Biometrikus adatok olyan rendszert foglal magában, amely egy vagy több fizikai vagy viselkedési tulajdonság alapján felismeri az embereket. Az információtechnológia területén a biometrikus adatokat a hozzáférési azonosító kezelésének és a hozzáférés-szabályozásnak egy formájaként használják. A biometrikus elemzést a megfigyelés alatt álló személyek azonosítására is használják (széles körben használják az Egyesült Államokban és Oroszországban is – ujjlenyomatok)
Enciklopédiai YouTube
1 / 2
✪ A biometrikus olvasó nem működik megfelelően. Miért?
✪ Biometrikus rendszerek. Anatolij Bokov, Sonda Technology
Feliratok
Az ujjlenyomatok adatbázisba való beviteléhez általában Timex biometrikus terminálok. Elvileg 3 ujjlenyomatot kínál ujjonként, nagyjából 3 beadványt. Javasoljuk, hogy az ujját először kissé balra, középre és jobbra fordítva hozza, hogy az egész felületet befedje. Mert nagyon gyakran rosszul adják meg az ujjlenyomatokat, aztán csodálkoznak, hogy miért nem működik jól. Ezért itt is van egy pont, hogy ezeket is helyesen kell megadni. Minél körültekintőbben és helyesebben adja meg őket, annál kevesebb probléma léphet fel a nyomatokkal. Vannak olyan esetek is, amikor az emberek, ügyfelek biometrikus munkaidő- és jelenléti terminálokat telepítenek beépített vezérlőkkel egy nagy forgalmú forgókapuba. Nos, ez is egy olyan kétes történet, mert főleg a különböző iparágakban az emberekben olyan lenyomatok vannak, hogy biztosan felmerülnek problémák.
Alapelvek
A biometrikus adatok két fő osztályba sorolhatók:
- Fiziológiai- kapcsolódnak a test alakjához. Példák: ujjlenyomatok, arcfelismerés, DNS, tenyér, retina, szag, hang.
- Viselkedési- az emberi viselkedéssel kapcsolatos. Például a járás és a beszéd. Néha az angol kifejezést használják erre a biometrikus osztályra. viselkedésmetria.
Definíciók
A biometrikus eszközök területén használt alapvető meghatározások:
- Univerzális – minden embernek rendelkeznie kell egy mérhető jellemzővel.
- Az egyediség az, hogy biometrikus szempontból mennyire különbözik egy személy a másiktól.
- A perzisztencia annak mértéke, hogy a kiválasztott biometrikus jellemzők mennyiben maradnak változatlanok az idő múlásával, például az öregedési folyamat során.
- Gyűjtemények - könnyű mérés.
- Termelékenység – az alkalmazott technológiák pontossága, gyorsasága és megbízhatósága.
- Az elfogadhatóság a technológia megbízhatóságának mértéke.
- Eltávolítás - egyszerű használat csere.
A biometrikus rendszer két üzemmódban működhet:
- Ellenőrzés – egy-egy összehasonlítás biometrikus sablonnal. Ellenőrzi, hogy a személy az, akinek állítja magát. Az ellenőrzés történhet intelligens kártyával, felhasználónévvel vagy azonosító számmal.
- Azonosítás - egy-a-többhöz összehasonlítás: a biometrikus adatok „rögzítése” után a biometrikus adatbázishoz kapcsolódunk az azonosság megállapításához. A személyazonosítás akkor sikeres, ha a biometrikus minta már szerepel az adatbázisban.
A biometrikus rendszer első privát és egyéni alkalmazását beiratkozásnak nevezték. A regisztrációs folyamat során az egyén biometrikus adatait tárolták. Ezt követően a biometrikus adatokat rögzítették, és összehasonlították a korábban kapott információkkal. Kérjük, vegye figyelembe, hogy a biometrikus rendszer biztonságossá tételéhez elengedhetetlen, hogy a tárolás és a visszakeresés a rendszereken belül is biztonságos legyen.
- False Acceptance Rate (FAR) vagy False Match Rate (FMR)
FAR - hamis belépési arány, a hamis azonosítás valószínűsége, vagyis annak a valószínűsége, hogy a biológiai azonosító rendszer tévesen felismeri (például ujjlenyomat alapján) a rendszerben nem regisztrált felhasználó hitelességét
Az FMR annak a valószínűsége, hogy a rendszer hibásan hasonlít össze egy bemeneti mintát egy páratlan mintával az adatbázisban. - Hamis elutasítási arány (FRR) vagy hamis negatív arány (FNMR)
FRR - false access resulal rate - annak a valószínűsége, hogy a bioazonosító rendszer nem ismeri fel a benne regisztrált felhasználó ujjlenyomatának hitelességét.
Az FNMR annak a valószínűsége, hogy a rendszer hibát követ el a bemeneti minta és az adatbázis megfelelő mintája közötti egyezések azonosításakor. A rendszer méri a hibásan fogadott érvényes bemenetek százalékos arányát. - A rendszer működési jellemzői vagy relatív működési jellemzői (ROC)
A ROC cselekmény a FAR és az FRR teljesítmény közötti kompromisszum megjelenítése. Általánosságban elmondható, hogy az illesztési algoritmus egy olyan küszöbérték alapján hoz döntést, amely meghatározza, hogy a bemeneti mintának milyen közel kell lennie a sablonhoz ahhoz, hogy egyezésnek minősüljön. Ha a küszöböt csökkentenék, kevesebb lenne a hamis nem egyezés, de több lenne a hamis elfogadás. Ennek megfelelően a magas küszöb csökkenti a FAR-t, de növeli az FRR-t. A vonaldiagram mutatja a nagy teljesítmény különbségeit (kevesebb hiba - kevesebb hiba). - Az egyenlő hibaarány (EER) vagy a tranziens hibaarány (CER) azok az arányok, amelyeknél mindkét hiba (a fogadási hiba és az elutasítási hiba) egyenértékű. Az EER érték könnyen meghatározható a ROC görbéből. Az EER egy gyors módszer a különböző ROC-görbékkel rendelkező műszerek pontosságának összehasonlítására. Általában az alacsony EER-vel rendelkező eszközök a legpontosabbak. Minél alacsonyabb az EER, annál pontosabb lesz a rendszer.
- A sikertelen regisztrációs arány (FTE vagy FER) az az arány, amelynél a bemeneti adatokból sablon létrehozására tett kísérletek sikertelenek. Ezt leggyakrabban az alacsony minőségű bemeneti adatok okozzák.
- False Hold Rate (FTC) – Automatizált rendszerekben ez annak a valószínűsége, hogy a rendszer nem képes észlelni a biometrikus bemeneti adatokat, ha azok helyesen jelennek meg.
- A sablon kapacitása a rendszerben tárolható adatkészletek maximális száma.
A biometrikus eszközök érzékenységének növekedésével a FAR csökken, az FRR pedig nő.
Feladatok és problémák
Titoktartás és elkülönítés
A biometrikus regisztráció során megszerzett adatok olyan célokra használhatók fel, amelyekhez a regisztrált személy nem járult hozzá (nem volt tudatában).
Veszély a védett adatok tulajdonosai számára
Azokban az esetekben, amikor a tolvajok nem férhetnek hozzá a védett ingatlanhoz, lehetőség van a biometrikus azonosítók viselőjének nyomon követésére és meggyilkolására a hozzáférés érdekében. Ha valamit biometrikus eszközzel védenek, akkor a tulajdonos visszafordíthatatlan károkat szenvedhet, amelyek többe kerülhetnek, mint maga az ingatlan. Például 2005-ben malajziai autótolvajok levágták az ujját egy Mercedes-Benz S-osztály tulajdonosának, miközben megpróbálták ellopni az autóját.
A biometrikus adatok használata potenciálisan ki van téve a csalásnak: a biometrikus adatokat valamilyen módon digitalizálják. A csaló csatlakozhat a szkennertől a feldolgozó eszközhöz vezető buszhoz, és teljes információt kaphat a szkennelt objektumról. Ekkor a csalónak még élő emberre sem lesz szüksége, mert ugyanúgy a buszhoz csatlakozva minden műveletet a szkenner használata nélkül is el tud végezni a beolvasott személy nevében.
Törölhető biometrikus adatok
A jelszavak előnye a biometrikus adatokkal szemben a megváltoztathatóságuk. Ha jelszavát ellopják vagy elveszíti, törölheti, és kicserélheti egy új verzióra. Ez bizonyos biometrikus beállításokkal lehetetlenné válik. Ha valakinek az arcának paramétereit ellopták az adatbázisból, akkor azokat nem lehet törölni, illetve újat kiadni. A törölhető biometrikus adatok jelentik a járható utat, amely magában foglalja a biometrikus adatok törlésének és cseréjének lehetőségét. Először Ratha és munkatársai javasolták.
Számos törölhető biometrikus módszert fejlesztettek ki. Az első törölhető, ujjlenyomatokon alapuló biometrikus rendszert Tulyakov tervezte és hozta létre. . Alapvetően a törölhető biometrikus adatok egy biometrikus kép vagy tulajdonságok torzítását jelentik, mielőtt megegyeznének. A torz paraméterek változékonysága egy adott áramkör esetében magában hordozza a törlés lehetőségét. A javasolt technikák egy része saját felismerési mechanizmusát használja, mint például Teo és Savvid munkája, míg mások (Dabba) a jól bemutatott biometrikus kutatások előmozdítását használják felismerési felületeikhez. Bár a biztonsági korlátozások fokozódnak, ez a felülírható modelleket még mindig hozzáférhetőbbé teszi a biometrikus technológiák számára.
Az egyik magánmegoldás lehet például, ha nem használunk minden biometrikus paramétert. Például az azonosításhoz csak két ujj (például a jobb és a bal kéz hüvelykujja) papilláris vonalainak mintáját használják. Szükség esetén (például ha két „kulcsujj” párnája megégett) a rendszerben lévő adatok javíthatók úgy, hogy egy adott pillanattól kezdve az érvényes kombináció a bal kéz mutatóujja és a kisujja legyen. a jobb kéz (az adatok, amelyek korábban nem kerültek rögzítésre a rendszerben - és nem kerülhetett veszélybe).
Biometrikus adatok nemzetközi cseréje
Számos ország, köztük az Egyesült Államok is részt vesz már a biometrikus adatok cseréjében. Ezt a kijelentést 2009-ben tette Kathleen Kraninger és Robert Mockney az Előirányzatok Bizottságában, a Nemzetbiztonsági Albizottság „biometrikus azonosítással” foglalkozó albizottságában:
Annak érdekében, hogy meg tudjuk állítani a terrorista szervezeteket, mielőtt azok elérnék az Egyesült Államokat, vezető szerepet kell vállalnunk a biometrikus adatok nemzetközi szabványainak előmozdításában. Az interoperábilis rendszerek fejlesztésével biztonságosan tudjuk majd átadni a terroristákkal kapcsolatos információkat az országok között, megőrizve biztonságunkat. Csakúgy, ahogy az Egyesült Államok kormányán belüli együttműködési módunkat fejlesztjük a terroristák és más veszélyes személyek azonosítása és felszámolása érdekében, elkötelezettek vagyunk külföldi partnereink felé, hogy együttműködünk minden terrorista tevékenység megakadályozásában.
