Biometrik melibatkan sistem untuk mengenali orang berdasarkan satu atau lebih ciri fisik atau perilaku. Di bidang teknologi informasi, biometrik digunakan sebagai bentuk manajemen pengenal akses dan kontrol akses. Analisis biometrik juga digunakan untuk mengidentifikasi orang-orang yang berada di bawah pengawasan (banyak digunakan di AS, serta di Rusia - sidik jari)
YouTube ensiklopedis
1 / 2
✪ Pembaca biometrik tidak berfungsi dengan baik. Mengapa?
✪ Sistem biometrik. Anatoly Bokov, Teknologi Sonda
Subtitle
Untuk memasukkan sidik jari ke dalam database pada umumnya terminal biometrik Timex. Pada prinsipnya, ia menawarkan Anda 3 sidik jari per jari, secara kasar 3 pengiriman. Disarankan untuk mendekatkan jari terlebih dahulu memutar sedikit ke kiri, ke tengah dan ke kanan, agar seluruh permukaan tertutup. Karena seringkali mereka salah memasukkan sidik jari, lalu bertanya-tanya kenapa tidak berfungsi dengan baik. Oleh karena itu, ada baiknya juga di sini Anda juga harus memasukkannya dengan benar. Semakin hati-hati dan benar Anda memasukkannya, semakin sedikit kemungkinan masalah cetakan. Ada juga saat ketika orang, pelanggan, memasang terminal waktu dan kehadiran biometrik dengan pengontrol bawaan di pintu putar dengan lalu lintas tinggi. Nah, ini juga cerita yang meragukan, karena khusus untuk berbagai industri, orang-orang di sana punya jejak yang pasti timbul masalah.
Prinsip dasar
Data biometrik dapat dibagi menjadi dua kelas utama:
- Fisiologis- berhubungan dengan bentuk tubuh. Contohnya antara lain: sidik jari, pengenalan wajah, DNA, telapak tangan, retina, penciuman, suara.
- Perilaku- Terkait dengan perilaku manusia. Misalnya saja gaya berjalan dan ucapan. Terkadang istilah bahasa Inggris digunakan untuk kelas biometrik ini. behaviorometri.
Definisi
Definisi dasar yang digunakan dalam bidang perangkat biometrik:
- Universalitas – setiap orang pasti mempunyai sifat yang terukur.
- Keunikan adalah seberapa baik seseorang dibedakan dari yang lain dari sudut pandang biometrik.
- Persistensi adalah ukuran sejauh mana sifat-sifat biometrik yang dipilih tetap tidak berubah seiring berjalannya waktu, misalnya selama proses penuaan.
- Koleksi - kemudahan pengukuran.
- Produktivitas - akurasi, kecepatan dan keandalan teknologi yang digunakan.
- Akseptabilitas adalah tingkat keandalan teknologi.
- Eliminasi - kemudahan penggunaan penggantian.
Sistem biometrik dapat beroperasi dalam dua mode:
- Verifikasi - perbandingan satu-ke-satu dengan templat biometrik. Memverifikasi bahwa orang tersebut adalah siapa yang dia klaim. Verifikasi dapat dilakukan dengan kartu pintar, nama pengguna atau nomor identifikasi.
- Identifikasi - perbandingan satu-ke-banyak: setelah “menangkap” data biometrik, koneksi dibuat ke database biometrik untuk menentukan identitas. Identifikasi pribadi berhasil jika sampel biometrik sudah ada di database.
Penerapan sistem biometrik swasta dan individu pertama disebut pendaftaran. Selama proses registrasi, informasi biometrik dari individu disimpan. Selanjutnya informasi biometrik tersebut dicatat dan dibandingkan dengan informasi yang diperoleh sebelumnya. Harap dicatat bahwa jika sistem biometrik ingin aman, penyimpanan dan pengambilan di dalam sistem itu sendiri harus aman.
- Tingkat Penerimaan Palsu (FAR), atau Tingkat Kecocokan Palsu (FMR)
FAR - tingkat penerimaan palsu, kemungkinan identifikasi palsu, yaitu kemungkinan sistem bioidentifikasi secara keliru mengenali keaslian (misalnya, dengan sidik jari) dari pengguna yang tidak terdaftar dalam sistem
FMR adalah probabilitas bahwa sistem salah membandingkan pola masukan dengan pola yang tidak cocok dalam database. - Tingkat penolakan palsu (FRR), atau tingkat negatif palsu (FNMR)
FRR - tingkat penolakan akses palsu - kemungkinan sistem bio-identifikasi tidak mengenali keaslian sidik jari pengguna yang terdaftar di dalamnya.
FNMR adalah probabilitas sistem akan melakukan kesalahan dalam mengidentifikasi kecocokan antara pola masukan dan pola terkait dari database. Sistem mengukur persentase input valid yang diterima secara tidak benar. - Karakteristik operasi sistem, atau karakteristik operasi relatif (ROC)
Plot ROC adalah visualisasi trade-off antara kinerja FAR dan FRR. Secara umum, algoritma pencocokan membuat keputusan berdasarkan ambang batas yang menentukan seberapa dekat sampel masukan harus dengan templat agar dianggap cocok. Jika ambang batas dikurangi, maka akan terdapat lebih sedikit ketidakcocokan palsu, namun lebih banyak penerimaan palsu. Oleh karena itu, ambang batas yang tinggi akan mengurangi FAR tetapi meningkatkan FRR. Grafik garis menunjukkan perbedaan untuk kinerja tinggi (lebih sedikit kesalahan - lebih sedikit kesalahan). - Tingkat kesalahan yang sama (EER) atau tingkat kesalahan sementara (CER) adalah tingkat di mana kedua kesalahan (kesalahan penerimaan dan kesalahan penolakan) setara. Nilai EER dapat dengan mudah diperoleh dari kurva ROC. EER adalah cara cepat untuk membandingkan keakuratan instrumen dengan kurva ROC yang berbeda. Secara umum, perangkat dengan EER rendah adalah yang paling akurat. Semakin rendah EER, semakin akurat sistem tersebut.
- Rasio Kegagalan Mendaftar (FTE atau FER) adalah tingkat kegagalan upaya membuat templat dari data masukan. Hal ini paling sering disebabkan oleh rendahnya kualitas input data.
