Biometrisk Autentificering: Ansigt, Fingeraftryk, Pupiller og… Årer?

Biometrisk autentificering

Når du hører om biometrik, tænker du måske på avancerede retinaskannere eller ansigtsgenkendelsessystemer. Men videnskaben om at registrere individuelle træk og bruge dem til autentificering er så gammel som civilisationen selv.

Oldtidens kulturer som babylonierne brugte fingeraftryk til at forsegle certificerede lerplader allerede i 500 f.Kr. I 1800-tallet blev et fingeraftryksregistreringssystem indført i det juridiske system i Indien. Dette system, opkaldt efter dets skaber, inspektørgeneraldirektør Edward Henry, er stadig i brug globalt i dag.

Indførelsen af teknologi har transformeret biometrik fra en sikkerhedstjeneste brugt af regeringer og konglomerater til en metode, som alle kan bruge til at beskytte deres ejendele, data og mere. I dag tilbyder biometrik en hurtig, adgangskodefri løsning. Derfor stiger dens popularitet.

Typer af biometrisk autentificering

Der er i dag to hovedtyper af biometrik i brug: ekstern og intern. Begge typer af biometriske data giver brugerne fordele og ulemper, som gør den ene bedre egnet til en bestemt anvendelse end den anden.

Ekstern biometrisk autentificering

De fleste tænker på ekstern biometrik, når de diskuterer denne teknologi. Du har set eller brugt disse systemer, selvom du var uvidende om din deltagelse. Disse muligheder omfatter ting som fingeraftryks- og ansigtsscannere, der findes på nutidens avancerede smartphones.

Ekstern biometrik giver hurtig adgang og autentificering på afstand. Disse netværk er ideelle, når du skal overvåge et stort område eller udvælge en person i en overfyldt by. I dag gør biometriske netværk som ansigtsgenkendelsessystemet, der bruges i Kina, det muligt at autonomt holde øje med sine borgere, fange eftersøgte kriminelle og give adgang til følsomme data.

Problemer med ekstern biometrik i dag

Der er flere scenarier, hvor eksterne biometriske systemer svigter. For det første er de afhængige af let synlige karakteristika som dit ansigt eller fingeraftryk. Disse kan indsamles og bruges til at narre systemet. Allerede er der udført omfattende studier, der dokumenterer, hvordan folk har kunnet hacke ansigtsgenkendelsessystemer blot ved at bruge fotos af den pågældende.

Intern biometrisk autentificering

Disse ulemper har fået mange til at søge et bedre alternativ, såsom intern biometrik. Intern biometrik er baseret på dine indre forhold, som vævsmålinger, årerelationer og andre vitale menneskelige træk, der er unikke for hver enkelt.

Fordelen ved intern biometrik er, at den er usynlig for observatører. Det er meget sværere at få et internt scan af en persons årer i håndfladen end et billede af deres ansigt. Derudover er det meget svært at reproducere disse data, selvom man har generelle oplysninger om dem. Derfor giver intern biometrik høj nøjagtighed og ekstra svindelmodstand.

De mest almindelige metoder til at indfange intern biometrik er ved brug af optisk kohærens tomografi (OCT) og fotoakustisk tomografi (PAT). OCT-tilgangen skaber et topografisk kort over vævsmålinger, mens PAT-metoden tager præcise fingermålinger.

Hyperspektral billeddannelse

Den mest avancerede måde at opnå intern biometrik på i dag er at anvende hyperspektral billeddannelse. Denne fotografimetode skaber billeder ved at bestråle håndfladen med synligt til nær-infrarødt lys med 5 nm opløsning. Resultatet er et billede, der afslører data på tværs af et bredt spektrum af sammenhængende bølgelængder.

Osaka Metropolitan University i Japan

Hyperspektral billeddannelse giver en række fordele i forhold til traditionelle scanningsmetoder. For det første afslører hver bølgelængde forskellige aspekter af håndfladens interne struktur. Derfor kan et enkelt scan levere en mængde potentielt adgangskodemateriale.

Problemer med hyperspektral billeddannelse

Hyperspektral billeddannelse tilbyder nogle af de bedste sikkerhedsoptioner på markedet, men den har nogle fejl, der har bremset dens integration i stor skala. For det første er det meget sværere at administrere denne form for biometrisk sikkerhed, da den kræver, at en person sidder ned og får sin håndflade scannet direkte.

Denne tilgang vil fungere for følsomme områder, men ville være for tidskrævende at anvende i et massivt eller byomfattende scenarie. Forestil dig at skulle vente på, at hver metrorejsende scanner deres håndflade, før du kan gå ombord på toget. Den ekstra ventetid og forsinkelser ville annullere enhver sikkerhedsfordel.