Tisztában vagyunk vele, hogy a biometrikus adatokkal és a nemzetközi együttműködéssel megváltoztathatjuk és bővíthetjük az utazási lehetőségeket, és megvédhetjük az embereket világszerte azoktól, akik kárt okoznának nekünk.
Az S. Magnuson által a National Defense Magazine-ban megjelent cikk szerint az Egyesült Államok Nemzetbiztonsági Minisztériuma nyomás alatt van a biometrikus adatok terjesztésére. A cikk ezt írja:
Miller (az amerikai belbiztonsági és biztonsági ügyek minisztériumának tanácsadója) arról számol be, hogy az Egyesült Államoknak 25 országgal van kétoldalú megállapodása a biometrikus adatok cseréjéről. Az elmúlt években minden alkalommal, amikor egy külföldi vezető Washingtonba látogatott, a külügyminisztérium gondoskodott arról, hogy hasonló szerződésről tárgyaljon velük.
Jogi szabályozás Oroszországban
A „Személyes adatokról” szóló, 2006. július 27-i 152-FZ szövetségi törvény 11. cikke szabályozza a biometrikus adatok használatának főbb jellemzőit.
Biometria a populáris kultúrában
A biometrikus technológiák népszerű filmekben szerepeltek. Ez önmagában már felkeltette a fogyasztók érdeklődését a biometrikus adatok, mint egy személy azonosításának eszköze iránt. A 2003-as „X-Men” és „Hulk” filmek biometrikus felismerési technológiát használtak: az „X-Men” filmben kézlenyomat-hozzáférés, a „Hulk” esetében pedig ujjlenyomat-hozzáférés formájában.
De ez nem volt olyan jelentős, amíg az „I, Robot” című filmet Will Smith főszereplésével 2004-ben bemutatták. A futurisztikus film olyan új technológiák fejlődését mutatta be, amelyek még ma sem eléggé fejlettek. A hang- és tenyérfelismerő technológiák használata a filmben megragadta az emberek jövőképét, és mindkét technológia, amelyet ma épületek vagy információk védelmére használnak, csak két a biometrikus felhasználási lehetőségek közül.
2005-ben bemutatták a „The Island” című filmet. A film során a klónok kétszer használnak biometrikus adatokat: betörnek egy házba és beindítják az autót.
A "Gattaca" című film egy olyan társadalmat ábrázol, amelyben az emberek két osztálya létezik: a géntechnológia termékei, amelyeket felsőbbrendűnek teremtettek (az ún. "Érvényes"), és az alsóbbrendű hétköznapi emberek ("fogyatékkal élők"). Az "Érvényes"-nek tekintett emberek nagy kiváltságokkal rendelkeztek, és a korlátozott területekre való bejutást az ilyen személyekre korlátozták, és automatikus biometrikus szkennerek ellenőrizték, hasonlóan az ujjlenyomat-szkennerekhez, de megszúrták az ujjukat, és a vett vérből DNS-mintát vettek.
A Destroyer című filmben a Wesley Snipes által alakított Simon Phoenix karakter kivágja az áldozat szemét, hogy egy retinaszkennerrel ajtót nyisson.
A DreamWorks Monsters vs. Aliens című filmjében egy katonai asszisztens biometrikus adatok segítségével szivárog be a zónába.
BEVEZETÉS
Napról napra egyre aktuálisabbak az élő szervezetek és növényi objektumok, valamint a sejt-, molekuláris és genetikai szinten végbemenő folyamatok vizsgálatának kérdései. Ebből a célból a tudományos laboratóriumok módszereket fejlesztenek ki tanulmányozásukra és összetett természeti jelenségek szimulálására. A leggyakrabban alkalmazott kutatási módszerek közé tartoznak a kísérleti és többváltozós statisztikai módszerek. Fontos és szerves részét képezik egy laboratóriumi kísérletnek, és lehetővé teszik a természetes folyamatok mintázatainak megbízható azonosítását, valamint a köztük lévő ok-okozati összefüggések megtalálását.
A tudományos kutatásban a tömeges megfigyelés módszerét hatékonyan alkalmazzák megbízható adatok megszerzésére. Ez a módszer nagyszámú ismétlés alkalmazásán alapul minden kísérleti csoportban. A laboratóriumi kísérlet során nyert anyagot feldolgozzák, elemzik, majd a kapott adatok alapján megfelelő következtetéseket vonnak le, és bizonyos mintákat állapítanak meg. Egy kísérlet során az eredmények és következtetések legnagyobb pontosságának elérésében nagy jelentősége van nemcsak a kísérleti módszerek minőségének, hanem a helyes statisztikai feldolgozásnak is, mivel a kapott eredmények egy-egy kísérleti csoporton belül jelentősen eltérhetnek. Így a kísérleti úton nyert adatok statisztikai elemzése kiterjeszti a természet biológiai jelenségeinek megértésének lehetőségeit, elősegíti a kapott eredmények objektív értékelését, kizárva a kutató szubjektív nézőpontjának lehetőségét, valamint a felmerülő módszertani hibákat. kísérlet végrehajtása során, és lehetővé teszi a kísérletező számára, hogy pontos és helyes következtetéseket és következtetéseket vonjon le a vizsgált jelenséggel kapcsolatban.
Tétel kutatás – számítástechnika, mint a laboratóriumi kutatásokból nyert adatok feldolgozásának módszere.
Cél kutatás – a statisztikai programok lehetőségeinek elemzése a laboratóriumi kísérlet eredményeként kapott adatok feldolgozásakor.
Feladatok kutatás:
· Értékelje a matematikai statisztika módszereit azok lehetőségei és alkalmazási korlátai szempontjából a biokémiai kísérlet tervezése és feldolgozása során.
· Tanulmányozza a rendelkezésre álló statisztikai elemzési csomagokat.
· Elsajátítani az alkalmazott statisztika problémáinak megoldását a Microsoft Excel (szabványos függvények és adatelemző csomagok) és a biokémia területén jól ismert STATISTICA statisztikai csomagok segítségével.
A számítástechnika nagy jelentőséggel bír a statisztikai adatfeldolgozásban. Ez lehetővé teszi nemcsak a folyamat többszöri felgyorsítását, hanem a magasabb minőségi színvonalú előállítást is.
A SZÁMÍTÓGÉPES TECHNOLÓGIA HASZNÁLATÁNAK ELMÉLETI SZEMPONTJAI LABORATÓRIUMI KUTATÁS VÉGZÉSE ESETÉN
A biometria mint tudomány és alapfogalmai
Az utóbbi években a számítógépes technológiát egyre gyakrabban alkalmazzák problémák megoldására és szimulálására. E tekintetben megnőtt az igény olyan magasan képzett szakemberekre, akik jó elméleti alappal és tapasztalattal rendelkeznek bizonyos programokkal való munkavégzésben. Napjainkban olyan tudományágak jelennek meg az oktatási intézményekben, amelyek lehetővé teszik a tudományos tevékenység eredményeinek feldolgozásához és bemutatásához szükséges fenntartható készségek kialakítását. Statisztikának nevezik azt a tudományt, amely a numerikus adatok gyűjtésének és értelmezésének módszereinek tanulmányozásával foglalkozik . Ennek a tudományágnak fontos gyakorlati jelentősége van, mivel lehetővé teszi a természeti, társadalmi folyamatok, jelenségek fejlődésének előrejelzését. Idővel ennek a tudománynak speciálisabb ágai kezdtek megjelenni. Így két független tudomány, a biológia és a statisztika találkozásánál megjelenik biológiai statisztikák (vagy biometrikus adatok) . A biometria egy empirikus tudomány, amely a kísérlet során nyert adatokat tanulmányozza néhány matematikai számítás elvégzésével. Ezen műveletek elvégzése számítógépek és számítástechnika nélkül sok időt vesz igénybe. Láthatjuk, hogy ez a folyamat mennyire munkaigényes, ha figyelembe vesszük a biometrikus adatok néhány leggyakrabban használt fogalmát a vizsgált tulajdonság jellemzésekor.
A biometrikus alapfogalmak.
A gyakorlati emberi tevékenységben és a tudományos kutatás során nyert adatok feldolgozásakor nagyon gyakran átlagértéket használnak. Ez az érték jellemzi a vizsgált jellemzőt, és megmutatja, hogy mi lenne a változó értéke, ha a mintából származó összes objektum azonos értékű lenne. A számtani átlag kiszámítása a következő képlettel történik:
ahol x 1 x 2, ..., x k - populációs lehetőségek; n az opciók teljes száma.
Medián (50%-os intervallumhatár)- a mintát felére osztó érték: a variációs sorozat mediánjának mindkét oldalán ugyanannyi opció található. Ez az érték a frekvenciák felhalmozódásától függ. A frekvenciák addig halmozódnak, amíg a frekvenciák összegének felét el nem érik. A kapott legnagyobb érték a medián. A képlet, amellyel ez az érték kiszámítható, a következő:
,
ahol x min annak az intervallumhatárnak a minimális értéke, ahol a mediánérték található; i - intervallumérték; A népesség N-mennyisége; Σn a teljes szám addig az intervallumig, amelyben a mediánérték található; N e azoknak az intervallumoknak a száma, ahol a mediánérték található.
Egy másik statisztikai mutató a divat. Divat A leggyakrabban előforduló értéket ún. A mód a Pearson-képlet segítségével számítható ki:
,
ahol Én a medián; M a jellemző átlagos értéke.
Szórás,- a legfontosabb jellemző egy biológiai kísérletben. Ez az érték az eloszlási sorozat szórásának mértéke, és a következő képlet határozza meg:
Egyes kísérletek nagyon nagy kísérleti pontosságot igényelnek. Például orvosi-biológiai, toxikometriai stb. Ezekben a kísérletekben a hiba nem lehet nagyobb 1%-nál, ha a hibaérték meghaladja az 1%-ot, akkor az eredmény pontossága nem kielégítő és az ismétlések számát növelni kell.
Azonban bármennyire is igyekszik a kutató a kísérleti eljárás minden lépését pontosan végrehajtani, a gyakorlatban továbbra is előfordulnak olyan hibák, amelyeket figyelembe kell venni az adatok feldolgozásakor. Többféle hiba is létezik.
Átlagos hiba (m x)- olyan mutató, amellyel a minta (kísérleti) sokaság átlagértéke eltér az általános sokaság átlagértékétől, ha a vizsgált paraméter eloszlása normálértékre hajlik. Az átlag fő hibáját a következő képlet segítségével számítjuk ki:
Informatívabb és elfogadhatóbb a csoportok összehasonlításához variabilitási együttható, vagy variációk. A variabilitási együttható az átlagos érték százalékában kifejezett fő eltérés, amelyet a következő képlettel számítanak ki:
A kapott eredmények alapján következtetést vonunk le a tulajdonság variációs jellegére és mértékére vonatkozóan (1.1. táblázat).
1.1. táblázat. A tulajdonságok változékonyságának természete (M. L. Dvoretsky szerint)
Ha a t érték nagyobb, mint négy, akkor az átlagérték megbízható lesz, és ennek megfelelően helyes következtetéseket lehet levonni.
