Otentikasi Biometrik: Wajah, Sidik Jari, Pupil, dan…Pembuluh Darah?

A team of engineers introduced a new biometric authentication system that can automatically collect, categorize, and store data utilizing much less computational resources than original methods. Here’s why this is a major advancement in the sector and how it could affect everything from how you log in to your electronic devices to how your doctor approves your next insurance claim.

Otentikasi Biometrik

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.

Budaya kuno seperti Babilonia menggunakan sidik jari untuk menutup tablet tanah liat bersertifikat sejak sekitar 500 SM. Pada abad ke-19, sistem pencatatan sidik jari diperkenalkan ke sistem hukum di India. Sistem ini, yang dinamai menurut penciptanya, Inspektur Jenderal Edward Henry, masih digunakan secara global hingga hari ini.

Pengenalan teknologi telah mengubah biometrik dari layanan keamanan yang digunakan oleh pemerintah dan konglomerat menjadi metode yang dapat digunakan siapa saja untuk melindungi barang, data, dan lainnya. Saat ini, biometrik menawarkan solusi cepat tanpa kata sandi. Oleh karena itu, popularitasnya terus meningkat.

Jenis-Jenis Otentikasi Biometrik

Ada dua jenis utama biometrik yang digunakan saat ini: eksternal dan internal. Kedua jenis data biometrik menawarkan kelebihan dan kekurangan bagi pengguna yang membuat satu lebih cocok untuk aplikasi tertentu dibandingkan opsi lainnya.

Otentikasi Biometrik Eksternal

Kebanyakan orang memikirkan biometrik eksternal ketika membahas teknologi ini. Anda telah melihat atau menggunakan sistem ini, bahkan jika Anda tidak menyadari partisipasi Anda. Opsi-opsi ini meliputi hal seperti pemindai sidik jari dan wajah yang terdapat pada smartphone canggih masa kini.

Biometrik eksternal menawarkan akses cepat dan otentikasi dari jarak jauh. Jaringan ini ideal ketika Anda perlu memantau area luas atau menyeleksi seseorang di tengah keramaian kota. Saat ini, jaringan biometrik seperti sistem pengenalan wajah yang digunakan di China memungkinkan pemantauan otomatis warganya, menangkap penjahat yang dicari, dan memberikan akses ke data sensitif.

Masalah dengan Biometrik Eksternal Saat Ini

Ada beberapa skenario di mana sistem biometrik eksternal tidak memadai. Pertama, mereka bergantung pada karakteristik yang mudah terlihat seperti wajah atau sidik jari Anda. Hal ini dapat dikumpulkan dan digunakan untuk menipu sistem. Sudah ada banyak studi yang mendokumentasikan bagaimana orang dapat meretas sistem pengenalan wajah hanya dengan menggunakan foto individu tersebut.

Otentikasi Biometrik Internal

Kekurangan ini membuat banyak orang mencari alternatif yang lebih baik, seperti biometrik internal. Biometrik internal didasarkan pada bagian dalam tubuh Anda, seperti pengukuran jaringan, pola pembuluh darah, dan sifat vital manusia lainnya yang unik bagi setiap individu.

Keuntungan biometrik internal adalah tidak terlihat oleh pengamat. Sangat sulit untuk mendapatkan pemindaian internal jaringan pembuluh darah seseorang di telapak tangan dibandingkan dengan foto wajah mereka. Selain itu, sangat sulit meniru data ini bahkan jika Anda memiliki generalisasi tentangnya. Oleh karena itu, biometrik internal memberikan akurasi tinggi dan resistensi penipuan tambahan.

Cara paling umum untuk menangkap biometrik internal adalah melalui penggunaan tomografi koherensi optik (OCT) dan tomografi fotoakustik (PAT). Pendekatan OCT menghasilkan peta topografi pengukuran jaringan, sementara metode PAT mengambil pengukuran jari yang tepat.

