Neseniai Habré pasirodė daug straipsnių, skirtų „Google“ veido identifikavimo sistemoms. Tiesą sakant, daugelis jų kvepia žurnalistika ir, švelniai tariant, nekompetencija. Ir aš norėjau parašyti gerą straipsnį apie biometrinius duomenis, tai man ne pirmas! Yra keletas gerų straipsnių apie Habré biometrinius duomenis, tačiau jie yra gana trumpi ir neišsamūs. Čia pabandysiu trumpai apibūdinti bendruosius biometrinio identifikavimo principus ir šiuolaikinius žmonijos pasiekimus šiuo klausimu. Įskaitant asmenų tapatybę.

Straipsnyje yra , kuri, tiesą sakant, yra jo įžanga.

Straipsnio pagrindu bus panaudota bendra publikacija su kolega žurnale (BDI, 2009), pataisyta pagal šiuolaikines realijas. Habré kol kas kolegos neturi, bet parėmė pataisyto straipsnio publikavimą čia. Publikavimo metu straipsnis buvo trumpa šiuolaikinės biometrinių technologijų rinkos apžvalga, kurią atlikome patys prieš pristatydami savo produktą. Antroje straipsnio dalyje pateikti vertybiniai sprendimai apie pritaikomumą yra pagrįsti žmonių, kurie naudojo ir įdiegė produktus, nuomonėmis, taip pat žmonių, dalyvaujančių biometrinių sistemų gamyboje Rusijoje ir Europoje, nuomonėmis.

Bendra informacija

Pradėkime nuo pagrindų. 95% atvejų biometriniai duomenys iš esmės yra matematinė statistika. O matstat yra tikslus mokslas, kurio algoritmai naudojami visur: radaruose ir Bajeso sistemose. Pirmojo ir antrojo tipo klaidos gali būti laikomos dviem pagrindinėmis bet kurios biometrinės sistemos charakteristikomis). Radaro teorijoje jie paprastai vadinami „klaidingais pavojaus signalais“ arba „tikslų nepastebimais“, o biometrijoje labiausiai nusistovėjusios sąvokos yra FAR (klaidingo priėmimo rodiklis) ir FRR (klaidingo atmetimo rodiklis). Pirmasis skaičius apibūdina dviejų žmonių biometrinių charakteristikų klaidingo atitikimo tikimybę. Antrasis – tikimybė, kad asmeniui, turinčiam leidimą, bus uždrausta prieiti. Sistema geresnė, tuo mažesnė FRR reikšmė esant toms pačioms FAR reikšmėms. Kartais taip pat naudojama lyginamoji EER charakteristika, kuri nustato tašką, kuriame FRR ir FAR grafikai susikerta. Tačiau tai ne visada reprezentatyvi. Daugiau informacijos galima pamatyti, pavyzdžiui,.
Galima pastebėti: jei FAR ir FRR atviroms biometrinėms duomenų bazėms sistemos charakteristikose nenurodyti, tai kad ir ką gamintojai deklaruotų apie jos charakteristikas, ši sistema greičiausiai yra nedarbinga arba daug silpnesnė už konkurentus.
Tačiau ne tik FAR ir FRR lemia biometrinės sistemos kokybę. Jei tai būtų vienintelis būdas, tada pirmaujanti technologija būtų žmonių DNR atpažinimas, kuriam FAR ir FRR linkę nulį. Tačiau akivaizdu, kad ši technologija nėra taikoma dabartiniame žmogaus vystymosi etape! Mes sukūrėme keletą empirinių charakteristikų sistemos kokybei įvertinti. „Atsparumas klastojimui“ yra empirinis matas, apibendrinantis, kaip lengva suklastoti biometrinį identifikatorių. „Aplinkos stabilumas“ – tai charakteristika, empiriškai įvertinanti sistemos stabilumą įvairiomis išorinėmis sąlygomis, pavyzdžiui, keičiantis apšvietimui ar kambario temperatūrai. „Naudojimo paprastumas“ parodo, kaip sunku naudotis biometriniu skaitytuvu, ar galima atpažinti „kelyje“. Svarbi charakteristika yra „darbo greitis“ ir „sistemos kaina“. Nepamirškite, kad asmens biometrinė charakteristika laikui bėgant gali keistis, todėl jei ji nestabili, tai yra reikšmingas minusas.
Biometrinių metodų gausa stebina. Pagrindiniai metodai, naudojant statines biometrines asmens charakteristikas, yra identifikavimas pagal papiliarinį raštą ant pirštų, rainelės, veido geometrijos, tinklainės, plaštakos venų rašto, plaštakos geometrijos. Taip pat yra šeima metodų, kuriuose naudojamos dinaminės charakteristikos: atpažinimas balsu, rašysenos dinamika, širdies ritmas, eisena. Žemiau pateikiamas biometrinių duomenų rinkos pasiskirstymas prieš porą metų. Kas antrame šaltinyje šie duomenys svyruoja po 15-20 procentų, todėl tai tik apytikslis įvertinimas. Taip pat čia, pagal „rankos geometrijos“ sąvoką, yra paslėpti du skirtingi metodai, kurie bus aptarti toliau.

Straipsnyje apžvelgsime tik tas charakteristikas, kurios yra taikomos prieigos kontrolės ir valdymo sistemose (ACS) arba joms artimose užduotyse. Dėl savo pranašumo tai pirmiausia yra statinės charakteristikos. Iš dinaminių charakteristikų šiuo metu tik balso atpažinimas turi bent šiokią tokią statistinę reikšmę (palyginti su prasčiausiais statiniais algoritmais FAR ~ 0,1%, FRR ~ 6%), tačiau tik idealiomis sąlygomis.
Norint pajusti FAR ir FRR tikimybę, galima įvertinti, kaip dažnai įvyks klaidingos atitikties, jei identifikavimo sistema bus įdiegta uždaroje organizacijoje, kurioje dirba N darbuotojai. N pirštų atspaudų duomenų bazės skaitytuvo gauto piršto atspaudo klaidingos atitikties tikimybė yra FAR∙N. Kasdien per prieigos kontrolės tašką taip pat praeina apie N žmonių. Tada klaidos tikimybė per darbo dieną yra FAR∙(N∙N). Žinoma, priklausomai nuo identifikavimo sistemos tikslų, klaidos tikimybė per laiko vienetą gali labai skirtis, tačiau jei priimama viena klaida per darbo dieną, tada:
(1)
Tada gauname, kad stabilus identifikavimo sistemos veikimas esant FAR=0,1% =0,001 galimas, kai darbuotojų skaičius N≈30.

Biometriniai skaitytuvai

Šiandien sąvokos „biometrinis algoritmas“ ir „biometrinis skaitytuvas“ nebūtinai yra tarpusavyje susijusios. Šiuos elementus įmonė gali gaminti atskirai arba kartu. Didžiausia skaitytuvų ir programinės įrangos gamintojų diferenciacija pasiekta papiliarinių pirštų raštų biometrinių duomenų rinkoje. Mažiausias 3D veido skaitytuvas rinkoje. Tiesą sakant, diferenciacijos lygis daugiausia atspindi rinkos raidą ir prisotinimą. Kuo daugiau pasirinkimo – tuo labiau tema išpuoselėta ir tobulinama. Skirtingi skaitytuvai turi skirtingus gebėjimus. Iš esmės tai yra testų rinkinys, skirtas patikrinti, ar biometrinis objektas buvo sugadintas, ar ne. Pirštų skaitytuvams tai gali būti reljefo patikrinimas arba temperatūros patikrinimas, akių skaitytuvams tai gali būti mokinio akomodacijos patikrinimas, veido skaitytuvams, veido judesių patikrinimas.
Skaitytuvai turi labai didelę įtaką gaunamai FAR ir FRR statistikai. Kai kuriais atvejais šie skaičiai gali keistis dešimtis kartų, ypač realiomis sąlygomis. Dažniausiai algoritmo charakteristikos pateikiamos kokiai nors „idealiam“ pagrindui arba tiesiog gerai tinkamam, kur išmetami neryškūs ir neryškūs kadrai. Tik keli algoritmai sąžiningai nurodo bazinę ir visą FAR / FRR išvestį.

O dabar išsamiau apie kiekvieną iš technologijų.

