساختن اثر انگشت دست نخواهیم داد؛ اخیراً اطلاعات کافی در این مورد در بسیاری از منابع ظاهر شده است. اجازه دهید در مورد روش ها و رویکردهای اصلی محافظت در برابر آنها صحبت کنیم.

به طور کلی همه روش ها را می توان به دو گروه تقسیم کرد.

1. فنی- روش های حفاظتی که در سطح نرم افزاری که با تصویر کار می کند یا در سطح خواننده اجرا می شود. بیایید آنها را با جزئیات بیشتری در نظر بگیریم.

حفاظت در سطح خواننده در این واقعیت نهفته است که خود اسکنر یک الگوریتم جذب تصویر را پیاده سازی می کند که به شما امکان می دهد اثر انگشت را فقط از یک انگشت "زنده" و نه از یک ساختگی دریافت کنید - به عنوان مثال ، فیبر نوری اینگونه است. اسکنرهای شرح داده شده در قسمت اول مقاله کار.

حفاظت از مشخصه اضافی شامل به دست آوردن برخی مشخصه های اضافی با استفاده از دستگاه اسکن است که بر اساس آن می توان تصمیم گرفت که آیا شناسه ارائه شده ساختگی است یا خیر. به عنوان مثال، با کمک اسکنرهای اولتراسونیک می توان اطلاعاتی در مورد وجود نبض در انگشت به دست آورد، در برخی از اسکنرهای نوری با وضوح بالا امکان تعیین وجود ذرات عرق در تصویر و غیره وجود دارد. سازنده چنین ویژگی "اختصاصی" دارد که معمولاً گفته نمی شود ، زیرا با دانستن آن ، یافتن راهی برای دور زدن این محافظت بسیار ساده تر است.

حفاظت طبق داده های قبلی، زمانی که اثر انگشت آخرین انگشتی که اسکنر را لمس کرده روی سطح آن باقی می ماند که می توان از آن در ساخت یک ساختگی استفاده کرد. در این حالت، آنها با ذخیره چند تصویر آخر از اسکنر محافظت می شوند (تعداد آنها برای هر سازنده متفاوت است) که ابتدا هر تصویر جدید با آن مقایسه می شود. و از آنجایی که نمی توان دو بار انگشت را دقیقاً به همان شکل روی اسکنر قرار داد، در صورت تصادف تصمیم به استفاده از ساختگی گرفته می شود.

2. سازمانی- ماهیت این روش ها سازماندهی فرآیندهای احراز هویت به گونه ای است که استفاده از یک ساختگی را دشوار یا غیرممکن کند. بیایید این روش ها را در نظر بگیریم.

پیچیدگی فرآیند شناسایی فرآیند ثبت اثر انگشت، چندین انگشت را برای هر کاربر ثبت می‌کند (در حالت ایده‌آل همه 10 انگشت). سپس، مستقیماً در طی فرآیند احراز هویت، از کاربر خواسته می شود چندین انگشت خود را در یک توالی دلخواه بررسی کند، که ورود به سیستم با استفاده از یک ساختگی را بسیار دشوارتر می کند.

چند بیومتری یا بیومتریک چند عاملی. در اینجا، چندین فناوری بیومتریک برای احراز هویت، مانند اثر انگشت و شکل صورت یا شبکیه و غیره پیاده‌سازی می‌شوند.

احراز هویت چند عاملی برای افزایش امنیت، ترکیبی از روش‌های احراز هویت مانند بیومتریک و کارت‌های هوشمند یا e-token استفاده می‌شود.

نتیجه

این مقاله توصیفی کلی از ویژگی‌های داخلی پرکاربردترین فناوری بیومتریک ارائه می‌کند. بسیاری از جنبه‌های ساخت سیستم‌های مبتنی بر تشخیص خودکار اثر انگشت انسان، مانند پردازش و نرمال‌سازی تصویر، ویژگی‌های ساخت سیستم‌های شبکه شرکتی، سرورهای احراز هویت بیومتریک، انواع حملات به سیستم‌های بیومتریک و روش‌های حفاظت در برابر آنها و غیره مورد توجه قرار نگرفته است. .، که هر کدام یک موضوع جداگانه برای یک مطلب بزرگ است. شناسایی اثر انگشت با توجه به اصلاحات گذرنامه‌های خارجی و داخلی روسیه که در چند سال آینده برنامه‌ریزی شده‌اند و قوانین ورود به ویزاهای حاوی داده‌های بیومتریک و در درجه اول اثر انگشت در حال حاضر در برخی از کشورها اجرا می‌شود، جالب‌تر و جالب‌تر می‌شود.

مجله PC/نسخه روسی

ZlodeiBaal اوت 11, 2011 در 09:54 ب.ظ

روش های مدرن شناسایی بیومتریک

• امنیت اطلاعات

اخیراً مقالات زیادی در Habré منتشر شده است که به سیستم های شناسایی چهره گوگل اختصاص یافته است. راستش را بخواهید، بسیاری از آنها بوی روزنامه نگاری و به زبان ساده بی کفایتی می دهند. و من می خواستم یک مقاله خوب در مورد بیومتریک بنویسم، این اولین مقاله من نیست! چند مقاله خوب در مورد بیومتریک در Habré وجود دارد - اما آنها بسیار کوتاه و ناقص هستند. در اینجا سعی خواهم کرد به اختصار اصول کلی شناسایی بیومتریک و دستاوردهای مدرن بشر در این زمینه را بیان کنم. از جمله در شناسایی توسط افراد.

مقاله دارای یک است که در واقع پیش درآمد آن است.

به عنوان مبنایی برای مقاله، از یک نشریه مشترک با یک همکار در یک مجله (BDI، 2009)، که برای واقعیت های مدرن تجدید نظر شده است، استفاده خواهد شد. هابره هنوز همکار ندارد، اما از انتشار مقاله اصلاح شده در اینجا حمایت کرد. در زمان انتشار، مقاله مروری کوتاه بر بازار مدرن فناوری‌های بیومتریک بود که قبل از عرضه محصول خود برای خودمان انجام دادیم. قضاوت های ارزشی در مورد کاربرد ارائه شده در قسمت دوم مقاله بر اساس نظرات افرادی است که از محصولات استفاده و اجرا کرده اند و همچنین بر اساس نظرات افرادی که در تولید سیستم های بیومتریک در روسیه و اروپا شرکت دارند.

اطلاعات کلی

بیایید با اصول اولیه شروع کنیم. در 95 درصد موارد، بیومتریک ذاتاً یک آمار ریاضی است. و matstat یک علم دقیق است، الگوریتم هایی که از آن در همه جا استفاده می شود: در رادارها و در سیستم های بیزی. خطاهای نوع اول و دوم را می توان به عنوان دو ویژگی اصلی هر سیستم بیومتریک در نظر گرفت. در تئوری رادار، آنها را معمولاً "آژارهای کاذب" یا "مسائل هدف" می نامند و در بیومتریک، تثبیت شده ترین مفاهیم FAR (نرخ پذیرش نادرست) و FRR (نرخ رد اشتباه) هستند. عدد اول احتمال تطابق نادرست مشخصات بیومتریک دو نفر را مشخص می کند. دوم احتمال ممانعت از دسترسی به یک فرد دارای مجوز است. سیستم بهتر است، هر چه مقدار FRR در همان مقادیر FAR کوچکتر باشد. گاهی اوقات از یک مشخصه مقایسه ای EER نیز استفاده می شود که نقطه تلاقی نمودارهای FRR و FAR را تعیین می کند. اما همیشه نماینده نیست. جزئیات بیشتر را می توان برای مثال مشاهده کرد.
ممکن است به موارد زیر توجه شود: اگر FAR و FRR برای پایگاه های بیومتریک باز در مشخصات سیستم ذکر نشده باشد، مهم نیست که سازندگان در مورد ویژگی های آن چه اعلام می کنند، این سیستم به احتمال زیاد ناتوان یا بسیار ضعیف تر از رقبای خود است..
اما نه تنها FAR و FRR کیفیت یک سیستم بیومتریک را تعیین می کنند. اگر این تنها راه بود، فناوری پیشرو تشخیص DNA افراد بود که برای آن FAR و FRR به صفر تمایل دارند. اما بدیهی است که این فناوری در مرحله فعلی توسعه انسانی قابل اجرا نیست! ما چندین ویژگی تجربی را برای ارزیابی کیفیت سیستم ایجاد کرده‌ایم. "مقاومت در برابر جعل" یک معیار تجربی است که به طور خلاصه نشان می دهد که جعل کردن یک شناسه بیومتریک چقدر آسان است. "پایداری محیطی" مشخصه ای است که به طور تجربی پایداری سیستم را در شرایط مختلف خارجی مانند تغییر در روشنایی یا دمای اتاق ارزیابی می کند. "سهولت استفاده" نشان می دهد که استفاده از یک اسکنر بیومتریک چقدر دشوار است، آیا شناسایی "در حال حرکت" امکان پذیر است یا خیر. یک ویژگی مهم "سرعت کار" و "هزینه سیستم" است. فراموش نکنید که ویژگی بیومتریک یک فرد می تواند در طول زمان تغییر کند، بنابراین اگر ناپایدار باشد، این یک منفی قابل توجه است.
فراوانی روش های بیومتریک شگفت انگیز است. روش‌های اصلی با استفاده از ویژگی‌های بیومتریک استاتیک یک فرد، شناسایی با الگوی پاپیلی روی انگشتان، عنبیه، هندسه صورت، شبکیه چشم، الگوی رگ دست، هندسه دست است. همچنین خانواده ای از روش ها وجود دارد که از ویژگی های پویا استفاده می کنند: شناسایی با صدا، دینامیک دست خط، ضربان قلب، راه رفتن. در زیر توزیع بازار بیومتریک چند سال پیش است. در هر منبع دوم، این داده ها 15-20 درصد در نوسان هستند، بنابراین این فقط یک تخمین است. همچنین در اینجا، تحت مفهوم "هندسه دست"، دو روش مختلف پنهان شده است که در ادامه به آنها پرداخته خواهد شد.


