Biometrisk autentisering: Ansikte, fingeravtryck, pupiller och…ådror?

Ett team av ingenjörer introducerade ett nytt biometriskt autentiseringssystem som automatiskt kan samla in, kategorisera och lagra data med mycket mindre beräkningsresurser än ursprungliga metoder. Här är varför detta är ett stort framsteg inom sektorn och hur det kan påverka allt från hur du loggar in på dina elektroniska enheter till hur din läkare godkänner ditt nästa försäkringsanspråk.

Biometrisk autentisering

När du hör biometrik kan du tänka på avancerade retinaskannrar eller ansiktsigenkänningssystem. Men vetenskapen att registrera individuella egenskaper och använda dem för autentisering är lika gammal som civilisationen själv.

Forntida kulturer som babylonierna använde fingeravtryck för att försegla certifierade lertavlor redan år 500 f.Kr. På 1800-talet infördes ett fingeravtrycksregistreringssystem i Indiens rättssystem. Detta system, uppkallat efter dess skapare, inspektörgeneral Edward Henry, används fortfarande globalt idag.

Teknologins införande har förvandlat biometrik från en säkerhetstjänst som användes av regeringar och konglomerat till en metod som vem som helst kan använda för att skydda sina ägodelar, data och mer. Idag erbjuder biometrik en snabb, lösenordsfri lösning. Därför ökar dess popularitet.

Typer av biometrisk autentisering

Det finns två huvudtyper av biometrik i bruk idag: externa och interna. Båda typerna av biometriska data erbjuder användarna fördelar och nackdelar som gör den ena bättre lämpad för en viss tillämpning än de andra alternativen.

Extern biometrisk autentisering

De flesta tänker på extern biometrik när de diskuterar denna teknik. Du har sett eller använt dessa system, även om du var omedveten om ditt deltagande. Dessa alternativ inkluderar saker som fingeravtrycks- och ansiktskannrar som finns på dagens avancerade smartphones.
External biometrics offers fast access and authentication from a distance. These networks are ideal when you need to monitor a large area or pick out a person from a crowded city. Today, biometrics networks like the facial recognition system used in China enable it to autonomously keep tabs on its citizens, catch wanted criminals, and provide access to sensitive data.

Problem med extern biometrik idag

Det finns flera scenarier där externa biometriska system brister. För det första förlitar de sig på lätt synliga egenskaper som ditt ansikte eller fingeravtryck. Dessa kan samlas in och användas för att förfalska systemet. Redan har det gjorts omfattande studier som dokumenterar hur människor kunnat hacka ansiktsigenkänningssystem genom att helt enkelt använda fotografier av individen.

Intern biometrisk autentisering

Dessa nackdelar har lett många att söka ett bättre alternativ, såsom intern biometrik. Intern biometrik baseras på dina interna egenskaper, som vävnadsmått, ådrornas layout och andra viktiga mänskliga egenskaper som är unika för varje individ.

Fördelen med intern biometrik är att den är osynlig för observatörer. Det är mycket svårare att få en intern skanning av någons ådernät i handflatan jämfört med en bild av deras ansikte. Dessutom är det mycket svårt att reproducera dessa data även om du har generella kunskaper om dem. Således ger intern biometrik hög noggrannhet och extra bedrägeriresistens.

De vanligaste sätten att fånga intern biometrik är genom användning av optisk koherenstomografi (OCT) och fotoakustisk tomografi (PAT). OCT‑metoden skapar en topografisk karta över vävnadsmått, medan PAT‑metoden tar precisa fingeravtrycksmätningar.

Hyperspektral avbildning

Det mest avancerade sättet att för närvarande erhålla intern biometrik är att använda hyperspektral avbildning. Denna fotometod skapar bilder genom att bestråla handflatan med synligt till nära-infrarött ljus med 5 nm upplösning. Resultatet blir en bild som avslöjar data över ett brett spektrum av sammanhängande våglängder.

Hyperspektral avbildning erbjuder en rad fördelar jämfört med traditionella skanningsmetoder. För det första avslöjar varje våglängd olika aspekter av handflatans interna struktur. Således kan en enda skanning ge en mängd potentiellt lösenordsmaterial.

Problem med hyperspektral avbildning

Hyperspektral avbildning erbjuder några av de bästa säkerhetsalternativen på marknaden, men den har vissa brister som har bromsat dess integration i stor skala. För det första är det mycket svårare att administrera denna typ av biometrisk säkerhet eftersom den kräver att en person sitter ner och får sin handflata skannad direkt.
 