Pirštų atspaudai

Daktiloskopija (pirštų atspaudų atpažinimas) yra iki šiol labiausiai išplėtotas biometrinis asmens tapatybės nustatymo metodas. Metodo kūrimo katalizatorius buvo jo platus panaudojimas kriminalistikoje XX amžiuje.
Kiekvienas žmogus turi unikalų papiliarinį pirštų atspaudų raštą, kuris leidžia identifikuoti. Paprastai algoritmai naudoja būdingus pirštų atspaudų taškus: rašto linijos pabaigą, linijos išsišakojimą, pavienius taškus. Be to, įtraukiama informacija apie piršto atspaudo morfologinę struktūrą: santykinė uždarų papiliarinio rašto linijų, „arkinių“ ir spiralinių linijų padėtis. Papiliarinio rašto ypatybės paverčiamos unikaliu kodu, išsaugančiu spaudinio vaizdo informacinį turinį. Ir būtent „pirštų atspaudų kodai“ yra saugomi duomenų bazėje, kuri naudojama paieškai ir palyginimui. Piršto atspaudo vaizdo pavertimo kodu ir jo identifikavimo laikas paprastai neviršija 1 s, priklausomai nuo pagrindo dydžio. Į laiką, praleistą pakėlus ranką, neatsižvelgiama.

Kaip FAR ir FRR duomenų šaltinis buvo naudojama VeriFinger SDK statistika, gauta naudojant U.are.U DP pirštų atspaudų skaitytuvą. Per pastaruosius 5-10 metų atpažinimo pagal pirštą charakteristikos nelabai pažengė į priekį, todėl pateikti skaičiai rodo gerą šiuolaikinių algoritmų vidurkį. Pats VeriFinger algoritmas jau keletą metų laimėjo Tarptautinį pirštų atspaudų tikrinimo konkursą, kuriame varžėsi pirštų atspaudų atpažinimo algoritmai.

Tipinė pirštų atspaudų atpažinimo metodo FAR reikšmė yra 0,001%.
Iš (1) formulės gauname, kad stabilus identifikavimo sistemos veikimas esant FAR=0,001% galimas esant personalo skaičiui N≈300.

Metodo privalumai. Didelis patikimumas – metodo statistiniai rodikliai yra geresni nei identifikavimo pagal veidą, balsą, tapybą metodų. Nebrangūs įrenginiai, nuskaitantys pirštų atspaudų vaizdą. Gana paprasta pirštų atspaudų nuskaitymo procedūra.
Trūkumai: papiliarinis pirštų atspaudų raštas labai lengvai pažeidžiamas dėl smulkių įbrėžimų, įpjovimų. Žmonės, kurie naudojo skaitytuvus įmonėse, kuriose dirba keli šimtai darbuotojų, praneša apie didelį nuskaitymo gedimų skaičių. Daugelis skaitytuvų nepakankamai gydo sausą odą ir nepraleidžia senų žmonių. Bendraudamas praėjusioje MIPS parodoje didelės chemijos įmonės saugos tarnybos vadovas teigė, kad jų bandymas įmonėje diegti pirštų skaitytuvus (buvo bandyti įvairių sistemų skeneriai) žlugo – dėl minimalaus darbuotojų pirštų poveikio cheminėms medžiagoms. skaitytuvų apsaugos sistemų gedimas – skaitytuvai paskelbė, kad pirštai yra netikri. Taip pat trūksta apsaugos nuo pirštų atspaudų klastojimo, iš dalies dėl to, kad šis metodas plačiai naudojamas. Žinoma, ne visus skaitytuvus galima apgauti naudojant „MythBusters“ metodus, bet vis tiek. Kai kuriems žmonėms, turintiems „netinkamus“ pirštus (kūno temperatūrą, drėgmę), tikimybė, kad bus uždrausta prieiga, gali siekti 100%. Tokių žmonių skaičius svyruoja nuo procentų dalių brangių skaitytuvų iki dešimties procentų nebrangių.
Žinoma, verta atkreipti dėmesį į tai, kad nemažai trūkumų atsiranda dėl plačiai paplitusio sistemos naudojimo, tačiau šie trūkumai egzistuoja ir atsiranda labai dažnai.

Rinkos situacija

Šiuo metu pirštų atspaudų atpažinimo sistemos užima daugiau nei pusę biometrinių duomenų rinkos. Daugelis Rusijos ir užsienio įmonių užsiima prieigos kontrolės sistemų, pagrįstų pirštų atspaudų identifikavimo metodu, gamyba. Dėl to, kad ši kryptis yra viena iš seniausių, ji buvo plačiai paplitusi ir yra labiausiai išvystyta. Pirštų atspaudų skaitytuvai iš tiesų nuėjo ilgą kelią. Šiuolaikinės sistemos aprūpintos įvairiais jutikliais (temperatūros, spaudimo jėgos ir kt.), kurie padidina apsaugos nuo padirbinėjimo laipsnį. Kasdien sistemos tampa vis patogesnės ir kompaktiškesnės. Tiesą sakant, kūrėjai jau pasiekė tam tikrą ribą šioje srityje ir nėra kur metodo toliau plėtoti. Be to, dauguma įmonių gamina paruoštas sistemas, kuriose yra viskas, ko jums reikia, įskaitant programinę įrangą. Šios srities integratoriams patiems surinkti sistemą tiesiog nereikia, nes tai yra nuostolinga ir pareikalaus daugiau laiko bei pastangų nei perkant jau paruoštą ir jau nebrangią sistemą, tuo didesnis pasirinkimas bus tikrai platus.
Tarp užsienio įmonių, užsiimančių pirštų atspaudų atpažinimo sistemomis, galima išskirti SecuGen (USB skaitytuvai kompiuteriams, skaitytuvai, kuriuos galima įdiegti įmonėse arba įmontuoti į spynas, SDK ir programinė įranga, skirta sistemai prijungti prie kompiuterio); Bayometric Inc. (pirštų atspaudų skaitytuvai, TAA/prieigos kontrolės sistemos, pirštų atspaudų SDK, įterptieji pirštų atspaudų moduliai); „DigitalPersona Inc. (USB skaitytuvai, SDK). Rusijoje šioje srityje veikia šios įmonės: BioLink (pirštų atspaudų skaitytuvai, biometriniai prieigos kontrolės įrenginiai, programinė įranga); Sonda (pirštų atspaudų skaitytuvai, biometriniai prieigos kontrolės įrenginiai, SDK); SmartLock (pirštų atspaudų skaitytuvai ir moduliai) ir kt.

Irisas

Akies rainelė yra unikali žmogaus savybė. Rainelės raštas susiformuoja aštuntą vaisiaus vystymosi mėnesį, galiausiai stabilizuojasi sulaukus maždaug dvejų metų ir praktiškai nekinta visą gyvenimą, nebent dėl ​​sunkių traumų ar sunkių patologijų. Šis metodas yra vienas tiksliausių tarp biometrinių metodų.
Rainelės identifikavimo sistema logiškai suskirstyta į dvi dalis: vaizdo fiksavimo įrenginį, jo pirminį apdorojimą ir perdavimą į kompiuterį bei kompiuterį, kuris palygina vaizdą su duomenų bazėje esančiais vaizdais ir perduoda komandą įleidžiant į pavarą.
Pirminio vaizdo apdorojimo laikas šiuolaikinėse sistemose yra maždaug 300–500 ms, o gauto vaizdo palyginimo su baze greitis yra 50000–150000 palyginimų per sekundę įprastu kompiuteriu. Toks palyginimo greitis neriboja metodo taikymo didelėse organizacijose, kai naudojamas prieigos sistemose. Naudojant specializuotus skaičiuotuvus ir paieškos optimizavimo algoritmus, tampa įmanoma net atpažinti žmogų tarp visos šalies gyventojų.
Iš karto galiu atsakyti, kad esu šiek tiek šališkas ir teigiamai žiūriu į šį metodą, nes būtent šioje srityje pradėjome savo startuolį. Pastraipa pabaigoje bus skirta nedidelei savireklamai.

Metodo statistinės charakteristikos

FAR ir FRR charakteristikos rainelėms yra geriausios šiuolaikinių biometrinių sistemų klasėje (išskyrus galbūt tinklainės atpažinimo metodą). Straipsnyje pateikiamos mūsų algoritmo - EyeR SDK - rainelės atpažinimo bibliotekos charakteristikos, kurios atitinka VeriEye algoritmą, išbandytą tose pačiose duomenų bazėse. Naudotos jų skaitytuvu gautos CASIA duomenų bazės.