Meg kell határozni a minta és az általános átlagok közötti eltérés százalékos arányát is - tapasztalati pontosság (p,%), vagy megfigyelési hiba:
Ez a kísérleti paraméter azt mutatja meg, hogy hány százalékkal lehet tévedni, ha azt állítjuk, hogy az általános átlag megegyezik a kapott mintaátlaggal.
A statisztikákban az arányosítási mutató fontos. Ezt a mutatót egy adott csoport átlagos értékéhez viszonyított opció értékelésére használják a következő képlet segítségével:
A vizsgálat céljától függően az érték x: ±0,5σ és x±1σ között változhat. A 0,67σ és 2σ közötti értékű beállítások szubnormálisak, ha az érték nagyobb mint x± 2σ , akkor az ilyen lehetőségeket az anomáliák közé kell sorolni.
A biometriában van olyan, hogy reprezentativitási hiba. Ez egy olyan hiba, amely nem a mérések vagy számítások során, hanem a véletlenszerű kiválasztás miatt következik be egy csoport kialakítása során.
Kiscsoportos számtani átlag hibájának számításakor a megfigyelések száma (P) a „szabadsági fokok száma” - az (n-1) kifejezést használják, majd a képlet így néz ki:
Nagyon sok képlet létezik a kísérleti hibák kiszámítására. Néhányat az alábbiakban példaként mutatunk be. A szórás átlagos hibájának kiszámításának képlete:
A variációs együttható átlagos hibája (C):
Az aszimmetriajelző átlagos hibája:
Vagy pontosabban: 
A kurtózis együttható hibája:
A kapott eredmények összehasonlító elemzése a közöttük megfigyelt különbségek megbízhatóságának mértékét a következő képlet segítségével értékeli:
ahol t a megbízhatósági kritérium. Értékét a Student-féle valószínűségi táblák segítségével becsüljük meg. Ha a tényleges t nagyobb, mint a táblázatos t st, akkor különbség van a két vizsgálati csoport között. A különbség jelentős, megbízható és nem magyarázható véletlenszerű okokkal.
A kapott eredmények és a várt eredmények összehasonlításához használja a khi-négyzet tesztet (χ 2), amelyet a következő képlettel találunk meg:
ahol p a tapasztalati gyakoriság, p’ a várható gyakoriság. A χ 2 teszt célja annak megállapítása, hogy a hipotézist megerősíti vagy cáfolja a kísérlet. Ha a χ 2 értéke meghaladja a táblázatban szereplő értéket, akkor vitatható, hogy a tényleges és a várt eredmények közötti különbség megbízható lesz.
Mivel a legtöbb biológiai objektum nagyszámú, gyakran egymással összefüggő jellemzővel rendelkezik, amelyek jellemzik őket, például súly, magasság, életkor stb., Varianciaanalízist alkalmaznak a mutatók egy csoportjának tanulmányozásakor. Olyan kapcsolatot hívunk meg, amelyben a független változó minden értékéhez csak a függő változó egy értéke tartozik funkcionális. A természetben azonban nagyon ritka az ilyen kapcsolat. Általában az egyik jellemző azonos értékeivel rendelkező vizsgált objektumok más jellemzőkkel rendelkeznek. Ezt a kapcsolatot hívják korreláció. Együttható összefüggések megmutatja, hogy az egyik vizsgált jellemző hogyan kapcsolódik a másikhoz (2. táblázat). A korrelációs együtthatót a következő képlet segítségével számítjuk ki:
1.2. táblázat. A jellemzők közötti kapcsolatok szorosságának jellemzői
Meg kell találni a korrelációs együttható négyzethibáját is:
A kapott korrelációs együttható mutatóit a Student-féle megbízhatósági kritérium segítségével értékeljük:
Vagy a képlet használatával
A mennyiségek közötti kapcsolat értékelésénél nagyon fontos egy olyan analitikai egyenlet megtalálása, amely megfelel a vizsgált jelenség természetének, hogy megjósolhassuk egy objektum független jellemzőjének viselkedését a függő paraméter megváltozásakor. A változók közötti kapcsolatot ún regresszió. Regressziós együttható, amelyet a következő hasonló képletek határoznak meg:
- regressziós együttható Y.X;
regressziós együttható X.Y,
És .
A regressziós együtthatónál is megtalálható az átlagos négyzetes hiba:
Ezek a biometrikus alapképletek, amelyeket a biokémiai kutatások során nyert adatok feldolgozásakor használnak. Sokkal több statisztikai képlet létezik, de mindegyik, mint már láttuk, több matematikai műveletből áll, ami megnehezíti a kutató számításait, és számtalan számítási hibához vezethet. Ezeknek a hibáknak a kijavítása nagy mennyiségű adat feldolgozásakor időigényes lehet. Így a számítástechnika ezt a rutinfolyamatot többszörösen leegyszerűsíti, ami hatékonyabb időfelhasználást tesz lehetővé, és csökkenti a hiba valószínűségét is, ami bizalmat ad a kapott eredmények helyességében, és lehetővé teszi a helyes következtetések levonását.
Biokémiai kísérlet tervezése és feldolgozása
Jelenleg rengeteg információ áll rendelkezésre, és meglehetősen nehéz eligazodni ebben a végtelen tudásfolyamban. Ekkor felmerül a kérdés, hogyan lehet minimális idő ráfordítása mellett megszerezni az érdeklődésre számot tartó információkat és kiválasztani a szükséges szakirodalmat. Ehhez különféle keresőmotorok léteznek, amelyek jelentősen csökkentik az előkészítő szakaszban töltött időt. Mivel a vizsgálat elvégzésének és megtervezésének megkezdése előtt meg kell győződni arról, hogy ezt a kérdést tanulmányozták-e korábban, milyen eredményeket hoztak az elvégzett vizsgálatok, és milyen kritériumokat vizsgáltak már. Ahhoz, hogy teljes mértékben megértsük az információs technológia szükségességét a kísérleti tervezésben, meg kell értenünk, mi ez a folyamat.
A kísérleti tervezés egy kísérlet hatékony felállítását célzó intézkedések összessége, amelynek fő célja a maximális mérési pontosság elérése minimális számú kísérlet elvégzése mellett. A kísérlet tervezése során több szakaszból áll:
1. Előtervezés - ez a szakasz magában foglalja a munkaterv elkészítését és jóváhagyását, a témaválasztást, a munkahipotézis megfogalmazását, a terv információfeldolgozását és a technikák elsajátítását.
Ez a szakasz kiküszöböli a kutatás megkettőzésének lehetőségét, biztosítja az ismeretek megbízhatóságát és a kutatóra bízott problémák eredeti megközelítését.
2. A tényleges kutatási folyamat - ebben a szakaszban a probléma szakirodalmának analitikus áttekintése, az adatok felhalmozása, rendszerezése és ötletek kidolgozása és kísérletezés. A kísérlet olyan cselekvések és megfigyelések összessége, amelyeket egy hipotézis igazának vagy hamisságának tesztelésére és a vizsgált jelenségek közötti ok-okozati összefüggések megállapítására végeznek.
Ennek a szakasznak köszönhetően a kutató felismerheti, mennyire új ez a téma, és mennyire relevánsak az eredmények, megfogalmazhatja tudományos és gyakorlati jelentőségét.
3. Az utolsó szakasz a tudományos kutatás eredményeinek formalizálása - jelentések összeállítása, cikkek írása.
Minden kísérlet egy analitikai módszer végrehajtásán alapul. Az analitikai módszereknek vannak kritériumai, amelyek meghatározzák a módszer alkalmasságát:
· Specifikusság – annak a komponensnek a meghatározásának képessége, amelyre ezt a kutatási módszert szánják.
· Pontosság - a mérések minősége, amely tükrözi az analitot tartalmazó kapott eredmények közelségét
· A konvergencia (sorozat reprodukálhatósága) egy sorozatban azonos feltételek mellett végzett vizsgálat eredményeinek egymáshoz való közelségének gondolata.
· Reprodukálhatóság – a minta különböző körülmények között végzett laboratóriumi analitikai vizsgálata során kapott eredmények közelsége. Ez a paraméter az adatok szórásának mértékét tükrözi, és lehetővé teszi a véletlenszerű hibák azonosítását.
· Jó és helytelen – eltérések a valódi jelentéstől
· Érzékenység – a módszer azon képessége, hogy az analit legalacsonyabb értékét érzékeli. Becsüljük a készülék mérési mutatói közötti különbségarány nagyságát. Minél nagyobb az arány, annál nagyobb a módszer érzékenysége.
· Határérzékenység – a minimális mérésnek megfelelő vizsgált anyag koncentrációja, amely eltér a vakminta értékétől.
A kutatási eredmények értelmezése manuálisan vagy számítógép segítségével történik. Az eredmények értékelésének egyik módja egy fokozatos (kalibrációs) görbe felépítése. A kalibrációs görbe az extinkció, a fényintenzitás és az anyag koncentrációja közötti szoros kapcsolatot mutatja egy sor standard oldatban. Szabványos megoldásokat használnak a fokozatos görbe felépítésére.
Kalibrációs görbe készítése:
ü Standard oldatok készítése
ü Egy standard anyag hígításának elkészítése, amely lefedi a vizsgált koncentrációtartományt, és meghaladja a maximális és minimális értékeket.
ü A főből törzsmegoldásokat készítünk
ü A standard oldat minden egyes koncentrációjához 3-5 mérést végzünk
ü A kapott pontok felhasználásával grafikont építünk.
A nagyobb áttekinthetőség és pontosság érdekében a legjobb grafikont készíteni. A grafikon az optikai sűrűség függését mutatja az oldat koncentrációjától. Ez kényelmesebb lesz a vizsgált anyag koncentrációjának későbbi meghatározásához a vizsgálati mintákban, ami segít a munkaoldatok pontosabb koncentrációjának kiszámításában.
Kapcsolódó információ.
Oroszországban körülbelül 14 millió iPhone van, ezek egyharmada Touch ID funkcióval. Az okostelefon képernyőjének feloldásához biometrikus adatokat oszt meg az Apple-lel. A felhasználók egyre gyakrabban adnak ki intim testadatokat. Kényelmesnek, megbízhatónak tűnik és segít a bűnözés elleni küzdelemben. Bár a közelmúltban történt indiai incidens újságírókkal, akik polgártársak millióinak biometrikus adataihoz jutottak hozzá, ennek az ellenkezőjét sugallja. A technológia fejlődésével a törvényhozók szerte a világon azon küszködnek, hogyan szabályozzák és védjék a biometrikus adatok gyűjtését és felhasználását.
Mi az a biometrikus adat?
A biometria elemzi az emberek fizikai és viselkedési jellemzőit, hogy azonosítsa identitásukat. A legegyszerűbb értelemben ezek az emberi test mérésére szolgáló technológiák. A biometrikus méréseknek két kategóriája van: fiziológiai és viselkedési.
Fiziológiai mérések Két típusa van: morfológiai és biológiai. A morfológia magában foglalja az ujjlenyomatokat, a kéz, az ujjak vagy az arc alakját, az írisz és a retina mintáját; biológiai vizsgálatokhoz - DNS-, nyál-, vér- vagy vizeletvizsgálat.