در این مقاله، ما فقط ویژگی هایی را در نظر خواهیم گرفت که در سیستم های کنترل و مدیریت دسترسی (ACS) یا در وظایف نزدیک به آنها قابل استفاده هستند. به دلیل برتری آنها، اینها در درجه اول ویژگی های ایستا هستند. از میان ویژگی های پویا در حال حاضر، تنها تشخیص صدا حداقل از نظر آماری اهمیت دارد (مقایسه با بدترین الگوریتم های استاتیک FAR ~ 0.1٪، FRR ~ 6٪)، اما فقط در شرایط ایده آل.
برای درک احتمال FAR و FRR، می توان تخمین زد که اگر یک سیستم شناسایی در یک سازمان دردار با N کارمند نصب شود، چند وقت یکبار تطابقات نادرست رخ می دهد. احتمال تطابق نادرست اثر انگشت دریافت شده توسط اسکنر برای پایگاه داده ای از N اثر انگشت FAR∙N است. و هر روز حدود N نفر نیز از نقطه کنترل دسترسی عبور می کنند. سپس احتمال خطا در هر روز کاری FAR∙(N∙N) است. البته بسته به اهداف سیستم شناسایی، احتمال خطا در واحد زمان می تواند بسیار متفاوت باشد، اما اگر یک خطا در هر روز کاری پذیرفته شود، آنگاه:
(1)
سپس دریافتیم که عملکرد پایدار سیستم شناسایی در FAR=0.1% =0.001 با تعداد پرسنل N≈30 امکان پذیر است.

اسکنرهای بیومتریک

امروزه مفاهیم «الگوریتم بیومتریک» و «اسکنر بیومتریک» لزوماً به هم مرتبط نیستند. این شرکت می تواند این عناصر را به صورت جداگانه یا با هم تولید کند. بیشترین تمایز بین تولیدکنندگان اسکنر و تولیدکنندگان نرم افزار در بازار بیومتریک الگوی انگشت پاپیلاری به دست آمده است. کوچکترین اسکنر صورت سه بعدی موجود در بازار. در واقع، سطح تمایز تا حد زیادی منعکس کننده توسعه و اشباع بازار است. انتخاب بیشتر - موضوع بیشتر کار می شود و به کمال می رسد. اسکنرهای مختلف مجموعه توانایی های متفاوتی دارند. اساساً، این مجموعه ای از آزمایش ها برای بررسی اینکه آیا یک شی بیومتریک دستکاری شده است یا خیر است. برای اسکنرهای انگشت، این می تواند یک بررسی تسکین یا بررسی دما باشد، برای اسکنرهای چشم، این می تواند بررسی محل اقامت مردمک، برای اسکنرهای صورت، حرکت صورت باشد.
اسکنرها تأثیر بسیار قوی بر آمارهای دریافتی FAR و FRR دارند. در برخی موارد، این ارقام می توانند ده ها بار تغییر کنند، به خصوص در شرایط واقعی. معمولاً ویژگی‌های الگوریتم برای برخی از پایه‌های «ایده‌آل»، یا فقط برای یک پایه مناسب، که در آن قاب‌های تار و تار به بیرون پرتاب می‌شوند، داده می‌شود. تنها چند الگوریتم صادقانه هم پایه و هم خروجی کامل FAR/FRR را برای آن نشان می‌دهند.

و اکنون با جزئیات بیشتر در مورد هر یک از فناوری ها.

اثر انگشت

داکتیلوسکوپی (تشخیص اثر انگشت) پیشرفته ترین روش بیومتریک شناسایی شخصی تا به امروز است. کاتالیزور توسعه این روش، استفاده گسترده از آن در علم پزشکی قانونی در قرن بیستم بود.
هر فرد دارای یک الگوی اثر انگشت پاپیلی منحصر به فرد است که امکان شناسایی را فراهم می کند. به طور معمول، الگوریتم ها از نقاط مشخصه روی اثر انگشت استفاده می کنند: انتهای خط الگو، انشعاب خط، نقاط منفرد. علاوه بر این، اطلاعاتی در مورد ساختار مورفولوژیکی اثر انگشت درگیر است: موقعیت نسبی خطوط بسته الگوی پاپیلاری، خطوط "قوس دار" و مارپیچی. ویژگی های الگوی پاپیلاری به یک کد منحصر به فرد تبدیل می شود که محتوای اطلاعاتی تصویر چاپی را حفظ می کند. و این "کدهای اثر انگشت" است که در پایگاه داده ای که برای جستجو و مقایسه استفاده می شود ذخیره می شود. زمان تبدیل یک تصویر اثر انگشت به کد و شناسایی آن معمولاً بسته به اندازه پایه از 1 ثانیه تجاوز نمی کند. زمان صرف شده برای بالا بردن دست در نظر گرفته نمی شود.

به عنوان منبع داده برای FAR و FRR، آمار VeriFinger SDK به‌دست‌آمده با استفاده از اسکنر اثر انگشت U.are.U DP استفاده شد. در طول 5 تا 10 سال گذشته، ویژگی‌های تشخیص با انگشت قدم چندانی به جلو نداشته است، بنابراین ارقام داده شده میانگین خوبی از الگوریتم‌های مدرن را نشان می‌دهند. خود الگوریتم VeriFinger چندین سال است که برنده مسابقه بین المللی تأیید اثر انگشت شده است، جایی که الگوریتم های تشخیص اثر انگشت با هم رقابت می کنند.

مقدار FAR معمولی برای روش تشخیص اثر انگشت 0.001٪ است.
از فرمول (1) به دست می آید که عملکرد پایدار سیستم شناسایی در FAR=0.001٪ با تعداد پرسنل N≈300 امکان پذیر است.

مزایای روش. قابلیت اطمینان بالا - شاخص های آماری روش بهتر از روش های تشخیص چهره، صدا، نقاشی است. دستگاه های کم هزینه ای که تصویر اثر انگشت را اسکن می کنند. یک روش نسبتاً ساده برای اسکن اثر انگشت.
معایب: الگوی اثر انگشت پاپیلاری به راحتی با خراش ها، بریدگی های کوچک آسیب می بیند. افرادی که از اسکنر در مشاغلی با چند صد کارمند استفاده کرده اند، میزان بالایی از شکست اسکن را گزارش می دهند. بسیاری از اسکنرها به اندازه کافی خشکی پوست را درمان نمی کنند و اجازه عبور افراد مسن را نمی دهند. هنگام برقراری ارتباط در آخرین نمایشگاه MIPS، رئیس سرویس امنیتی یک شرکت بزرگ شیمیایی گفت که تلاش آنها برای معرفی اسکنر انگشت در شرکت (اسکنرهای سیستم های مختلف آزمایش شد) شکست خورد - حداقل قرار گرفتن انگشتان کارکنان در معرض مواد شیمیایی باعث شد. نقص در سیستم های امنیتی اسکنرها - اسکنرها انگشتان را جعلی اعلام کردند. همچنین عدم امنیت در برابر جعل اثر انگشت وجود دارد که تا حدی به دلیل استفاده گسترده از این روش است. البته، همه اسکنرها را نمی توان با روش های MythBusters فریب داد، اما همچنان. برای برخی از افراد با انگشتان "نامناسب" (دمای بدن، رطوبت)، احتمال رد دسترسی می تواند به 100٪ برسد. تعداد این افراد از کسری درصد برای اسکنرهای گران قیمت تا ده درصد برای اسکنرهای ارزان قیمت متفاوت است.
البته شایان ذکر است که تعداد زیادی از کاستی ها ناشی از استفاده گسترده از سیستم است، اما این کاستی ها وجود دارد و اغلب ظاهر می شوند.