Massive datakrav

En af hovedårsagerne til, at hyperspektral billeddannelse ikke har opnået massiv adoption, er den enorme størrelse af hvert scan. Billedstørrelse kan påvirke mange aspekter af din sikkerhed. At gemme en persons håndflade eller fingeraftryk kræver ingen plads og kan gøres på alt fra papir til et digitalt system.

I sammenligning indeholder et hyperspektralt billede en række dybdegående data på tværs af forskellige bølgelængder, hvilket resulterer i en massiv fil fyldt med data. Disse ekstra data gør det sværere at undersøge, da der er meget mere at gennemgå, hvis du leder efter mønstre eller sammenligner data.

Biometrisk autentificeringsstudie

Ved at anerkende den iboende begrænsning af denne tilgang og teknologiens potentiale, udgav et hold af ingeniører fra Osaka Metropolitan University i Japan studiet kaldet “Identification using a cross-sectional hyperspectral image of a hand”. Dette forskningspapir dykker ned i en ny metode til at reducere den mængde data, der kræves for at anvende hyperspektrale scans til sikkerhedsformål.

Ingeniørerne demonstrerer et system, der kan generere et tværsnitsbillede af en del af håndfladen, som giver høj spektral opløsning og kan identificere nøgledetaljer som distinkte årermønstre. De afslører også, hvordan dette nye system har potentiale til at forbedre personlig identifikation fremover på tværs af flere industrier.

Det opgraderede biometriske autentificeringssystem

Ingeniørerne indfangede hyperspektrale billeder præcist og delte dem derefter i mindre filer, som er bedre egnet til verifikation, lagring og overførsel. Systemet integrerer et specialkamera, belysning, en scanner og computeralgoritmer for at udføre denne opgave.

Hyperspektralt kamera

Kernen i eksperimentet var det hyperspektrale kamera (NH-A-S, EBA, Japan, Japan). Denne enhed var udstyret med en f=12mm, M118FM12 enkeltfokuseret linse, som leverede en spektral opløsning på 5 nm over forskellige områder fra 400 til 1000 nm.

Palmescanner

En følsom palmescanner blev opsat til at indfange årernetværket og de indre strukturer i håndfladen under processen. Scanneren havde et 240×240‑mm scanområde, så den kunne indfange et specifikt område af håndfladen. Bemærkelsesværdigt var enheden placeret 900 mm over gulvet og vinklet ca. 30° i forhold til jorden.

Belysning

Belysning blev brugt til at oplyse håndfladen og give dybde til billederne. Specifikt blev en 500‑W halogenlampe placeret under scansektionen, som skinnede på en 5‑mm tyk højtransparent glasplade. Pladen blev valgt på grund af dens evne til at transmittere synligt til nær‑infrarødt lys med minimal tab.

Personlig computer

Bemærkelsesværdigt kan dette system fungere på en traditionel PC. Til dette eksperiment brugte ingeniørerne en bærbar computer med en Intel (INTC ) Core i7‑1068NG7 og 32 GB RAM. Den havde ingen problemer med at lagre hyperspektrale kubedata.

Kunstig intelligens

En specialbygget AI-algoritme tjener flere roller i systemet. For det første har den til opgave at bestemme det bedste interesseområde (ROI). ROI er et område af scanningen, der giver den klareste og mest personlige information.

AI’en ville tage disse data og skabe et hyperspektralt kubebillede. Derefter ville den beregne den ideelle skærebane baseret på Googles MediaPipe Hands, et maskinlæringsbibliotek.

Denne tilgang eliminerede behovet for, at ingeniører skulle oprette et nyt billedregistreringsbibliotek, hvilket sparer penge og tid. Resultatet er et 2D rum‑spektralt billede, der giver tydelige identificerende parametre.

Biometrisk autentificeringstest

For at teste deres teori udvalgte forskerne 10 sunde voksne i alderen 24 til 47 år. Hver deltager fik deres håndflade hyperspektralt scannet flere gange i den fastsatte periode. Bemærkelsesværdigt havde hver deltager et unikt scanningsskema, som gjorde det muligt for ingeniørerne at tage højde for variabler, der opstår over tid og andre faktorer.

Bemærkelsesværdigt blev en 500‑W halogenlampe placeret under scansektionen for at oplyse deltagerens håndflade fra glasets bagside. Derfra blev de scannede interne data behandlet ved hjælp af forskellige softwarepakker, herunder Jupyter Notebook, LabVIEW og ImageJ.