Viselkedési mérések- ez a hangfelismerés, a kézírás dinamikája (mozgási sebesség, gyorsulás, nyomás, dőlés), billentyűleütési dinamika, tárgyak használati módja, járás, lépések hangja, gesztusok.
Ezeket a méréseket kétféleképpen lehet felhasználni: személyazonosság-ellenőrzésre és azonosításra.
Igazolás magában foglalja a biometrikus adatok összehasonlítását egy adatbázisban vagy hordozható adathordozón, például intelligens kártyán található sablonnal. Ez a művelet lehetővé teszi, hogy megbizonyosodjon arról, hogy a személy pontosan az, akinek állítja magát.
Amikor azonosítás egy személy biometrikus adatait összehasonlítja az adatbázisban szereplő többi személy adataival. Az azonosítás akkor sikeres, ha ilyen biometrikus minta már szerepel az adatbázisban.
Biometria – új jelenség?
Nem igazán. A 19. században Alphonse Bertillon francia ügyvéd és rendőr elkezdte összehasonlítani az emberek fizikai jellemzőit, hogy azonosítsa a bűnözőket. Az általa kidolgozott antropometriai rendszer lett a személyiség meghatározásának első tudományos megközelítése a kriminológiában. Fejlesztései képezték az ujjlenyomatvétel alapját, egy személyazonosítási rendszert az ujjlenyomatok alapján. A jól ismert rendszert William Herschel brit tiszt találta fel - 1877-ben hipotézist terjesztett elő az ember tenyerén lévő papilláris mintázat megváltoztathatatlanságáról. A bűnözők ujjlenyomat-azonosítását először 1902-ben használták.
A viselkedési biometria is a 19. században gyökerezik: az 1860-as években a távírók a morze-kódot használták egymás felismerésére a „pontok” és „kötőjelek” átvitele alapján.
Hol használják ma a biometriát?
Főleg a nemzetbiztonság, az egészségügy és a nyilvántartási rendszerek területén. A biometrikus adatokat a vállalatok széles körben használják az alkalmazottak és a belső biztonság megfigyelésére, a bankok - ügyfelek, vállalatok és közösségi hálózatok azonosítására - kereskedelmi célokra.
A 19. századhoz hasonlóan ma is a bűnüldöző szervek biometrikus adatokat használnak a bűnözők azonosítására. Az automatizált ujjlenyomat-azonosító rendszerek (AFIS) dolgozzák fel és tárolják az ujjlenyomat-képeket, míg az automatizált biometrikus azonosítási rendszerek (ABIS) sablonokat tartalmaznak az arcokhoz, ujjakhoz és íriszekhez. A nagyvárosokban, repülőtereken és határokon már élő arcfelismerő technológiát alkalmaznak, amely lehetővé teszi az arc valós időben történő azonosítását a tömegben.
A határellenőrzés elektronikus és biometrikus útleveleket használ, amelyek a tulajdonos fényképén kívül két ujjlenyomatot is tartalmaznak. A biometrikus infrastruktúra ujjlenyomat-szkennerekből és kamerákból áll, amelyek felgyorsítják a határátlépést. Az államok bevezetik ezeket a technológiákat a migrációs áramlások szabályozására.
Biometrikus adatokra van szükség az egészségügyi ellátáshoz való hozzáférést, az állampolgári azonosítást és a választói regisztrációt biztosító személyi igazolványok elkészítéséhez is.
A biometrikus adatok gyűjtésének területén rengeteg technológiát fejlesztenek olyan IT-óriások, mint a Google és a Facebook. A hirdetők valós idejű arcfelismerő technológiát használnak, hogy konkrét hirdetéseket jelenítsenek meg az ügyfeleknek. A bankok és kiskereskedelmi üzletek biometrikus adatokat használnak a bűnözők és a megbízhatatlan ügyfelek nyomon követésére. A cégek írisz- vagy ujjlenyomat-szkennerekre cserélik az irodai zárakat, az elitklubok pedig biometrikus adatokat használnak a fontos ügyfelek azonosítására.
Tavaly az orosz bankok mindenhol elkezdtek kísérleti projekteket indítani biometrikus technológiával a felhasználók regisztrálására és online szolgáltatások biztosítására. Egyelőre ezen a területen a biometrikus adatok szabványos biztonsági rendszerekkel, például bejelentkezési-jelszó párossal működnek majd.
Mennyire megbízhatóak a biometrikus adatok?
Miközben a biometrikus technológiák messze nem tökéletesek. A fiziológiai mutatók stabilabbak a viselkedési mutatókhoz képest: kevésbé változnak az élet során, és nem érzékenyek a helyzeti tényezőkre, például a stresszre. A történelem azonban számos példát tud arra, amikor az ilyen méréseket a felismerési rendszerek hamisan elfogadják vagy elutasítják. Például egy arc lecserélhető egy nagy felbontású fényképre vagy videóra, és az ujjlenyomatokat „ellophatják”. Híres eset történt 2005-ben a brit Glenochil börtönben, ahol a foglyok ujjlenyomatvétel alapján könnyen megtanulták becsapni a zárrendszert.
A hiba kockázata gyakran az azonosítási feltételekhez kapcsolódik. A rossz minőségű fényképezés jelentősen növelheti a kockázatot. Fontos a világítás, a háttérzaj intenzitása és az ember térbeli helyzete. Ideális laboratóriumi körülmények között az arcfelismerés hibaaránya 5 és 10% között mozog.
Adatszivárgás veszélyei
Az ellenőrzés során az adatokat egy biometrikus sablonhoz hasonlítják, amelyet maga a személy tárol például egy intelligens kártyán. Csak a felhasználónak van ellenőrzése az adatai felett. Azonosítás esetén a személy adatait összevetik egyetlen központi adatbázis adataival, ami azt jelenti, hogy a hordozónak nincs hatalma felette. Ilyen helyzetben senki sincs védve a személyes adatok megsértésével és a biometrikus adatok illetéktelen kezekbe kerülésével szemben.
Így vált ismertté, hogy az orosz bankok átadták az ügyfelek biometrikus adatait az FSZB-nek – a felhasználói adatok teljesen más módon használhatók fel, ahogy az ügyfél beleegyezett.
Indiai incidens
2018. január elején a Chandigarh városában található The Tribune újság újságírói azt mondták, hogy mindössze 6 fontért vásároltak szoftvert, amely hozzáférést biztosított az indiai Aadhaar adatbázis adataihoz ismeretlen eladóktól a WhatsApp-on. Az Aadhaar egy nagy központi adatbázis, amely a lakosok neveit, telefonszámait, címeit és biometrikus adataikat tárolja. Aadhaar személyazonosító igazolványra van szükség ahhoz, hogy az indiai állampolgárok hozzáférhessenek a kormányzati szolgáltatásokhoz, részesülhessenek juttatásokban és juttatásokban. Az újságírók arról számoltak be, hogy az általuk vásárolt szoftverrel hamis személyi igazolványokat is nyomtathatnak.
Míg az Indiai Egyedi Azonosító Hatóság (UIDAI) szerint az újságírók csak olyan neveket és címeket fértek hozzá, amelyek biometrikus adatok nélkül értelmetlenek, az incidens ismét megmutatta, mennyire megbízhatatlanok is lehetnek az ilyen adatbázisok. Az aktivisták már bírálták Aadhaart két indiai állampolgár éhhalála miatt, akik nem tudtak hozzáférni a nekik járó takarmányhoz, mert az átvételükhöz Aadhaar hitelesítésre volt szükség.
2017 augusztusában a Legfelsőbb Bíróság kimondta, hogy a magánélet védelme az indiai alkotmány által biztosított jog. Az elemzők azt jósolják, hogy a döntés miatt újra kell gondolni Aadhaar döntő szerepét az indiánok életében.
Biometrikus adatvédelem: hol és hogyan működik?
A biometrikus adatok nagyon sajátos jellege ellenére a világon gyakorlatilag nincsenek jogi rendelkezések a védelmükre vonatkozóan. A legtöbb jogi szöveg a személyes adatok és a magánélet védelméről tág értelemben beszél, de néha az ilyen jogszabályok rosszul illeszkednek a biometrikus adatokhoz.
Oroszországban a biometrikus adatok gyűjtése és tárolása csak a személyes adatok alanyának írásbeli hozzájárulásával lehetséges. Ez a bekezdés a „Személyes adatokról” szóló törvényben található. 2017. július 1-jén módosításokat hajtottak végre rajta, és mostantól minden olyan webhelynek, amely a felhasználókról bármilyen adatot gyűjt és tárol, dokumentációt kell hozzáadnia az erőforrásához. E követelmények be nem tartása esetén kiszabható pénzbírság 10 000 és 75 000 rubel között mozog minden észlelt szabálysértés után. 2017 őszén pedig a Roszkomnadzor vezetője, Alekszandr Zharov a kiskorúak biometrikus azonosításának betiltását szorgalmazta, amikor technikai eszközöket használnak.
Az elmúlt 10 évben számos biometrikus adatok előtérbe helyezésével készült törvényjavaslat jelent meg az Egyesült Államokban, és 2018 májusában új EU-törvény lép életbe a személyes adatok védelméről (General Data Protection Regulation, GDPR). hatályos az Európai Unió összes országában.
USA: három kontra negyvenhét
Az Egyesült Államokban nincs egyetlen törvény sem, amely szabályozná a személyes adatok, köztük a biometrikus adatok gyűjtését és felhasználását. A biometrikus adatokkal kapcsolatos szigorú jogszabályok csak három államban léteznek: Illinoisban, Texasban és Washingtonban.
2008-ban Illinois elfogadta a biometrikus adatok adatvédelmi törvényét (BIPA), amely szigorú követelményeket támasztott azon szervezetek számára, amelyek gyűjtik, vásárolják vagy más módon megszerezik a felhasználók biometrikus adatait. A törvény a biometrikus adatok korlátlan kereskedelmi célú felhasználása ellen irányul. Minden olyan vállalkozásnak, amely hozzáfér az ilyen adatokhoz, nyilvánosan elérhető adatmegőrzési szabályzatot kell kidolgoznia, korlátoznia kell a biometrikus adatok továbbítását vagy nyilvánosságra hozatalát, és ugyanúgy védenie kell ezeket az adatokat, ahogyan egy vállalat más érzékeny információkat véd. A BIPA kereseti jogot biztosít a „sértett személy” számára, és minden gondatlan jogsértésért 1000 USD, szándékos jogsértések esetén 5000 USD kártérítést biztosít. 2017 januárjában hasonló törvényjavaslatokat fontolgattak Connecticutban, New Hampshire-ben, Washingtonban és Alaszkában, de csak Washingtonban fogadták el.
2016-ban egy Illinois állambeli felperesek egy csoportja beperelte a Facebookot biometrikus adatok illegális gyűjtése miatt. A felperesek azzal érveltek, hogy a közösségi hálózat arcfelismerő funkciója, amely fényképeket címkéz, illegálisan gyűjtött és tárolt felhasználói adatokat. 2017-ben több mint harminc keresetet nyújtottak be az illinoisi bíróságokon olyan cégek ellen, amelyek alkalmazottak ujjlenyomatait gyűjtötték a munkaidő nyomon követése érdekében.