- False Hold Rate (FTC) - Dalam sistem otomatis, ini adalah kemungkinan bahwa sistem tidak dapat mendeteksi data input biometrik ketika disajikan dengan benar.
- Kapasitas template adalah jumlah maksimum kumpulan data yang dapat disimpan dalam sistem.
Ketika sensitivitas perangkat biometrik meningkat, FAR menurun dan FRR meningkat.
Tugas dan masalah
Kerahasiaan dan pemisahan
Data yang diperoleh selama pendaftaran biometrik dapat digunakan untuk tujuan yang tidak disetujui (tidak disadari) oleh individu yang terdaftar.
Bahaya bagi pemilik data yang dilindungi
Dalam kasus di mana pencuri tidak dapat memperoleh akses ke properti yang dilindungi, ada kemungkinan untuk melacak dan membunuh pemilik pengenal biometrik untuk mendapatkan akses. Jika ada sesuatu yang dilindungi oleh perangkat biometrik, pemiliknya dapat mengalami kerusakan permanen, yang mungkin menghabiskan biaya lebih besar daripada properti itu sendiri. Misalnya, pada tahun 2005, pencuri mobil Malaysia memotong jari pemilik Mercedes-Benz S-Class saat mencoba mencuri mobilnya.
Penggunaan data biometrik berpotensi rentan terhadap penipuan: data biometrik didigitalkan. Seorang penipu dapat terhubung ke bus yang menghubungkan pemindai ke perangkat pemrosesan dan memperoleh informasi lengkap tentang objek yang dipindai. Maka penipu bahkan tidak membutuhkan orang yang masih hidup, karena dengan terhubung ke bus dengan cara yang sama, dia akan dapat melakukan semua operasi atas nama orang yang dipindai, tanpa menggunakan pemindai.
Biometrik yang dapat dibatalkan
Keuntungan kata sandi dibandingkan biometrik adalah kemampuannya untuk mengubahnya. Jika kata sandi Anda dicuri atau hilang, Anda dapat membatalkannya dan menggantinya dengan versi baru. Hal ini menjadi tidak mungkin dilakukan dengan beberapa opsi biometrik. Jika parameter wajah seseorang telah dicuri dari database, maka parameter tersebut tidak dapat dibatalkan atau dikeluarkan yang baru. Biometrik yang dapat dibatalkan adalah cara yang harus dilakukan, yang harus mencakup kemampuan untuk membatalkan dan mengganti biometrik. Ini pertama kali diusulkan oleh Ratha dkk.
Beberapa metode biometrik yang dapat dibatalkan telah dikembangkan. Sistem biometrik berbasis sidik jari pertama yang dapat dibatalkan dirancang dan dibuat oleh Tulyakov. . Pada dasarnya, biometrik yang dapat dibatalkan adalah distorsi gambar atau properti biometrik sebelum disepakati. Variabilitas parameter yang terdistorsi disertai dengan kemungkinan pembatalan untuk rangkaian tertentu. Beberapa teknik yang diusulkan bekerja menggunakan mekanisme pengenalannya sendiri, seperti karya Teo dan Savvid, sementara yang lain (Dabba) memanfaatkan promosi penelitian biometrik yang disajikan dengan baik untuk antarmuka pengenalannya. Meskipun pembatasan keamanan semakin meningkat, hal ini masih membuat model yang dapat diganti lebih mudah diakses oleh teknologi biometrik.
Salah satu solusi privat mungkin, misalnya, tidak menggunakan semua parameter biometrik. Misalnya untuk identifikasi digunakan pola garis papiler hanya pada dua jari (misalnya ibu jari tangan kanan dan kiri). Jika perlu (misalnya, jika bantalan dua jari “kunci” terbakar), data dalam sistem dapat dikoreksi sehingga mulai saat tertentu kombinasi yang valid adalah jari telunjuk tangan kiri dan jari kelingking. tangan kanan (data yang sebelumnya tidak tercatat dalam sistem - dan tidak dapat dikompromikan).
Pertukaran data biometrik internasional
Banyak negara, termasuk Amerika Serikat, sudah berpartisipasi dalam pertukaran data biometrik. Pernyataan ini dibuat pada tahun 2009 di Komite Alokasi, Subkomite Keamanan Dalam Negeri tentang "identifikasi biometrik" oleh Kathleen Kraninger dan Robert Mockney:
Untuk memastikan kita dapat menghentikan organisasi teroris sebelum mereka mencapai Amerika Serikat, kita harus mengambil peran kepemimpinan dalam mempromosikan standar internasional untuk biometrik. Dengan mengembangkan sistem yang dapat dioperasikan, kita akan dapat mentransfer informasi tentang teroris antar negara dengan aman, sehingga menjaga keamanan kita. Sama seperti kami meningkatkan cara kami bekerja sama di dalam Pemerintah AS untuk mengidentifikasi dan memberantas teroris dan individu berbahaya lainnya, kami juga memiliki komitmen kepada mitra kami di luar negeri untuk bekerja sama mencegah aktivitas teroris.
Kami memahami bahwa melalui biometrik dan kerja sama internasional, kita dapat mengubah dan memperluas pilihan perjalanan serta melindungi orang-orang di seluruh dunia dari pihak-pihak yang dapat merugikan kita.
Menurut artikel yang diterbitkan oleh S. Magnuson di Majalah Pertahanan Nasional, Departemen Keamanan Dalam Negeri AS berada di bawah tekanan untuk mendistribusikan data biometrik. Artikel itu mengatakan:
Miller (konsultan Departemen Keamanan Dalam Negeri dan Urusan Keamanan di Amerika) melaporkan bahwa Amerika Serikat memiliki perjanjian bilateral mengenai pertukaran data biometrik dengan 25 negara. Setiap kali seorang pemimpin asing mengunjungi Washington selama beberapa tahun terakhir, Departemen Luar Negeri memastikan untuk merundingkan perjanjian serupa dengan mereka.
Peraturan legislatif di Rusia
Pasal 11 Undang-Undang Federal “Tentang Data Pribadi” No. 152-FZ tanggal 27 Juli 2006 mengatur fitur-fitur utama penggunaan data biometrik.