Būdinga FAR reikšmė yra 0,00001%.
Pagal (1) formulę N≈3000 yra organizacijos personalo skaičius, kuriam esant darbuotojo identifikavimas vyksta gana stabiliai.
Čia verta atkreipti dėmesį į svarbią savybę, kuri išskiria rainelės atpažinimo sistemą iš kitų sistemų. Jei naudojate 1,3 MP raiškos fotoaparatą, viename kadre galite užfiksuoti dvi akis. Kadangi FAR ir FRR tikimybės yra statistiškai nepriklausomos tikimybės, atpažįstant dviem akimis, FAR reikšmė bus maždaug lygi vienos akies FAR reikšmės kvadratui. Pavyzdžiui, esant 0,001 % FAR naudojant dvi akis, klaidingos tolerancijos tikimybė būtų 10–8 %, o FRR tik du kartus didesnė už atitinkamą vienos akies FRR vertę, kai FAR = 0,001 %.

Metodo privalumai ir trūkumai

Metodo privalumai. Statistinis algoritmo patikimumas. Rainelės vaizdą galima fiksuoti nuo kelių centimetrų iki kelių metrų atstumu, tuo tarpu fizinis žmogaus kontaktas su prietaisu nevyksta. Rainelė apsaugota nuo pažeidimų – vadinasi, laikui bėgant ji nepasikeis. Taip pat galima naudoti daugybę metodų, apsaugančių nuo klastojimo.
Metodo trūkumai. Sistemos, pagrįstos rainele, kaina yra didesnė nei sistemos, pagrįstos pirštų arba veido atpažinimo, kaina. Mažas paruoštų sprendimų prieinamumas. Bet kuris integratorius, kuris šiandien ateis į Rusijos rinką ir pasakys „duok man paruoštą sistemą“, greičiausiai nutrūks. Dažniausiai parduodamos brangios „iki rakto“ sistemos, kurias montuoja didelės įmonės, tokios kaip „Iridian“ ar „LG“.

Rinkos situacija

Šiuo metu rainelės identifikavimo technologijų dalis pasaulinėje biometrinėje rinkoje, įvairiais vertinimais, siekia nuo 6 iki 9 procentų (tuo tarpu pirštų atspaudų atpažinimo technologijos užima daugiau nei pusę rinkos). Pažymėtina, kad nuo pat šio metodo kūrimo pradžios jo stiprėjimą rinkoje stabdė brangios įrangos ir komponentų, reikalingų identifikavimo sistemai surinkti, kaina. Tačiau tobulėjant skaitmeninėms technologijoms, vienos sistemos kaina pradėjo mažėti.
Programinės įrangos kūrimo lyderė šioje srityje yra „Iridian Technologies“.
Daugelio gamintojų patekimą į rinką ribojo techninis skaitytuvų sudėtingumas ir dėl to didelė jų kaina, taip pat didelė programinės įrangos kaina dėl „Iridian“ monopolinės padėties rinkoje. Šie veiksniai leido vystytis tik didelėms įmonėms rainelės atpažinimo srityje, greičiausiai jau užsiimančioms kai kurių identifikavimo sistemai tinkamų komponentų gamyba (didelės raiškos optika, miniatiūrinės kameros su infraraudonuoju apšvietimu ir kt.). Tokių įmonių pavyzdžiai yra LG Electronics, Panasonic, OKI. Jie sudarė sutartį su „Iridian Technologies“ ir dėl bendro darbo atsirado šios identifikavimo sistemos: Iris Access 2200, BM-ET500, OKI IrisPass. Ateityje atsirado patobulinti sistemų modeliai dėl šių įmonių techninių galimybių savarankiškai vystytis šioje srityje. Reikėtų pasakyti, kad minėtos įmonės taip pat sukūrė savo programinę įrangą, tačiau galiausiai baigtoje sistemoje jos teikia pirmenybę „Iridian Technologies“ programinei įrangai.
Rusijos rinkoje dominuoja užsienio kompanijų produkcija. Nors sunku nusipirkti. Ilgą laiką Papillon visus patikino, kad atpažįsta rainelę. Tačiau net tiesioginio pirkėjo „RosAtom“, kuriam jie sukūrė sistemą, atstovai sako, kad tai netiesa. Kažkuriuo metu atsirado kita Rusijos įmonė, gaminusi rainelės skaitytuvus. Dabar nepamenu pavadinimo. Jie nusipirko algoritmą iš kažko, galbūt iš tos pačios VeriEye. Pats skaitytuvas buvo 10-15 metų senumo sistema, jokiu būdu ne bekontaktė.
Praėjusiais metais į pasaulinę rinką įžengė pora naujų gamintojų, pasibaigus pirminiam žmogaus atpažinimo iš akių patentui. Patikimiausias iš jų, mano nuomone, nusipelno AOptix. Bent jau jų peržiūra ir dokumentacija įtarimų nekelia. Antroji įmonė yra SRI International. Net iš pirmo žvilgsnio žmogui, susijusiam su rainelės atpažinimo sistemomis, jų vaizdo įrašai atrodo labai melagingi. Nors nenustebčiau, jei iš tikrųjų jie ką nors gali padaryti. Abi sistemos nerodo duomenų apie FAR ir FRR, taip pat, matyt, nėra apsaugotos nuo klastotės.

veido atpažinimas

Yra daug veido geometrijos atpažinimo metodų. Visi jie pagrįsti tuo, kad kiekvieno žmogaus veido bruožai ir kaukolės forma yra individualūs. Ši biometrijos sritis daugeliui atrodo patraukli, nes vienas kitą atpažįstame pirmiausia iš veido. Ši sritis yra padalinta į dvi sritis: 2-D atpažinimą ir 3-D atpažinimą. Kiekvienas iš jų turi privalumų ir trūkumų, tačiau daug kas priklauso ir nuo konkretaus algoritmo apimties ir reikalavimų.
Trumpai pakalbėsiu apie 2-d ir pereisiu prie vieno iš įdomiausių šiandienos metodų - 3-d.

2D veido atpažinimas

2-D veido atpažinimas yra vienas statistiškai neefektyviausių biometrinių metodų. Jis pasirodė gana seniai ir buvo naudojamas daugiausia kriminalistikoje, o tai prisidėjo prie jo vystymosi. Vėliau atsirado kompiuterinės metodo interpretacijos, dėl kurių jis tapo patikimesnis, tačiau, žinoma, buvo prastesnis ir kasmet vis labiau nusileidžia kitiems biometriniams asmens tapatybės nustatymo metodams. Šiuo metu dėl prastų statistinių rezultatų jis naudojamas multimodalinėje arba, kaip dar vadinama, kryžminėje biometrijoje arba socialiniuose tinkluose.

Metodo statistinės charakteristikos

FAR ir FRR atveju buvo naudojami VeriLook algoritmų duomenys. Vėlgi, šiuolaikiniams algoritmams jis turi labai įprastas charakteristikas. Kartais blykčioja algoritmai, kurių FRR yra 0,1% su panašiu FAR, tačiau pagrindai, kuriais remiantis jie buvo gauti, yra labai abejotini (iškirptas fonas, ta pati veido išraiška, ta pati šukuosena, apšvietimas).

Būdinga FAR reikšmė yra 0,1%.
Iš (1) formulės gauname N≈30 – organizacijos darbuotojų skaičius, kuriam esant darbuotojo identifikavimas vyksta gana stabiliai.
Kaip matyti, metodo statistiniai rodikliai yra gana kuklūs: tai panaikina metodo pranašumą, kad galima slaptai šaudyti veidus perpildytose vietose. Smagu žiūrėti, kaip porą kartų per metus finansuojamas kitas projektas, skirtas nusikaltėliams aptikti per sausakimšose vietose įrengtas vaizdo kameras. Per pastaruosius dešimt metų statistinės algoritmo charakteristikos nepagerėjo, o tokių projektų padaugėjo. Nors verta paminėti, kad algoritmas yra gana tinkamas vesti žmogų į minią per daugybę kamerų.

Metodo privalumai ir trūkumai

Metodo privalumai. Naudojant 2D atpažinimą, skirtingai nuo daugelio biometrinių metodų, brangios įrangos nereikia. Su atitinkama įranga, atpažinimo galimybė dideliais atstumais nuo fotoaparato.
Trūkumai. Mažas statistinis reikšmingumas. Apšvietimui keliami reikalavimai (pvz., saulėtą dieną iš gatvės įeinančių žmonių veidai negali būti registruojami). Daugeliui algoritmų nepriimtini bet kokie išoriniai trukdžiai, tokie kaip akiniai, barzda, kai kurie šukuosenos elementai. Privalomas priekinis veido vaizdas su labai mažais nukrypimais. Daugelis algoritmų neatsižvelgia į galimus veido išraiškos pokyčius, tai yra, išraiška turi būti neutrali.