Pencitraan Hiperspektral

Cara paling canggih untuk memperoleh biometrik internal saat ini adalah dengan memanfaatkan pencitraan hiperspektral. Metode fotografi ini menghasilkan gambar dengan memancarkan cahaya pada telapak tangan menggunakan panjang gelombang dari tampak hingga dekat inframerah dengan resolusi 5 nm. Hasilnya adalah gambar yang mengungkap data di seluruh spektrum luas panjang gelombang berurutan.

Universitas Metropolitan Osaka di Jepang

Pencitraan hiperspektral menawarkan berbagai keunggulan dibandingkan metode pemindaian tradisional. Pertama, setiap panjang gelombang mengungkap aspek berbeda dari struktur internal telapak tangan. Oleh karena itu, satu pemindaian dapat menyediakan banyak materi kata sandi potensial.

Masalah dengan Pencitraan Hiperspektral

Pencitraan hiperspektral menawarkan beberapa opsi keamanan terbaik di pasar, namun memiliki beberapa kelemahan yang memperlambat integrasinya secara luas. Pertama, jauh lebih sulit mengelola jenis keamanan biometrik ini karena memerlukan seseorang duduk dan memindai telapak tangannya secara langsung.

Pendekatan ini akan bekerja untuk area sensitif tetapi akan terlalu memakan waktu untuk diterapkan dalam skenario masif atau kota. Bayangkan harus menunggu setiap penumpang kereta bawah tanah memindai telapak tangan mereka sebelum Anda dapat masuk ke kereta. Penundaan tambahan ini akan meniadakan manfaat keamanan apa pun.

Persyaratan Data Besar

Salah satu alasan utama mengapa pencitraan hiperspektral belum diadopsi secara luas adalah ukuran setiap pemindaian yang sangat besar. Ukuran gambar dapat memengaruhi banyak aspek keamanan Anda. Menyimpan telapak tangan atau sidik jari seseorang tidak memerlukan ruang dan dapat dilakukan pada segala hal mulai dari kertas hingga sistem digital.

Sebaliknya, gambar hiperspektral berisi berbagai data mendalam di berbagai panjang gelombang, menghasilkan berkas besar yang penuh data. Data tambahan ini membuatnya lebih sulit untuk dianalisis karena ada jauh lebih banyak yang harus ditinjau jika Anda mencari pola atau membandingkan data.

Studi Otentikasi Biometrik

Menyadari keterbatasan inheren pendekatan ini dan potensi teknologinya, sebuah tim insinyur dari Universitas Metropolitan Osaka di Jepang merilis studi berjudul “Identifikasi menggunakan gambar hiperspektral melintang dari sebuah tangan.”¹ Makalah penelitian ini menyelami metode baru untuk mengurangi jumlah data yang diperlukan dalam menggunakan pemindaian hiperspektral untuk tujuan keamanan.

Para insinyur menunjukkan sebuah sistem yang dapat menghasilkan gambar melintang dari bagian telapak tangan yang memberikan resolusi spektral tinggi dan dapat mengidentifikasi detail penting seperti pola pembuluh darah yang khas. Mereka juga mengungkapkan bagaimana sistem baru ini berpotensi meningkatkan identifikasi pribadi di masa depan di berbagai industri.

Sistem Otentikasi Biometrik yang Ditingkatkan

Para insinyur menangkap gambar hiperspektral dengan akurat lalu memotongnya menjadi berkas-berkas lebih kecil yang lebih cocok untuk verifikasi, penyimpanan, dan transfer. Sistem ini mengintegrasikan kamera khusus, pencahayaan, pemindai, dan algoritma komputer untuk menyelesaikan tugas ini.

Kamera Hiperspektral

Inti percobaan adalah kamera hiperspektral (NH-A-S, EBA, Jepang, Jepang). Perangkat ini dipasang dengan lensa fokus tunggal f=12mm, M118FM12 yang memberikan resolusi spektral 5 nm pada rentang 400 hingga 1000 nm.

Pemindai Telapak Tangan

Pemindai telapak tangan sensitif dipasang untuk menangkap jaringan pembuluh darah dan bagian dalam telapak selama proses. Pemindai ini memiliki area pemindaian 240×240 mm, memungkinkan penangkapan wilayah spesifik telapak. Secara khusus, unit ini ditempatkan 900 mm di atas lantai dan dimiringkan pada sudut sekitar 30 derajat terhadap tanah.