Resultater af biometrisk autentificeringstest

Testresultaterne viser en stor succes. Ingeniørerne opnåede pålidelig identifikation baseret på disse data for alle testpersoner. Interessant nok bemærkede de, at systemet kunne levere bedre resultater med et mindre scanområde. Derudover fandt de, at tværsnits-hyperspektrale billeder af håndfladen gav forskellige funktioner ved hver bølgelængde, hvilket muliggør flere lag af observation og autentificering.

Fordele ved biometrisk autentificering

Der er mange fordele, som denne teknologi vil bringe til markedet. For det første vil den hjælpe med at gøre biometriske systemer sikrere og mere effektive. For at biometrik kan udvide sig på markedet, skal teknologien overvinde nogle af sine primære svagheder. Denne seneste tilgang hjælper med at udfylde et hul i sektoren og lover høj sikkerhed til minimale omkostninger.

Anvendelser af biometrisk autentificering

Der er flere potentielle anvendelser af denne teknologi, fra den kommercielle sektor til medicinske og militære anvendelser. Evnen til hurtigt og præcist at autentificere en person er afgørende for mange industrier; her er blot nogle få potentielle anvendelser af teknologien i fremtiden.

Sikkerhed

Den mest åbenlyse anvendelse af disse systemer er at opgradere sikkerheden. I fremtiden kan dit håndfladeaftryk være den måde, du foretager offline betalinger, får adgang til dit hjem eller endda starter dit køretøj på. Derfor er det vigtigt, at disse systemer er så nøjagtige og tilgængelige som muligt.

Medicinsk

Den medicinske sektor kunne udnytte denne teknologi til at sikre identiteten af deres patienter. Fra fejlbehandling til svindel og simple menneskelige fejl har den medicinske sektor brug for en måde at effektivt verificere en persons identitet, før de får sundhedspleje. Dette system kunne tilbyde et overkommeligt alternativ, der kan forhindre fejldiagnoser og andre fejl, der medfører tab og unødvendig lidelse.

Forskere bag biometrisk autentificeringsstudie

Takashi Suzuki ledede hyperspektralstudiet. Han arbejdede med et hold af ingeniører og forskere fra Osaka Metropolitan University i Japan. Nu søger holdet at udvide teknologiens anvendelsesscenarier og skabe mere overkommelige og tilgængelige metoder til at indhente og integrere teknologien i stor skala.

Innovative virksomheder, der fører biomarkedspladsen

Der er mange virksomheder, der i øjeblikket har en form for F&U omkring biometrik. Fra virksomheder, der ønsker at bruge din retina til at få adgang til din kryptokonto, til retinaskannere, der bruges til at holde dine værdifulde positioner låst, er der ingen mangel på producenter i markedet. Her er en virksomhed, der har lagt betydelig indsats i at skabe et pålideligt biometrisk system for at forbedre deres ROI og brugeroplevelse.

Alibaba Group Holding Limited

Alibaba Group Holding Limited (BABA ) gik ind på markedet i 1999 for at forbinde handlende og forbrugere via en digital markedsplads. Siden da er virksomheden vokset til at blive en af de største online e‑handelsudbydere i verden målt på volumen. I dag har den hundredvis af millioner aktive brugere og forbinder tusinder af handlende med kunder dagligt.

Alibaba har i stilhed arbejdet på et biometrisk betalingssystem siden 2004. Systemet, kaldet “Smile to Pay”, bruger ansigtsgenkendelse til at lade brugere foretage betalinger. Selvom det stadig er i beta‑testfasen, har virksomhedens ledelse udtalt, at de håber at bruge teknologien til at godkende betalinger fra AliPay‑tegnebogen blot med et ansigts‑scan.

Alibaba er en enorm e‑handelsplatform, der har kunder og partnerskaber med nogle af verdens største teknologigiganter. Dens positionering og adgang til et enormt netværk af kunder og handlende gør Alibaba velegnet til at integrere enhver biometrisk løsning med succes. Som sådan er BABA værd at undersøge nærmere.

Seneste nyt om Alibaba Group Holding

Glem aldrig dine nøgler igen – biometrisk autentificering

Drevet til at anvende biometrik er i stigende grad globalt. Virksomheder, forbrugere og regeringer presser alle på for denne teknologi. Imponerende er, at denne seneste udvikling tilbyder en pålidelig og effektiv måde at forbedre resultater, sænke lager- og beregningsomkostninger og levere pålidelig sikkerhed. Som sådan kan dette arbejde have en omvæltende effekt på markedet fremover.

Lær om andre seje biotek i dag.

Studier refereret:

^{1. Suzuki, T. (2025). Personal identification using a cross-sectional hyperspectral image of a hand. Journal of Biomedical Optics, 30(2), 023514. https://doi.org/10.1117/1.JBO.30.2.023514}