Általánosságban elmondható, hogy az Egyesült Államok 47 államában a vállalatok a felhasználók beleegyezése nélkül használhatnak szoftvereket az arcok azonosítására a képeken, ha a kép nyilvános. Már létezik arcfelismerő szoftver, amellyel az üzletek azonosítani tudják azokat a vásárlókat, akik túl gyakran küldenek vissza termékeket, vagy egy bizonyos típusú vásárlást preferálnak. A Facebooknak köszönhetően az alkalmazottak az üzletbe való első belépéskor azonnal tájékozódhatnak a vásárlókról, megtudhatják, kik, honnan származnak, mennyi a bevételük. Adatvédelmi szempontból ez az anonimitás, a felhasználói hozzájárulás elvének és a biometrikus adatok felhasználásának megfelelőségének megsértése. De ezekben az államokban ezt nem tiltja a törvény.
Az Európai Unió megpróbálja visszahozni a magánélet védelmét
Idén az Európai Unió lépést tesz a biometrikus adatok bizalmas kezelése felé: 2018 májusában hatályba lép a személyes adatok védelméről szóló, 2016-ban elfogadott egységes törvény (Általános Adatvédelmi Rendelet, GDPR) A fő cél A GDPR célja, hogy az európai polgárok visszakapják a személyes adataik feletti ellenőrzést, és ezzel egyidejűleg egyszerűsítsék a szabályozási keretet a vállalatok számára. Ez a törvény nemcsak az Európai Unió 28 országát érinti, hanem azokat a szervezeteket is, amelyek az EU országaiban képviselettel rendelkeznek, személyes adatokat gyűjtenek és dolgoznak fel, szolgáltatásokat nyújtanak magánszemélyeknek - az Európai Unió polgárainak, valamint internetes regisztrációt alkalmaznak weboldalakon és alkalmazásokon. Ezért a törvénynek erős hatása lesz, különösen az orosz üzletre.
A biometrikus adatokra összpontosító törvény megszilárdítja és megerősíti a személyes adatok védelmére az európai országokban korábban létező összes szabványt. Pontosabban, a GDPR megköveteli minden szervezettől, hogy az adatgyűjtés előtt kérje ki a felhasználó hozzájárulását. Az érintettnek azonban joga van a hozzájárulását bármikor visszavonni. Ezt az elvet „az elfelejtéshez való jognak” nevezik.
A biometrikus adatokat kezelő cégek hatalmas pénzbírságra számíthatnak, ha nem tartják meg az adatok biztonságát. A szankciók elérhetik a 20 millió eurót vagy az éves globális forgalom 4 százalékát.
A törvény kimondja, hogy az adatok felhasználását korlátozni kell. Személyes adatokat csak „meghatározott, kifejezett és jogszerű célból” szabad gyűjteni és feldolgozni (adatminimalizálás elve).
Kína digitális diktatúrát épít
Míg az európai országok és szervezetek a GDPR életbe lépésére készülnek, Kína folytatja a szociális kreditrendszer kidolgozását, amely úgy tűnik, nem hagy nyomot a magánélet védelmének az országban. 2020-ra minden kínai lakoshoz – viselkedésétől függően – személyes minősítést rendelnek, ami befolyásolja a kormányzati szolgáltatásokhoz való hozzáférést, a hitelfelvétel, a munkavállalás, a gyerekek iskolába íratásának, a vásárlás és az utazás lehetőségét.
A szociális kreditrendszer azon alapul, hogy minél több adatot gyűjtsenek az állampolgárokról, és értékeljék a lakosok megbízhatóságát pénzügyi, társadalmi és online viselkedésük alapján. Így a minősítésnél figyelembe veszik a hiteltörténetet, a bírságok időben történő megfizetését, a közlekedési szabályok betartását, a vásárlási szokásokat, a számítógépes játékokkal eltöltött időt (minél több a tétlenség, annál alacsonyabb a minősítés), a családtervezési szabályok betartását, a szülők látogatásának gyakoriságát. , nyilatkozatok az interneten, a társasági körben (az alacsonyabb minősítésű emberekkel való időtöltés veszteséges lesz). A rangsorban való részvétel egyelőre önkéntes, 2020-tól azonban minden magán- és jogi személy számára kötelező lesz.
Az állampolgári adatok gyűjtésére a kormány nyolc magáncéget bérelt fel, hogy dolgozzanak ki algoritmusokat a társadalmi hitelek értékelésére. Köztük van a China Rapid Finance, a Tencent technológiai óriás partnere, amely a legnagyobb hírvivőt, a WeChat több mint 850 millió aktív felhasználóval támogatja. Egy másik szereplő a Sesame Credit, amelyet az Ant Financial Services Group (AFSG), az Alibaba leányvállalata irányít. Az AFSG biztosítást értékesít és hitelt nyújt kis- és középvállalkozásoknak, emellett birtokában van az AliPay szolgáltatásnak is, amelyet nem csak online vásárlásra, hanem éttermekre, taxikra, tandíjra, mozijegyre és pénzátutalásra is használnak. A szociális kreditrendszer fejlesztése érdekében a Sesame más adatgyűjtő platformokkal, a Didi Chuxinggal, az Uber korábbi fő kínai versenytársával és a Baihe-vel, az ország legnagyobb online társkereső szolgáltatásával szövetkezett. Elképzelni is nehéz, hogy ezek a cégek mennyit tudnak a felhasználóikról.
Az online és offline viselkedés teljes ellenőrzése révén a rendszer várhatóan rákényszeríti a polgárokat a kormány által jóváhagyott intézkedések megtételére, és elősegíti az általános „őszinteséget” és a bizalmat. Az arcfelismerő rendszerek és más biometrikus technológiák szerepe ebben a projektben óriási lesz.
A biometrikus adatokban rejlő lehetőségek egyre inkább problémákká válnak: adatszivárgás, kiberbűnözés, „identitáslopás”. A biometrikus technológiák növekvő használata pedig új kihívások elé állítja a kormányokat. Vajon az államok megvédik-e állampolgáraik névtelenségét, vagy a teljes átláthatóság nemcsak Kína lakosaira vár, hanem mindenkire, aki fiókkal rendelkezik a közösségi oldalakon, telefonál, és legalább néha elhagyja a házat? A technológia fejlődéséhez mindenképpen szükség lesz egy jogi keret kidolgozására.
Szöveg: Anna Kozonina
Sok Habr olvasó valószínűleg már ismeri a biometrikus technológiákat. Mára mindenütt jelen vannak. Általános értelemben a biometrikus adatok egy olyan rendszer, amely az embereket egy vagy több fizikai (vagy viselkedési) jellemző alapján ismeri fel. Az információtechnológia területén a biometrikus adatokat a hozzáférési azonosító kezelésének és a hozzáférés ellenőrzésének egy formájaként használják. A biometrikus rendszerek működési módja jellemzően két fő típusra oszlik.
Az elsőt ellenőrzésnek nevezik, amely a teszt eredményének biometrikus sablonnal való összehasonlítása. Ez a beállítás segít ellenőrizni, hogy az adott személy az-e, akinek mondja magát. Az ellenőrzés többféle módon is elvégezhető, beleértve az intelligens kártyát, a felhasználónevet vagy a felhasználói számot. A második mód az azonosítás. Egy adott minta beérkezése után a rendszert egy biometrikus adatbázissal összehasonlítják az azonosság megállapítása érdekében. Itt van egy fontos pont - ehhez a működési módhoz a biometrikus mintának az adatbázisban kell lennie, és az összehasonlítást az „egy a sokhoz” elv alapján kell elvégezni. Általánosságban elmondható, hogy a biometrikus technológiákban óriási lehetőségek rejlenek, amelyeket még nem sikerült teljesen kiaknázni. Milyen állapotban vannak ma a biometrikus technológiák Oroszországban és a világban?
Fejlődésük számos esetben még nem tekinthető kielégítőnek. Eddig ez a terület aktívan fejlődik, bár már vannak eredmények (erről lentebb). Egyes esetekben a biometrikus adatok nem tekinthetők túl megbízható azonosítási vagy ellenőrzési módszernek. Így az Egyesült Államokban a Tampai Rendőrkapitányság még az arcfelismerő szoftvert is eltávolította, tekintve, hogy nem túl megbízható. De ott az elavult biometrikus módszerek bevezetéséről beszéltek, amelyek nem mindig a legjobb oldalukat mutatják.
A modern biometrikus technológiák azonban egyre pontosabbak és megbízhatóbbak. Számos vállalat és tudományos szervezet foglalkozik kutatás-fejlesztéssel ezen a területen. Ezenkívül az idő múlásával a prioritás az érintés nélküli biometrikus felismerési módszerek felé tolódott el. A biometrikus adatokat számos területen használják, beleértve a banki, biztonsági és beléptetőrendszereket, vízumellenőrző rendszereket, rendőrségi bűnazonosító rendszereket, látogatói statisztikák gyűjtését és még sok mást. Eddig a biometrikus piac mintegy felét az ujjlenyomat-felismerő rendszerek foglalják el. De a helyzet fokozatosan változik, a fejlesztők megértik, hogy az ujjlenyomat nem a legmegbízhatóbb módja egy személy azonosításának (a „MythBusters”-ben egyszer még egy ujjlenyomat-zár nyitásának módját is mutatták a nyomtatóra nyomtatott ujjlenyomatok segítségével), így az új biometrikus technológiák fokozatosan egyre népszerűbb .
Biometrikus adatok: skála
Általánosságban elmondható, hogy a biometrikus adatok az emberek életének szerves részévé váltak. Egyes országokban például biometrikus adatok nélkül nem kaphat útlevelet vagy vízumot. Különböző országok kormányzati szervezetei úgy vélik, hogy a biometrikus adatok az egyik leghatékonyabb módja a menekültek és az illegálisan átlépők azonosításának.Jelenleg számos biometrikus technológiákon alapuló projekt létezik. Talán az egyik legnagyobb léptékű az AADHAAR projekt, amelyet Indiában valósítottak meg. Ez egy biometrikus azonosítási rendszer, amely több mint egymilliárd ember adatait tartalmazza. Az adatbázis körülbelül 10 milliárd ujjlenyomat-sablont, kétmilliárd írisz-sablont és egymilliárd fényképet tartalmaz. Valami hasonlót mutattak be az I Origins című sci-fi filmben. Az írisz általi azonosítás azonban egy nagyon valós technológia, amely egyre népszerűbb.
India minden lakosa megkaphatja az AADHAAR bejegyzést; ez egy azonosító szám, amely a felhasználók biometrikus adataihoz kapcsolódik. Pénzügyi tranzakciókban használják, amikor különféle köz- és magánszolgáltatásokkal dolgoznak. A szkennelt dokumentumok tárolására szolgáló felhőszolgáltatás is kapcsolódik az AADHAAR-hoz.
Természetesen India nincs egyedül a biometrikus azonosítás bevezetésével. Más államok is ezt teszik. És nem csak államok, hanem magáncégek is. A J"son & Partners Consulting elemző ügynökség szerint a biometrikus rendszerek globális piaca 2022-re eléri a 40 milliárd dollárt. Az elemzők következtetései a kulcsszereplők szegmensenkénti bevételi mutatóin alapulnak, figyelembe véve a hardvert, szoftvert és az integrációt.