وضعیت بازار

در حال حاضر، سیستم های تشخیص اثر انگشت بیش از نیمی از بازار بیومتریک را به خود اختصاص داده اند. بسیاری از شرکت های روسی و خارجی در تولید سیستم های کنترل دسترسی بر اساس روش شناسایی اثر انگشت مشغول هستند. با توجه به این واقعیت که این جهت یکی از قدیمی ترین ها است، بیشترین توزیع را دریافت کرده و تا حد زیادی توسعه یافته ترین است. اسکنرهای اثر انگشت در واقع راه طولانی را پیموده اند. سیستم های مدرن مجهز به سنسورهای مختلف (دما، نیروی فشار و غیره) هستند که درجه حفاظت در برابر جعل را افزایش می دهد. هر روز سیستم ها راحت تر و فشرده تر می شوند. در واقع، توسعه دهندگان در حال حاضر به محدودیت خاصی در این زمینه رسیده اند و جایی برای توسعه بیشتر این روش وجود ندارد. علاوه بر این، اکثر شرکت ها سیستم های آماده ای را تولید می کنند که به هر چیزی که شما نیاز دارید، از جمله نرم افزار، مجهز هستند. به سادگی نیازی به یکپارچه‌سازان در این زمینه وجود ندارد که سیستم را به تنهایی مونتاژ کنند، زیرا سودآور نیست و زمان و تلاش بیشتری نسبت به خرید یک سیستم آماده و ارزان می‌برد، انتخاب بیشتر واقعاً گسترده خواهد بود.
در میان شرکت های خارجی درگیر در سیستم های تشخیص اثر انگشت، می توان به SecuGen اشاره کرد (اسکنرهای USB برای رایانه های شخصی، اسکنرهایی که می توانند در شرکت ها نصب شوند یا در قفل ها ساخته شوند، SDK و نرم افزار برای اتصال سیستم به رایانه). شرکت Bayometric (اسکنرهای اثر انگشت، سیستم‌های کنترل دسترسی/TAA، SDK اثر انگشت، ماژول‌های اثر انگشت تعبیه‌شده)؛ DigitalPersona Inc. (اسکنرهای USB، SDK). شرکت های زیر در روسیه در این زمینه فعالیت می کنند: BioLink (اسکنر اثر انگشت، دستگاه های کنترل دسترسی بیومتریک، نرم افزار). Sonda (اسکنرهای اثر انگشت، دستگاه‌های کنترل دسترسی بیومتریک، SDK)؛ SmartLock (اسکنر اثر انگشت و ماژول) و غیره

عنبیه

عنبیه چشم یک ویژگی منحصر به فرد انسان است. الگوی عنبیه در ماه هشتم رشد جنین شکل می گیرد، در نهایت در سن حدود دو سالگی تثبیت می شود و عملاً در طول زندگی تغییر نمی کند، مگر در نتیجه آسیب های شدید یا آسیب شناسی های شدید. این روش یکی از دقیق ترین روش ها در بین روش های بیومتریک است.
سیستم شناسایی عنبیه به طور منطقی به دو بخش تقسیم می‌شود: دستگاه ضبط تصویر، پردازش اولیه و انتقال آن به رایانه، و رایانه‌ای که تصویر را با تصاویر موجود در پایگاه داده مقایسه می‌کند و فرمانی را هنگام پذیرش به محرک ارسال می‌کند.
زمان پردازش تصویر اولیه در سیستم‌های مدرن تقریباً 300-500 میلی‌ثانیه است، سرعت مقایسه تصویر حاصل با پایه دارای سطح 50000-150000 مقایسه در ثانیه در رایانه شخصی معمولی است. این سرعت مقایسه محدودیتی در کاربرد روش در سازمان های بزرگ در هنگام استفاده در سیستم های دسترسی ایجاد نمی کند. هنگام استفاده از ماشین‌حساب‌های تخصصی و الگوریتم‌های بهینه‌سازی جستجو، حتی می‌توان یک فرد را در میان ساکنان کل کشور شناسایی کرد.
بلافاصله می توانم پاسخ دهم که تا حدودی مغرض هستم و نگرش مثبتی نسبت به این روش دارم، زیرا در این زمینه بود که استارتاپ خود را راه اندازی کردیم. یک پاراگراف در پایان به یک خود تبلیغی کوچک اختصاص داده خواهد شد.

مشخصات آماری روش

ویژگی های FAR و FRR برای عنبیه در کلاس سیستم های بیومتریک مدرن (به استثنای روش تشخیص شبکیه) بهترین هستند. این مقاله ویژگی‌های کتابخانه تشخیص عنبیه الگوریتم ما - EyeR SDK را ارائه می‌کند که با الگوریتم VeriEye تست شده در پایگاه‌های داده مشابه مطابقت دارد. پایگاه داده های CASIA به دست آمده توسط اسکنر آنها استفاده شد.

مقدار مشخصه FAR 0.00001٪ است.
با توجه به فرمول (1)، N≈3000 تعداد پرسنل سازمان است که در آن شناسایی یک کارمند کاملاً پایدار انجام می شود.
در اینجا شایان ذکر است که یک ویژگی مهم که سیستم تشخیص عنبیه را از سایر سیستم ها متمایز می کند. در صورت استفاده از دوربین با وضوح 1.3 مگاپیکسل، می توانید دو چشم را در یک فریم ثبت کنید. از آنجایی که احتمالات FAR و FRR از نظر آماری احتمالات مستقلی هستند، هنگام تشخیص در دو چشم، مقدار FAR تقریباً برابر مربع مقدار FAR برای یک چشم خواهد بود. به عنوان مثال، برای FAR 0.001٪ با استفاده از دو چشم، احتمال تحمل کاذب 10-8٪ خواهد بود، با FRR فقط دو برابر مقدار FRR متناظر برای یک چشم با FAR = 0.001٪.

مزایا و معایب روش

مزایای روش. پایایی آماری الگوریتم. گرفتن تصویر از عنبیه را می توان در فاصله چند سانتی متری تا چند متری انجام داد در حالی که تماس فیزیکی فرد با دستگاه اتفاق نمی افتد. عنبیه از آسیب محافظت می شود - به این معنی که در طول زمان تغییر نخواهد کرد. همچنین می توان از تعداد زیادی روش برای محافظت در برابر جعل استفاده کرد.
معایب روش. قیمت سیستم مبتنی بر عنبیه بیشتر از قیمت سیستم مبتنی بر تشخیص انگشت یا تشخیص چهره است. در دسترس بودن کم راه حل های آماده. هر یکپارچه کننده ای که امروز به بازار روسیه بیاید و بگوید "یک سیستم آماده به من بدهید" به احتمال زیاد از کار خواهد افتاد. در بیشتر موارد، سیستم های کلید در دست گران قیمت فروخته می شوند که توسط شرکت های بزرگی مانند Iridian یا LG نصب می شوند.

وضعیت بازار

در حال حاضر، سهم فناوری های شناسایی عنبیه در بازار جهانی بیومتریک، بر اساس برآوردهای مختلف، از 6 تا 9 درصد است (در حالی که فناوری های تشخیص اثر انگشت بیش از نیمی از بازار را به خود اختصاص داده اند). لازم به ذکر است که از همان ابتدای توسعه این روش، تقویت آن در بازار به دلیل هزینه بالای تجهیزات و قطعات لازم برای مونتاژ یک سیستم شناسایی کند شد. با این حال، با توسعه فناوری های دیجیتال، هزینه یک سیستم واحد شروع به کاهش کرد.
پیشرو در توسعه نرم افزار در این زمینه Iridian Technologies است.
ورود تعداد زیادی از تولیدکنندگان به بازار به دلیل پیچیدگی فنی اسکنرها و در نتیجه هزینه بالای آنها و همچنین قیمت بالای نرم افزار به دلیل موقعیت انحصاری Iridian در بازار محدود شد. این عوامل تنها به شرکت های بزرگ اجازه می دهد تا در زمینه تشخیص عنبیه توسعه پیدا کنند، به احتمال زیاد قبلاً در تولید برخی از اجزای مناسب برای سیستم شناسایی (اپتیک با وضوح بالا، دوربین های مینیاتوری با نور مادون قرمز و غیره) مشغول بودند. نمونه هایی از این شرکت ها عبارتند از LG Electronics، Panasonic، OKI. آنها با Iridian Technologies قراردادی منعقد کردند و در نتیجه کار مشترک ، سیستم های شناسایی زیر ظاهر شدند: Iris Access 2200 ، BM-ET500 ، OKI IrisPass. در آینده، به لطف قابلیت های فنی این شرکت ها برای توسعه مستقل در این زمینه، مدل های سیستم بهبود یافته به وجود آمد. باید گفت که شرکت های فوق نرم افزار خود را نیز توسعه دادند اما در نهایت در سیستم تمام شده نرم افزار Iridian Technologies را ترجیح می دهند.
بازار روسیه تحت سلطه محصولات شرکت های خارجی است. با اینکه خریدش سخته برای مدت طولانی، Papillon به همه اطمینان داد که آنها تشخیص عنبیه دارند. اما حتی نمایندگان RosAtom، خریدار مستقیم آنها، که سیستم را برای او ساخته اند، می گویند که این درست نیست. در نقطه ای، یک شرکت روسی دیگر ظاهر شد که اسکنر عنبیه می ساخت. الان اسمش یادم نیست آنها الگوریتم را از شخصی خریداری کردند، شاید از همان VeriEye. خود اسکنر یک سیستم 10-15 ساله بود، به هیچ وجه بدون تماس.
در سال گذشته، چند تولید کننده جدید به دلیل پایان یافتن حق ثبت اختراع اولیه برای تشخیص یک فرد از طریق چشم وارد بازار جهانی شدند. قابل اعتمادترین آنها، به نظر من، شایسته AOptix است. حداقل پیش نمایش و مستندات آنها شبهه ایجاد نمی کند. شرکت دوم SRI International است. حتی در نگاه اول، برای فردی که درگیر سیستم های تشخیص عنبیه است، ویدیوهای آنها بسیار نادرست به نظر می رسد. اگر چه در واقعیت اگر آنها بتوانند کاری انجام دهند تعجب نمی کنم. هر دو سیستم داده های FAR و FRR را نشان نمی دهند و همچنین ظاهراً از جعلی محافظت نمی شوند.