3D veido atpažinimas

Šio metodo įgyvendinimas yra gana sudėtinga užduotis. Nepaisant to, šiuo metu yra daug 3D veido atpažinimo metodų. Metodai negali būti lyginami vienas su kitu, nes jie naudoja skirtingus skaitytuvus ir pagrindus. toli gražu ne visi išduoda FAR ir FRR, naudojami visiškai skirtingi metodai.
Pereinamasis metodas iš 2-d į 3-d yra metodas, kuris įgyvendina informacijos apie asmenį kaupimą. Šis metodas pasižymi geresnėmis savybėmis nei 2d metodas, tačiau kaip ir jis naudoja tik vieną kamerą. Įvedus objektą į duomenų bazę, subjektas apsuka galvą ir algoritmas sujungia vaizdą, sukurdamas 3d šabloną. O atpažįstant naudojami keli vaizdo srauto kadrai. Šis metodas yra gana eksperimentinis ir aš niekada nemačiau ACS sistemų diegimo.
Klasikiausias metodas yra šablono projekcijos metodas. Jį sudaro tai, kad tinklelis projektuojamas ant objekto (veido). Toliau fotoaparatas fotografuoja dešimčių kadrų per sekundę greičiu, o gautus vaizdus apdoroja speciali programa. Sija, krintanti ant lenkto paviršiaus, išlinksta – kuo didesnis paviršiaus kreivumas, tuo stipresnis sijos lenkimas. Iš pradžių buvo naudojamas matomos šviesos šaltinis, tiekiamas per „žaliuzes“. Tada matoma šviesa buvo pakeista infraraudonaisiais spinduliais, kurie turi nemažai privalumų. Paprastai pirmajame apdorojimo etape atmetami vaizdai, kuriuose veidas visiškai nesimato arba yra pašalinių objektų, trukdančių identifikuoti. Remiantis gautais vaizdais, atkuriamas 3-D veido modelis, ant kurio išryškinami ir pašalinami nereikalingi trukdžiai (šukuosena, barzda, ūsai ir akiniai). Tada modelis analizuojamas – išryškinami antropometriniai požymiai, kurie galiausiai įrašomi į unikalų kodą, įvestą į duomenų bazę. Vaizdo fiksavimo ir apdorojimo laikas geriausiems modeliams yra 1-2 sekundės.
Taip pat populiarėja 3D atpažinimo metodas, pagrįstas vaizdu, gautu iš kelių kamerų. To pavyzdys yra „Vocord“ su 3D skaitytuvu. Šis metodas suteikia pozicionavimo tikslumą, kūrėjų patikinimu, didesnį nei šablono projekcijos metodas. Bet kol nepamatysiu FAR ir FRR bent jų pačių duomenų bazėje, nepatikėsiu !!! Bet jis kuriamas jau 3 metus, o pažangos parodose dar nematyti.

Metodo statistiniai rodikliai

Gamintojų svetainėse nėra atvirai pateikiami išsamūs šios klasės algoritmų FRR ir FAR duomenys. Tačiau geriausiems Bioscript modeliams (3D EnrolCam, 3D FastPass), naudojant šablono projekcijos metodą, kai FAR = 0,0047% FRR yra 0,103%.
Manoma, kad statistinis metodo patikimumas yra palyginamas su pirštų atspaudų identifikavimo metodo patikimumu.

Metodo privalumai ir trūkumai

Metodo privalumai. Nereikia susisiekti su nuskaitymo įrenginiu. Mažas jautrumas išoriniams veiksniams, tiek pačiam žmogui (akinių atsiradimas, barzda, šukuosenos pasikeitimas), tiek jo aplinkoje (apšvietimas, galvos pasukimas). Aukštas saugumo lygis, panašus į pirštų atspaudų atpažinimą.
Metodo trūkumai. Brangi įranga. Parduodami kompleksai buvo net brangesni nei rainelės skaitytuvai. Veido išraiškos pokyčiai ir triukšmas veide pablogina metodo statistinį patikimumą. Metodas dar nėra gerai išvystytas, ypač lyginant su pirštų atspaudų ėmimu, kuris buvo naudojamas ilgą laiką, todėl sunku jį plačiai naudoti.

Rinkos situacija

Veido geometrijos atpažinimas kartu su pirštų atspaudų ir rainelės atpažinimu yra vienas iš „trijų didelių biometrinių duomenų“. Turiu pasakyti, kad šis metodas yra gana dažnas ir iki šiol jam teikiama pirmenybė, o ne atpažinimas pagal akies rainelę. Veido geometrijos atpažinimo technologijų dalis bendroje pasaulinės biometrinės rinkos apimtyje gali būti vertinama 13-18 procentų. Rusijoje ši technologija taip pat rodo didesnį susidomėjimą nei, pavyzdžiui, atpažinimas pagal rainelę. Kaip minėta anksčiau, yra daug 3D atpažinimo algoritmų. Dažniausiai įmonės nori kurti „iki raktų“ sistemas, apimančias skaitytuvus, serverius ir programinę įrangą. Tačiau yra ir tokių, kurie vartotojui siūlo tik SDK. Iki šiol galime atkreipti dėmesį į šias įmones, dalyvaujančias kuriant šią technologiją: Geometrix, Inc. (3D veido skaitytuvai, programinė įranga), Genex Technologies (3D veido skaitytuvai, programinė įranga) JAV, Cognitec Systems GmbH (SDK, specialūs kompiuteriai, 2D kameros) Vokietijoje, Bioscrypt (3D veido skaitytuvai, programinė įranga) yra Amerikos dukterinė įmonė. įmonė L-1 Identity Solutions.
Rusijoje šia kryptimi dirba „Artec Group“ įmonės (3D veido skaitytuvai ir programinė įranga) – įmonė, kurios būstinė yra Kalifornijoje, o kūrimas ir gamyba vykdoma Maskvoje. Taip pat kelios Rusijos įmonės turi 2D veido atpažinimo technologiją – „Vocord“, ITV ir kt.
2D veido atpažinimo srityje pagrindinis kūrimo objektas yra programinė įranga, nes Įprasti fotoaparatai puikiai fiksuoja veidus. Veido atpažinimo problemos sprendimas tam tikru mastu atsidūrė aklavietėje – jau keletą metų praktiškai nepagerėja algoritmų statistiniai rodikliai. Šioje srityje sistemingai „dirbama su klaidomis“.
3D veido atpažinimas dabar yra daug patrauklesnė sritis kūrėjams. Joje dirba daug komandų ir nuolat išgirsta apie naujus atradimus. Daugelis kūrinių yra „kaip bus išleisti“. Tačiau kol kas rinkoje tik seni pasiūlymai, pastaraisiais metais pasirinkimas nesikeičia.
Vienas iš įdomių dalykų, apie kuriuos kartais pagalvoju ir į kurį galbūt atsakys Habras: ar kinect tikslumo pakanka tokiai sistemai sukurti? Yra nemažai projektų, kaip per jį ištraukti 3d žmogaus modelį.

Atpažinimas iš rankų gyslų

Tai nauja technologija biometrijos srityje, plačiai pradėta naudoti tik prieš 5-10 metų. Infraraudonųjų spindulių kamera fotografuoja rankos išorę arba vidų. Venų raštas susidaro dėl to, kad kraujo hemoglobinas sugeria infraraudonąją spinduliuotę. Dėl to sumažėja atspindžio laipsnis, o gyslos kameroje matomos kaip juodos linijos. Speciali programa, pagrįsta gautais duomenimis, sukuria skaitmeninę konvoliuciją. Jokio žmogaus kontakto su nuskaitymo įrenginiu nereikia.
Ši technologija savo patikimumu prilygsta atpažinimui pagal akies rainelę, kai kuriais atžvilgiais ją pranoksta ir kai kuriais atžvilgiais yra prastesnė.
FRR ir FAR reikšmės yra skirtos delno venų skaitytuvui. Pasak FAR kūrėjo, 0,0008% FRR yra 0,01%. Nė viena įmonė neparengia tikslesnio kelių verčių tvarkaraščio.

Metodo privalumai ir trūkumai

Metodo privalumai. Nereikia susisiekti su nuskaitymo įrenginiu. Didelis patikimumas – metodo statistiniai rodikliai yra palyginami su rainelės rodmenimis. Paslėptos savybės: skirtingai nuo visų aukščiau išvardytų, šią savybę iš žmogaus „gatve“ labai sunku gauti, pavyzdžiui, fotografuojant jį fotoaparatu.
Metodo trūkumai. Saulės ir halogeninių lempų spindulių poveikis skaitytuvui yra nepriimtinas. Kai kurios su amžiumi susijusios ligos, tokios kaip artritas, labai pablogina FAR ir FRR. Šis metodas yra mažiau ištirtas, palyginti su kitais statiniais biometriniais metodais.