Egy másik elemző ügynökség, az Acuity Research becslése szerint 2018-ra 749 millióra nő a biometrikus elektronikus dokumentumok e-ID száma. Összességében pedig az ügynökség szakemberei szerint 2018-ban mintegy 3,5 milliárd elektronikus dokumentum lesz a világon. Az ENSZ-tagországok több mint fele már most is kiállít biometrikus útlevelet. A biometrikus elektronikus dokumentumokra való átállást szolgáló programok végrehajtására példaként említhetők a kormányzati és magánszerződések Kanadában, az Egyesült Államokban, Fehéroroszországban, Ukrajnában, Moldovában, Litvániában, Magyarországon, Bangladesben, Szenegálban és más országokban.
Mi a helyzet Oroszországban?
Oroszországban a biometrikus technológiák meglehetősen gyorsan fejlődnek, aktívabban, mint sok országban. Például az Orosz Föderáció legnagyobb bankjai idén elkezdték tesztelni a biometrikus ügyfél-azonosító rendszereket. A Központi Bank, a Távközlési és Tömegkommunikációs Minisztérium, valamint a Rosfinmonitoring saját biometrikus adatbázist hoz létre, ez a rendszer még idén eléri a tesztelési szakaszt.Olga Skorobogatova, a jegybank elnökhelyettese szerint a kísérleti projekt lehetővé teszi, hogy bármely bank ügyfele távolról lehessen. Ehhez elég egyszer végigmenni a biometrikus regisztrációs eljáráson a projektben részt vevő bármely hitelintézetnél.
„A biometria nagyon izgalmas téma. Ez az azonosítás, a távoli azonosítás, a magánszemélyekről szóló egységes adatbázis létrehozása, inkább magánszemélyekről beszélek, ami lehetővé tenné, hogy bármely bank és szervezet ne kényszerítse az ügyfeleket, hogy lábra álljanak egy nagy dokumentumlista kitöltésére, ” Skorobogatovát idézi a RIA.
Ettől a kísérlettől a nemzeti biometrikus adatbázis létrehozásáig szó szerint egy lépés van hátra.
A bankszektor igyekszik bevezetni az ügyfelek hang-, fénykép- és ujjlenyomat-azonosító rendszereit. A VTB24 például már tesztelte a biometrikus azonosítást az online banki szolgáltatások részeként. Az online banki alkalmazás bejelentkezési folyamata során az ügyfelektől fénykép- és hangmintájukat kérték. Ezen adatok felhasználásával tervezik az azonosítást. A felhasználó személyazonosságának megerősítése után minden művelet további megerősítés nélkül történik. A Sberbank is nagy érdeklődést mutat a biometria iránt, amely már akkreditálta partnereként a RecFaces-t (Comlogic alkalmazást) ezen a területen.
Hasonló technológiákat használ a Promsvyazbank és a Home Credit, a Tinkoff Bank és számos más szervezet. Ami az egységes biometrikus adatbázist illeti, annak létrehozásán a Központi Bank, a Távközlési és Tömegkommunikációs Minisztérium és a Rosfinmonitoring egyszerre dolgozik. Ez a projekt több évig is eltarthat. A szakértők szerint a közös biometrikus adatbázis hasznos lesz a pénzügyi és jogi szektor, a kormányzati szolgáltatások, a közbiztonság, az orvostudomány és egyebek számára.
Digitális biometrikus profil a RecFacestől
Ha az oroszországi biometrikus adatokról beszélünk, nem hagyhatjuk figyelmen kívül fejlesztésünket – a multimodális azonosításra szolgáló információs platformot, az Id-Me-t.Jellemzően a biometriát alkalmazó cégeknek több beszállítót kell kiválasztaniuk, és jelentős forrásokat kell fordítaniuk egy központi számítási infrastruktúra létrehozására, karbantartására, különféle típusú licencekre és berendezésekre.
De ez nem csak a befektetésről és a folyamat összetettségéről szól. A piacon jelenleg kínált minden algoritmusnak számos saját tulajdonsága és előnye van. Mi a RecFacesnél kifejezetten egy teljes értékű integrált platform létrehozására összpontosítottunk, amely a világ legjobb eredményeit használja a biometrikus adatok terén. Lehetőségünk van az algoritmusok tanulmányozására és összehasonlítására, kiválasztjuk azokat a megoldásokat, amelyek maximális hatékonyságot mutatnak.
Például az arc matematikai modelljén alapuló biometrikus azonosítási technológiákat a japán Toshiba cég engedélyezte. A 3D azonosítás az Artec ID és az Intel Corporation megoldásaival történik. Kétségtelen, hogy az Id-Me platformba való bevezetésre készülő íriszmintákon, ujjlenyomatokon és tenyérvéna mintákon alapuló azonosító modulokhoz a RecFaces a legmodernebb és legígéretesebb műszaki megoldásokat választja. Az ügyfeleknek csak az Id-Me „varázslatát” kell használniuk alkalmazási problémáik megoldásához.
Egy külső szemlélő számára az Id-Me egészen egyszerűen működik. A rendszer egyik fő összetevője az Id-Box (rögzítő modul). Ez egy kisméretű „okos” azonosító eszköz, amely PC-platformra épül, kompakt tokban. Ez az elem felelős az arcok és a jövőben más típusú biometrikus adatok felismeréséért. Térfigyelő kamerához és egyéb érzékelőkhöz csatlakozik. A rendszer egy adattömböt kap tőlük, amelyet aztán speciális indexmé, matematikai modellsé alakítanak át, amelyet a felhőbe küldenek az ott tárolt szabvánnyal való összehasonlításhoz. Az indexekkel való munkával a rendszer nem igényli az internetes csatorna „szélességét”.
Ez egy univerzális rendszer, amely hatékonyan működik különféle típusú képekkel, és képes felhasználni a térfigyelő kamerákból származó információkat. Az Id-Box szükség esetén statisztikákat gyűjthet a látogatók számáról, beleértve az életkort, nemet és érzelmi állapotot. Ha meghibásodás történik, nem kell aggódni, a dobozban van egy saját nagy merevlemez, ahol minden fontos adat tárolódik. A hálózat hirtelen leállása esetén minden információ elmentésre kerül, és a rendszer tovább működik.
Az Id-box által gyűjtött adatok a felhőbe kerülnek, ahol a rendszer összehasonlítja az aktuális indexet az összes korábbi verzióval. Ha van egyezés, vagyis a rendszer felismeri a regisztrált személyt, az ügyfél riasztást kap. A szolgáltatás kompatibilis a főbb alapplatformokkal, beleértve a webes felületet, az iOS, Android, Windows mobil klienseket.
Az egész rendszer biztonságosan védett a titkosított kapcsolatnak köszönhetően. Ezen kívül van egy tűzfal és egy titkosítási átjáró kriptoútválasztókkal. Az FSTEC által hitelesített elektronikus digitális aláírást, vírusirtó szoftvert és behatolásérzékelő eszközöket használnak.
Az Id-Me alkalmazási köre
A RecFaces Id-Me biometrikus platformját úgy tervezték, hogy a lehető leghasznosabb legyen bankok, repülőterek, kiskereskedelem, szállodavállalkozások, sportszervezetek és kormányzati szervek számára.A bankok biometrikus adatokat használhatnak a biztonság javítására. Példaként hozhatunk fel egy lehetséges esetet, amikor egy csaló megpróbál pénzt felvenni valaki más kártyájáról. Az Id-Me-hez csatlakoztatott ATM-kamera azonosítja az ezzel próbálkozó személy arcát. Ha ez az információ nem egyezik az adatbázisban foglaltakkal, akkor szinte azonnal blokkolja a pénzfelvételt. Ennek a védelmi módszernek a használatához még az ATM-et sem kell további felszereléssel felszerelni.
Hasonlóképpen egy bank megvédheti hitelezési osztályát. Ezt nem tudja megtenni az a csaló, aki hamis néven próbál pénzügyi tranzakciót végrehajtani, ha az Id-Me szolgáltatáshoz kapcsolódó kamera figyeli.
Ráadásul a banki alkalmazottak is bejelentkezhetnek, ami minden kritikus feladat elvégzéséhez szükséges. Ez a funkció sok területen hasznos lehet. Az Id-Me például lehetővé teszi a személyzet időkövetésének automatizálását.
Mivel az Id-Me képes elemezni a térfigyelő kamerákból származó videofolyamokat és az egyes képeket, a rendszer segítségével statisztikákat gyűjthet a látogatásokról, a mozgási pályákról és a látogatók viselkedéséről.
A Toshiba és más partnerek szabadalmaztatott felismerési technológiáinak felhasználásával az Id-Me lehetővé teszi a biometrikus azonosítás használatát a vevő nemének, életkorának és személyes preferenciáinak meghatározására, mindezt összekapcsolva a CRM-mel. Egy ilyen rendszer kiválóan alkalmas arra is, hogy felismerjen egy fontos ügyfelet azáltal, hogy azonnal megkapja az információt róla, az utolsó bolti vagy más webhelylátogatás dátumát. Mindez segít megtalálni a közös nyelvet egy személlyel, azonnal meghatározva preferenciáit.
A biometrikus azonosítás és a CRM ilyen kombinációinak példái, amelyeket már a RecFaces partnerekkel közösen implementáltak, megmutatták, hogy nagy marketing hatékonyságuk van. Erről a későbbiekben mindenképpen részletesen írunk.
A szállodaipar számára elengedhetetlen az ügyfelek ismerete. Ha valaki látja, hogy nem csak a vezeték- és keresztnevére, hanem preferenciáira is emlékeznek, akkor valószínűleg az ilyen ügyfél újra és újra visszatér a „figyelmes” szállodába. A nem kívánt vendégek számára pedig létrehozhat egy „fekete listát” a vonatkozó adatokkal.
A szálloda térfigyelő kamerái mindent rögzítenek, ami történik, értesítve az adminisztrációt, ha ismeretlen személy belépett a szobába vagy az irodahelyiségbe. A szállodai dolgozók tisztában lesznek azzal, hogy az okos rendszer mindig tudja, ki hová és miért ment, így kevesebb lesz a visszaélés.
A sportesemények, koncertek és egyéb nyilvános rendezvények szervezői azonnali tájékoztatást kaphatnak a rendezvényre nemkívánatos elemekről (például huligán szurkolókról). Elveszett gyerek? A rendszer segít gyorsan meghatározni, hogy ez hogyan és mikor történt, és azt is meghatározza, hol van a gyermek, ha látható. Valami elromlott? A biztonságiakat azonnal figyelmeztetik.
A rendfenntartók könnyebben tudják fenntartani a biztonságot az iskolákban vagy a közterületeken, illetve a közlekedési infrastruktúra létesítményeiben, ha gyanús személyekről és a megfigyelési övezetben történt eseményekről kapnak értesítést. Autólopások, huliganizmus – mindez megelőzhető, ha időben értesül a problémáról.