تشخیص چهره

روش های بسیاری برای تشخیص هندسه صورت وجود دارد. همه آنها بر اساس این واقعیت است که ویژگی های صورت و شکل جمجمه هر فرد فردی است. این بخش از بیومتریک برای بسیاری جذاب به نظر می رسد، زیرا ما یکدیگر را در درجه اول از روی صورت می شناسیم. این ناحیه به دو حوزه تقسیم می شود: تشخیص دو بعدی و تشخیص سه بعدی. هر یک از آنها مزایا و معایبی دارند، اما بسیاری از آنها به دامنه و الزامات یک الگوریتم خاص نیز بستگی دارد.
من به طور خلاصه در مورد 2-d صحبت می کنم و به یکی از جالب ترین روش های امروزی - 3-d می پردازم.

تشخیص چهره دو بعدی

تشخیص چهره دو بعدی یکی از ناکارآمدترین روش های بیومتریک از نظر آماری است. مدتها پیش ظاهر شد و عمدتاً در علم پزشکی قانونی استفاده می شد که به توسعه آن کمک کرد. متعاقباً تفاسیر رایانه ای از روش ظاهر شد که در نتیجه آن قابل اعتمادتر شد ، اما البته پایین تر بود و هر سال بیشتر و بیشتر از سایر روش های بیومتریک شناسایی شخصی پایین تر است. در حال حاضر، به دلیل عملکرد ضعیف آماری، از آن در چندوجهی یا همانطور که به آن متقاطع بیومتریک یا در شبکه های اجتماعی می گویند استفاده می شود.

مشخصات آماری روش

برای FAR و FRR از داده های الگوریتم های VeriLook استفاده شد. باز هم برای الگوریتم های مدرن، ویژگی های بسیار معمولی دارد. گاهی اوقات الگوریتم‌هایی با FRR 0.1٪ با FAR مشابه فلاش می‌زنند، اما پایه‌هایی که بر اساس آن‌ها به دست آمده‌اند بسیار مشکوک هستند (پس‌زمینه قطع، همان حالت چهره، مدل موی یکسان، نورپردازی).

مقدار مشخصه FAR 0.1٪ است.
از فرمول (1) N≈30 - تعداد پرسنل سازمان را به دست می آوریم که در آن شناسایی یک کارمند کاملاً پایدار انجام می شود.
همانطور که مشاهده می شود، شاخص های آماری روش کاملاً متوسط ​​است: این مزیت روش را از بین می برد که امکان تیراندازی مخفیانه از چهره ها در مکان های شلوغ وجود دارد. خنده دار است که ببینیم چگونه چند بار در سال پروژه دیگری برای شناسایی مجرمان از طریق دوربین های ویدئویی نصب شده در مکان های شلوغ تامین می شود. طی ده سال گذشته، ویژگی های آماری الگوریتم بهبود نیافته و تعداد این گونه پروژه ها افزایش یافته است. اگرچه شایان ذکر است که این الگوریتم برای هدایت یک فرد در یک جمعیت از طریق بسیاری از دوربین ها کاملاً مناسب است.

مزایا و معایب روش

مزایای روش. با تشخیص دو بعدی، بر خلاف بسیاری از روش های بیومتریک، تجهیزات گران قیمت مورد نیاز نیست. با تجهیزات مناسب امکان تشخیص در فواصل قابل توجه از دوربین.
ایرادات اهمیت آماری پایین برای روشنایی الزاماتی وجود دارد (مثلاً چهره افرادی که در یک روز آفتابی از خیابان وارد می شوند قابل ثبت نیست). برای بسیاری از الگوریتم ها، غیرقابل قبول بودن هرگونه تداخل خارجی، مانند عینک، ریش، برخی از عناصر مدل مو. تصویر جلوی صورت اجباری، با انحرافات بسیار کوچک. بسیاری از الگوریتم ها تغییرات احتمالی در حالات چهره را در نظر نمی گیرند، یعنی بیان باید خنثی باشد.

تشخیص چهره سه بعدی

اجرای این روش کار نسبتاً دشواری است. با وجود این، در حال حاضر روش های زیادی برای تشخیص چهره سه بعدی وجود دارد. روش ها را نمی توان با یکدیگر مقایسه کرد زیرا از اسکنرها و پایه های مختلفی استفاده می کنند. به دور از همه آنها FAR و FRR ، رویکردهای کاملاً متفاوتی استفاده می شود.
روش انتقالی از 2-d به 3-d روشی است که انباشت اطلاعات در مورد یک شخص را پیاده سازی می کند. این روش ویژگی های بهتری نسبت به روش 2d دارد، اما همانطور که فقط از یک دوربین استفاده می کند. هنگام وارد کردن سوژه به پایگاه داده، سوژه سر خود را می چرخاند و الگوریتم تصویر را به هم متصل می کند و یک الگوی سه بعدی ایجاد می کند. و هنگام تشخیص، چندین فریم از جریان ویدئو استفاده می شود. این روش نسبتاً تجربی است و من هرگز برای سیستم‌های ACS پیاده‌سازی ندیده‌ام.
کلاسیک ترین روش، روش طرح ریزی قالب است. این شامل این واقعیت است که یک شبکه بر روی شی (چهره) پخش می شود. در مرحله بعد، دوربین با سرعت ده ها فریم در ثانیه عکس می گیرد و تصاویر به دست آمده توسط برنامه خاصی پردازش می شوند. تیری که روی یک سطح منحنی می افتد خم می شود - هر چه انحنای سطح بیشتر باشد، خمش تیر قوی تر است. در ابتدا از منبع نور مرئی استفاده می شد که از طریق "پرده" تامین می شد. سپس نور مرئی با مادون قرمز جایگزین شد که مزایای زیادی دارد. معمولاً در مرحله اول پردازش، تصاویری که در آنها اصلاً صورت قابل مشاهده نیست یا اجسام خارجی وجود دارند که در شناسایی اختلال ایجاد می کنند، دور انداخته می شوند. بر اساس تصاویر به‌دست‌آمده، یک مدل سه‌بعدی از صورت بازسازی می‌شود که تداخل‌های غیرضروری (مدل مو، ریش، سبیل و عینک) روی آن برجسته و حذف می‌شود. سپس مدل مورد تجزیه و تحلیل قرار می گیرد - ویژگی های آنتروپومتریک برجسته می شوند که در نهایت در یک کد منحصر به فرد وارد شده به پایگاه داده ثبت می شوند. زمان ثبت و پردازش تصویر برای بهترین مدل ها 1-2 ثانیه است.
همچنین روش تشخیص سه بعدی بر اساس تصویری که از چندین دوربین به دست آمده است رواج پیدا می کند. نمونه ای از این Vocord با اسکنر سه بعدی آن است. این روش با توجه به اطمینان توسعه دهندگان، دقت موقعیت یابی را بالاتر از روش طرح ریزی الگو می دهد. اما تا زمانی که FAR و FRR را حداقل در پایگاه داده خودشان نبینم، باور نمی کنم !!! اما 3 سال است که توسعه یافته است و پیشرفت در نمایشگاه ها هنوز قابل مشاهده نیست.

شاخص های آماری روش

داده های کامل FRR و FAR برای الگوریتم های این کلاس به طور آشکار در وب سایت های تولید کنندگان ارائه نمی شود. اما برای بهترین مدل های Bioscript (3D EnrolCam، 3D FastPass) که با روش طرح ریزی الگو با FAR = 0.0047% FRR کار می کنند 0.103٪ است.
اعتقاد بر این است که پایایی آماری روش با قابلیت اطمینان روش شناسایی اثر انگشت قابل مقایسه است.

مزایا و معایب روش

مزایای روش. نیازی به تماس با دستگاه اسکن نیست. حساسیت کم به عوامل خارجی، هم روی خود شخص (ظاهر عینک، ریش، تغییر مدل مو) و هم در محیط او (روشنایی، چرخش سر). سطح بالایی از امنیت، قابل مقایسه با شناسایی اثر انگشت.
معایب روش. تجهیزات گران قیمت. مجتمع های موجود برای فروش حتی گران تر از اسکنر عنبیه بودند. تغییرات در حالات چهره و نویز روی صورت، قابلیت اطمینان آماری روش را کاهش می‌دهد. این روش هنوز به خوبی توسعه نیافته است، به خصوص در مقایسه با انگشت نگاری که برای مدت طولانی مورد استفاده قرار گرفته است، که استفاده گسترده از آن را دشوار می کند.

