انواع زیست سنجی
پایگاه دانش: بیومتریک
|
مفاهیم و کاربردهای زیست‌سنجی
ارسال شده توسط سپید سیستم
|
|
|
در دنیای امروز نیاز به شناسایی هویت واقعی افراد در بسیاری از زمینه‌ها حس می‌شود. به عنوان مثال برای کنترل دسترسی (Access Control) افراد و همچنین جلوگیری از ورود افراد غیرمجاز به یک سیستم یا منطقه نیاز داریم که هویت واقعی افراد را به طریقی شناسایی کنیم. این شناسایی هویت به چند طریق می‌تواند صورت بگیرد: آنچه فرد به همراه دارد، مانند کارت شناسایی؛ همچنین می‌تواند به کمک آنچه فرد می‌داند مانند گذرواژه یا سوالات امنیتی شناسایی صورت پذیرد. اما روش دیگر، شناسایی به کمک ویژگی‌های زیستی و طبیعی فرد مانند چهره (Face) و اثر انگشت (Fingerprint) است که به آنها روش‌های زیست‌سنجی (Biometrics) گفته می‌شود. ویژگی‌های زیستی مورد استفاده برای شناسایی افراد می‌بایست خصوصیاتی همچون عمومیت، یکتایی، پایداری را دارا باشند. به عنوان مثال ویژگی‌هایی نظیر وزن و قد به علت عدم پایداری برای این منظور قابل استفاده نیستند. در سال ۱۸۹۳ میلادی دفتر وزارتخانه انگلستان پذیرفت که هیچ دو نفری اثر انگشت یکسانی ندارند. پس از این کشف بسیاری از مراجع اجرای قانون به توانایی اثر انگشت در شناسایی مجرم‌های تکراری که با هر بار پس از دستگیری هویت خود را تغییر می‌دادند پی بردند. بدین ترتیب اولین استفاده‌ها از عوامل زیستی برای شناسایی افراد رقم خورد. از مزایای روش‌های زیست‌سنجی دقت مناسب و سرعت بسیار بالای آن است. امکان شناسایی از راه دور در برخی از ویژگی‌های زیستی (نظیر تشخیص چهره) نیز وجود دارد. همچنین مشکلاتی مانند فراموش کردن یا گم کردن نیز در این روش وجود ندارد. به کارگیری این روش‌ها بسیار ساده بوده و برای استفاده‌ی کاربران عادی نیازی به آموزش نیست. البته سیستم‌های زیست‌سنجی دارای معایب خاص خودشان هستند اما به دلیل مزایای بسیار زیادی که نسبت به روش‌های سنتی شناسایی افراد دارند، استفاده از آنها روز به روز در حال افزایش است. گرچه قابلیت اطمینان سیستم‌های زیست‌سنجی در اغلب موارد نسبتا بالاست اما این روش‌ها نیز از دست نفوذگران در امان نبوده‌اند. همچنین در برخی مواقع خاص ممکن است برای برخی از افراد این سیستم‌ها قابل استفاده نباشند (مانند اثرانگشت برای فردی که انگشت‌های خود را طی حادثه‌ای از دست داده است). سیستم‌های زیست‌سنجی از ویژگی‌های فیزیولوژیکی، رفتاری و یا روانی یک فرد برای شناسایی وی استفاده می‌کنند. این سیستم‌ها انسان‌ها را بر اساس هویت و ویژگی‌هایش (مانند الگوهای صورت، اثر انگشت، صدا و…) شناسایی می‌کنند و نه بر اساس آنجه همراه خود دارد (مانند کلمه‌ی عبور، کلید، کارت شناسایی و ..) این روش‌های شناسایی از روش‌های سنتی ایمن‌تر هستند و امکان جعل در آنها کاهش یافته است. همین دلایل موجب شده است که این روش‌ها در حوزه‌های امنیتی، حقوقی و تجارت الکترونیکی اهمیت پیدا کند. در جدول 1 به تفکیک نوع، چند نمونه از ویژگی‌هایی که می‌توان برای زیست‌سنجی مورد استفاده قرار داد را ملاحظه می‌فرمایید. از میان ویژگی‌های یاد شده ویژگی‌های روانی هنوز در مراحل اولیه‌ی توسعه قرار دارند و هنوز به پایداری خوبی نرسیده‌اند و ممکن است چندان دقیق عمل نکند (تا حدی نیز برای ویژگی‌های رفتاری). همچنین نمونه‌گیری ویژگی‌های روانی نیز در حال حاضر بسیار دشوارتر از سایر ویژگی‌ها است. اما ویژگی‌های فیزیولوژیکی در