Rinkos situacija

Rankų venų atpažinimas yra gana nauja technologija, todėl jos pasaulinė rinkos dalis yra nedidelė, apie 3%. Tačiau susidomėjimas šiuo metodu auga. Faktas yra tai, kad šis metodas yra gana tikslus, todėl jam nereikia tokios brangios įrangos kaip, pavyzdžiui, atpažinimo metodai, pagrįsti veido geometrija ar rainele. Dabar šioje srityje vystosi daug įmonių. Taigi, pavyzdžiui, anglų įmonės TDSi užsakymu buvo sukurta programinė įranga, skirta palmių venų biometriniam skaitytuvui PalmVein, kurį pristatė Fujitsu. Pats skaitytuvas buvo sukurtas „Fujitsu“ visų pirma siekiant kovoti su finansiniu sukčiavimu Japonijoje.
Taip pat venų identifikavimo srityje yra šios įmonės Veid Pte. Ltd. (skaitytojas, programinė įranga), „Hitachi VeinID“ (skaitytuvai)
Rusijoje nežinau nė vienos įmonės, kuri užsiimtų šia technologija.

Tinklainė

Dar visai neseniai buvo manoma, kad patikimiausias biometrinės asmens tapatybės nustatymo ir tapatybės nustatymo metodas yra tinklainės skenavimu paremtas metodas. Jame yra geriausios atpažinimo pagal rainelę ir plaštakos venas savybės. Skaitytuvas nuskaito kapiliarų raštą tinklainės paviršiuje. Tinklainė turi fiksuotą struktūrą, kuri laikui bėgant nekinta, nebent dėl ​​ligos, pavyzdžiui, kataraktos.
Tinklainės skenavimui naudojama mažo intensyvumo infraraudonoji šviesa, nukreipta per vyzdį į kraujagysles akies gale. Tinklainės skaitytuvai tapo plačiai naudojami labai slaptų objektų prieigos kontrolės sistemose, nes jie turi vieną iš mažiausių procentų uždraustų registruotų vartotojų prieigos ir praktiškai nėra klaidingų prieigos teisių.
Deja, naudojant šį biometrinį metodą iškyla nemažai sunkumų. Čia esantis skaitytuvas yra labai sudėtinga optinė sistema, todėl žmogus turi ilgą laiką nejudėti, kol sistema indukuojama, o tai sukelia diskomfortą.
Pagal EyeDentify ICAM2001 skaitytuvui, kurio FAR = 0,001%, FRR reikšmė yra 0,4%.

Metodo privalumai ir trūkumai

Privalumai. Aukštas statistinio patikimumo lygis. Dėl mažo sistemų paplitimo mažai šansų sukurti būdą jas „apgauti“.
Trūkumai. Sunku naudoti sistemą su dideliu apdorojimo laiku. Didelė sistemos kaina. Plačios rinkos pasiūlos nebuvimas ir dėl to nepakankamas metodo kūrimo intensyvumas.

Rankų geometrija

Šis metodas, gana paplitęs prieš 10 metų ir kilęs iš teismo medicinos, pastaraisiais metais vis mažėja. Jis pagrįstas geometrinių rankų charakteristikų gavimu: pirštų ilgiu, delno pločiu ir kt. Šis metodas, kaip ir akies tinklainė, miršta, o kadangi jo charakteristikos yra daug mažesnės, išsamesnio jo aprašymo net nepateiksime.
Kartais manoma, kad venų atpažinimo sistemose naudojami geometriniai atpažinimo metodai. Tačiau parduodant mes niekada nematėme tokio aiškiai išreikšto. O be to, dažnai atpažįstant pagal venas imamas tik delnas, o atpažįstant pagal geometriją – pirštų nuotrauka.

Šiek tiek savireklamos

Vienu metu sukūrėme gerą akių atpažinimo algoritmą. Bet tuo metu tokio aukštųjų technologijų dalyko šioje šalyje nereikėjo, ir aš nenorėjau eiti į buržuaziją (kur mus pakvietė jau po pirmo straipsnio). Tačiau staiga, po pusantrų metų, vis dar atsirado investuotojų, kurie norėjo sukurti sau „biometrinį portalą“ – sistemą, kuri valgytų 2 akis ir naudotų rainelės spalvos komponentą (kuriam investuotojas turėjo pasaulinį patentą). ). Tiesą sakant, tai ir darome dabar. Bet tai ne straipsnis apie savireklamą, tai trumpas lyrinis nukrypimas. Jei kam bus įdomu, yra šiek tiek informacijos, o kada nors ateityje, kai įeisime į rinką (arba ne), parašysiu čia keletą žodžių apie biometrinio projekto peripetijas Rusijoje.

išvadas

Net statinių biometrinių sistemų klasėje yra didelis sistemų pasirinkimas. Kurią pasirinkti? Viskas priklauso nuo saugumo reikalavimų. Statistiškai patikimiausios ir nuo klastojimo atspariausios prieigos sistemos yra rainelės ir rankų venų prieigos sistemos. Pirmajam iš jų – platesnė pasiūlymų rinka. Tačiau tai nėra riba. Biometrines identifikavimo sistemas galima derinti, kad būtų pasiektas astronominis tikslumas. Pigiausios ir lengviausiai naudojamos, bet geros statistikos yra pirštų tolerancijos sistemos. 2D veido toleravimas yra patogus ir pigus, tačiau jo taikymo sritis yra ribota dėl prastos statistikos.
Apsvarstykite kiekvienos sistemos savybes: atsparumą klastojimui, atsparumą aplinkai, naudojimo paprastumą, kainą, greitį, biometrinės savybės stabilumą laikui bėgant. Kiekviename stulpelyje pažymėkime nuo 1 iki 10. Kuo balas arčiau 10, tuo geresnė sistema šiuo atžvilgiu. Pažymių pasirinkimo principai buvo aprašyti pačioje straipsnio pradžioje.


Taip pat atsižvelgiame į šių sistemų FAR ir FRR santykį. Šis santykis lemia sistemos efektyvumą ir jos panaudojimo platumą.


Verta prisiminti, kad rainelės atveju sistemos tikslumą galite padidinti beveik kvadratiškai, neprarandant laiko, jei apsunkinsite sistemą padarydami ją dviem akims. Pirštų atspaudų metodui – sujungiant kelis pirštus, o atpažinimas iš venų, sujungiant dvi rankas, tačiau toks pagerėjimas įmanomas tik pailgėjus darbui su žmogumi.
Apibendrinant metodų rezultatus, galima teigti, kad vidutiniams ir dideliems objektams, taip pat objektams, kuriems keliamas maksimalus saugumo reikalavimas, rainelė turėtų būti naudojama kaip biometrinė prieiga ir, galbūt, atpažinimas rankų venomis. Įstaigoms, kuriose dirba iki kelių šimtų darbuotojų, pirštų atspaudų prieiga bus optimali. 2D veido atpažinimo sistemos yra labai specifinės. Jų gali prireikti tais atvejais, kai atpažinimui reikalingas fizinio kontakto nebuvimas, tačiau neįmanoma uždėti valdymo sistemos ant rainelės. Pavyzdžiui, jei reikia identifikuoti asmenį jam nedalyvaujant, naudojant paslėptą kamerą ar lauko aptikimo kamerą, tačiau tai įmanoma tik esant nedideliam duomenų bazėje esančių objektų skaičiui ir nedideliam žmonių srautui, kurį filmuoja kamera. .

Jaunieji technikai atkreipia dėmesį

Kai kurie gamintojai, pvz., Neurotechnology, savo svetainėje turi demonstracines biometrinių metodų versijas, todėl galite juos prijungti ir žaisti. Nusprendusiems į problemą pasigilinti rimčiau galiu patarti vienintelę mano matytą knygą rusų kalba – R.M. „Biometrijos vadovas“. Ballas, J.H. Connell, S. Pancanti. Yra daug algoritmų ir jų matematinių modelių. Ne viskas išbaigta ir ne viskas atitinka dabartį, bet bazė nebloga ir visapusiška.

P.S.

Šiame opuse nesigilinau į autentifikavimo problemą, o tik paliečiau tapatybę. Iš esmės, atsižvelgiant į FAR / FRR ypatybes ir klastojimo galimybę, visos išvados autentifikavimo klausimu rodo pačios save.

Biometrinis asmens identifikavimas

Internetas kaip kompiuterinių nusikaltimų padarymo įrankis

Praėjusiais metais, remiantis kai kuriais pranešimais, Ukrainoje buvo įvykdyta daugiau nei 14 000 kompiuterinių nusikaltimų – maždaug tiek pat, kiek ir praėjusiais metais. Bet statistika gana grubi...