Biometrik dalam budaya populer
Teknologi biometrik telah ditampilkan dalam film-film populer. Hal ini saja telah membangkitkan minat konsumen terhadap biometrik sebagai alat untuk mengidentifikasi seseorang. Film "X-Men" dan "Hulk" tahun 2003 menggunakan teknologi pengenalan biometrik: berupa akses sidik jari di film "X-Men" dan akses sidik jari di "Hulk".
Namun hal ini tidak begitu signifikan hingga film “I, Robot” yang dibintangi Will Smith dirilis pada tahun 2004. Film futuristik ini memperlihatkan perkembangan teknologi baru yang hingga saat ini belum cukup berkembang. Penggunaan teknologi pengenalan suara dan telapak tangan dalam film tersebut menangkap visi masyarakat tentang masa depan, dan kedua teknologi yang digunakan saat ini untuk mengamankan bangunan atau informasi hanyalah dua dari kemungkinan penggunaan biometrik.
Pada tahun 2005, film “Pulau” dirilis. Dua kali selama pembuatan film, klon menggunakan data biometrik: untuk masuk ke rumah dan menyalakan mobil.
Film "Gattaca" menggambarkan masyarakat di mana terdapat dua kelas masyarakat: produk rekayasa genetika yang diciptakan untuk menjadi superior (yang disebut "Valid"), dan masyarakat biasa yang inferior ("Disabled"). Orang-orang yang dianggap "Valid" mempunyai hak istimewa yang besar, dan akses ke area terlarang dibatasi untuk orang-orang tersebut dan dikendalikan oleh pemindai biometrik otomatis, mirip dengan pemindai sidik jari tetapi menusuk jari dan mendapatkan sampel DNA dari darah yang diambil.
Dalam film Destroyer, karakter Simon Phoenix yang diperankan oleh Wesley Snipes memotong mata korban untuk membuka pintu dengan pemindai retina.
Dalam Monsters vs. Aliens dari DreamWorks, seorang asisten militer menyusup ke zona tersebut menggunakan biometrik.
PERKENALAN
Isu mempelajari organisme hidup dan objek tumbuhan, serta proses yang terjadi pada tingkat seluler, molekuler, dan genetik, menjadi semakin relevan setiap hari. Untuk tujuan ini, laboratorium ilmiah sedang mengembangkan metode untuk mempelajari dan mensimulasikan fenomena alam yang kompleks. Metode penelitian yang paling umum digunakan antara lain metode eksperimental dan statistik multivariat. Mereka adalah bagian penting dan integral dari percobaan laboratorium dan memungkinkan untuk mengidentifikasi pola proses alam yang terjadi secara andal, serta menemukan hubungan sebab-akibat di antara mereka.
Dalam penelitian ilmiah, metode observasi massal efektif digunakan untuk memperoleh data yang dapat dipercaya. Metode ini didasarkan pada penggunaan ulangan dalam jumlah besar pada setiap kelompok eksperimen. Bahan yang diperoleh selama percobaan laboratorium diolah dan dianalisis, kemudian berdasarkan data yang diperoleh ditarik kesimpulan yang tepat dan ditetapkan pola-pola tertentu. Yang sangat penting dalam mencapai akurasi terbesar dari hasil dan kesimpulan selama percobaan tidak hanya kualitas metode eksperimen, tetapi juga pemrosesan statistik yang benar, karena hasil yang diperoleh dapat bervariasi secara signifikan dalam satu kelompok eksperimen. Dengan demikian, melakukan analisis statistik terhadap data yang diperoleh secara eksperimental memperluas kemungkinan pengetahuan tentang fenomena alam biologis, berkontribusi pada penilaian objektif terhadap hasil yang diperoleh, tidak termasuk kemungkinan sudut pandang subjektif peneliti, serta kesalahan metodologis yang timbul. selama percobaan, dan memungkinkan pelaku eksperimen menarik kesimpulan dan kesimpulan yang akurat dan benar mengenai fenomena yang dipelajari.
Barang penelitian – teknologi komputer sebagai metode pengolahan data yang diperoleh dari penelitian laboratorium.
Target penelitian – menganalisis kemampuan program statistik saat memproses data yang diperoleh dari percobaan laboratorium.
Tugas riset:
· Mengevaluasi metode statistik matematika dalam hal kemampuan dan batas penerapannya ketika merencanakan dan memproses percobaan biokimia.
· Pelajari paket analisis statistik yang tersedia.
· Menguasai kemampuan menyelesaikan masalah statistika terapan dengan menggunakan Microsoft Excel (menggunakan fungsi standar dan paket analisis data) dan paket statistika terkenal STATISTICA di bidang biokimia.
Teknologi komputer sangat penting dalam pengolahan data statistik. Hal ini memungkinkan tidak hanya untuk mempercepat proses ini beberapa kali, tetapi juga untuk memproduksinya pada tingkat kualitas yang lebih tinggi.
ASPEK TEORITIS PENGGUNAAN TEKNOLOGI KOMPUTER DALAM MELAKUKAN PENELITIAN LABORATORIUM
Biometrik sebagai ilmu dan konsep dasarnya
Dalam beberapa tahun terakhir, teknologi komputer semakin banyak digunakan untuk memecahkan dan mensimulasikan masalah. Dalam hal ini, kebutuhan akan spesialis berkualifikasi tinggi dengan landasan teori yang baik dan pengalaman bekerja dengan program tertentu semakin meningkat. Saat ini, bermunculan disiplin ilmu di lembaga pendidikan yang memungkinkan untuk mengembangkan keterampilan berkelanjutan yang diperlukan untuk mengolah dan menyajikan hasil kegiatan ilmiah. Ilmu yang mempelajari tentang metode pengumpulan dan interpretasi data numerik disebut statistik . Disiplin ini memiliki signifikansi praktis yang penting, karena memungkinkan seseorang untuk memprediksi perkembangan proses dan fenomena alam, sosial. Seiring waktu, cabang-cabang yang lebih terspesialisasi dari ilmu ini mulai bermunculan. Jadi, di persimpangan dua ilmu independen: biologi dan statistik, muncullah statistik biologis (atau biometrik) . Biometrik adalah ilmu empiris yang mempelajari data yang diperoleh selama suatu percobaan dengan melakukan beberapa perhitungan matematis. Melakukan operasi ini tanpa komputer dan teknologi komputer membutuhkan banyak waktu. Kita dapat melihat betapa padat karya proses ini dengan mempertimbangkan beberapa konsep biometrik yang paling sering digunakan ketika mengkarakterisasi sifat yang diteliti.
