Сравнительный анализ возможности использования технологий биометрической идентификации

Проведен анализ методов биометрической идентификации. Указаны их достоинства и недостатки.

Ключевые слова: биометрия, идентификация, биометрические сигналы, биометрическая методы, биометрические признаки

This article highlights the achievements and defects of the existing technologies of person’s identification system and the ways of increasing its effectiveness.

Key words: biometry, identification, biometric signals, biometric methods, biometric signals

Анализ показывает, что аспекты безопасности данных приобретают с каждым днем все большее значение, создание надежных методов распознавания личности становится все актуальнее. Существующие методы распознавания, в качестве основы которых можно рассматривать совокупность идентификационных карт или уникальных сведений, например номера карт, относящиеся к социальному страхованию или пароли, не могут быть абсолютно надежными.

Промышленные методы и системы автоматического распознавания отпечатков пальцев появились еще в 60-х годах ХХ века. Биометрическая технология сегодня стала прочной заменой традиционным системам распознавания во многих учреждениях.

Биометрия — это сочетание современных технологий и множества методов криминалистики, примером которых можно назвать дактилоскопию. Но существуют возможности распознавания не только на основе данных по отпечаткам пальцев [1–10]. К биометрическим характеристикам ученые могут относить и код ДНК, радужную оболочку глаза, форму капиллярного рисунка на сетчатке глаза, особенности построения лица и ушей, то, каким образом происходит набор на клавиатуре, а также форма узоров вен на запястье людей. Не все методы биометрической идентификации надежны и точны на 100 %. Первое место по точности занимает анализ структуры ДНК, несмотря на то, что этот метод является самым сложным и дорогостоящим.

Второе место у радужной оболочка и сетчатки глаз, потом идет характеристика отпечатка пальца, особенности геометрии лиц и ладоней, свойства подписей, голосовые характеристики, особенности набора данных на клавиатуре [10].

Биометрическая система — это система идентификации шаблонов, позволяющая осуществлять установления соответствий по конкретным физиологическим или поведенческим характеристикам пользователя [11–17]. В биометрической системе можно выделить два модуля: один из них предназначен для проведения регистрации, а другой идентифицирует пользователя по физиогномике, для того, чтобы создавать цифровые представления. На основе специализированного модуля происходит обработка такого представления, для того, чтобы выделить индивидуальные особенности и создать более компактное и выразительное представление, называемое шаблоном. При распознавании лица человека, такими индивидуальными особенностями можно назвать форму, размеры и места расположения глаз, ушей, рта, носа. Шаблоны по каждому лицу хранятся в базах данных, относящихся к биометрической системе. В модуле идентификации происходит распознавание лиц людей. Когда осуществляется идентификация, то биометрическими датчиками сканируются параметры лица человека и идет преобразование этих параметров в те же цифровые форматы, в которых происходит хранение шаблонов. Тот шаблон, который получили, сравнивают ранее записанными шаблонами, с целью определения соответствия шаблонов друг другу.

При осуществлении распознавания, тогда, когда среди полученных параметров и хранимыми шаблонами существует соответствие, происходит идентификация системой людей с соответствующими шаблонами.

Какие бы методы идентификации не были выбрали, все они имеют как недостатки так и достоинства.

Биометрические признаки, используемые для идентификации должны обладать следующими свойствами [18,19]:

1. Универсальность: каждый человек должен иметь эту характеристику.
2. Уникальность: не должно быть двух человек, имеющих одинаковую характеристику.
3. Достоинства: характеристика не должна меняться.
4. Измеримость: характеристика должна иметь количественную меру и измеряться достаточно просто.
5. Эффективность: возможность идентификации, скорость, гибкость, потребность в ресурсах для обеспечения желаемой точности и скорости идентификации, а также факторы, возникающие в процессе идентификации и внешние факторы, влияющие на точность идентификации и скорость.
6. Доступность: готовность людей использовать биометрический метод в повседневной жизни.
7. Защищенность от подделки: отражает защищенность системы от обмана.