Informaciniai karai ir informacinė konfrontacija

Informacinė visuomenė jokiu būdu nėra gerovės visuomenė. Tie patys technologiniai veiksniai, dėl kurių atsiranda jos teigiamų savybių ir naujų, specifinių pavojų. Pažvelkime į kai kuriuos iš jų...

Riboto dydžio imties duomenų adityvinio aproksimavimo metodas

Aukščiau pateikti algoritmai ir metodai adityviam mažų imčių aproksimavimui yra grafiniai metodai...

Informacijos apsaugos užtikrinimas vietiniuose tinkluose

Kadangi visų prieigos kontrolės mechanizmų veikimas naudojant techninę ar programinę įrangą yra pagrįstas prielaida, kad vartotojas yra konkretus asmuo ...

Kriptografijos pagrindai

Daugelyje programų asmens ar programos prieigos prie tam tikro šaltinio identifikavimo ir autentifikavimo užduotis yra dar svarbesnė nei konfidencialumo...

Socialinės informatikos problemos

Kaip jau minėta, informacinė visuomenė jokiu būdu nėra gerovės visuomenė. Tie patys technologiniai veiksniai, lemiantys jos teigiamus bruožus, kelia ir naujų, specifinių pavojų. Pažvelkime į kai kuriuos iš jų...

Pirštų atspaudų vaizdų skaitmeninio apdorojimo algoritmo kūrimas

Iki šiol yra du pagrindiniai pirštų atspaudų vaizdų palyginimo būdai. Pirmasis metodas yra koreliacijos palyginimas. Apsvarstykite algoritmą...

Neuroninių tinklų technologijos ir vartotojų autorizacijos programinės įrangos produkto kūrimas

Biometrinės sistemos, sukurtos remiantis balso atkūrimo, rašymo ranka ir klaviatūros rašysenos ypatybių analize, turi daug bendro ...

Vizualinės identifikavimo sistemos kūrimas

Kaip papildomus vizualinės identifikavimo sistemos elementus sukūriau: firminę vizitinę kortelę (privalomas elementas), firminį blanką, firminius marškinėlius ir kitus firminius gaminius...

Asmeniui identifikuoti šiuolaikinės elektroninės prieigos kontrolės sistemos naudoja kelių tipų įrenginius, priklausomai nuo naudojamo vartotojo identifikatoriaus tipo...

Prieigos kontrolės sistemos su rainelės rašto analize sukūrimas

Biometrinių identifikatorių, pagrįstų unikaliomis biologinėmis, fiziologinėmis žmogaus savybėmis, unikaliai įrodančių tapatybę, privalumai paskatino intensyviai kurti atitinkamas priemones...

Pirštų atspaudų identifikavimo sistema. Vaizdo analizės posistemis

Pham Dhuy Thai

Maskvos valstybinio informacinių technologijų universiteto radijo inžinerijos ir elektronikos (MIREA) MOSIT katedros magistrantūros studentas

ŠIUOLAIKINĖS ASMENS IDENTIFIKAVIMO SISTEMOS NACIONALINĖS INFORMACIJOS INFRASTRUKTŪROS PLĖTROS VIETNAMO SOCIALISTINĖJE RESPUBLIKOJE

anotacija

Atlikta biometrinių ir intelektualiųjų kortelių technologijos analizė. Remiantis šiuolaikinių identifikavimo sistemų analizės ir tyrimo rezultatais, dabartine padėtimi Vietnamo Socialistinėje Respublikoje, nustatyti reikalavimai biometrinės asmens identifikavimo sistemos sukūrimui naudojant lustinę kortelę Vietname.

Raktažodžiai: Biometriniai duomenys, lustinės kortelės, identifikavimo sistema, elektroninis dokumentas.

Pham Duy Thai

Maskvos valstybinio informacinių technologijų universiteto radijo inžinerijos ir elektronikos universiteto MOSIT katedros doktorantas

ŠIUOLAIKINĖS ŽMOGAUS IDENTIFIKAVIMO SISTEMOS SOCIALISTINĖS RESPUBLIKOS VIETNAMO NACIONALINĖS INFORMACIJOS INFRASTRUKTŪROS PLĖTRAI

Abstraktus

Biometrinių ir intelektualiųjų kortelių technologijos analizė. Remiantis šiuolaikinių identifikavimo sistemų analize ir tyrimais, dabartinė padėtis Vietnamo Socialistinėje Respublikoje apibrėžia biometrinės atpažinimo sistemos su lustinėmis kortelėmis kūrimo Vietname reikalavimus.

raktažodžiai: Biometriniai duomenys, lustinės kortelės, identifikavimo sistema, elektroninis dokumentas.

Biometrinių duomenų naudojimas tapatybei patvirtinti apima fizinių savybių, pvz., veido, balso ar pirštų atspaudų, naudojimą tapatybei patvirtinti. Pirštų atspaudų suderinimas yra pati sėkmingiausia biometrinio identifikavimo technologija dėl jos naudojimo paprastumo, negadinimo ir patikimumo. Nepaisant daugybės biometrinių charakteristikų, identifikavimo sistemos kūrėjai daugiausia dėmesio skiria atpažinimo technologijoms, pagrįstoms pirštų atspaudais, veido bruožais, rankos geometrija ir rainele. Pavyzdžiui, pagal Tarptautinės biometrinės grupės ataskaitą (www.biometricgroup.com), pasaulinėje biometrinio saugumo rinkoje pirštų atspaudų atpažinimo sistemų dalis buvo 48%, veido bruožai - 12%, rankos geometrija - 11%, rainelės. - 9%, balso parametrai - 6%, parašai - 2%. Likusi dalis (12%) priklauso tarpinei programinei įrangai.

Intelektualioji kortelė – tai išmanusis įrenginys, kreditinės kortelės dydžio, su integruotu lustu. Jame yra ne tik informacijos saugojimo įrenginys, bet ir procesorius, galintis vykdyti įvairias programas. Intelektualiosios kortelės savarankiškumas daro ją atsparią atakoms, nes aparatinė ir programinė įranga apsaugota nuo išorinių įrenginių. Dėl šių savybių lustinės kortelės dažnai naudojamos programose, kurioms reikalingas aukštas privatumo lygis.

Pastaraisiais metais intelektualiųjų kortelių technologija labai patobulėjo tiek aparatinės, tiek programinės įrangos lygiu. Galingesni mikroprocesoriai ir naujos programinės įrangos technologijos (pvz., programos kodo interpretavimas ir dinaminis programų įkėlimas) pavertė kelių programų intelektualiąsias korteles realybe.

Viena iš svarbių intelektualiųjų kortelių savybių yra ta, kad jose saugomi duomenys gali būti apsaugoti nuo neteisėtos prieigos ir manipuliavimo. Kadangi duomenis galima pasiekti tik per nuosekliąją sąsają, kurią valdo operacinė sistema ir slaptoji logika, neskelbtinus duomenis galima įrašyti į kortelę ir saugoti taip, kad jie nebūtų nuskaitomi iš kortelės ribų. Tokius jautrius duomenis viduje gali apdoroti tik lusto apdorojimo moduliai. Nuo 2001 m., remiantis intelektualiosiomis kortelėmis, Malaizijos piliečiai gavo tapatybės korteles, kuriose yra biometrinė informacija (pirštų atspaudai ar kita) įterptoje mikroschemoje. Ir nuo 2006 m. visi JK piliečiai gavo intelektualiąsias korteles, kurių įmontuotoje mikroschemoje yra vartotojų pirštų atspaudų arba rainelės duomenys. Europos Sąjunga planuoja naudoti biometrines intelektualiąsias korteles kaip tapatybę kartu su įprastais pasais. Nuo 2006 m. rudens europiečiai pradėjo gauti elektroninius pasus su skaitmenine nuotrauka ir galbūt pirštų atspaudais. Japonijos vyriausybė planuoja naudoti biometrinius duomenis imigracijos kontrolei. Įvairiose šalyse įgyta intelektualiosios kortelės naudojimo asmens identifikavimui patirtis įrodė savo efektyvumą.

Ant pav. 1 parodytos šiuolaikinės identifikavimo sistemos. Pagal naudojamų identifikavimo požymių tipą jie skirstomi į elektroninius, biometrinius ir kombinuotus.