حال حاضر تا حدی توسعه یافته‌اند که می‌توان آنها را برای جلوگیری از جعل و یا برای کاربردهای با سطح امنیت بالا مورد استفاده قرار داد. در جدول 2 ویژگی‌های مختلف زیست‌سنجی از جنبه‌های مختلف با یکدیگر مقایسه شده‌اند. در این جدول، روش‌های مختلف از نظر معیارهای مختلف مانند فراگیری (توسط طیف وسیعی از افراد استفاده شود)، یکتایی (از یک فرد به فرد دیگری متفاوت باشد)، دائمی بودن (عدم از بین رفتن و یا تغییر زیاد در طول زمان)، جمع‌آوری (نمونه‌برداری و استفاده آسان از آن ویژگی)، کارایی (سطح دقت در تشخیص و استفاده از آنها)، پذیرش (عمومیت پذیرفته شدن توسط افراد مختلف) و غیرقابل جعل بودن در سه سطح بالا (H)، متوسط(M) و پایین (L) با همدیگر مقایسه شده‌اند. کاربردهای پایه‌ای زیست سنجی زیست‌سنجی اغلب در قالب یکی از این کاربردها مورد استفاده قرار می‌گیرد:
ساختار سیستم‌های زیست‌سنجی عملیات اصلی که در سیستم‌های زیست‌سنجی صورت می‌گیرد را می‌توان در دو بخش ثبت‌نام (Enrollment) و تطبیق/مقایسه (Matching) قرار داد. هر فرد که از سیستم استفاده می‌کند ابتدا نیاز است که در آن سیستم ثبت‌نام کند. برای این کار، مشخصات زیستی فرد با استفاده از حسگر دریافت می‌کند و با استخراج ویژگی‌های مورد نیاز از آن، الگویی برای آن فرد تولید کرده و در پایگاه داده ذخیره می‌کند. در هریک از کاربردهای پایه‌ای زیست‌سنجی، مقایسه به شکلی خاص مورد استفاده قرار می‌گیرد. در «تایید هویت» (verification) الگوی مربوط به یک فرد (که کاربر ادعا کرده) از پایگاه داده استخراج می‌شود و الگوی دریافتی تنها با آن مقایسه می‌شود (یک به یک). اما در کاربرد «تعیین هویت» (identification) الگوی دریافتی با کل پایگاه داده مقایسه می‌شود تا هویت فرد مورد نظر -در صورت ثبت‌نام در سیستم- مشخص شود (1 به N). حسگر مورد استفاده در این مراحل با توجه به نیاز سیستم و این که چه خصوصیاتی از فرد نیاز است که جمع‌آوری شود، انتخاب می‌شود و یا طراحی می‌گردد. به عنوان مثال معمولا برای کاربرد اسکن عنبیه‌ی چشم دوربین‌های NIR: Near Infrared و برای تشخیص چهره دوربین‌های دیجیتال که طول موج مرئی را دریافت می‌کنند، استفاده می‌شوند. همچنین برای دریافت صدا نیز معمولا میکروفون مورد استفاده قرار می‌گیرد. ماژول دریافت داده (data acquisition) بخشی است که وظیفه‌ی تبدیل اطلاعات دریافت شده از حسگر (مقادیر ولتاژ، جریان، دما و …) به اطلاعاتی که آماده‌ی پردازش باشند. در اکثر حسگر‌های مورد استفاده این بخش نیز قرار گرفته است. این ماژول درکاربردهای قانونی نیز که حسگری وجود ندارد نیز می‌تواند مورد استفاده قرار بگیرد. در بخش پیش‌پردازش، داده‌ها با کاهش نویز و حذف بخش‌های اضافی برای استخراج ویژگی آماده می‌شوند. به عنوان مثال در کاربرد تشخیص صدا در این بخش با دریافت صدای ضبط شده، صدای انسان را جدا کرده و صدا‌های پس‌زمینه و بخش‌های سکوت را حذف می‌کند. پس از آن با نرمال کردن صدا تاثیر عواملی مانند شدت و.. را کاهش می‌دهد. معمولا دقت بخش پیش‌پردازش داده‌ها در دقت سیستم تاثیر زیادی می‌گذارد. در هریک از کاربردهای پایه‌ای زیست‌سنجی، مقایسه به شکلی خاص مورد استفاده قرار می‌گیرد. در «تایید هویت» (verification) الگوی مربوط به یک فرد (که کاربر ادعا کرده) از پایگاه داده استخراج می‌شود و الگوی دریافتی تنها با آن مقایسه می‌شود (یک به یک). اما در کاربرد «تعیین هویت» (identification) الگوی