Каждый из биометрических методов, рассмотренных выше, имеет свои преимущества и недостатки. В табл.1 приведено сравнение методов по ранее перечисленным семи требованиям, предъявляемым к биометрическим признакам.

Таблица 1

Сравнение биометрических методов по общим требованиям

Н- низкая, С- средняя, В- высокая

В дополнение существует несколько частных требований к разработке биометрических методов:

1. Цена: аппаратное обеспечение (сенсор) и программное обеспечение требуется каждому пользователю.
2. Удобство использования: простота использования средств идентификации (программных и аппаратных);
3. Возможность удаления пользователя.
4. Эксплуатационные характеристики: сенсор должен работать в течение длительного времени.

В табл. 2 представлено сравнение биометрических методов по частным требованиям, предъявляемым к системам электронной подписи.

Таблица 2

Н- низкая, С- средняя, В- высокая

Цена низка для всех методов, не требующих специального аппаратного обеспечения; высока для систем распознавания по форме кисти, сетчатке, и радужке, поскольку требуется специальное дорогое оптическое оборудование. Неудобно использоватьустройства, которые требуют интерактивного управления пользователем, например, когда пользователь должен поместить свое лицо, радужку или сетчатку в рамку, которая обычно отображается на экране компьютера. Удобно использовать методы, которые не требуют никакой обратной связи (например, нажатие пальцем на сенсор, печать слова, произнесение фразы).Другие биометрические методы использующие оцифровывающие планшеты, электронное перо (распознавание по динамике подписи) или оптическое оборудование, требуют средних эксплуатационных затрат[18].

Не так давно в связи с изменениями требований широко изучаются идентификация полицу и радужке [21]. Привлекательность систем идентификации по радужной оболочке можно достичь путем снижения стоимости системы.

Другой важный фактор, учитываемый при разработке систем идентификации, — среда использования (см. табл. 3). Все методы подходят для управляемой среды дома или офиса. Методы, требующие использования громоздкого или хрупкого сенсора, неудобны для мобильных приложений. Устройства идентификации в общественном месте, такие как банковские терминалы, должны разрабатываться в большей степени с точки зрения долговечности и прочности; в такой среде лучше использовать пассивную биометрию (без прямого взаимодействия с пользователем) или биометрические методы, в которых используются адаптивные сенсоры. В заключение, частота выполнения идентификации влияет на выбор соответствующего метода. В среде, где идентификация выполняется часто (например, в банках), требования отличаются от требований, предъявляемых там, где идентификация выполняется редко. Для среды с частой идентификацией подходят только те биометрические методы, которые достаточно быстры и требуютминимального взаимодействия с пользователем (см. табл. 4) [18–20].

Таблица 3

Сравнение биометрических методов по удобствувразличных приложениях

Таблица 4

Сравнение биометрических методов по их пригодностидля многократнойидентификации

Приведенный выше анализ представляет разработку метода биометрической идентификации в терминах специальных требований, предъявляемых средой использования устройства идентификации. Из вышесказанного можно заключить, что не существует идеального биометрического метода. Все биометрические методы имеют соответствующие преимущества и недостатки. Однако, некоторые биометрические методы более удобны, чем другие в определенных приложениях. С точки зрения автора, наиболее важными характеристики метода идентификации являются следующие:защищенность биометрического метода (универсальность, уникальность, эффективность, измеримость, устойчивость к попыткам обмана, механическая прочность);доступность для пользователя;стоимость;простота использования.

Литература:

1. Калаев В. Н., Калаева Е. А., Преображенский А. П., Хорсева О. В. Регрессионный анализ в биологических исследованиях / Системный анализ и управление в биомедицинских системах. 2007. Т. 6. № 3. С. 755–759.
2. Калаев В. Н., Калаева Е. А., Артюхов В. Г., Преображенский А. П. Применение кластерного анализа в биологических исследованиях / Системный анализ и управление в биомедицинских системах. 2007. Т. 6. № 4. С. 1008–1014.
3. Кленяева Г. В., Преображенский А. П. Современные проблемы речевой акустики и построения систем автоматического распознавания речи / Вестник Воронежского института высоких технологий. 2007. Т. 1. № 2–1. С. 071–074.
4. Львович И. Я., Селезнев А. Т., Селезнева Н. А. Сигналы, данные и методы получения информации / монография, Воронежский ин-т высоких технологий, Российский Новый Ун-т, (Воронежский фил.). Воронеж, Издательство «Научная книга», 2008, 227 с.
5. Львович И. Я., Селезнева Н. А. Классификация и сравнительный анализ пассивных систем получения данных по электрическим параметрам кожного покрова / Системный анализ и управление в биомедицинских системах. 2012. Т. 11. № 3. С. 836–843.
6. Селезнева Н. А., Львович И. Я. Измерение эквивалентной емкости кожного покрова методом регистрации длительности переходных процессов на основе пассивных и квазипассивных систем получения данных / Вестник Воронежского государственного технического университета. 2009. Т. 5. № 5. С. 13–16.
7. Львович И. Я., Селезнев Т. А., Селезнева Н. А. Квазипассивный метод измерения с масштабным преобразованием напряжения / Вестник Воронежского института высоких технологий. 2007. Т. 1. № 2–1. С. 052–056.
8. Селезнев А. Т., Селезнева Н. А., Селезнев Ю. А., Львович И. Я. Классификация и возможности использования активных систем получения данных по электрическим параметрам кожного покрова / Вестник Воронежского института высоких технологий. 2007. Т. 1. № 1. С. 039–045.
9. Селезнев А. Т., Селезнева Н. А., Селезнев Ю. А., Львович И. Я. Возможности совершенствования систем получения данных для диагностики по методу Р. Фолля / Вестник Воронежского института высоких технологий. 2007. Т. 1. № 1. С. 045–050.
10. Скубицкий А. В. Анализ применимости метода реконструкциидинамических систем в системах биометрической идентификации по клавиатурному почерку / Инфокоммуникационные технологии Том 6, № 1, 2008, с.51–53.
11. Чопоров О. Н., Чупеев А. Н., Брегеда С. Ю. Методы анализа значимости показателей при классификационном и прогностическом моделировании / Вестник Воронежского государственного технического университета. 2008. Т. 4. № 9. С. 92–94.
12. Чопоров О. Н., Наумов Н. В., Куташова Л. А., Агарков А. И. Методы предварительной обработки информации при системном анализе и моделировании медицинских систем / Врач-аспирант. 2012. Т. 55. № 6.2. С. 382–390.
13. Чопоров О. Н., Разинкин К. А. Оптимизационная модель выбора начального плана управляющих воздействий для медицинских информационных систем / Системы управления и информационные технологии. 2011. Т. 46. № 4.1. С. 185–187.
14. Чопоров О. Н. Оптимизация функционирования медицинских систем на основе интегральных оценок и классификационно-прогностического моделирования /диссертация на соискание ученой степени доктора технических наук / Воронеж, 2001, 337 с.
15. Клименко Г. Я., Косолапов В. П., Чопоров О. Н. Методика и результаты преобразования лингвистических характеристик в численные оценки акторов риска / Консилиум. 2001. № 4. С. 25.
16. Матвеев Ю. Н. Технологии биометрической идентификации личности по голосу и другим модальностям / Вестник МГТУ им. Н. Э. Баумана. Сер. «Приборостроение». 2012, с.46–61.
17. Сесин Е. М., Белов В. М. Системы идентификации личности, основанные на интеграции нескольких биометрических характеристик человека / Доклады ТУСУРа, № 1 (25), часть 2, июнь 2012, с. 175–179.
18. A. K. Jain, R. M. Bolle and S.Pankani, Biometrics Personal Identification in a networked Society, Norvell. MA, Kliver, 1999.
19. Dr. Lawrence D. Nadel, Biometric Identification. 3 January 2001.
20. Sharath Pankanti, Anil Jain. Biometric. The Future of Identification. IB T. J. Watson Research Center, Michigan State University, IEEE 2000.
21. Chia Braghim. Biometric Authentication, University of Helsinki, Deft. Of Computer Science,2000.