Biometrinen tunnistautuminen: Kasvot, sormenjälki, pupillit ja…suonet?

Insinööriryhmä on esitellyt uuden biometrisen tunnistusjärjestelmän, joka voi kerätä, luokitella ja tallentaa tietoja automaattisesti huomattavasti aiempia menetelmiä pienemmillä laskentaresursseilla. Kehitys voi vaikuttaa moniin käyttökohteisiin elektronisiin laitteisiin kirjautumisesta terveydenhuollon tunnistukseen ja vakuutuskäsittelyyn. Tässä kerrotaan, miksi ratkaisu on alan kannalta merkittävä.

Biometrinen tunnistautuminen

When you hear of biometrics, you may think of advanced retina scanners or face recognition systems. However, the science of recording individual traits and utilizing them for authentication purposes is as ancient as civilization itself.

Muinaiset kulttuurit, kuten babylonialaiset, käyttivät sormenjälkiä sinetöidäkseen viralliset savitaulut jo 500 eKr. 1800-luvulla Intiassa otettiin käyttöön sormenjälkitallennusjärjestelmä oikeusjärjestelmässä. Tämä järjestelmä, jonka on nimennyt sen luoja, tarkastaja Edward Henry, on edelleen käytössä maailmanlaajuisesti.

Teknologian käyttöönotto on muuttanut biometrisen tunnistautumisen hallitusten ja suuryritysten käyttämästä turvallisuuspalvelusta menetelmäksi, jonka kuka tahansa voi käyttää suojatakseen omaisuuttaan, dataansa ja muuta. Nykyään biometrinen tunnistautuminen tarjoaa nopean, salasanaa vaativattoman ratkaisun. Näin ollen sen suosio on kasvussa.

Biometrisen tunnistautumisen tyypit

Nykyään käytössä on kaksi pääasiallista biometrisen tunnistautumisen tyyppiä: ulkoisia ja sisäisiä. Molemmat biometriset tiedot tarjoavat käyttäjille etuja ja haittoja, jotka tekevät toisesta paremmin sopivan tiettyyn sovellukseen kuin toinen.

Ulkoinen biometrinen tunnistautuminen

Useimmat ihmiset ajattelevat ulkoisia biometrisiä järjestelmiä keskustellessaan tästä teknologiasta. Olet nähnyt tai käyttänyt näitä järjestelmiä, vaikka et olisi tietoinen osallistumisestasi. Näihin vaihtoehtoihin kuuluvat esimerkiksi sormenjälki- ja kasvojentunnistimet, joita löytyy nykypäivän kehittyneistä älypuhelimista.
Ulkoinen biometrinen tunnistautuminen tarjoaa nopean pääsyn ja tunnistautumisen etäisyydeltä. Nämä verkot ovat ihanteellisia, kun sinun täytyy valvoa laajaa aluetta tai erottaa henkilö ruuhkaisesta kaupungista. Nykyään biometriset verkot, kuten Kiinassa käytetty kasvojentunnistusjärjestelmä, mahdollistavat autonomisen kansalaisten seurannan, etsittyjen rikollisten kiinniotton ja pääsyn arkaluontoisiin tietoihin.

Ulkopuolisten biometrien ongelmat tänään

On useita tilanteita, joissa ulkoiset biometriset järjestelmät epäonnistuvat. Yksi syy on, että ne perustuvat helposti nähtäviin ominaisuuksiin, kuten kasvoihisi tai sormenjälkiisi. Näitä tietoja voidaan kerätä ja käyttää järjestelmän huijaamiseen. Jo on tehty merkittäviä tutkimuksia, jotka dokumentoivat, miten ihmiset pystyivät hakkeroimaan kasvojentunnistusjärjestelmiä pelkästään käyttämällä henkilön valokuvia.

Sisäinen biometrinen tunnistautuminen

Nämä haitat ovat saaneet monet etsimään parempaa vaihtoehtoa, kuten sisäisiä biometrisiä menetelmiä. Sisäiset biometriset tiedot perustuvat kehosi sisäisiin ominaisuuksiin, kuten kudosmittauksiin, suonijärjestelmään ja muihin elintärkeisiin ihmisen piirteisiin, jotka ovat yksilöllisiä.

Sisäisten biometrien etu on, että ne ovat näkymättömiä tarkkailijoille. On paljon vaikeampaa saada sisäiskannaus jonkun kämmenen suoniverkostosta kuin ottaa kuva hänen kasvoistaan. Lisäksi on erittäin vaikeaa jäljitellä näitä tietoja, vaikka olisi yleisiä käsityksiä niistä. Näin ollen sisäiset biometriset menetelmät tarjoavat korkean tarkkuuden ja lisäsuojan petoksia vastaan.