Konsep dasar biometrik.
Sangat sering dalam aktivitas praktis manusia dan ketika memproses data yang diperoleh selama penelitian ilmiah, nilai rata-rata digunakan. Nilai ini mencirikan karakteristik yang diteliti dan menunjukkan berapa nilai variabel jika semua objek dari sampel mempunyai nilai yang sama. Rata-rata aritmatika dihitung menggunakan rumus:
dimana x 1 x 2, ..., x k - pilihan populasi; n adalah jumlah total opsi.
Median (batas interval 50%)- nilai yang membagi sampel menjadi dua: jumlah opsi yang sama terletak di kedua sisi median dalam rangkaian variasi. Nilai ini bergantung pada akumulasi frekuensi. Frekuensi terakumulasi hingga setengah jumlah frekuensi terlampaui. Nilai terbesar yang dihasilkan adalah median. Rumus untuk menghitung nilai ini adalah sebagai berikut:
,
dimana x min adalah nilai minimum batas interval dimana nilai median berada; saya - nilai interval; N-volume penduduk; Σn adalah jumlah total sampai dengan interval dimana nilai median berada; N e adalah banyaknya interval dimana nilai median berada.
Indikator statistik lainnya adalah fashion. Mode Nilai yang paling sering muncul disebut. Modusnya dapat dihitung dengan menggunakan rumus Pearson:
,
dimana Aku adalah mediannya; M adalah nilai rata-rata fitur tersebut.
Deviasi standar,- ciri terpenting dalam percobaan biologi. Nilai ini merupakan ukuran hamburan deret distribusi dan ditentukan dengan rumus:
Beberapa eksperimen memerlukan akurasi eksperimen yang sangat tinggi. Misalnya dalam bidang medis-biologi, toksikometri, dll. Kesalahan dalam percobaan ini tidak boleh lebih dari 1%, jika nilai kesalahan melebihi 1%, maka keakuratan hasilnya tidak memuaskan dan jumlah pengulangan harus ditingkatkan.
Namun, betapapun kerasnya peneliti mencoba melaksanakan semua langkah prosedur eksperimen secara akurat, kesalahan tetap saja terjadi dalam praktiknya yang harus diperhitungkan saat mengolah data. Ada beberapa jenis kesalahan.
Kesalahan rata-rata (mx)- indikator dimana nilai rata-rata populasi sampel (eksperimental) berbeda dengan nilai rata-rata populasi umum, jika sebaran parameter yang diteliti cenderung ke nilai normal. Kesalahan utama dari mean dihitung menggunakan rumus:
Lebih informatif dan dapat diterima untuk perbandingan kelompok digunakan koefisien variabilitas, atau variasi. Koefisien variabilitas merupakan simpangan utama yang dinyatakan sebagai persentase dari nilai rata-rata, yang dihitung dengan rumus:
Berdasarkan hasil yang diperoleh, ditarik kesimpulan tentang sifat dan derajat variasi sifat (Tabel 1.1).
Tabel 1.1. Sifat variabilitas sifat (menurut M.L. Dvoretsky)
Jika nilai t lebih besar dari empat, maka nilai rata-rata tersebut dapat diandalkan dan oleh karena itu kesimpulan yang benar dapat dirumuskan.
Persentase perbedaan antara sampel dan rata-rata umum juga ditentukan - keakuratan pengalaman (p,%), atau kesalahan pengamatan:
Parameter eksperimen ini menunjukkan berapa persen seseorang dapat salah jika menyatakan bahwa rata-rata umum sama dengan rata-rata sampel yang diperoleh.
Dalam statistik, indikator penjatahan itu penting. Indikator ini digunakan untuk mengevaluasi suatu pilihan relatif terhadap nilai rata-rata suatu kelompok tertentu dengan menggunakan rumus berikut:
Tergantung pada tujuan penelitian, nilainya dapat berkisar dari x: ±0,5σ hingga x±1σ. Opsi dengan nilai dari 0,67σ hingga 2σ adalah di bawah normal jika nilainya lebih dari x± 2σ , maka pilihan tersebut harus diklasifikasikan sebagai anomali.
Dalam biometrik ada yang namanya kesalahan keterwakilan. Ini adalah kesalahan yang terjadi bukan pada saat pengukuran atau perhitungan, tetapi karena pemilihan acak saat membentuk kelompok.
Saat menghitung kesalahan mean aritmatika dalam kelompok kecil, jumlah observasi (P) adalah “jumlah derajat kebebasan” - ekspresi (n-1) digunakan, dan rumusnya terlihat seperti:
Ada banyak sekali rumus untuk menghitung kesalahan eksperimen. Beberapa di antaranya diberikan di bawah ini sebagai contoh. Rumus untuk menghitung rata-rata kesalahan standar deviasi:
Kesalahan rata-rata koefisien variasi (C):
Kesalahan rata-rata indikator asimetri:
Atau lebih tepatnya: 
Kesalahan koefisien kurtosis:
Analisis komparatif dari hasil yang diperoleh dilakukan untuk menilai derajat reliabilitas perbedaan yang diamati di antara keduanya dengan menggunakan rumus berikut:
dimana t adalah kriteria reliabilitas. Nilainya diperkirakan menggunakan tabel probabilitas Student. Jika t aktual lebih besar dari t tabulasi, maka terdapat perbedaan antara kedua kelompok penelitian. Perbedaannya signifikan, dapat diandalkan, dan tidak dapat dijelaskan dengan alasan sembarangan.
Untuk membandingkan hasil yang diperoleh dengan yang diharapkan, digunakan uji chi-kuadrat (χ 2), yang dicari dengan rumus:
dimana p adalah frekuensi empiris, p' adalah frekuensi yang diharapkan. Maksud dari uji χ 2 adalah untuk mengetahui apakah hipotesis tersebut terkonfirmasi atau terbantahkan oleh percobaan. Jika nilai χ 2 melebihi nilai tabulasi, maka dapat dikatakan bahwa perbedaan antara hasil aktual dan hasil yang diharapkan dapat diandalkan.