وضعیت بازار

تشخیص هندسه صورت یکی از "سه بیومتریک بزرگ" همراه با تشخیص اثر انگشت و عنبیه است. باید بگویم که این روش کاملا متداول است و تاکنون به تشخیص توسط عنبیه چشم ترجیح داده شده است. سهم فناوری های تشخیص هندسه چهره در کل حجم بازار جهانی بیومتریک را می توان 13 تا 18 درصد تخمین زد. در روسیه، این فناوری نیز بیشتر از شناسایی توسط عنبیه، علاقه نشان می دهد. همانطور که قبلا ذکر شد، الگوریتم های تشخیص سه بعدی زیادی وجود دارد. در بیشتر موارد، شرکت ها ترجیح می دهند سیستم های کلید در دستی را توسعه دهند که شامل اسکنر، سرور و نرم افزار می شود. با این حال، کسانی هستند که فقط SDK را به مصرف کننده ارائه می دهند. تا به امروز، می توان به شرکت های زیر اشاره کرد که در توسعه این فناوری نقش دارند: Geometrix, Inc. (اسکنرهای صورت سه بعدی، نرم افزار)، Genex Technologies (اسکنرهای صورت سه بعدی، نرم افزار) در ایالات متحده آمریکا، Cognitec Systems GmbH (SDK، کامپیوترهای ویژه، دوربین های دو بعدی) در آلمان، Bioscrypt (اسکنرهای صورت سه بعدی، نرم افزار) زیرمجموعه آمریکایی است. شرکت L-1 Identity Solutions.
در روسیه، شرکت های گروه Artec (اسکنرهای صورت سه بعدی و نرم افزار) در این راستا کار می کنند - یک شرکت که دفتر مرکزی آن در کالیفرنیا است و توسعه و تولید در مسکو انجام می شود. همچنین، چندین شرکت روسی دارای فناوری تشخیص چهره دو بعدی هستند - Vocord، ITV و غیره.
در زمینه تشخیص چهره دو بعدی، موضوع اصلی توسعه نرم افزار است، زیرا دوربین های معمولی در گرفتن عکس از چهره ها عالی هستند. راه حل مشکل تشخیص چهره تا حدودی به بن بست رسیده است - چندین سال است که عملاً هیچ بهبودی در شاخص های آماری الگوریتم ها وجود ندارد. در این زمینه، "کار بر روی اشکالات" سیستماتیک وجود دارد.
تشخیص چهره سه بعدی اکنون برای توسعه دهندگان بسیار جذاب تر است. تیم های زیادی را استخدام می کند و مرتباً در مورد اکتشافات جدید می شنود. بسیاری از آثار در وضعیت «تازه در شرف انتشار» هستند. اما تاکنون فقط پیشنهادهای قدیمی در بازار وجود دارد؛ در سال‌های اخیر، انتخاب تغییری نکرده است.
یکی از نکات جالبی که گاهی به آن فکر می کنم و شاید هابر جوابش را بدهد این است که آیا دقت کینکت برای ایجاد چنین سیستمی کافی است؟ پروژه های زیادی برای بیرون کشیدن یک مدل سه بعدی از یک فرد از طریق آن وجود دارد.

تشخیص توسط رگهای دست

این یک فناوری جدید در زمینه بیومتریک است، استفاده گسترده از آن تنها 5-10 سال پیش آغاز شد. دوربین مادون قرمز از بیرون یا داخل دست عکس می گیرد. الگوی وریدها به دلیل این واقعیت است که هموگلوبین خون اشعه مادون قرمز را جذب می کند. در نتیجه درجه انعکاس کاهش می یابد و رگ ها به صورت خطوط سیاه روی دوربین قابل مشاهده هستند. یک برنامه ویژه بر اساس داده های دریافتی یک پیچیدگی دیجیتالی ایجاد می کند. هیچ تماس انسانی با دستگاه اسکن مورد نیاز نیست.
این فناوری از نظر قابلیت اطمینان با تشخیص توسط عنبیه چشم قابل مقایسه است و از برخی جهات از آن پیشی می گیرد و از برخی جهات پایین تر است.
مقادیر FRR و FAR برای اسکنر ورید کف دست است. به گفته توسعه دهنده در FAR 0.0008٪ FRR 0.01٪ است. هیچ شرکتی برنامه دقیق تری برای چندین ارزش تولید نمی کند.

مزایا و معایب روش

مزایای روش. نیازی به تماس با دستگاه اسکن نیست. قابلیت اطمینان بالا - شاخص های آماری روش با قرائت عنبیه قابل مقایسه است. ویژگی های پنهان: بر خلاف همه موارد فوق، به دست آوردن این ویژگی از یک فرد "در خیابان"، به عنوان مثال، با عکاسی از او با دوربین بسیار دشوار است.
معایب روش. قرار گرفتن اسکنر در معرض نور خورشید و پرتوهای لامپ های هالوژن غیرقابل قبول است. برخی از بیماری های مرتبط با سن، مانند آرتریت، به شدت FAR و FRR را مختل می کنند. این روش در مقایسه با سایر روش های بیومتریک استاتیک کمتر مورد مطالعه قرار گرفته است.

وضعیت بازار

تشخیص رگ دست یک فناوری نسبتاً جدید است و بنابراین سهم بازار جهانی آن کم است و حدود 3٪ است. با این حال، علاقه فزاینده ای به این روش وجود دارد. واقعیت این است که با توجه به دقیق بودن این روش، به تجهیزات گران قیمتی مانند روش های تشخیص بر اساس هندسه صورت یا عنبیه نیازی ندارد. اکنون شرکت های زیادی در این زمینه در حال توسعه هستند. بنابراین، به عنوان مثال، به سفارش شرکت انگلیسی TDSi، نرم افزاری برای خواننده بیومتریک ورید کف دست PalmVein که توسط Fujitsu ارائه شده است، توسعه یافت. این اسکنر توسط فوجیتسو در درجه اول برای مبارزه با کلاهبرداری مالی در ژاپن ساخته شده است.
همچنین در زمینه شناسایی رگ ها شرکت های Veid Pte زیر هستند. Ltd. (اسکنر، نرم افزار)، Hitachi VeinID (اسکنر)
من هیچ شرکتی را در روسیه نمی شناسم که با این فناوری سر و کار داشته باشد.

شبکیه چشم

تا همین اواخر، اعتقاد بر این بود که قابل اعتمادترین روش شناسایی بیومتریک و احراز هویت یک فرد، روشی مبتنی بر اسکن شبکیه است. این شامل بهترین ویژگی های شناسایی توسط عنبیه و رگ های دست است. اسکنر الگوی مویرگ ها را روی سطح شبکیه می خواند. شبکیه یک ساختار ثابت دارد که در طول زمان تغییر نمی کند، مگر در نتیجه بیماری مانند آب مروارید.
اسکن شبکیه از نور مادون قرمز با شدت کم استفاده می کند که از طریق مردمک به رگ های خونی در پشت چشم هدایت می شود. اسکنرهای شبکیه به طور گسترده ای در سیستم های کنترل دسترسی برای اشیاء بسیار محرمانه مورد استفاده قرار گرفته اند، زیرا آنها یکی از کمترین درصد دسترسی به کاربران ثبت نام شده را دارند و عملاً هیچ مجوز دسترسی اشتباهی وجود ندارد.
متأسفانه، هنگام استفاده از این روش بیومتریک، تعدادی از مشکلات به وجود می آید. اسکنر در اینجا یک سیستم نوری بسیار پیچیده است و فرد نباید برای مدت قابل توجهی در حالی که سیستم القا شده است حرکت کند که باعث ناراحتی می شود.
با توجه به EyeDentify برای اسکنر ICAM2001 با FAR=0.001٪، مقدار FRR 0.4٪ است.

مزایا و معایب روش

مزایای. سطح بالایی از پایایی آماری. با توجه به شیوع کم سیستم ها، شانس کمی برای ایجاد راهی برای "تقلب" آنها وجود دارد.
ایرادات استفاده از سیستم با زمان پردازش بالا مشکل است. هزینه بالای سیستم فقدان یک پیشنهاد گسترده در بازار و در نتیجه، شدت ناکافی توسعه روش.

هندسه دست

این روش که از 10 سال پیش کاملا متداول بوده و نشات گرفته از علم پزشکی قانونی است، در سال های اخیر رو به افول بوده است. این بر اساس به دست آوردن ویژگی های هندسی دست است: طول انگشتان، عرض کف دست و غیره. این روش نیز مانند شبکیه چشم در حال مرگ است و از آنجایی که ویژگی های بسیار پایین تری دارد، حتی به توضیح کامل تری از آن نمی پردازیم.
گاهی اوقات اعتقاد بر این است که از روش های تشخیص هندسی در سیستم های تشخیص رگه استفاده می شود. اما در فروش، ما هرگز چنین به وضوح بیان شده است. و علاوه بر این، اغلب هنگام تشخیص توسط رگ ها، فقط کف دست گرفته می شود، در حالی که در تشخیص هندسی، از انگشتان عکس گرفته می شود.