Yleisimpiä tapoja, joilla sisäisiä biometrisiä tietoja kerätään, ovat optinen koherenssitanatografia (OCT) ja fotoakustinen tomografia (PAT). OCT-lähestymistapa luo topografisen kartan kudosmittauksista, kun taas PAT-menetelmä tekee tarkkoja sormien mittauksia.

Hyperspektrikuvaus

Nykyisin kehittynein tapa hankkia sisäisiä biometrisiä tietoja on hyödyntää hyperspektrikuvausta. Tämä valokuvausmenetelmä luo kuvia räjäyttämällä kämmenen näkyvillä ja lähi-infrapunaisten aallonpituuksilla, 5 nm:n resoluutiolla. Tuloksena on kuva, joka paljastaa tietoa laajalla peräkkäisten aallonpituuksien spektrillä.

Hyperspektrikuvaus tarjoaa monia etuja perinteisiin skannausmenetelmiin verrattuna. Yksi etu on, että jokainen aallonpituus paljastaa erilaisia puolia kämmenen sisäisestä rakenteesta. Näin ollen yksi skannaus voi tarjota lukuisia mahdollisia salasanamateriaaleja.

Hyperspektrikuvauksen ongelmat

Hyperspektrikuvaus tarjoaa markkinoille joitakin parhaista turvallisuusvaihtoehdoista, mutta siinä on joitakin puutteita, jotka ovat hidastaneet sen laajamittaista käyttöönottoa. Yksi haaste on, että tämän tyyppistä biometristä turvallisuutta on paljon vaikeampi hallita, koska se vaatii henkilön istumaan ja skannaamaan kämmenensä suoraan.
 
Tämä lähestymistapa toimii herkissä ympäristöissä, mutta olisi liian aikaa vievä käyttää massiivisessa tai kaupunkimaisessa tilanteessa. Kuvittele, että jokaisen metroaseman matkustajan täytyy skannata kämmenensä ennen kuin voit päästä junaan. Lisäaika ja viiveet kumoaisivat kaikki turvallisuusetuja.

Massiiviset datavaatimukset

Yksi tärkeimmistä syistä, miksi hyperspektrikuvausta ei ole otettu laajasti käyttöön, on jokaisen skannauksen valtava koko. Kuvan koko voi vaikuttaa moniin turvallisuuden osa-alueisiin. Kämmenen tai sormenjälkien tallentaminen ei vaadi paljon tilaa ja se voidaan tehdä esimerkiksi paperille tai digitaaliselle järjestelmälle.
Vertailun vuoksi hyperspektrikuva sisältää monenlaisia syvällisiä tietoja eri aallonpituuksilla, mikä johtaa massiiviseen tiedostoon, jossa on paljon dataa. Tämä lisädata tekee tarkastelusta vaikeampaa, koska on paljon enemmän tarkistettavaa, jos etsit malleja tai vertaat tietoja.

Biometrinen tunnistautumisen tutkimus

Tunnistaen tämän lähestymistavan sisäisen rajoituksen ja teknologian potentiaalin, Osaka Metropolitan Universityn insinööritekijätiimi Japanista julkaisi tutkimuksen nimeltä “Käsin ristiinleikkaavan hyperspektrikuvan käyttäminen henkilötunnistukseen.”¹ Tämä tutkimuspaperi käsittelee uutta menetelmää, jonka avulla voidaan vähentää hyperspektriskannausten turvallisuuskäyttöön vaadittavan datan määrää.
Ingeniöörit esittelevät järjestelmän, joka voi luoda ristiinleikkaavan kuvan osasta kämmentä, tarjoten korkean spektriresoluution ja pystyen tunnistamaan keskeisiä yksityiskohtia, kuten erottuvat suonikuviot. He myös paljastavat, miten tällä uudella järjestelmällä on potentiaalia parantaa henkilökohtaista tunnistusta tulevaisuudessa useilla toimialoilla.

Päivitetty biometrinen tunnistautumisjärjestelmä

Ingeniöörit tallensivat hyperspektrikuvat tarkasti ja leikkasivat ne sitten pienemmiksi tiedostoiksi, jotka soveltuvat paremmin vahvistukseen, tallennukseen ja siirtoon. Järjestelmä yhdistää erityiskameran, valaistuksen, skannerin ja tietokonealgoritmit tämän tehtävän suorittamiseksi.

Hyperspektrikamera

Kokeilun ytimessä oli hyperspektrikamera (NH-A-S, EBA, Japan, Japan). Tämä laite varustettiin f=12 mm, M118FM12 -yksifokuksisella objektiivilla, joka tarjosi 5 nm:n spektriresoluution eri alueilla 400–1000 nm välillä.