Elektroninėse sistemose identifikavimo požymiai pateikiami kaip skaitmeninis kodas, saugomas identifikatoriaus atmintyje. Tokios identifikavimo sistemos kuriamos remiantis šiais identifikatoriais:

1. kontaktinės lustinės kortelės;
2. bekontaktės intelektualiosios kortelės;
3. USB raktai;
4. Brūkšninis kodas;
5. radijo dažnis;

Biometrinėse sistemose identifikavimo požymiai yra individualios asmens savybės, vadinamos biometrinėmis charakteristikomis. Šio tipo identifikavimas pagrįstas pateikto vartotojo biometrinio požymio nuskaitymo ir palyginimo su anksčiau gautu šablonu procedūra. Priklausomai nuo naudojamų charakteristikų tipo, biometrinės sistemos skirstomos į statines ir dinamines.

Ryžiai. 1 - Šiuolaikinių identifikavimo sistemų klasifikacija

Statinė biometrija (taip pat vadinama fiziologine) yra pagrįsta duomenimis, gautais išmatavus asmens anatomines savybes. Statinį biometrinį identifikavimą galima atlikti šiais būdais:

• papiliarinis pirštų raštas,
• rainelės piešimas,
• dugno kraujagyslių brėžinys,
• individualios veido geometrijos ypatybės,
• veido arterijų ir venų stebėjimas infraraudonaisiais spinduliais

Dinaminė biometrija grindžiama asmens elgsenos ypatybėmis, t.

Kombinuotose sistemose identifikavimui vienu metu naudojami keli identifikavimo požymiai. Tokia integracija leidžia užpuolikui pastatyti papildomų kliūčių, kurių jis negalės įveikti, o jei gali, tada su dideliais sunkumais.

Vietnamo Socialistinėje Respublikoje (SRV) buvo iškelta užduotis popierinius asmens dokumentus pakeisti elektroniniais. Šiuo atžvilgiu didelis dėmesys skiriamas asmens tapatybės nustatymo biometrinių kontrolės metodų kūrimui ir diegimui. Atsižvelgiant į Vietnamo vyriausybės iškeltą užduotį dėl matematinių metodų kūrimo, skirtų išspręsti problemą, užtikrinančią patikimą daugkartinį piliečių tapatybės atpažinimą naudojant naujas intelektualiųjų kortelių technologijas kartu su biometrinių duomenų tikrinimu, problemą, abejonių nekyla.

Nuo 2011 m. SRV vykdo valstybinį projektą Nr.446/QĐ-TTg „Naujų SRV asmens tapatybės kortelių išdavimas ir išdavimas naudojant šiuolaikines technologijas“. Vienas iš pagrindinių projekto tikslų – efektyvus šiuolaikinių asmens identifikavimo metodų taikymas remiantis piliečių biometriniais veiksniais, atsižvelgiant į politines ir ekonomines Vietnamo ypatybes. Kuriant sistemą „Naujų SRV asmens tapatybės kortelių išdavimas ir išdavimas naudojant šiuolaikines technologijas“ Vietnamo viešojo administravimo interesais reikėtų atsižvelgti į:

• Vietnamo ekonominės plėtros pagreitis sutapo su naujų informacinių ir ryšių technologijų (IRT) kūrimu ir diegimu šiuolaikinėje visuomenėje. Vietnamas pradeda kurti nacionalines informacines infrastruktūras, kad pasiektų naują Pietryčių Azijos tautų asociacijos (ASEAN) šalių išsivystymo lygį.
• Vietnamo Socialistinėje Respublikoje išliko socialistinė nacionalinės ekonomikos sistema, o kartu su socialistine nuosavybės forma egzistuoja ir kapitalistinė.
• Diegiant elektroninės valdžios sistemą, reikalingas daugiafunkcis įrankis viešosioms elektroninėms paslaugoms teikti gyventojams.
• Kontaktinės lustinės kortelės su PIN kodu, kurios vis dar naudojamos identifikavimui bankininkystėje ir prieigos kontrolei SRV, nėra pakankamai efektyvios ir patikimos, todėl atsiranda poreikis kurti naujas lustines korteles su biometriniais identifikavimo faktoriais.

Reikalavimai biometrinėms identifikavimo sistemoms naudojant intelektualiąją kortelę:

• Vartotojas gali pasirinkti reikiamą apsaugos lygį: kortelę ir PIN kodą; kortelė ir biometrinis ženklas; kortelė, PIN kodas ir biometrinis ženklas.
• Biometrinio parašo šablonai saugomi tik lustinėje kortelėje ir nėra saugomi skaitytuve, o tai reiškia didesnį saugumą, greitesnį apdorojimą, lengvesnį sistemos valdymą, mažesnes biometrinio skaitytuvo išlaidas ir sumažintą privatumo pažeidimų riziką.
• Plačiausias palaikomų bekontakčių intelektualiųjų kortelių asortimentas, pagrįstas atviru standartu.

Integruotas biometrinių duomenų ir intelektualiųjų kortelių valdymas leidžia išspręsti daugybę svarbių užduočių Vietname:

• sumažinti išlaidas, susijusias su informacijos gavimu, didinti viešųjų paslaugų greitį ir kokybę;
• modernaus įrankio, kuris tarpininkauja ir palengvina piliečių ir valstybės santykius, sukūrimas.
• padėti kovoti su sukčiavimu asmens identifikavimo sistemoje pagal biometrinius veiksnius
• identifikuoti kortelės turėtoją atliekant tiek kasdienius, tiek teisiškai reikšmingus veiksmus;
• pagreitinti ir pagerinti informacijos operacijų saugumą;

Išvada

Kombinuota identifikavimo sistema, pagrįsta biometrinių savybių ir intelektualiųjų kortelių naudojimu, yra viena iš perspektyvių vietovių plėtojant nacionalinę informacinę infrastruktūrą Vietname. Pagrindinis intelektualiųjų kortelių ir biometrinių duomenų integravimo privalumas yra padidinti patikimumą ir pagreitinti identifikavimo procesą, o tai gali žymiai padidinti biometrinės identifikavimo sistemos našumą.

Literatūra

1. http://ru.wikipedia.org/wiki/Išmanioji kortelė.
2. Kukharev G.A. Biometrinės sistemos: žmogaus identifikavimo metodai ir priemonės. Sankt Peterburgas: Politechnika. - 2001. - 240 p.
3. Matyukhin V.G., Pyarin V.A. Mokėjimo sistemos, pagrįstos lustinėmis kortelėmis, informacijos saugumo užtikrinimo koncepcija // Bankininkystės sistemos ir technologijos. 1998 m. kovo-balandžio mėn. - p. 8-12.
4. Pham Duy Thai, Tkachenko V. M. Asmens identifikavimo naudojant intelektualiąją kortelę pagal pirštų atspaudus patikimumo gerinimas Vietnamo Socialistinėje Respublikoje, „XXI amžiaus sudėtingų sistemų dinamika“ Nr. 3 v.8, 2014 m., red. Radijo inžinerija. Nuo 74-79.
5. Pham Zui Thai, Tkachenko V. M. Neaiškios Delaunay trianguliacijos taikymas užduočiai atpažinti asmenį pagal pirštų atspaudus, „Neurokompiuteriai: kūrimas, taikymas“ Nr. 3, 2014, red. Radijo inžinerija. Nuo 56-62.

Nuorodos

1. http://ru.wikipedia.org/wiki/Smart-karta.
2. Kuharevas G.A. Biometrinė sistema: Metody ir sredstva identifikacii lichnosti cheloveka. SPb.: Politehnika. - 2001. - 240 s.
3. Matjuhinas V.G., Pjarinas V.A. Koncepcija obespechenija informacionnoj bezopasnosti platezhnoj sistemy na osnove intellektual'nyh kart // Bankovskie sistemy i tehnologii. Mart-aprel', 1998. - s. 8-12.
4. Fam Zuj Thhaj, Tkachenko V.M. Radiotechnika. S 74-79.
5. Fam Zuj Thaj, Tkachenko V. M. Primenenie nechetkoj trianguljacii Delone dlja zadachi raspoznavanija cheloveka po otpechatku pal’cev, „Nejrokomp’jutery: razrabotka, primenenie“ Nr. 3, 2014, izdat. Radiotechnika. S 56-62.

„Daugiau nei 1000 kompiuterinių programų...“ pasakojo apie Uzbekistano mokslų akademijos Mokslo ir technikos centro „Šiuolaikinės informacinės technologijos“ Informatikos institute sukurtą programinį paketą, skirtą asmens atpažinimui iš nuotraukos naudojant geometrines ypatybes.

Po publikacijos gavome Boriso Filatovo laišką, kuris pasakė, kad yra ir panašios laidos autorius.