کمی خودفروشی

در یک زمان، ما یک الگوریتم تشخیص چشم خوب ایجاد کردیم. اما در آن زمان چنین چیزی با فناوری پیشرفته در این کشور مورد نیاز نبود و من نمی خواستم به بورژوازی بروم (جایی که پس از اولین مقاله دعوت شدیم). اما ناگهان، پس از یک سال و نیم، هنوز سرمایه‌گذارانی وجود داشتند که می‌خواستند یک "پرتال بیومتریک" برای خود بسازند - سیستمی که 2 چشم را می خورد و از جزء رنگی عنبیه استفاده می کرد (که سرمایه گذار برای آن حق ثبت اختراع جهانی داشت. ). در واقع، این همان کاری است که ما اکنون انجام می دهیم. اما این مقاله ای در مورد تبلیغ خود نیست، این یک انحراف کوتاه غزلی است. اگر کسی علاقه مند است، اطلاعاتی وجود دارد، و در آینده، زمانی که وارد بازار شویم (یا وارد بازار شویم) چند کلمه ای در مورد فراز و نشیب های پروژه بیومتریک در روسیه در اینجا خواهم نوشت.

نتیجه گیری

حتی در کلاس سیستم های بیومتریک ایستا، انتخاب زیادی از سیستم ها وجود دارد. کدام را انتخاب کنیم؟ همه چیز به الزامات امنیتی بستگی دارد. قابل اعتمادترین و مقاوم‌ترین سیستم‌های دسترسی از نظر آماری، سیستم‌های دسترسی عنبیه و ورید بازو هستند. برای اولین مورد، بازار گسترده تری برای پیشنهادات وجود دارد. اما این حد نیست. سیستم های شناسایی بیومتریک را می توان برای دستیابی به دقت نجومی ترکیب کرد. ارزان ترین و آسان ترین استفاده، اما با آمار خوب، سیستم های تحمل انگشت هستند. تحمل چهره 2 بعدی راحت و ارزان است، اما به دلیل آمار ضعیف دامنه محدودی دارد.
ویژگی هایی که هر یک از سیستم ها خواهد داشت را در نظر بگیرید: مقاومت در برابر جعل، مقاومت در برابر محیط، سهولت استفاده، هزینه، سرعت، پایداری ویژگی بیومتریک در طول زمان. بیایید علامت های 1 تا 10 را در هر ستون قرار دهیم. هر چه امتیاز به 10 نزدیکتر باشد، سیستم از این نظر بهتر است. اصول انتخاب نمره در همان ابتدای مقاله شرح داده شد.


ما همچنین نسبت FAR و FRR را برای این سیستم ها در نظر می گیریم. این نسبت کارایی سیستم و وسعت استفاده از آن را تعیین می کند.


شایان ذکر است که برای عنبیه، اگر سیستم را با ساختن آن برای دو چشم پیچیده کنید، می توانید دقت سیستم را تقریباً به صورت درجه دوم و بدون از دست دادن زمان افزایش دهید. برای روش اثر انگشت - با ترکیب چندین انگشت، و تشخیص توسط وریدها، با ترکیب دو دست، اما چنین بهبودی تنها با افزایش زمان صرف شده برای کار با یک فرد امکان پذیر است.
با جمع‌بندی نتایج روش‌ها، می‌توان گفت که برای اجسام متوسط ​​و بزرگ، و همچنین برای اجسام با حداکثر نیاز امنیتی، عنبیه باید به عنوان یک دسترسی بیومتریک و احتمالاً شناسایی توسط رگ‌های دست استفاده شود. برای امکاناتی که تا چند صد کارمند دارند، دسترسی به اثر انگشت بهینه خواهد بود. سیستم های تشخیص چهره دو بعدی بسیار خاص هستند. آنها ممکن است در مواردی که تشخیص مستلزم عدم تماس فیزیکی باشد مورد نیاز باشد، اما امکان قرار دادن سیستم کنترل روی عنبیه وجود ندارد. به عنوان مثال، اگر لازم است فردی بدون مشارکت او، با دوربین مخفی یا دوربین تشخیص فضای باز شناسایی شود، اما این امر تنها با تعداد کمی از سوژه ها در پایگاه داده و تعداد کمی از افراد فیلمبرداری شده توسط دوربین امکان پذیر است. .

تکنسین های جوان توجه داشته باشند

برخی از تولیدکنندگان، مانند Neurotechnology، نسخه‌های آزمایشی روش‌های بیومتریکی را که در وب‌سایت خود منتشر می‌کنند، دارند، بنابراین می‌توانید آن‌ها را وصل کنید و بازی کنید. برای کسانی که تصمیم دارند با جدیت بیشتری به این مشکل بپردازند، می توانم تنها کتابی را که به زبان روسی دیده ام - "راهنمای بیومتریک" توسط R.M. بال، جی.اچ. کانل، اس. پانکانتی. الگوریتم های زیادی و مدل های ریاضی آنها وجود دارد. همه چیز کامل نیست و همه چیز با زمان حال مطابقت ندارد، اما پایه بد و جامع نیست.

P.S.

در این کار من وارد مشکل احراز هویت نشدم و فقط به شناسایی پرداختم. در اصل، از ویژگی های FAR / FRR و امکان جعل، همه نتایج در مورد موضوع احراز هویت خود را نشان می دهد.

برچسب ها:

• بیومتریک
• اسکنرهای اثر انگشت

افزودن برچسب

ویتالی زادوروژنی

مجله PC/نسخه روسی №1، 2004

معرفی

شناسایی اثر انگشت بسیار رایج ترین فناوری بیومتریک است. به گزارش گروه بین الملل بیومتریک، سهم سیستم های تشخیص اثر انگشت 52 درصد از کل سیستم های بیومتریک مورد استفاده در جهان است و بر اساس پیش بینی ها، فروش این گونه سیستم ها تنها در سال 2003 تقریباً 500 میلیون دلار خواهد بود که تمایل به دو برابر شدن آن دارد. مقدار هر سال

به سختی می توان گفت دقیقا چه زمانی از اثر انگشت برای شناسایی استفاده شده است. باستان شناسان در حین کاوش ها اغلب با تصاویر خاصی از اثر انگشت بر روی سنگ مواجه می شوند، اما نمی توان استدلال کرد که از آنها برای شناسایی استفاده شده است. علاوه بر این، از سوی دیگر، به طور قطع شناخته شده است که در بابل باستان و چین، اثر انگشت بر روی لوح ها و مهرهای گلی ساخته می شد و در قرن چهاردهم میلادی در ایران، اسناد مختلف دولتی با اثر انگشت «امضا» می شد. این نشان می دهد که قبلاً در آن زمان ذکر شده بود: اثر انگشت یک ویژگی منحصر به فرد یک فرد است که توسط آن می توان او را شناسایی کرد.

مرحله بعدی در توسعه فناوری، شروع استفاده از آن در علم پزشکی قانونی است؛ در اواسط قرن نوزدهم، اولین فرضیات در مورد منحصر به فرد بودن اثر انگشت هر فرد مطرح شد و تلاش شد تا آنها را بر اساس موارد مختلف طبقه بندی کنند. بخش هایی از الگوی پاپیلاری همه اینها منجر به ظهور در سال 1897 (طبق برخی منابع، 1899) "سیستم هنری" شد، اولین طبقه بندی گسترده اثر انگشت، که توسط ادوارد هنری انگلیسی در طول اقامتش در هند ایجاد شد. در پایان قرن نوزدهم، اولین الگوریتم ها برای مقایسه اثر انگشت ظاهر شد. در طول 25 سال بعد، "سیستم هنری" برای استفاده در سطح ایالتی در کشورهای مختلف اقتباس شد و از حدود سال 1925 به طور گسترده در علم پزشکی قانونی در سراسر جهان استفاده شد.

با این حال، علیرغم استفاده گسترده از تکنیک های تشخیص اثر انگشت برای شناسایی انسان، در درجه اول در علم پزشکی قانونی، هنوز از نظر علمی ثابت نشده است که الگوی الگوی پاپیلاری انگشت انسان یک ویژگی کاملا منحصر به فرد است. و اگرچه در کل تاریخ بیش از یک قرنی استفاده از این فناوری در پزشکی قانونی و سایر زمینه ها، موقعیتی وجود نداشته است که دو نفر با اثر انگشت دقیقاً یکسان باشند (ما خطاهای نرم افزاری و نرم افزاری را در نظر نمی گیریم. پیاده سازی سخت افزاری الگوریتم های تشخیص)، منحصر به فرد بودن اثر انگشت هنوز مشاهده تجربی است.