Kämmenen skanneri

Herkä kämmenen skanneri asennettiin kaappaamaan kämmenen suoniverkko ja sisäosat prosessin aikana. Skannerissa oli 240×240 mm:n skannausalue, jonka avulla se pystyi tallentamaan tietyn kämmenen alueen. Huomionarvoista on, että laite oli 900 mm:n korkeudella lattialta ja kallistettu noin 30 asteen kulmaan maahan nähden.

Valaistus

Valaistusta käytettiin kämmenen valaisemiseen ja kuviin syvyyden antamiseen. Erityisesti 500 W:n halogeenilamppu sijoitettiin skannausosaston alle, ja se heijasti valoa 5 mm:n paksuun, erittäin läpinäkyvään lasilevyyn. Levy valittiin sen kyvyn vuoksi siirtää näkyvästä lähi-infrapunaiseen valoon minimaalisella häviöllä.

Henkilökohtainen tietokone

Huomionarvoista on, että tämä järjestelmä voi toimia perinteisellä tietokoneella. Tässä kokeessa insinöörit käyttivät kannettavaa tietokonetta, jossa oli Intel (INTC ) Core i7-1068NG7 -suoritin ja 32 Gt RAM-muistia. Se ei havainnut ongelmia hyperspektrikuutiotietojen tallentamisessa.

Tekoäly

Erityisesti rakennettu tekoälyalgoritmi palvelee useita rooleja järjestelmässä. Yksi tehtävä on määrittää paras kiinnostuksen kohde (ROI). ROI on skannauksen alue, joka tarjoaa selkeimmän ja henkilökohtaisimman tiedon.

Tekoäly ottaisi nämä tiedot ja loisi hyperspektrikuutiokuvan. Sen jälkeen se laskisi ihanteellisen leikkaustason Googlen MediaPipe Hands -koneoppimiskirjaston perusteella.

Tämä lähestymistapa poisti insinöörien tarpeen luoda uusi kuvarekisteröintikirjasto, säästäen rahaa ja aikaa. Tuloksena on 2D-tilaspektrikuva, joka tarjoaa erottuvat tunnistusparametrit.

Biometrinen tunnistautumistesti

Testatakseen teoriaansa tutkijat valitsivat 10 terveellistä aikuista, joiden ikä vaihteli 24–47 vuoden välillä. Jokaisella koehenkilöllä kämmenen hyperspektri skannattiin useita kertoja ennalta määritellyn ajanjakson aikana. Huomionarvoista on, että jokainen osallistuja oli omalla skannausaikataulullaan, mikä mahdollisti insinööreille huomioida muuttujat, jotka ilmenevät ajan ja muiden tekijöiden perusteella.
Huomionarvoista on, että 500 W:n halogeenilamppu sijoitettiin skannausosaston alle valaisemaan koehenkilön kämmenen lasin takapuolta. Tämän jälkeen skannattu sisäinen data käsiteltiin eri ohjelmistopakettien, kuten Jupyter Notebookin, LabVIEW:n ja ImageJ:n, avulla.

Biometrisen tunnistautumisen testitulokset

Testitulokset osoittavat merkittävän menestyksen. Insinöörit saavuttivat luotettavan tunnistuksen tämän datan perusteella kaikilla koehenkilöillä. Mielenkiintoista on, että järjestelmä pystyi tarjoamaan parempia tuloksia pienemmällä skannausalueella. Lisäksi he havaitsivat, että kämmenen ristiinleikkaavat hyperspektrikuvat tarjosivat erilaisia ominaisuuksia jokaisella aallonpituudella, mahdollistaen monikerroksisen tarkkailun ja tunnistautumisen.

Biometrisen tunnistautumisen hyödyt

Tällä teknologialla on monia hyötyjä, jotka se tuo markkinoille. Yksi hyöty on, että se auttaa tekemään biometrisiä järjestelmiä turvallisemmiksi ja tehokkaammiksi. Jotta biometrinen tunnistautuminen voisi laajentua markkinoilla, teknologian on voitettava sen keskeiset heikkoudet. Tämä uusin lähestymistapa täyttää aukon alalla ja lupaa tarjota korkean turvallisuuden minimaalisilla kustannuksilla.

Biometrisen tunnistautumisen sovellukset

Tälle teknologialle on useita mahdollisia sovelluksia, jotka vaihtelevat kaupallisesta sektorista lääketieteellisiin ja sotilaallisiin käyttötarkoituksiin. Kyky tunnistaa henkilö nopeasti ja tarkasti on ratkaisevaa monille toimialoille; tässä on vain muutamia mahdollisia tulevaisuuden sovelluksia.