Denna metod fungerar för känsliga områden men skulle vara för tidskrävande att använda i ett massivt eller stadsomfattande scenario. Föreställ dig att behöva vänta på att varje tunnelbane­passagerare skannar sin handflata innan du kan gå ombord på tåget. Den extra väntetiden och fördröjningarna skulle upphäva alla säkerhetsfördelar.

Massiva datakrav

En av huvudorsakerna till att hyperspektral avbildning inte har fått massiv spridning är den enorma storleken på varje skanning. Bildstorlek kan påverka många aspekter av din säkerhet. Att lagra någons handflata eller fingeravtryck kräver ingen plats och kan göras på allt från papper till ett digitalt system.
I jämförelse innehåller en hyperspektral bild en mängd djupgående data över varierande våglängder, vilket resulterar i en massiv fil fylld med data. Denna extra data gör det svårare att granska eftersom det finns mycket mer att gå igenom om du letar efter mönster eller jämför data.

Studie om biometrisk autentisering

Genom att erkänna den inneboende begränsningen i detta tillvägagångssätt och teknikens potential släppte ett team av ingenjörer från Osaka Metropolitan University i Japan studien med titeln “Identification using a cross-sectional hyperspectral image of a hand.”¹ Detta forskningspapper går in på en ny metod för att minska mängden data som krävs för att använda hyperspektrala skanningar för säkerhetsändamål.
Ingenjörerna demonstrerar ett system som kan generera en tvärsnittsbilder av en del av handflatan som ger hög spektral upplösning och kan identifiera viktiga detaljer som distinkta ådermönster. De avslöjar också hur detta nya system har potential att förbättra personlig identifiering framöver inom flera branscher.

Det uppgraderade biometriska autentiseringssystemet

Ingenjörerna fångade hyperspektrala bilder exakt och delade sedan upp dem i mindre filer som är bättre lämpade för verifiering, lagring och överföring. Systemet integrerar en speciell kamera, belysning, en skanner och datoralgoritmer för att utföra denna uppgift.

Hyperspektralkamera

I centrum av experimentet stod hyperspektralkameran (NH-A-S, EBA, Japan, Japan). Denna enhet var utrustad med ett f=12 mm, M118FM12 enkel fokallins som gav en spektral upplösning på 5 nm över olika intervall från 400 till 1000 nm.

Handflatascanner

En känslig handflatascanner installerades för att fånga ådernätet och de interna strukturerna i handflatan under processen. Scannern hade ett skanningsområde på 240 × 240 mm, vilket möjliggjorde att fånga ett specifikt område av handflatan. Enheten placerades 900 mm över golvet och var lutad i en vinkel på cirka 30 grad mot marken.

Belysning

Belysning användes för att lysa upp handflatan och ge djup åt bilderna. Specifikt placerades en 500 W halogenlampa under skanningssektionen som lyste på en 5 mm tjock högtransparent glasplatta. Plattan valdes på grund av dess förmåga att överföra synligt till nära‑infrarött ljus med minimal förlust.

Persondator

Det är värt att notera att detta system kan fungera på en traditionell PC. För detta experiment använde ingenjörerna en bärbar dator med en Intel (INTC ) Core i7‑1068NG7 och 32 GB RAM. Den hade inga problem med att lagra hyperspektrala kubdata.

Artificiell intelligens

En specialbyggd AI‑algoritm fyller flera roller i systemet. För det första har den i uppgift att bestämma det bästa intresseområdet (ROI). ROI är ett område i skanningen som erbjuder den klaraste och mest personliga informationen.

AI:n skulle ta dessa data och skapa en hyperspektral kubbild. Därefter skulle den beräkna det ideala skärplanet baserat på Googles MediaPipe Hands, ett maskininlärningsbibliotek.

Detta tillvägagångssätt eliminerade behovet av att ingenjörer skulle skapa ett nytt bildregistreringsbibliotek, vilket sparade pengar och tid. Resultatet är en 2D rumslig‑spektral bild som ger distinkta identifieringsparametrar.

Biometrisk autentiseringstest

För att testa sin teori valde forskarna 10 friska vuxna i åldern 24 till 47 år. Varje deltagare fick sin handflata hyperspektralt skannad flera gånger under den förinställda tidsperioden. Noterbart var att varje deltagare hade ett unikt skanningsschema som gjorde det möjligt för ingenjörerna att ta hänsyn till variabler som uppstår över tid och andra faktorer.
En 500 W halogenlampa placerades under skanningssektionen för att belysa deltagarens handflata från glasets motsatta sida. Därefter bearbetades de skannade interna data med olika mjukvarupaket inklusive Jupyter Notebook, LabVIEW och ImageJ.