Karena sebagian besar objek biologis memiliki sejumlah besar karakteristik yang sering saling terkait yang menjadi cirinya, misalnya berat, tinggi badan, usia, dll., analisis varians digunakan saat mempelajari sekumpulan indikator. Hubungan yang untuk setiap nilai variabel bebas hanya terdapat satu nilai variabel terikat disebut fungsional. Namun, di alam, hubungan seperti itu sangat jarang terjadi. Biasanya, objek yang dipelajari dengan nilai yang sama pada suatu sifat mempunyai nilai yang berbeda untuk sifat lainnya. Koneksi ini disebut korelasi. Koefisien korelasi menunjukkan bagaimana satu karakteristik yang diteliti berhubungan dengan karakteristik lainnya (Tabel 2). Koefisien korelasi dihitung dengan menggunakan rumus:
Tabel 1.2. Ciri-ciri kedekatan hubungan antar ciri
Penting juga untuk mencari kesalahan kuadrat dari koefisien korelasi:
Indikator koefisien korelasi yang diperoleh dinilai dengan menggunakan kriteria reliabilitas Student:
Atau menggunakan rumus
Saat menilai hubungan antar besaran, sangat penting untuk menemukan persamaan analitik yang sesuai dengan sifat fenomena yang diteliti untuk memprediksi perilaku karakteristik independen suatu objek ketika parameter dependen berubah. Hubungan antar variabel disebut regresi. Koefisien regresi, yang ditentukan dengan rumus serupa berikut:
- koefisien regresi YX;
koefisien regresi XY,
Dan .
Kesalahan kuadrat rata-rata juga ditemukan untuk koefisien regresi:
Ini adalah rumus dasar yang digunakan dalam biometrik, yang digunakan saat memproses data yang diperoleh selama penelitian biokimia. Masih banyak lagi rumus statistik, namun semuanya, seperti telah kita lihat, terdiri dari beberapa operasi matematika, yang mempersulit perhitungan peneliti dan dapat menyebabkan banyak kesalahan dalam perhitungan. Memperbaiki kesalahan ini dapat memakan waktu saat memproses data dalam jumlah besar. Dengan demikian, teknologi komputer menyederhanakan proses rutin ini beberapa kali, yang memungkinkan penggunaan waktu lebih efisien, dan juga mengurangi kemungkinan kesalahan, yang memberikan keyakinan akan kebenaran hasil yang diperoleh dan memungkinkan seseorang untuk menarik kesimpulan yang benar.
Perencanaan dan pemrosesan percobaan biokimia
Saat ini, terdapat banyak sekali informasi dan cukup sulit untuk mengarungi arus pengetahuan yang tiada habisnya ini. Kemudian muncul pertanyaan tentang bagaimana Anda dapat memperoleh informasi yang menarik dan memilih literatur yang diperlukan, dengan menghabiskan waktu yang minimal. Untuk melakukan ini, ada berbagai mesin pencari yang secara signifikan mengurangi jumlah waktu yang dihabiskan pada tahap persiapan. Oleh karena itu sebelum memulai dan merencanakan suatu penelitian perlu dipastikan apakah permasalahan tersebut sudah pernah diteliti sebelumnya, apa hasil penelitian yang dilakukan dan kriteria apa yang sudah diteliti. Untuk memahami sepenuhnya kebutuhan teknologi informasi dalam perencanaan eksperimental, perlu dipahami apa itu proses.
Perencanaan eksperimen adalah serangkaian tindakan yang bertujuan untuk menyiapkan eksperimen secara efektif, yang tujuan utamanya adalah mencapai akurasi pengukuran maksimum sambil melakukan jumlah eksperimen minimum. Saat merencanakan percobaan, ada beberapa tahapan:
1. Pra-perencanaan - tahap ini meliputi penyusunan rencana kerja dan persetujuannya, pemilihan topik, perumusan hipotesis kerja, pengolahan informasi rencana dan penguasaan teknik.
Tahap ini menghilangkan kemungkinan duplikasi penelitian, menjamin keandalan pengetahuan dan pendekatan orisinal untuk memecahkan masalah yang diberikan kepada peneliti.
2. Proses penelitian yang sebenarnya - pada tahap ini dilakukan tinjauan analitis terhadap literatur tentang masalah ini, pengumpulan data, sistematisasinya dan pengembangan ide serta pelaksanaan eksperimen. Eksperimen adalah serangkaian tindakan dan pengamatan yang dilakukan untuk menguji benar atau salahnya suatu hipotesis dan menetapkan hubungan sebab-akibat antara fenomena yang dipelajari.
Berkat tahap ini, peneliti dapat menyadari betapa baru topik ini dan seberapa relevan hasilnya, serta merumuskan signifikansi ilmiah dan praktis.
3. Tahap terakhir adalah formalisasi hasil penelitian ilmiah – penyusunan laporan, penulisan artikel.
Eksperimen apa pun didasarkan pada kinerja suatu metode analisis.Metode analisis memiliki kriteria yang menentukan kesesuaian metode:
· Kekhususan – kemampuan untuk menentukan komponen yang dimaksudkan untuk metode penelitian ini.
· Akurasi - kualitas pengukuran yang mencerminkan kedekatan hasil yang diperoleh mengandung analit
· Konvergensi (reprodusibilitas dalam suatu rangkaian) adalah gagasan tentang kedekatan satu sama lain dari hasil penelitian yang dilakukan dalam kondisi yang sama dalam suatu rangkaian.
· Reproduksibilitas – kedekatan hasil yang diperoleh saat melakukan studi analitik laboratorium terhadap suatu sampel dalam berbagai kondisi. Parameter ini mencerminkan tingkat penyebaran data dan memungkinkan Anda mengidentifikasi kesalahan acak.
· Benar dan salah - perbedaan dari arti sebenarnya
· Sensitivitas – kemampuan metode untuk mendeteksi nilai analit terendah. Besarnya perbedaan rasio antara indikator pengukuran perangkat diperkirakan. Semakin tinggi rasionya, semakin tinggi sensitivitas metode tersebut.
· Batas sensitivitas – konsentrasi zat uji yang sesuai dengan pengukuran minimum berbeda dari nilai sampel kosong.
Interpretasi hasil penelitian dilakukan secara manual atau menggunakan komputer. Salah satu cara untuk mengevaluasi hasilnya adalah dengan membuat kurva bertingkat (kalibrasi). Kurva kalibrasi menunjukkan hubungan erat antara pemadaman, intensitas cahaya dan konsentrasi suatu zat dalam serangkaian larutan standar. Solusi standar digunakan untuk membuat kurva bertingkat.