دریافتی با کل پایگاه داده مقایسه می‌شود تا هویت فرد مورد نظر -در صورت ثبت‌نام در سیستم- مشخص شود (1 به N). حسگر مورد استفاده در این مراحل با توجه به نیاز سیستم و این که چه خصوصیاتی از فرد نیاز است که جمع‌آوری شود، انتخاب می‌شود و یا طراحی می‌گردد. به عنوان مثال معمولا برای کاربرد اسکن عنبیه‌ی چشم دوربین‌های NIR: Near Infrared و برای تشخیص چهره دوربین‌های دیجیتال که طول موج مرئی را دریافت می‌کنند، استفاده می‌شوند. همچنین برای دریافت صدا نیز معمولا میکروفون مورد استفاده قرار می‌گیرد. ماژول دریافت داده (data acquisition) بخشی است که وظیفه‌ی تبدیل اطلاعات دریافت شده از حسگر (مقادیر ولتاژ، جریان، دما و …) به اطلاعاتی که آماده‌ی پردازش باشند. در اکثر حسگر‌های مورد استفاده این بخش نیز قرار گرفته است. این ماژول درکاربردهای قانونی نیز که حسگری وجود ندارد نیز می‌تواند مورد استفاده قرار بگیرد. در بخش پیش‌پردازش، داده‌ها با کاهش نویز و حذف بخش‌های اضافی برای استخراج ویژگی آماده می‌شوند. به عنوان مثال در کاربرد تشخیص صدا در این بخش با دریافت صدای ضبط شده، صدای انسان را جدا کرده و صدا‌های پس‌زمینه و بخش‌های سکوت را حذف می‌کند. پس از آن با نرمال کردن صدا تاثیر عواملی مانند شدت و.. را کاهش می‌دهد. معمولا دقت بخش پیش‌پردازش داده‌ها در دقت سیستم تاثیر زیادی می‌گذارد. در بخش استخراج ویژگی‌ها، با استفاده از مدل‌های ریاضیاتی و یا یادگیری ماشین (Machine Learning) الگوهایی را از داده‌ها استخراج می‌کند. تعداد ویژگی‌های قابل استخراج به صفات مورد زیست‌سنجی و مدل به کار رفته برای استخراج ویژگی واسبته است. به عنوان مثال اگر ضربان قلب زیست‌سنجی مورد استفاده باشد، با توجه به این که ویژگی‌های استخراج شده از آن زیاد نیست، دقت تشخیص افراد به کمک آن نیز نسبتا پایین است. در مقابل در صورتی که از اثر انگشت برای شناسایی افراد استفاده شود، چون تعداد ویژگی‌های قابل استخراج از آن زیادتر است به طبع در صورت استفاده از اثر انگشت به دقت بالاتری نیز دست خواهیم یافت. دقت سسیتم نهایی وابستگی بسیار زیادی به ویژگی‌های استخراج شده توسط مدل دارد. در بخش ساخت الگو با دریافت ویژگی‌های استخرج شده، الگویی از اطلاعات زیستی دریافت شده ساخته می‌شود. هدف از این بخش حذف ویژگی‌های غیر ضروری و تکراری و در نهایت افزایش سرعت و دقت بخش مقایسه می‌باشد. الگوی ساخته شده در هنگام ثبت‌نام برای استفاده‌های بعدی در پایگاه داده ذخیره می‌شود. در برخی کاربردها الگو قبل از ذخیره سازی در پایگاه داده، رمزنگاری نیز می‌شود. در فرآیند مقایسه؛ الگوی داده‌ای که به تازگی از حسگر دریافت شده است، با الگوهای ذخیره شده در پایگاه داده مقایسه می‌شود تا مقدار شباهت یا عدم شباهت آن به داده‌های پایگاه داده بررسی شود. مدل‌های بسیاری را می‌توان برای بررسی شباهت دو الگو در این بخش به کار برد که بسته به نوع الگو و ویژگی‌های مورد استفاده می‌توان مورد درست را انتخاب کرد. در این بخش با مقایسه‌ی هریک از دو الگو می‌توان امتیازی به میزان شباهت در الگو به یکدیگر اختصاص داد. در بخش خروجی با دریافت امتیازهای کسب شده از بخش مقایسه در مورد این که الگو با الگو یا الگوهایی از پایگاه داده برابر است تصمیم می‌گیرد. این تصمیم‌گیری می‌تواند بر اساس یک آستانه انجام شود و یا می‌تواند به صورت نسبی صورت بگیرد. | |
 (1 رای) |
دیدگاه (0)