Pencahayaan

Pencahayaan digunakan untuk menerangi telapak tangan dan memberikan kedalaman pada gambar. Secara khusus, lampu halogen 500-W diletakkan di bawah bagian pemindaian yang memancarkan cahaya ke pelat kaca transparan tebal 5 mm. Pelat ini dipilih karena kemampuannya mentransmisikan cahaya tampak hingga dekat inframerah dengan kehilangan minimal.

Komputer Pribadi

Secara khusus, sistem ini dapat berfungsi pada PC tradisional. Untuk percobaan ini, para insinyur menggunakan laptop dengan Intel (INTC ) Core i7-1068NG7 dan RAM 32 GB. Tidak ada masalah dalam menyimpan data kubus hiperspektral.

Kecerdasan Buatan

Algoritma AI yang dirancang khusus melayani berbagai peran dalam sistem. Pertama, ia bertugas menentukan wilayah minat (ROI) terbaik. ROI adalah area pemindaian yang menawarkan informasi paling jelas dan dipersonalisasi.

AI akan mengambil data ini dan membuat gambar kubus hiperspektral. Kemudian, ia akan menghitung bidang pemotongan ideal berdasarkan MediaPipe Hands milik Google, sebuah perpustakaan pembelajaran mesin.

Pendekatan ini menghilangkan kebutuhan insinyur untuk membuat perpustakaan registrasi gambar baru, menghemat uang dan waktu. Hasilnya adalah gambar 2D spasial-spektral yang menyediakan parameter identifikasi yang jelas.

Uji Otentikasi Biometrik

Untuk menguji teori mereka, peneliti memilih 10 orang dewasa sehat berusia antara 24 hingga 47 tahun. Setiap subjek dipindai hiperspektral telapak tangannya beberapa kali selama periode waktu yang ditentukan. Secara khusus, setiap peserta memiliki jadwal pemindaian unik yang memungkinkan insinyur memperhitungkan variabel yang terjadi berdasarkan waktu dan faktor lainnya.

Secara khusus, lampu halogen 500-W diletakkan di bawah bagian pemindaian untuk menerangi telapak tangan subjek dari sisi belakang kaca. Dari sana, data internal yang dipindai diproses menggunakan berbagai paket perangkat lunak termasuk Jupyter Notebook, LabVIEW, dan ImageJ.

Hasil Uji Otentikasi Biometrik

Hasil uji mengungkapkan keberhasilan besar. Para insinyur berhasil melakukan identifikasi yang dapat diandalkan berdasarkan data ini pada semua subjek uji. Menariknya, mereka mencatat bahwa sistem dapat memberikan hasil lebih baik dengan area pemindaian yang lebih kecil. Selain itu, mereka menemukan bahwa gambar hiperspektral melintang telapak tangan memberikan fitur berbeda pada setiap panjang gelombang, memungkinkan observasi dan otentikasi berlapis.

Manfaat Otentikasi Biometrik

Ada banyak manfaat yang akan dibawa teknologi ini ke pasar. Pertama, teknologi ini akan membantu membuat sistem biometrik lebih aman dan lebih efisien. Agar biometrik dapat berkembang di pasar, teknologi harus mengatasi beberapa kelemahan utamanya. Pendekatan terbaru ini membantu mengisi kekosongan di sektor tersebut dan menjanjikan keamanan tinggi dengan biaya minimal.

Aplikasi Otentikasi Biometrik

Ada beberapa aplikasi potensial untuk teknologi ini mulai dari sektor komersial hingga penggunaan medis dan militer. Kemampuan untuk dengan cepat dan akurat mengotentikasi seseorang sangat penting bagi banyak industri, berikut beberapa aplikasi potensial teknologi ini di masa depan.

Keamanan

Penggunaan paling jelas dari sistem ini adalah untuk meningkatkan keamanan. Di masa depan, sidik telapak tangan Anda mungkin menjadi cara untuk melakukan pembayaran offline, mengakses rumah, atau bahkan menyalakan kendaraan Anda. Oleh karena itu, penting agar sistem ini seakurat dan semudah mungkin.