Membangun kurva kalibrasi:
ü Persiapan larutan standar
ü Pembuatan pengenceran suatu zat standar yang mencakup rentang konsentrasi yang dipelajari dan melampaui nilai maksimum dan minimum.
ü Dari yang utama kami menyiapkan solusi stok
ü Untuk setiap konsentrasi larutan standar kami melakukan 3-5 pengukuran
ü Dengan menggunakan titik-titik yang diperoleh, kita membuat grafik.
Untuk kejelasan dan akurasi yang lebih baik, yang terbaik adalah membuat grafik. Grafik menunjukkan ketergantungan kerapatan optik pada konsentrasi larutan. Ini akan lebih mudah untuk penentuan selanjutnya konsentrasi zat yang diteliti dalam sampel uji, yang akan membantu menghitung konsentrasi larutan kerja yang lebih tepat.
Informasi terkait.
Ada sekitar 14 juta iPhone di Rusia, sepertiganya dilengkapi fungsi Touch ID. Untuk membuka kunci layar ponsel cerdas Anda, Anda membagikan data biometrik dengan Apple. Pengguna semakin banyak memberikan data intim tubuh. Tampaknya nyaman, dapat diandalkan, dan membantu dalam memerangi kejahatan. Meskipun insiden di India baru-baru ini dengan jurnalis yang memperoleh akses terhadap data biometrik jutaan warga menunjukkan hal sebaliknya. Seiring dengan kemajuan teknologi, para pembuat undang-undang di seluruh dunia bergulat dengan cara mengatur dan melindungi pengumpulan dan penggunaan informasi biometrik.
Apa itu biometrik?
Biometrik menganalisis karakteristik fisik dan perilaku seseorang untuk mengidentifikasi identitasnya. Dalam arti paling sederhana, ini adalah teknologi untuk mengukur tubuh manusia. Ada dua kategori pengukuran biometrik: fisiologis dan perilaku.
Pengukuran fisiologis Ada dua jenis: morfologi dan biologis. Morfologi meliputi sidik jari, bentuk tangan, jari atau wajah, pola iris dan retina; untuk tes biologis - tes DNA, air liur, darah atau urin.
Pengukuran perilaku- ini adalah pengenalan suara, dinamika tulisan tangan (kecepatan gerakan, akselerasi, tekanan, kemiringan), dinamika penekanan tombol, cara menggunakan objek, gaya berjalan, suara langkah, gerak tubuh.
Pengukuran ini dapat digunakan dalam dua cara berbeda: untuk verifikasi identitas dan untuk identifikasi.
Verifikasi melibatkan membandingkan data biometrik dengan template tertentu yang terdapat dalam database atau pada media portabel, seperti kartu pintar. Operasi ini memungkinkan Anda untuk memastikan bahwa orang tersebut persis seperti yang dia klaim.
Kapan identifikasi data biometrik seseorang dibandingkan dengan data orang lain di database. Identifikasi berhasil jika sampel biometrik tersebut sudah ada dalam database.
Biometrik - sebuah fenomena baru?
Tidak terlalu. Pada abad ke-19, pengacara dan polisi Perancis Alphonse Bertillon mulai membandingkan karakteristik fisik orang untuk mengidentifikasi penjahat. Sistem antropometri yang dikembangkannya menjadi pendekatan ilmiah pertama dalam menentukan kepribadian dalam kriminologi. Perkembangannya menjadi dasar dari sidik jari, suatu sistem untuk mengidentifikasi seseorang berdasarkan sidik jari. Sistem terkenal ini ditemukan oleh perwira Inggris William Herschel - pada tahun 1877, ia mengajukan hipotesis tentang kekekalan pola papiler di telapak tangan manusia. Identifikasi sidik jari penjahat pertama kali digunakan pada tahun 1902.
Biometrik perilaku juga berakar pada abad ke-19: pada tahun 1860-an, operator telegraf menggunakan kode Morse untuk mengenali satu sama lain melalui transmisi “titik” dan “garis”.
Di mana biometrik digunakan saat ini?
Terutama di bidang keamanan nasional, layanan kesehatan dan sistem registrasi. Biometrik banyak digunakan oleh perusahaan untuk memantau karyawan dan keamanan internal, bank - untuk mengidentifikasi klien, perusahaan dan jejaring sosial - untuk tujuan komersial.
Seperti pada abad ke-19, lembaga penegak hukum saat ini menggunakan biometrik untuk mengidentifikasi penjahat. Sistem identifikasi sidik jari otomatis (AFIS) memproses dan menyimpan gambar sidik jari, sedangkan sistem identifikasi biometrik otomatis (ABIS) berisi templat untuk wajah, jari, dan iris mata. Kota-kota besar, bandara, dan perbatasan sudah menggunakan teknologi pengenalan wajah langsung, yang memungkinkan untuk mengidentifikasi wajah di tengah keramaian secara real time.
Pengawasan perbatasan menggunakan paspor elektronik dan biometrik, yang selain foto pemiliknya, juga berisi dua sidik jari. Infrastruktur biometrik terdiri dari pemindai sidik jari dan kamera yang mempercepat penyeberangan perbatasan. Negara-negara memperkenalkan teknologi ini untuk mengendalikan arus migrasi.
Biometrik juga diperlukan untuk membuat kartu identitas yang menyediakan akses terhadap layanan kesehatan, tanda pengenal kewarganegaraan, dan pendaftaran pemilih.
Sejumlah besar teknologi pengumpulan data biometrik sedang dikembangkan oleh raksasa IT seperti Google dan Facebook. Pengiklan menggunakan teknologi pengenalan wajah waktu nyata untuk menampilkan iklan tertentu kepada pelanggan. Bank dan toko ritel menggunakan biometrik untuk melacak penjahat dan pelanggan yang tidak dapat dipercaya. Perusahaan mengganti kunci kantor dengan pemindai iris mata atau sidik jari, dan klub elit menggunakan informasi biometrik untuk mengidentifikasi klien penting.
Tahun lalu, bank-bank Rusia di mana pun mulai meluncurkan proyek percontohan menggunakan teknologi biometrik untuk mendaftarkan pengguna dan menyediakan layanan online kepada mereka. Untuk saat ini, di bidang ini, data biometrik akan berfungsi berdampingan dengan sistem keamanan standar, seperti pasangan login-kata sandi.