اگرچه شاید این درست زمانی است که اثبات نشدن فرضیه نشان دهنده نادرست بودن آن نیست، اما اثبات آن به شدت دشوار است.

در نیمه دوم قرن بیستم، به دلیل ظهور قابلیت‌های فنی جدید، تشخیص اثرانگشت تنها در پزشکی قانونی فراتر رفت و کاربرد خود را در زمینه‌های مختلف فناوری اطلاعات یافت. اول از همه، این مناطق عبارت بودند از:

• سیستم های کنترل دسترسی؛
• امنیت اطلاعات (دسترسی به شبکه، ورود به کامپیوتر)؛
• حسابداری ساعات کار و ثبت نام بازدیدکنندگان؛
• سیستم های رای گیری؛
• انجام پرداخت های الکترونیکی؛
• احراز هویت در منابع وب؛
• پروژه های اجتماعی مختلف که در آن شناسایی افراد مورد نیاز است (رویدادهای خیریه و غیره)؛
• پروژه های شناسایی مدنی (عبور از مرزهای ایالتی، صدور ویزا برای بازدید از کشور و غیره).

اجازه دهید با جزئیات بیشتری در مورد جنبه های داخلی عملکرد سیستم های تشخیص اثر انگشت بیومتریک مدرن، نحوه شروع کار آنها و هسته هر سیستمی صحبت کنیم.

در قسمت اول مقاله روش های اخذ اثر انگشت به صورت الکترونیکی و به عبارتی انواع اسکنر و روش های اسکن انگشتان بررسی خواهد شد.

در قسمت دوم مقاله، روش‌های اصلی تشخیص اثر انگشت، الگوریتم‌های سیستم‌های تشخیص ساختمان و برخی از روش‌های حفاظت در برابر آدمک‌ها افشا خواهد شد.

اسکن اثر انگشت

به دست آوردن نمایش الکترونیکی اثر انگشت با یک الگوی پاپیلاری کاملاً مشخص کار نسبتاً دشواری است. از آنجایی که اثر انگشت بسیار کوچک است، برای به دست آوردن تصویری باکیفیت از آن باید از روش های کاملاً پیچیده استفاده کرد.

تمام اسکنرهای اثر انگشت موجود را می توان با توجه به اصول فیزیکی که استفاده می کنند به سه گروه تقسیم کرد:

• نوری؛
• سیلیکون؛
• اولتراسونیک

بیایید هر یک از آنها را در نظر بگیریم، به مزایا و معایب آنها و همچنین تولید کنندگان پیشرو (گاهی اوقات تنها آنها) درگیر در اجرای هر یک از روش ها اشاره کنیم.

اسکنرهای نوری- مبتنی بر استفاده از روش های تصویربرداری نوری هستند. در حال حاضر فناوری های زیر برای اجرای اسکنرهای نوری وجود دارد:

1. اسکنرهای FTIR - دستگاه هایی هستند که از اثر بازتاب کل داخلی ناامید شده (Frustrated Total Internal Reflection، FTIR) استفاده می کنند. اجازه دهید این اثر را با جزئیات بیشتری در نظر بگیریم تا الگوریتم کامل عملکرد چنین اسکنرهایی را توضیح دهیم.

هنگامی که نور روی سطح مشترک بین دو رسانه می افتد، انرژی نور به دو قسمت تقسیم می شود: یکی از رابط منعکس می شود، دیگری از طریق رابط به محیط دوم نفوذ می کند. کسر انرژی بازتابی به زاویه تابش بستگی دارد. با شروع از یک مقدار مشخص، تمام انرژی نور از رابط منعکس می شود. این پدیده نامیده می شود بازتاب داخلی کل. با این حال، پس از تماس یک محیط نوری متراکم تر (در مورد ما، سطح انگشت) با یک محیط کمتر متراکم (در اجرای عملی، به عنوان یک قاعده، سطح یک منشور) در نقطه بازتاب داخلی کلی، نور پرتو از این مرز عبور می کند. بنابراین، تنها پرتوهای نوری که به چنین نقاطی از بازتاب کلی داخلی برخورد می کنند، که شیارهای الگوی پاپیلاری سطح انگشت روی آنها اعمال نشده است، از مرز منعکس می شوند. یک دوربین مخصوص (CCD یا CMOS، بسته به نحوه اجرای اسکنر) برای ثابت کردن تصویر نور حاصل از سطح انگشت استفاده می شود.

سازندگان پیشرو این نوع اسکنرها: BioLink، Digital Persona، Identix.

2. اسکنرهای فیبر نوری (اسکنرهای فیبر نوری) - یک ماتریس فیبر نوری هستند که هر یک از فیبرهای آن به یک فتوسل ختم می شود. حساسیت هر فتوسل این امکان را فراهم می کند که نور باقیمانده عبوری از انگشت را در نقطه ای که برجستگی انگشت با سطح اسکنر لمس می کند ثابت شود. تصویر اثر انگشت با توجه به داده های هر یک از عناصر تشکیل می شود.

پیشروترین تولید کننده اسکنر از این نوع دلسی است.

3. اسکنرهای الکترواپتیکال (اسکنرهای الکترواپتیکال) - این فناوری مبتنی بر استفاده از یک پلیمر الکترواپتیکی ویژه است که شامل یک لایه ساطع کننده نور است. هنگامی که انگشت روی اسکنر اعمال می شود، ناهمگنی میدان الکتریکی نزدیک سطح آن (اختلاف پتانسیل بین غده ها و فرورفتگی ها) در درخشش این لایه منعکس می شود به طوری که اثر انگشت را برجسته می کند. آرایه فتودیود اسکنر سپس این درخشش را به شکل دیجیتال تبدیل می کند.

تولید کننده پیشرو این نوع اسکنرها Security First Corp (Ethentica) است.

4. اسکنرهای کششی نوری (اسکنرهای نوری جارو) عموماً شبیه دستگاه های FTIR هستند. ویژگی آنها این است که انگشت نه تنها باید روی اسکنر اعمال شود، بلکه باید در امتداد یک نوار باریک - خواننده انجام شود. هنگامی که انگشت خود را روی سطح اسکنر حرکت می دهید، یک سری عکس فوری (فریم) گرفته می شود. در عین حال، فریم های مجاور با مقداری همپوشانی گرفته می شوند، یعنی روی یکدیگر همپوشانی دارند، که باعث می شود اندازه منشور مورد استفاده و خود اسکنر به میزان قابل توجهی کاهش یابد. نرم افزار تخصصی برای تشکیل (به طور دقیق تر، مونتاژ) یک تصویر اثر انگشت در حین حرکت در امتداد سطح اسکن استفاده می شود.

تولید کننده پیشرو در این نوع اسکنرها Kinetic Sciences می باشد.

5. اسکنرهای غلتکی (اسکنرهای غلتکی) - در این دستگاه های مینیاتوری، اسکن انگشت زمانی اتفاق می افتد که یک استوانه چرخان جدار نازک شفاف (غلتک) با انگشت غلت می خورد. در حین حرکت انگشت در امتداد سطح غلتک، یک سری عکس فوری (قاب) از قطعه ای از الگوی پاپیلاری در تماس با سطح گرفته می شود. مشابه یک اسکنر نورد، فریم‌های مجاور روی هم قرار گرفته‌اند که امکان جمع‌آوری یک تصویر اثر انگشت کامل را بدون اعوجاج فراهم می‌کند. هنگام اسکن، از ساده ترین فناوری نوری استفاده می شود: در داخل یک غلتک استوانه ای شفاف یک منبع نور ساکن، یک لنز و یک دوربین مینیاتوری وجود دارد. تصویر ناحیه نورانی انگشت توسط لنز بر روی عنصر حساس دوربین متمرکز می شود. پس از یک «پیمایش» کامل انگشت، یک «تصویر» از اثر انگشت او «جمع‌آوری می‌شود».

سازندگان پیشرو این نوع اسکنرها: Digital Persona، CASIO Computer، ALPS Electric.

6. اسکنرهای غیر تماسی (اسکنرهای بدون لمس) - نیازی به تماس مستقیم انگشت با سطح دستگاه اسکن ندارند. انگشت روی سوراخ اسکنر اعمال می شود، چندین منبع نور آن را از پایین از طرفین مختلف روشن می کند، در مرکز اسکنر لنزی وجود دارد که از طریق آن اطلاعات جمع آوری شده بر روی یک دوربین CMOS پخش می شود که داده های دریافتی را به یک دوربین تبدیل می کند. تصویر اثر انگشت

تولید کننده پیشرو در اسکنرهای این نوع، فناوری حسگر بدون لمس است.