Turvallisuus

Näiden järjestelmien ilmeisin käyttötarkoitus on parantaa turvallisuutta. Tulevaisuudessa kämmenen sormenjälkesi voi olla tapa tehdä offline-maksuja, päästä kotiin tai jopa käynnistää ajoneuvosi. Siksi on elintärkeää, että nämä järjestelmät ovat mahdollisimman tarkkoja ja helposti saavutettavia.

Lääketiede

Lääketieteellinen sektori voisi hyödyntää tätä teknologiaa varmistaakseen potilaidensa henkilöllisyyden. Lääkärivirheistä petoksiin ja yksinkertaisiin inhimillisiin virheisiin, terveydenhuolto tarvitsee tehokkaan tavan tarkistaa henkilön identiteetti ennen hoidon tarjoamista. Tämä järjestelmä voisi tarjota edullisen vaihtoehdon, joka estäisi väärän diagnoosin ja muut virheet, jotka aiheuttavat menetyksiä ja tarpeetonta kärsimystä.

Biometrisen tunnistautumisen tutkimuksen tutkijat

Takashi Suzuki johti hyperspektritutkimusta. Hän työskenteli insinööri- ja tiedeyhteisön kanssa Osaka Metropolitan Universityssa Japanissa. Nyt tiimi pyrkii laajentamaan teknologian käyttötapauksia ja luomaan edullisempia ja saavutettavampia menetelmiä teknologian hankkimiseksi ja integroimiseksi laajamittaisesti.

Innovatiiviset yritykset, jotka johtavat biometrimarkkinaa

Markkinoilla on monia yrityksiä, joilla on jokin biometriaan liittyvä T&K. Yrityksistä, jotka pyrkivät käyttämään verkkokalvoasi päästäkseen kryptotiliisi, aina verkkokalvoskannereihin, joita käytetään arvokkaiden sijoitusten suojaamiseen, ei puutu valmistajien määrä. Tässä on yksi yritys, joka on panostanut merkittävästi luotettavan biometrisen järjestelmän luomiseen parantaakseen ROI:ta ja käyttäjäkokemusta.

Alibaba Group Holding Limited

Alibaba Group Holding Limited (BABA ) astui markkinoille vuonna 1999 yhdistääkseen kauppiaat ja kuluttajat digitaalisen markkinapaikan kautta. Yritys on siitä lähtien kasvanut yhdeksi maailman suurimmista verkkokauppapalveluista volyymiltaan. Nykyään sillä on satoja miljoonia aktiivisia käyttäjiä ja se yhdistää päivittäin tuhansia kauppiaita asiakkaisiin.

Alibaba on hiljaisesti kehittänyt biometristä maksujärjestelmää vuodesta 2004. Järjestelmä, nimeltään “Smile to Pay”, käyttää kasvojentunnistusta sallien käyttäjien tehdä maksuja. Vaikka se on edelleen beta-testivaiheessa, yrityksen johtajat ovat ilmoittaneet toivovansa teknologian hyödyntämistä AliPay-lompakon maksujen valtuuttamiseen pelkän kasvoskannauksen avulla.

Alibaba on massiivinen verkkokauppasivusto, jolla on asiakkaita ja kumppanuuksia joidenkin maailman suurimpien teknologiayritysten kanssa. Sen asema ja pääsy laajaan asiakas- ja kauppiaiden verkostoon tekevät Alibasta hyvin sopivan integroitumaan biometrisiin ratkaisuihin menestyksekkäästi. Tästä syystä BABA ansaitsee lisätutkimusta.

Uusimmat tiedot Alibaba Group Holdingista

Älä enää koskaan unohda avaimiasi – biometrinen tunnistautuminen

Biometrisen teknologian hyödyntämisen tarve kasvaa maailmanlaajuisesti. Yritykset, kuluttajat ja hallitukset kaikki ajavat tätä teknologiaa eteenpäin. Vaikuttavasti tämä uusin kehitys tarjoaa luotettavan ja tehokkaan tavan parantaa tuloksia, alentaa tallennus- ja laskentakustannuksia sekä tarjota luotettavaa turvallisuutta. Tästä syystä tämä työ voi aiheuttaa merkittävän mullistuksen markkinoilla tulevaisuudessa.
Tutustu muihin hienoihin bioteknologioihin Tänään.

Viitteet:

^{1. Suzuki, T. (2025). Käsin ristiinleikkaavan hyperspektrikuvan käyttäminen henkilötunnistukseen. Journal of Biomedical Optics, 30(2), 023514. https://doi.org/10.1117/1.JBO.30.2.023514}