Resultat från biometrisk autentiseringstest

Testresultaten visar en stor framgång. Ingenjörerna uppnådde pålitlig identifiering baserad på dessa data för alla testpersoner. Intressant nog noterade de att systemet kunde ge bättre resultat med ett mindre skannat område. Dessutom fann de att tvärsnittsbilder av handflatan i hyperspektral skala gav olika funktioner vid varje våglängd, vilket möjliggör flerskiktsobservation och autentisering.

Fördelar med biometrisk autentisering

Det finns många fördelar som denna teknik kommer att föra in på marknaden. För det första kommer den att göra biometriska system säkrare och mer effektiva. För att biometrik ska kunna expandera på marknaden måste tekniken övervinna några av sina grundläggande svagheter. Detta senaste tillvägagångssätt hjälper till att fylla ett tomrum i sektorn och lovar hög säkerhet till låga kostnader.

Tillämpningar av biometrisk autentisering

Det finns flera potentiella tillämpningar för denna teknik, från den kommersiella sektorn till medicinska och militära användningar. Förmågan att snabbt och exakt autentisera en person är avgörande för många industrier, här är bara några potentiella framtida tillämpningar för tekniken.

Säkerhet

Den mest uppenbara användningen av dessa system är att förbättra säkerheten. I framtiden kan ditt handflatavtryck vara hur du gör offline‑betalningar, får åtkomst till ditt hem eller till och med startar ditt fordon. Därför är det viktigt att dessa system är så exakta och tillgängliga som möjligt.

Medicinsk

Den medicinska sektorn kan utnyttja denna teknik för att säkerställa sina patienters identitet. Från felbehandling till bedrägeri och enkla mänskliga misstag, behöver den medicinska sektorn ett sätt att effektivt verifiera en persons identitet innan de får vård. Detta system kan erbjuda ett prisvärt alternativ som kan förhindra feldiagnoser och andra fel som leder till förluster och onödigt lidande.

Forskare i studien om biometrisk autentisering

Takashi Suzuki ledde den hyperspektrala studien. Han arbetade med ett team av ingenjörer och forskare från Osaka Metropolitan University i Japan. Nu strävar teamet efter att utöka teknikens användningsscenarier och skapa mer prisvärda och tillgängliga metoder för att erhålla och integrera tekniken i stor skala.

Innovativa företag som leder biomarknaden

Det finns många företag som för närvarande har någon form av FoU kring biometrik. Från företag som vill använda din retina för att komma åt ditt kryptokonto till retinaskannrar som används för att hålla dina värdefulla tillgångar låsta, finns det ingen brist på tillverkare i marknaden. Här är ett företag som har lagt ner betydande ansträngning för att skapa ett pålitligt biometriskt system för att förbättra deras avkastning på investering och användarupplevelse.

Alibaba Group Holding Limited

Alibaba Group Holding Limited (BABA ) gick in på marknaden 1999 för att koppla samman handlare och konsumenter via en digital marknadsplats. Företaget har sedan dess vuxit till en av de största online‑e‑handelsleverantörerna i världen till volym. Idag har det hundratals miljoner aktiva användare och kopplar dagligen tusentals handlare till kunder.

Alibaba har i hemlighet arbetat med ett biometriskt betalningssystem sedan 2004. Systemet, kallat “Smile to Pay”, använder ansiktsigenkänning för att låta användare göra betalningar. Även om det fortfarande är i betateststadier har företagsledarna sagt att de hoppas kunna använda tekniken för att godkänna betalningar från AliPay-plånboken enbart med en ansiktsavläsning.

Alibaba är en enorm e‑handelsplats som har kunder och partnerskap med några av de största teknikjättarna i världen. Dess positionering och tillgång till ett massivt nätverk av kunder och handlare gör Alibaba väl lämpad att integrera biometriska lösningar med framgång. Därför är BABA värd ytterligare forskning.

Senaste om Alibaba Group Holding

Glöm aldrig dina nycklar igen – biometrisk autentisering

Drivet att använda biometrik ökar globalt. Företag, konsumenter och regeringar driver alla på denna teknik. Imponerande nog erbjuder denna senaste utveckling ett pålitligt och effektivt sätt att förbättra resultat, minska lagrings- och beräkningskostnader samt ge pålitlig säkerhet. Därför kan detta arbete ha en omvälvande effekt på marknaden framöver.
Lär dig om annan häftig bioteknik Idag.

Studier refererade:

^{1. Suzuki, T. (2025). Personlig identifiering med en tvärsnitts‑hyperspektral bild av en hand. Journal of Biomedical Optics, 30(2), 023514. https://doi.org/10.1117/1.JBO.30.2.023514}