Medis

Sektor medis dapat memanfaatkan teknologi ini untuk memastikan identitas pasien mereka. Dari malpraktik hingga penipuan dan kesalahan manusia sederhana, sektor medis membutuhkan cara untuk secara efisien memverifikasi identitas seseorang sebelum memberikan perawatan kesehatan. Sistem ini dapat menawarkan alternatif terjangkau yang dapat mencegah misdiagnosis dan kesalahan lain yang menyebabkan kerugian serta penderitaan yang tidak perlu.

Peneliti Studi Otentikasi Biometrik

Takashi Suzuki memimpin studi hiperspektral. Ia bekerja dengan tim insinyur dan ilmuwan dari Universitas Metropolitan Osaka di Jepang. Sekarang, tim tersebut berupaya memperluas skenario penggunaan teknologi ini dan menciptakan metode yang lebih terjangkau serta dapat diakses untuk memperoleh dan mengintegrasikan teknologi ini secara skala besar.

Perusahaan Inovatif yang Memimpin Pasar Biometrik

Ada banyak perusahaan yang saat ini memiliki bentuk R&D yang berputar di sekitar biometrik. Dari perusahaan yang ingin menggunakan retina Anda untuk mengakses akun kripto hingga pemindai retina yang digunakan untuk mengamankan posisi berharga Anda, tidak kekurangan produsen yang terlibat di pasar. Berikut satu perusahaan yang telah mengerahkan upaya besar untuk menciptakan sistem biometrik yang dapat diandalkan guna meningkatkan ROI dan UX mereka.

Alibaba Group Holding Limited

Alibaba Group Holding Limited (BABA ) memasuki pasar pada tahun 1999 untuk menghubungkan pedagang dan konsumen melalui pasar digital. Perusahaan tersebut sejak itu tumbuh menjadi salah satu penyedia e-commerce daring terbesar di dunia berdasarkan volume. Saat ini, perusahaan memiliki ratusan juta pengguna aktif dan menghubungkan ribuan pedagang dengan klien setiap hari.

Alibaba telah diam-diam mengerjakan sistem pembayaran biometrik sejak 2004. Sistem ini, yang disebut “Smile to Pay”, menggunakan pengenalan wajah untuk memungkinkan pengguna melakukan pembayaran. Meskipun masih dalam tahap pengujian beta, eksekutif perusahaan menyatakan harapan mereka untuk menggunakan teknologi ini untuk mengotorisasi pembayaran dari dompet AliPay hanya dengan pemindaian wajah.

Alibaba adalah situs e-commerce besar yang memiliki klien dan kemitraan dengan beberapa raksasa teknologi terbesar di dunia. Posisi dan aksesnya ke jaringan klien serta pedagang yang luas membuat Alibaba sangat cocok untuk mengintegrasikan solusi biometrik apa pun dengan sukses. Oleh karena itu, BABA layak untuk diteliti lebih lanjut.

Berita Terbaru tentang Alibaba Group Holding

Jangan Pernah Lupa Kunci Anda Lagi – Otentikasi Biometrik

Dorongan untuk memanfaatkan biometrik semakin meningkat secara global. Perusahaan, konsumen, dan pemerintah semuanya mendorong teknologi ini. Secara mengesankan, perkembangan terbaru ini menawarkan cara yang dapat diandalkan dan efektif untuk meningkatkan hasil, menurunkan biaya penyimpanan dan komputasi, serta memberikan keamanan yang dapat diandalkan. Oleh karena itu, pekerjaan ini dapat memiliki efek mengubah pasar ke depan.

Pelajari Tentang BioTech Keren Lainnya Hari Ini.

Studi yang Dirujuk:

^{1. Suzuki, T. (2025). Identifikasi pribadi menggunakan gambar hiperspektral melintang dari sebuah tangan. Journal of Biomedical Optics, 30(2), 023514. https://doi.org/10.1117/1.JBO.30.2.023514}