Seberapa andalkah biometrik?
Meskipun teknologi biometrik masih jauh dari sempurna. Indikator fisiologis lebih stabil dibandingkan indikator perilaku: indikator tersebut lebih sedikit berubah sepanjang hidup dan tidak rentan terhadap faktor situasional, seperti stres. Namun, sejarah mengetahui banyak contoh ketika pengukuran tersebut diterima atau ditolak secara salah oleh sistem pengenalan. Misalnya, wajah bisa diganti dengan foto atau video beresolusi tinggi, dan sidik jari bisa “dicuri”. Kasus terkenal terjadi pada tahun 2005 di penjara Inggris Glenochil, di mana para tahanan dengan mudah belajar menipu sistem kunci berdasarkan sidik jari.
Seringkali risiko kesalahan dikaitkan dengan kondisi identifikasi. Fotografi berkualitas buruk dapat meningkatkan risiko secara signifikan. Pencahayaan, intensitas kebisingan latar belakang, dan posisi seseorang dalam ruang sangatlah penting. Dalam kondisi laboratorium yang ideal, tingkat kesalahan dalam pengenalan wajah berkisar antara 5 hingga 10%.
Risiko kebocoran data
Selama verifikasi, data diperiksa berdasarkan templat biometrik yang disimpan oleh orang tersebut, misalnya, pada kartu pintar. Hanya pengguna yang memiliki kendali atas datanya. Dalam kasus identifikasi, data seseorang diperiksa berdasarkan data dari satu basis data terpusat, yang berarti bahwa operator mereka tidak memiliki kuasa atas data tersebut. Dalam situasi seperti ini, tidak ada seorang pun yang terlindungi dari pelanggaran privasi dan informasi biometrik jatuh ke tangan yang salah.
Dengan demikian, diketahui bahwa bank-bank Rusia menyerahkan biometrik klien ke FSB - data pengguna dapat digunakan dengan cara yang sama sekali berbeda dengan yang disetujui klien.
insiden India
Pada awal Januari 2018, jurnalis dari surat kabar The Tribune di kota Chandigarh mengatakan mereka membeli perangkat lunak yang memberikan akses ke data dari database Aadhaar India dari penjual tak dikenal di WhatsApp hanya dengan £6. Aadhaar adalah database terpusat besar yang menyimpan nama, nomor telepon, alamat penduduk dan data biometrik mereka. Kartu identitas Aadhaar diperlukan bagi warga negara India untuk mengakses layanan pemerintah, menerima tunjangan dan tunjangan. Para jurnalis melaporkan bahwa perangkat lunak yang mereka beli juga memungkinkan mereka mencetak kartu identitas palsu.
Meskipun Unique Identification Authority of India (UIDAI) mengatakan jurnalis hanya mengakses nama dan alamat yang tidak ada artinya tanpa biometrik, namun insiden tersebut sekali lagi menunjukkan betapa tidak dapat diandalkannya database tersebut. Aktivis telah mengkritik Aadhaar atas kematian dua warga negara India karena kelaparan yang tidak dapat mengakses jatah yang menjadi hak mereka karena menerimanya memerlukan otentikasi Aadhaar.
Pada bulan Agustus 2017, Mahkamah Agung memutuskan bahwa privasi adalah hak yang dijamin oleh Konstitusi India. Para analis memperkirakan bahwa keputusan tersebut akan memaksa mempertimbangkan kembali peran penting Aadhaar dalam kehidupan masyarakat India.
Perlindungan data biometrik: di mana dan bagaimana cara kerjanya?
Meskipun sifat data biometrik sangat spesifik, hampir tidak ada ketentuan hukum di seluruh dunia mengenai perlindungannya. Sebagian besar undang-undang hukum berbicara tentang perlindungan data pribadi dan privasi dalam arti luas, namun terkadang undang-undang tersebut kurang disesuaikan dengan biometrik.
Di Rusia, pengumpulan dan penyimpanan data biometrik hanya dimungkinkan dengan persetujuan tertulis dari subjek data pribadi. Paragraf ini ada dalam undang-undang “Tentang Data Pribadi”. Pada tanggal 1 Juli 2017, perubahan dilakukan, dan sekarang semua situs yang mengumpulkan dan menyimpan data apa pun tentang pengguna harus menambahkan dokumentasi ke sumber daya mereka. Denda karena tidak mematuhi persyaratan ini akan berkisar antara 10.000 hingga 75.000 rubel untuk setiap pelanggaran yang terdeteksi. Dan pada musim gugur 2017, kepala Roskomnadzor, Alexander Zharov, menyerukan larangan identifikasi biometrik anak di bawah umur ketika mereka menggunakan perangkat teknis.
Selama 10 tahun terakhir, sejumlah undang-undang yang dibuat dengan penekanan pada data biometrik telah muncul di Amerika Serikat, dan pada bulan Mei 2018, undang-undang UE yang baru tentang perlindungan data pribadi (Peraturan Perlindungan Data Umum, GDPR) akan diberlakukan. berlaku di semua negara Uni Eropa.
AS: tiga lawan empat puluh tujuh
Tidak ada undang-undang tunggal di Amerika Serikat yang mengatur pengumpulan dan penggunaan data pribadi, termasuk biometrik. Perundang-undangan yang ketat mengenai biometrik hanya ada di tiga negara bagian: Illinois, Texas dan Washington.
Pada tahun 2008, Illinois mengesahkan Undang-Undang Privasi Informasi Biometrik (BIPA), yang menetapkan persyaratan ketat bagi organisasi yang mengumpulkan, membeli, atau memperoleh data biometrik pengguna. Undang-undang ini ditujukan untuk melarang penggunaan biometrik secara tidak terbatas untuk tujuan komersial. Setiap bisnis yang mendapatkan akses terhadap data tersebut harus mengembangkan kebijakan penyimpanan data yang tersedia untuk umum, membatasi transfer atau pengungkapan biometrik, dan melindungi data tersebut dengan cara yang sama seperti perusahaan melindungi informasi sensitif lainnya. BIPA menetapkan hak untuk bertindak bagi “orang yang dirugikan” dan memberikan ganti rugi sebesar $1.000 untuk setiap pelanggaran karena kelalaian dan $5.000 untuk pelanggaran yang disengaja. Pada bulan Januari 2017, rancangan undang-undang serupa dipertimbangkan di Connecticut, New Hampshire, Washington dan Alaska, tetapi hanya diadopsi di Washington.