Programa „Asmens identifikavimas pagal antropometrinius veido taškus“ buvo sukurta baigiamąjį kvalifikacinį darbą bakalauro studijoms universitete. Kai atėjo laikas tvirtinti baigiamųjų darbų temas, ilgai dvejojau – kokią temą pasirinkti, kokia kryptimi? Mane visada domino darbas su grafika, todėl nusprendžiau susisiekti su mokytoju, kuris dirba šioje srityje. Mano mokytojas, Nargiza A'lokhodzhaevna Aripova, pasiūlė man daryti skaitmeninį vaizdą. Iš karto buvau perspėtas, kad ši tema reta ir bus problemų ieškant informacijos. Tačiau tema man buvo patraukli, todėl nusprendžiau vis tiek tai padaryti.

Nargiza A'lokhodzhaevna nukreipė mane pas skaitmeninio vaizdo apdorojimo specialistą, technikos mokslų kandidatą, Viktoras Nikolajevičius Kan. Jis man pasiūlė asmens identifikavimo temą ir tapo mano vadovu. Be to, Baltarusijos kibernetikos instituto narys man labai padėjo ieškant medžiagos ir informacijos. Dmitrijus Ivanovičius Samal. Naudodamasis proga norėčiau padėkoti šiems žmonėms už jų indėlį ir pagalbą mano darbe.

Programos veikimas

Iš programos pavadinimo – „Asmens identifikavimas pagal antropometrinius veido taškus“ – aišku, kad ji skirta identifikuoti žmogų pagal jo skaitmeninį vaizdą. Šios temos aktualumas slypi tame, kad pastaruoju metu kyla didelių problemų užtikrinant saugų žmonių patekimą į įvairius objektus, nesvarbu, ar tai būtų uždara duomenų bazė, ar slapta laboratorija. Todėl tampa būtina identifikuoti asmenį ir nustatyti, ar šis asmuo turi teisę patekti į sistemą, ar tai yra koks nors užpuolikas.

Kodėl identifikuoti asmenį pasirinkta pagal veido atvaizdą, o ne pagal pirštų atspaudus ar žmogaus rankos linijas? Atpažįstant asmenį pagal veido vaizdą, tarp asmens ir įrenginio nėra fizinio kontakto. Toks atpažinimo būdas yra natūralus ir nesukelia žmogui nepatogumų. Antropometriniai veido bruožai – tai tie bruožai, kurie laikui bėgant nekinta, pradedant nuo to momento, kai žmogus baigia augti (21-25 m.) ir baigiant senatve.

Pagrindinis programos tikslas – palyginti dvi nuotraukas ir nustatyti, ar nuotraukose yra skirtingi žmonės, ar tas pats asmuo. Pirmiausia įkeliama pora nuotraukų. Tada kiekvienas vaizdas apdorojamas ir, remiantis gautais parametrais, atliekamas palyginimas. Vaizdas pereina du etapus: vaizdo apdorojimo etapą ir informacinių savybių išgavimo etapą.

Programa atlieka tokias transformacijas kaip vaizdo suliejimas, veido srities išryškinimas, vaizdo dvejinimasis, spalvų inversija, kraštų aptikimas ir spalvoto vaizdo konvertavimas į pilkos spalvos tonus. Šių transformacijų pagalba vaizdas paruošiamas pagrindinių veido antropometrinių taškų paieškai. Pirma, veido sritys yra suskirstytos į tinklelį, atsižvelgiant į žmogaus veido antropologinę struktūrą. Tada atitinkamose srityse apieškomi vyzdžių centrai, šnervės, nosies galiukas ir burnos centras.

Pagal rastus antropometrinius veido taškus apskaičiuojami pagrindiniai vaizdo bruožai. Apdorojus kiekvieną vaizdą, du vaizdai lyginami pagal apskaičiuotas savybes ir pateikiama asmenybių panašumo ar skirtumo procentinė reikšmė.

Programos kūrimas

Ši tema gana nauja, todėl daugelis kūrėjų nuolat prie jos dirba, tobulindami programinės įrangos produktus. Taškente šią temą nagrinėja Kibernetikos institutas ( buvęs, dabar - Uzbekistano Respublikos mokslų akademijos Informatikos institutas, apytiksl. Interneto svetainė), kuris bendradarbiauja su Baltarusijos kibernetikos institutu. Šiuose institutuose jau sukurtos panašios į mano programos. Todėl iškilus klausimams buvo galima užduoti klausimus ar pasitarti. Bet pagalba apsiribojo nedideliu informacijos kiekiu, tad visus darbus atlikau pats. Programai sukurti prireikė maždaug trijų mėnesių.

Sukurta programa yra visavertis programinės įrangos produktas, nors su ja dar reikia daug padirbėti, kad ji būtų ideali. Programa dar netinkama praktiniam naudojimui, o nemažai mano idėjų liko neįgyvendintos. Projektui užbaigti, be programinės dalies, reikalingi techniniai įrenginiai ir daugybė testų, kuriems atlikti reikalingi finansiniai ištekliai. Mielai atvesčiau iki galo, bet vienas žmogus negali susidoroti su tokia užduotimi, reikia komandos, tada procesas vyktų daug greičiau.

Borisas Filatovas

P.S. Programa buvo sukurta Microsoft Visual C++ 6.0.

Spustelėję mygtuką „Atsisiųsti archyvą“, jums reikiamą failą atsisiųsite nemokamai.
Prieš atsisiųsdami šį failą, prisiminkite tuos gerus esė, bandomuosius darbus, kursinius darbus, baigiamuosius darbus, straipsnius ir kitus dokumentus, kurių nepareikalaujate jūsų kompiuteryje. Tai jūsų darbas, jis turėtų dalyvauti visuomenės raidoje ir būti naudingas žmonėms. Raskite šiuos darbus ir nusiųskite juos į žinių bazę.
Mes ir visi studentai, magistrantai, jaunieji mokslininkai, kurie naudojasi žinių baze savo studijose ir darbe, būsime Jums labai dėkingi.

Norėdami atsisiųsti archyvą su dokumentu, žemiau esančiame laukelyje įveskite penkių skaitmenų skaičių ir spustelėkite mygtuką „Atsisiųsti archyvą“

Panašūs dokumentai

Biometrinių asmens tapatybės nustatymo priemonių klasifikacija ir pagrindinės charakteristikos. Statinių ir dinaminių biometrinės kontrolės metodų įgyvendinimo ypatumai. Autorizacijos ir autentifikavimo priemonės elektroninėse saugos ir saugos sistemose.

Kursinis darbas, pridėtas 2011-01-19


Biometrinės sistemos, skirtos apsaugoti nuo neteisėtos prieigos prie informacijos. Asmens identifikavimo sistema pagal papiliarinį raštą ant pirštų, balsą, rainelę, veido geometriją, žmogaus tinklainę, plaštakos venų raštą. Slaptažodžiai kompiuteryje.

pristatymas, pridėtas 2012-05-28


Biometrinių asmens identifikavimo sistemų analizė pagal pirštų atspaudus, plaštakos formą, akies kiautą. Veidas kaip biometrinis identifikatorius. Asmenybės atpažinimo sistemų rinkos analizė. Identifikavimo sistemų, pagrįstų veido geometrija, efektyvumo įvertinimas.

Kursinis darbas, pridėtas 2013-05-30


Pirštų atspaudų vaizdų analizės posistemis kaip pirštų atspaudų identifikavimo sistemos dalis, pagrįsta papiliariniu modeliu tolesniam asmenybės atpažinimui. Sistemos ir programos kodo funkcionalumo charakteristikos.

baigiamasis darbas, pridėtas 2008-07-01


Bendrieji biometrinių identifikavimo sistemų veikimo principai. Programinės įrangos įrankiai, skirti kurti programai, kuri identifikuoja vartotoją pagal jo klaviatūros rašyseną. Duomenų bazių projektavimas ir neuroninių tinklų struktūra.

baigiamasis darbas, pridėtas 2013-12-20


Aparatinės-programinės įrangos komplekso, skirto valdymo objektų identifikavimui, kūrimas remiantis realiuoju interpoliacijos metodu. Techninės-programinės įrangos komplekso būklės analizė, valdymo objekto identifikavimo pavyzdys.

magistro baigiamasis darbas, pridėtas 2013-11-11


Sukurtos žiniatinklio programos apimtis ir reikalavimai. Reikalavimai techninei ir programinei įrangai. Interneto programos struktūros kūrimas ir programinės įrangos diegimo įrankių pasirinkimas. Interneto programos programinė įranga. Duomenų bazės struktūra.

baigiamasis darbas, pridėtas 2014-03-06