بیایید چندین کاستی تاریخی اسکنرهای نوری را یادداشت کنیم و مشخص کنیم کدام یک از آنها قبلاً اصلاح شده است:

• عدم امکان فشرده سازی آنها، با این حال، همانطور که از چهار شکل از شش شکل بالا مشاهده می شود، در حال حاضر این امکان وجود دارد.
• ماژول های نوری به دلیل تعداد زیاد قطعات و سیستم نوری پیچیده بسیار گران هستند. و این مشکل اکنون حل شده است: قیمت سنسورهای نوری برخی از تولیدکنندگان اکنون 10 تا 15 دلار است (با قیمت یک سنسور در بسته کاربر نهایی کامل با نرم افزار اشتباه گرفته نشود).
• اسکنرهای نوری در برابر آدمک و انگشتان مرده مقاوم نیستند. قسمت بعدی مقاله به این موضوع اختصاص خواهد یافت، اما در حال حاضر شایان ذکر است که تقریباً همه تولید کنندگان مکانیسم هایی را برای محافظت در برابر ساختگی ها در یک مرحله یا مرحله دیگر از پردازش یک تصویر اسکن شده اجرا کرده اند.

اسکنرهای نیمه هادی- آنها بر اساس استفاده از خواص نیمه هادی برای به دست آوردن تصویری از سطح انگشت هستند که در نقاط تماس برآمدگی های الگوی پاپیلاری با سطح اسکنر تغییر می کند. در حال حاضر، چندین فناوری برای اجرای اسکنرهای نیمه هادی وجود دارد.

1. اسکنرهای خازنی (اسکنرهای خازنی) - رایج ترین نوع اسکنرهای نیمه هادی، که در آن برای به دست آوردن یک تصویر اثر انگشت، اثر تغییر ظرفیت ظرفیت اتصال pn یک دستگاه نیمه هادی هنگام تماس برآمدگی الگوی پاپیلاری با عنصری از ماتریس نیمه هادی استفاده می شود. تغییراتی در اسکنر توصیف شده وجود دارد که در آن هر عنصر نیمه هادی در ماتریس اسکنر به عنوان یک صفحه خازن عمل می کند و انگشت به عنوان دیگری عمل می کند. هنگامی که یک انگشت به سنسور اعمال می شود، بین هر عنصر حساس و برآمدگی-حفره الگوی پاپیلاری، ظرفیت خاصی ایجاد می شود که مقدار آن با فاصله بین سطح انگشت و عنصر تعیین می شود. ماتریس این ظروف به تصویر اثر انگشت تبدیل می شود.

تولید کنندگان پیشرو این نوع اسکنرها: Infineon، ST-Microelectronics، Veridicom.

2. اسکنرهای حساس به فشار (اسکنرهای فشار) - این دستگاه ها از سنسورهای متشکل از ماتریسی از عناصر پیزوالکتریک استفاده می کنند. هنگامی که یک انگشت به یک سطح اسکن اعمال می شود، برآمدگی های الگوی پاپیلاری به ترتیب به زیر مجموعه ای از عناصر سطح فشار وارد می کنند، فرورفتگی ها هیچ فشاری وارد نمی کنند. ماتریس تنش های به دست آمده از عناصر پیزوالکتریک به تصویری از سطح انگشت تبدیل می شود.

سازنده پیشرو این نوع اسکنر: BMF.

3. اسکنرهای حرارتی (اسکنرهای حرارتی) - آنها از سنسورهایی استفاده می کنند که از عناصر پیرو الکتریک تشکیل شده است که به شما امکان می دهد تفاوت دما را ضبط کرده و آن را به ولتاژ تبدیل کنید (این اثر در دوربین های مادون قرمز نیز استفاده می شود). هنگامی که یک انگشت به سنسور اعمال می شود، بر اساس دمای برآمدگی های الگوی پاپیلاری که عناصر پیروالکتریک را لمس می کند و دمای هوا در فرورفتگی ها، نقشه دمایی سطح انگشت ساخته شده و به تصویر دیجیتال تبدیل می شود.

به طور کلی در تمامی اسکنرهای نیمه هادی فوق، از ماتریسی از میکروالمان های حساس (که نوع آن با روش اجرا مشخص می شود) و تبدیل سیگنال آنها به شکل دیجیتال استفاده می شود. بنابراین، یک طرح کلی از عملکرد اسکنرهای نیمه هادی فوق را می توان به شرح زیر نشان داد. (تصویر را ببینید.)

رایج ترین ("کلاسیک") انواع اسکنرهای نیمه هادی در بالا توضیح داده شده است، سپس انواع دیگر، کمتر رایج را در نظر خواهیم گرفت.

4. اسکنرهای RF (اسکنرهای RF-Field) - این اسکنرها از ماتریسی از عناصر استفاده می کنند که هر کدام مانند یک آنتن کوچک عمل می کنند. سنسور یک سیگنال رادیویی ضعیف تولید می کند و آن را به سطح اسکن شده انگشت می فرستد، هر یک از عناصر حساس سیگنالی را دریافت می کند که از الگوی پاپیلاری منعکس می شود. مقدار EMF القا شده در هر میکروآنتن به وجود یا عدم وجود یک الگوی پاپیلاری در مجاورت تاج بستگی دارد. ماتریس تنش به دست آمده به یک تصویر اثر انگشت دیجیتال تبدیل می شود.

سازنده پیشرو این نوع اسکنر: Authentec.

5. ترمواسکنرهای کششی (اسکنرهای جابجایی حرارتی) - نوعی از اسکنرهای حرارتی که مانند اسکنرهای جابجایی نوری از کشیدن انگشت بر روی سطح اسکنر و نه فقط اعمال آن استفاده می کنند.

تولید کننده پیشرو اسکنر در این نوع: Atmel.

6. اسکنر کششی خازنی (اسکنرهای جابجایی خازنی) - از روش مشابهی برای مونتاژ فریم به فریم یک تصویر اثر انگشت استفاده کنید، اما هر فریم از تصویر با استفاده از یک سنسور نیمه هادی خازنی به دست می آید.

تولید کنندگان پیشرو این نوع اسکنرها: فوجیتسو.

7. اسکنرهای کششی RF (اسکنرهای جابجایی RF-Field) - شبیه به خازنی، اما با استفاده از فناوری فرکانس رادیویی.

اسکنرهایی از این نوع تولید می کند: Authentec.

اجازه دهید به معایب اصلی اسکنرهای نیمه هادی توجه کنیم، اگرچه آنها برای همه روش های توصیف شده معمول نیستند:

• اسکنرها، به ویژه آنهایی که به فشار حساس هستند، تصویری با وضوح پایین و اندازه کوچک ارائه می دهند.
• نیاز به اعمال انگشت مستقیم به سطح نیمه هادی (از آنجایی که هر لایه میانی بر نتایج اسکن تأثیر می گذارد) منجر به سایش سریع آن می شود.
• حساسیت به میدان های الکتریکی قوی خارجی که می تواند باعث تخلیه الکترواستاتیکی شود که می تواند سنسور را غیرفعال کند (در درجه اول برای اسکنرهای خازنی اعمال می شود).
• وابستگی زیادی از کیفیت تصویر به سرعت حرکت انگشت در امتداد سطح اسکن در اسکنرهای غلتشی ذاتی است.

اسکنرهای اولتراسونیک- این گروه در حال حاضر تنها با یک روش اسکن نشان داده می شود که به این نام خوانده می شود.

اسکن با امواج فراصوت - این اسکن سطح انگشت با امواج مافوق صوت و اندازه‌گیری فاصله بین منبع موج و فرورفتگی‌ها و برآمدگی‌های روی سطح انگشت با پژواک منعکس شده از آنها است. کیفیت تصویر به دست آمده از این روش 10 برابر بهتر از هر روش بیومتریک دیگری در بازار است. علاوه بر این، لازم به ذکر است که این روش تقریباً به طور کامل در برابر آدمک ها محافظت می شود، زیرا علاوه بر اثر انگشت، برخی ویژگی های اضافی را در مورد وضعیت آن (به عنوان مثال، نبض داخل انگشت) امکان پذیر می کند.

تولید کننده پیشرو اسکنرهای این نوع شرکت Ultra-Scan Corporation (UCS) است.

معایب اصلی اسکنر اولتراسونیک عبارتند از:

• قیمت بالا در مقایسه با اسکنرهای نوری و نیمه هادی.
• اندازه بزرگ خود اسکنر

در غیر این صورت، می توان به جرات گفت که اسکن اولتراسونیک بهترین ویژگی های فن آوری های نوری و نیمه هادی را ترکیب می کند.

با جمع بندی موارد فوق، می خواهم به رشد سریع تعداد روش های اسکن اثر انگشت اشاره کنم. تا همین اواخر، تنها دو فناوری وجود داشت: FTIR نوری و ظرفیت نیمه هادی با مزایا و معایب پایدار خود. با این حال، در طول ده سال گذشته، فناوری تشخیص آنقدر توسعه یافته است که آخرین نسل اسکنرها نه تنها تقریباً بر تمام کاستی های قدیمی خود غلبه کرده اند، بلکه تعدادی ویژگی به خصوص جذاب مانند اندازه بسیار کوچک و قیمت پایین را نیز به دست آورده اند. علاوه بر این، یک فناوری اسکن اولتراسوند اساساً جدید ظاهر شده است که هنوز تمام مراحل شکل گیری را طی نکرده است. اما حتی اکنون نیز می توان در مورد پتانسیل عظیم آن صحبت کرد.