Általánosságban elmondható, hogy a biometrikus rendszerek használatának számos módja van. Bármilyen igényesen is hangzik, ők a jövő. A biometrikus adatokat számos területen használják és fogják használni. Az Id-Me pedig már a legtöbbben használható. A 23. Nemzetközi Biztonsági és Tűzvédelmi Műszaki Biztonságtechnikai Berendezések és Berendezések Kiállításon többet megtudhat arról, hogy a cég milyen megoldásokat kínál már és készül bevezetésre, illetve átfogó megoldásaival ismerkedhet meg.
A technológia útja, amely túllépett a rendvédelmi szervekben, és felváltotta a grafikus és numerikus jelszavakat.
A könyvjelzőkhöz
A biometrikus adatok voltak az elsők, amelyeket a bűnüldöző szervek és a magas szintű biztonsági szolgálatok alkalmaztak. Napjainkban a biometrikus rendszerek szinte minden modern eszközben megtalálhatók: autókban, laptopokban, okostelefonokban.
A biometrikus adatok mérhető anatómiai, fiziológiai és viselkedési jellemzők, amelyeket az egyén azonosítására használnak. A leggyakoribb módszer az ujjlenyomat-felismerés. De vannak más módok is – DNS, írisz, hang, tenyér és arcvonások.
A biometrikus technológiák szabályozási, műszaki és jogi kerete jelenleg aktívan fejlődik. Az állam kezdeményezi egységes szabványok kialakítását az autonóm rendszerek kölcsönhatásának biztosítására. Biometriai bizottságok és osztályok jönnek létre. A biometrikus módszerek sokfélesége ellenére elsősorban csak három területet használnak: ujjlenyomat-, arc- és íriszfelismerést.
A számítástechnika fejlődése számos tevékenységi területen lehetővé teszi a biometrikus adatok használatát: helyiségekbe, eszközökbe való bejutás ellenőrzése, pénzügyi tranzakciók visszaigazolása, repülőterek biztonságának szavatolása, azonosítás az iskolákban és kórházakban, bűnözők felkutatása.
A biometrikus adatok története háromezer évvel ezelőtt kezdődött. Új-Skóciában, Babilonban és Kínában talált leletek azt mutatják, hogy a kéz- és ujjlenyomatokat az ókorban üzleti tranzakciókhoz és bűncselekmények bizonyítékához használták.
Csak évszázadokkal később kezdték el újra felfedezni az ujjlenyomatok és más mutatók azonosítási eszközként való használatát.
A modern világban először a rendőrök használták a biometrikus adatokat. Körülbelül az 1800-as évek közepéig a bűnüldöző tiszteknek szemüket és memóriájukat kellett használniuk a korábban letartóztatott bűnözők azonosításához. Egy személy fényképe megkönnyítette a feladatot, de nem szolgálhatott a bűnösség bizonyítékaként.
Az 1920-as évekre az FBI megnyitotta az első azonosítási osztályt, és létrehozta a bűnügyi azonosítási adatok központi tárházát az Egyesült Államok bűnüldöző szervei számára. Az 1980-as években az Egyesült Államok kormánya támogatta az automatizált ujjlenyomat-azonosító rendszerek létrehozását, amelyek központi szerepet kaptak a rendőrség és más bűnüldöző szervek számára szerte a világon.
Az ujjlenyomathoz hasonlóan a szem szivárványhártyája is változatlan marad az életkorral. Használata a biometrikus adatokban lehetővé teszi az érintés nélküli azonosítást.
Ugyanilyen szükséges biometrikus típus az arcfelismerés. Kezdetben ezt a technológiát a zsúfolt helyeken való biztonság biztosítására használták.
A bevásárlóközpontokban ez segít megelőzni a bűnözést és az erőszakot. A repülőterek javítják a kényelmet és a biztonságot. Az eszközgyártók arcfelismerő technológiát alkalmaznak, hogy új szintű biometrikus biztonságot nyújtsanak a felhasználóknak.
Nehezebb, mint az ujjlenyomatok, az arc vagy az írisz beolvasása, csak a hanglenyomat azonosítása. Az egyedi komponensek szinte lehetetlenné teszik a hanghelyettesítést. A hang biometrikus adatok története nem is olyan régen kezdődik. Az első valós idejű azonosítási módszerek az 1990-es évek végén jelentek meg.
1665
Marcello Malfighi közzéteszi az ujjlenyomatok egyediségével kapcsolatos felfedezését.
1858
William Herschel indiai köztisztviselő minden alkalmazott ujjlenyomatát feljegyzi a munkaszerződésük hátoldalára. Ily módon a Herschel megkülönbözteti az alkalmazottakat azoktól az emberektől, akik fizetésnapon alkalmazottnak vallhatják magukat.
1870
Alphonse Bertillonage francia ügyvéd fejleszti a Bertillonage rendszert – egy módszert a bűnözők azonosítására antropometrikus adatok alapján. A módszer a testméretek részletes jelentésein, fizikai leírásokon és fényképeken alapul. A rendszert 30 évig használták szerte a világon, amíg a rendőrség rájött, hogy néhány embernek ugyanazok a paraméterei lehetnek.
1880
Henry Faulds skót sebész cikket közöl az ujjlenyomatok azonosításban való hasznosságáról.
1892
Juan Vucenich argentin rendőr megkezdi az ujjlenyomatok gyűjtését és katalogizálását. És lenyomatokat is használ Francisca Rojas végső bűnösségének bizonyítására szomszédja meggyilkolásában. A rendőr megállapítja, hogy a lenyomata megegyezik a tetthelyen látható részleges vérnyomokkal.
Ugyanebben az évben Francis Galton részletes tanulmányt írt az ujjlenyomatokról, amelyben egy új osztályozási rendszert mutatott be.
1896
A bengáli rendőrség főfelügyelője, Edward Henry, aki érdeklődik Galton rendszere iránt, összegyűjt egy bőröndben ujjlenyomat-fényképeket, és javítja Galton besorolását. Henry az ujjmintákat öt alapvető részre osztja: egyszerű és összetett ívekre, a hüvelykujj vagy a kisujj felé hurkok, és az örvények.
Henry fő ötlete a minták kódolása numerikus képletekkel. A fajokat A, T, R, U, W betűkkel, az alfajokat pedig számokkal jelöltük. Henry módszere volt az előfutára annak az osztályozási rendszernek, amelyet az FBI és más bűnüldöző szervek sok éven át használtak.
1903
Bertillon rendszere „lebomlik”. Két férfit, akikről később kiderült, hogy ikrek, kényszermunkára ítéltek az Egyesült Államokban. Megállapítást nyert, hogy közel azonos Bertillonage-mérésekkel rendelkeznek. De a történetet később vitatják, mert a bertillonage tökéletlenségének bizonyítására használták.
1936
Frank Birch szemész a szem íriszének használatát javasolta a személyiség felismerésére.
1960
Gunnar Fant svéd professzor közzétesz egy modellt, amely leírja az akusztikus beszédprodukció fiziológiai összetevőit. Az eredmények bizonyos hangokat kiadó egyének röntgenfelvételeinek elemzésén alapulnak.
1964
Woodrow Bledsoe, Helen Chan Wolf és Charles Bisson a kezdeti technológiát a mintafelismeréssel kapcsolatos kollektív kutatásaik részeként fejlesztik. Bledsoe azonban kilép a tanulmányból, amelyet Peter Hart folytat a Stanfordi Kutatóintézetben.
1965
Woodrow Bledsoe fejleszti az első félautomata arcfelismerő rendszert egy amerikai kormányszerződés alapján.
Az észak-amerikai repülés kifejleszti az első aláírás-felismerő rendszert.
1968
Egy számítógép következetesen felülmúlja az embereket az emberi arcok azonosításában egy kétezer fényképből álló adatbázisból.
1969
Az FBI megkezdi az ujjlenyomat-azonosítási folyamat automatizálására szolgáló rendszer kifejlesztését, amely prioritássá válik, és lefoglalja az emberi erőforrások nagy részét.
Az FBI szerződést köt a Nemzeti Szabványügyi és Technológiai Intézettel (NIST) az emberi ujjlenyomat-azonosítás automatizálási folyamatának tanulmányozására. A NIST két fő problémát azonosít: az első az ujjlenyomat-szkennelés és a megkülönböztető jellemzők azonosítása, a második a jellemzők összehasonlítása és kontrasztja.
1970
A beszéd viselkedési összetevőit modellezik. Dr. Joseph Purkell kibővíti az 1960-ban kifejlesztett eredeti modellt. Magában foglalja a nyelvét és az állkapcsát. A modell a beszéd összetett viselkedési és biológiai összetevőinek részletesebb megértését teszi lehetővé.
1971
Goldstein, Harmon és Lesk kutatók „Emberi arc-azonosítás” címmel publikálnak egy tanulmányt, amely 22 relatív markert, például hajszínt és ajakvastagságot használ az arcok automatikus felismerésére. A tanulmány alapját képezte a számítógépes arcazonosítás további tanulmányozásának.
1974
Megjelennek az első kereskedelmi biometrikus tenyérfelismerő eszközök. A rendszereket három fő céllal valósítják meg: fizikai beléptetés-ellenőrzés, időrögzítés és jelenlét-követés, valamint személyazonosítás.
1975
Az FBI olyan érzékelők fejlesztését finanszírozza, amelyek ujjlenyomat-mintákat szkennelnek, hogy csökkentsék a digitális információk tárolási költségeit. A korai érzékelők kapacitív módszereket használnak az ujjlenyomatok jellemzőinek összegyűjtésére.
A következő évtizedekben a NIST az ujjlenyomat-digitalizálás és a képtömörítés, az osztályozás, a jellemzők kinyerése és a jellemzők egyeztetésének automatizált módszereinek fejlesztésére összpontosít. A NIST kutatás eredménye az M40, az FBI által használt első számítógépes ujjlenyomat-egyeztető algoritmus.
1976
Az amerikai elektromos alkatrészeket gyártó Texas Instruments beszédfelismerő prototípust fejleszt, amelyet az amerikai légierő és a Mitre Corporation non-profit vállalat tesztel. Utóbbi rendszerek tervezésével, kutatásával és fejlesztésével, valamint az információs technológia támogatásával foglalkozik az Egyesült Államok kormánya számára.
1977
A Veripen elnyerte a "Személyi azonosító készülék" szabadalmat, amely megragadja egy személy aláírásának dinamikus jellemzőit. A rendszer fejlesztése az automatikus kézírás-ellenőrzés teszteléséhez vezetett, amelyet a Mitr Corporation végzett az Egyesült Államok Légierejének Elektronikus Rendszerek Osztálya számára.
1984
Az amerikai hadsereg elkezdi használni a tenyérfelismerést a banki szolgáltatásokban.
1985
Leonardo Flom és Aran Safir szemészek azt sugallják, hogy nincs két egyforma írisz.
1986
A NIST és az Amerikai Nemzeti Szabványügyi Intézet (ANSI) létrehozza az ANSI/NBS-I CST 1-1986 ujjlenyomatmintázati adatcsere szabványt. Ez a létező szabványok első változata, amelyeket a bűnüldöző szervek világszerte használnak.
Flom és Safir szabadalmat kap az írisz azonosításra való használatára. Flom felkeresi Dr. John Dogmant azzal a kéréssel, hogy dolgozzon ki egy algoritmust egy személy írisz alapján történő azonosítására.
1987
A NIST egy csoportot hoz létre a beszédfeldolgozási technikák használatának tanulmányozására és fejlesztésére.
1988
A Los Angeles megyei seriff osztály Lakewood osztálya az első félautomata arcfelismerő rendszert használja a digitalizált másolatok adatbázisához.
Ugyanebben az évben Kirby és Sirovich a főkomponens-analízist – a lineáris algebra standard módszereit – alkalmazza az arcfelismerés problémájára. A technológia neve Eigenface.
1991
Matthew Turk és Alex Pentland úgy találja, hogy az Eigenface reziduális hiba felhasználható a képek éleinek megtalálására. A felfedezés eredményeként lehetővé vált a megbízható, valós idejű arcfelismerés.
1992
Az NSA létrehozza a Biometrikus Konzorciumot, és 1992 októberében tartja első ülését. Kezdetben a Konzorciumban való részvétel a kormányzati szervekre korlátozódik. A szervezet azonban hamarosan kibővítette tagságát a magán- és tudományos közösségekkel, és számos munkacsoportot hozott létre a tesztelés, a szabványfejlesztés, az interoperabilitás és a kormányzati együttműködés terén tett erőfeszítések kezdeményezésére és kiterjesztésére.
A biometrikus munka kezdete, a 2000-es évek eleje óta a munkacsoportok más szervezetekbe, például az INCITS-be, az ISO-ba és az Egyesült Államok Nemzeti Tudományos és Technológiai Tanácsába integrálódtak, tevékenységük bővítése és felgyorsítása érdekében. A konzorcium a kormány, az ipar és a tudományos körök közötti megbeszélések fórumává válik.
1993
A Védelmi Fejlett Kutatási Projektek Ügynöksége és a Védelmi Fejlesztési Programiroda finanszírozza a FacE Recognition Technology (FERET) programot. Az ösztönző célja arcfelismerő algoritmusok és technológiák fejlesztése.
1994
Az Integrált Automatizált Ujjlenyomat-azonosító Rendszer (IAFIS) verseny három fő problémát vizsgál: a digitális ujjlenyomat-gyűjtést, a helyi barázdák kivonását és a barázdajellemzők egyeztetését. A Lockheed Martin nyerte meg az IAFIS létrehozására kiírt versenyt az FBI számára.
Az ujjlenyomat-nyomtatást támogató első automatizált ujjlenyomat-azonosító rendszert (AFIS) vélhetően a magyar RECOWARE cég építette. 1997-ben a RECOdermbe épített tenyér- és ujjlenyomat-azonosító technológiát a Lockheed Martin Information Systems megvásárolta.
Ugyanebben az évben megszületett a biometrikus adatok alapján az Immigration and Naturalistic Passenger Service Expedited Service (INSPASS). Segített az utazóknak megkerülni a bevándorlási vonalakat egyesült államokbeli repülőtereken egészen addig, amíg 2004 végén megszűnt.
John Daungman kifejleszti és szabadalmaztatja az íriszminták számítógépes azonosítására szolgáló első algoritmusokat. A szabadalom neve lriScan. Eddig a Daugman algoritmusai képezték a technológia nyilvános alkalmazásainak alapját.
1995
A Nukleáris Védelmi Ügynökség és az iriScan közös projektet hoz létre, amelynek eredménye az első kereskedelmi forgalomban lévő íriszfelismerő termék.
1996
Az atlantai olimpia tenyér hozzáférési rendszereket vezet be az olimpiai faluba való fizikai hozzáférés ellenőrzésére és biztosítására. A rendszer több mint 65 ezer ember adatai között talál információt. Több mint egymillió tranzakciót dolgoztak fel 28 napon belül.
Az NSA finanszírozásával a NIST évente elindítja a NIST Speaker Recognition Assessment (NIST Speaker Recognition Assessment) értékelést, hogy tovább mozdítsa a hangszóró-felismerő közösséget.
1997
Az IAFIS megkezdi a munkát. A rendszer fejlesztése során a tudósok megvizsgálták az autonóm rendszerek közötti információcserével kapcsolatos kérdéseket, és tanulmányozták az ujjlenyomatok azonosítására szolgáló nemzeti rendszer megvalósítását is. Az IAFIS az emberek bűnügyi nyilvántartásának ellenőrzésére és a bűnügyi helyszíneken talált látens nyomatok azonosítására szolgál.
Christoph von der Malsburg és a németországi Bochumi Egyetem végzős hallgatóinak csapata kifejlesztette a ZN-Face rendszert, amely akkoriban a legmegbízhatóbb volt, mivel képes volt felismerni az arcokat a gyenge minőségű fényképeken.
A technológiát az amerikai hadsereg kutatólaboratóriuma finanszírozta. A nagy nemzetközi repülőterek, bankok és kormányzati szervek azonban használták.
Az NSA támogatásával megjelent az első kereskedelmi közös biometrikus szabvány, a Human Authentication API (HA-API). A projekt célja az integráció elősegítése, valamint a beszállítók felcserélhetőségének és függetlenségének biztosítása. Ez áttörést jelentett a biometrikus technológiai szolgáltatók együttműködésében.
1998
Az FBI elindítja a törvényszéki DNS-adatbázist, a CODIS-t (Combined DNA Index System). A rendszer a DNS-markerek digitális tárolását és visszakeresését biztosítja a rendvédelmi szervek számára.
1999
A Nemzetközi Polgári Repülési Szervezet (ICAO) géppel olvasható úti okmányokkal foglalkozó műszaki tanácsadó csoportja (TAG vagy MRTD) megkezdte a biometrikus és géppel olvasható úti okmányok kompatibilitásának kutatását. A tanulmány célja nemzetközi szabványok létrehozása a többszolgáltatásos adatátvitelhez.
2000. év
Számos amerikai kormányzati ügynökség támogatja az arcfelismerő szállítói tesztelést (FRVT). A teszteket a NIST végzi. Ez volt az első nyílt, nagyszabású kiértékelése számos kereskedelmi forgalomban kapható biometrikus rendszernek.
2003-ban és 2006-ban további értékelésekre került sor. A projekt célja az volt, hogy a bűnüldöző szerveket és az Egyesült Államok kormányát ellássák az arcfelismerő technológia alkalmazásának legjobb módjainak meghatározásához szükséges információkkal.
A tudósok közzéteszik az első kutatási cikket, amely leírja az érmintázatok használatát az emberek felismerésére. A cikk ismerteti az első olyan kereskedelmi technológiát, amely az emberi kéz vérereinek képét használja azonosításra.
Ugyanebben az évben a Nyugat-Virginiai Egyetem és az FBI bevezette a biometrikus rendszerek alapképzési programját.
2001. január
Arcfelismerést vezetnek be a floridai Tampában található Super Bowlban, hogy azonosítsák a stadionban keresett személyeket. A rendszer nem találta meg őket, de tévedésből azonosított egy tucat ártatlan rajongót. A médiát aggasztják az emberek magánéletének megsértése a biometrikus adatok használata során.
2001. szeptember 11
Az Al-Kaida terrorszervezet által végrehajtott terrortámadások sorozata újjáélesztette a tudományos érdeklődést a technológia iránt. Ez elsősorban a közlekedési rendszereket és az emberek nemzetközi mozgását biztosító szerveket, például a vám- és migrációs szolgálatokat érintette.
A személyazonosítás az okmányok ellenőrzésekor nem volt elegendő, míg a biometrikus mutatók garantálják az emberek pontos felismerését.
2001. november
Az M1-es műszaki bizottság létrehozása folyamatban van a biometrikus adatok használatára vonatkozó szabványok kidolgozásának felgyorsítása érdekében az Egyesült Államokban és a nemzetközi szabványügyi bizottságokban.
2002
A Nemzetközi Szabványügyi Szervezet (ISO) és a Nemzetközi Elektrotechnikai Bizottság (IEC) létrehozta az ISO/IEC JTC1 albizottságot a biometrikus technológiák szabványosításának támogatására. Az albizottság olyan szabványokat dolgoz ki, amelyek lehetővé teszik az autonóm alkalmazások és rendszerek közötti integrációt és adatcserét.
2003
A Nemzetközi Polgári Repülési Szervezet (ICAO) globálisan harmonizált tervet fogad el a biometrikus azonosítási adatok útlevelekbe és más géppel olvasható dokumentumokba (MRDO-k) történő integrálására. Az arcfelismerést a számítógépes személyazonosság-ellenőrzés globális, interoperábilis biometrikus modelljeként választották.
Ugyanebben az évben az Európai Bizottság támogatta az Európai Biometrikus Fórum létrehozását. A projekt célja, hogy az EU-t világelsővé tegye a biometrikus adatok terén azáltal, hogy felszámolja a döntéshozatal akadályait és a piac széttagoltságát. A fórum a nemzeti hatóságok koordinációjának, támogatásának és megerősítésének hajtóereje is.
2004
Az Egyesült Államok Védelmi Minisztériuma automatizált biometrikus azonosítási rendszert (ABIS) vezet be. Ennek célja, hogy javítsa az Egyesült Államok kormányának azon képességét, hogy nyomon tudja követni és azonosítani tudja a nemzetbiztonsági fenyegetéseket.
2005 év
Az íriszfelismerési koncepció amerikai szabadalma lejár. Ez marketinglehetőségeket nyit meg azoknak a cégeknek, amelyek kifejlesztették saját íriszfelismerő algoritmusukat.
2010
Az NSA biometrikus adatokat használ a terroristák azonosítására. Ez magában foglalja a szeptember 11-i támadásokhoz kapcsolódó helyekről származó ujjlenyomatok használatát is.
2011
A panamai kormány, Janet Napolitano amerikai belbiztonsági miniszterrel együttműködve elindította a FaceFirst arcfelismerő platform kísérleti programját a panamai Tocumen repülőtér illegális tevékenységének visszaszorítása érdekében.
A kábítószer-csempészet és a szervezett bûnözés központjaként ismert. Ennek eredményeként a rendszer segített elfogni több Interpol gyanúsítottat.
A bűnüldöző szervek és a katonai személyzet egyre gyakrabban használja az arc azonosítását kriminalisztikai célokra. Gyakran ez a leghatékonyabb módja a holttestek azonosításának.
Arcfelismerést és DNS-technológiát használtak Oszama bin Laden – az al-Kaida terrorszervezet alapítója – kilétének megerősítésére, miután megölték egy amerikai rajtaütésben.
2013-as év
Az Apple új okostelefonjaiba vezeti be a Touch ID ujjlenyomat-felismerést.
2016
A Samsung egy íriszszkennerrel ellátott készüléket mutat be, hogy növelje a készülékhez való hozzáférés biztonságát.
A MasterCard, Visa és más pénzintézetek tartalmazzák a biometrikus fizetési hitelesítést.
2017
A kiskereskedelem aktívan bevezeti az arcfelismerő technológiákat. És ez a technológia leggyorsabban növekvő ágazatává válik.
Emellett az Apple bemutatja a Face ID arcfelismerő technológiával ellátott iPhone X-et.