Pada tahun 2016, sekelompok penggugat Illinois menggugat Facebook karena mengumpulkan data biometrik secara ilegal. Penggugat menuduh bahwa fitur pengenalan wajah jejaring sosial, yang menandai foto, mengumpulkan dan menyimpan data pengguna secara ilegal. Pada tahun 2017, lebih dari tiga puluh tuntutan hukum diajukan di pengadilan Illinois terhadap perusahaan yang mengumpulkan sidik jari karyawan untuk melacak jam kerja.
Secara umum, di 47 negara bagian AS, perusahaan dapat menggunakan perangkat lunak untuk mengidentifikasi wajah dalam gambar tanpa izin pengguna jika gambar tersebut berada dalam domain publik. Perangkat lunak pengenalan wajah sudah ada yang dapat digunakan toko untuk mengidentifikasi pelanggan yang terlalu sering mengembalikan barang atau yang lebih menyukai jenis pembelian tertentu. Berkat Facebook, karyawan bisa langsung mendapatkan informasi tentang pelanggan saat pertama kali masuk ke toko, mengetahui siapa mereka, dari mana asalnya, dan berapa penghasilannya. Dari sudut pandang privasi, hal ini merupakan pelanggaran terhadap anonimitas, prinsip izin pengguna, dan kelayakan penggunaan data biometrik. Namun hal ini tidak dilarang oleh hukum di negara bagian tersebut.
Uni Eropa berupaya mengembalikan privasi
Tahun ini, Uni Eropa mengambil langkah menuju kerahasiaan informasi biometrik: pada bulan Mei 2018, undang-undang terpadu tentang perlindungan data pribadi (Peraturan Perlindungan Data Umum, GDPR), yang diadopsi pada tahun 2016, mulai berlaku. Tujuan GDPR adalah mengembalikan kendali warga negara Eropa atas data pribadi mereka dan pada saat yang sama menyederhanakan kerangka peraturan bagi perusahaan. Undang-undang ini tidak hanya mempengaruhi 28 negara Uni Eropa, tetapi juga organisasi yang memiliki kantor perwakilan di negara-negara UE, mengumpulkan dan memproses data pribadi, memberikan layanan kepada individu – warga negara Uni Eropa, dan menggunakan pendaftaran online di situs web dan aplikasi. Oleh karena itu, undang-undang tersebut akan berdampak kuat, khususnya pada bisnis Rusia.
Undang-undang tersebut, yang ditulis dengan fokus pada biometrik, akan mengkonsolidasikan dan memperkuat semua standar yang sudah ada sebelumnya untuk perlindungan data pribadi di negara-negara Eropa. Secara khusus, GDPR mewajibkan organisasi mana pun untuk meminta izin pengguna sebelum mengumpulkan data. Namun subjek data mempunyai hak untuk menarik persetujuannya kapan saja. Prinsip ini disebut “hak untuk dilupakan”.
Perusahaan yang mengelola informasi biometrik akan dikenakan denda besar jika gagal menjaga keamanan datanya. Sanksinya bisa mencapai 20 juta euro atau 4% dari omset global tahunan.
Undang-undang mengatakan bahwa penggunaan data harus dibatasi. Data pribadi harus dikumpulkan dan diproses hanya untuk “tujuan spesifik, eksplisit, dan sah” (prinsip minimalisasi data).
Tiongkok sedang membangun kediktatoran digital
Sementara negara-negara dan organisasi-organisasi Eropa mempersiapkan pemberlakuan GDPR, Tiongkok terus mengembangkan sistem kredit sosial yang tampaknya tidak meninggalkan jejak privasi di negara tersebut. Pada tahun 2020, setiap penduduk Tiongkok, tergantung pada perilaku mereka, akan diberi peringkat pribadi, yang akan memengaruhi akses terhadap layanan pemerintah, kemampuan untuk mengambil pinjaman, mendapatkan pekerjaan, mendaftarkan anak-anak di sekolah, berbelanja, dan bepergian.
Sistem kredit sosial didasarkan pada pengumpulan data sebanyak mungkin tentang warga negara dan menilai kepercayaan penduduk berdasarkan perilaku keuangan, sosial, dan online mereka. Dengan demikian, pemeringkatan memperhitungkan riwayat kredit, pembayaran denda tepat waktu, kepatuhan terhadap peraturan lalu lintas, kebiasaan membeli, waktu yang dihabiskan untuk bermain game komputer (semakin banyak bermalas-malasan, semakin rendah peringkatnya), kepatuhan terhadap peraturan keluarga berencana, frekuensi kunjungan ke orang tua , pernyataan di Internet, lingkaran sosial ( menghabiskan waktu dengan orang-orang yang peringkatnya lebih rendah tidak akan menguntungkan). Untuk saat ini, partisipasi dalam pemeringkatan bersifat sukarela, namun pada tahun 2020 akan diwajibkan bagi semua individu dan badan hukum.
Untuk mengumpulkan data masyarakat, pemerintah telah mempekerjakan delapan perusahaan swasta untuk mengembangkan algoritma untuk mengevaluasi kredit sosial. Diantaranya adalah China Rapid Finance, mitra raksasa teknologi Tencent, yang mendukung messenger terbesar WeChat dengan lebih dari 850 juta pengguna aktif. Pemain lainnya adalah Sesame Credit, dijalankan oleh Ant Financial Services Group (AFSG), anak perusahaan Alibaba. AFSG menjual asuransi dan memberikan pinjaman kepada usaha kecil dan menengah, dan juga memiliki layanan AliPay, yang digunakan tidak hanya untuk pembelian online, tetapi juga untuk restoran, taksi, biaya sekolah, tiket bioskop, dan transfer uang. Untuk mengembangkan sistem kredit sosial, Sesame bekerja sama dengan platform pengumpulan data lainnya Didi Chuxing, mantan pesaing utama Uber di Tiongkok, dan Baihe, layanan kencan online terbesar di negara itu. Sulit membayangkan seberapa banyak perusahaan-perusahaan ini mengetahui tentang penggunanya.
Melalui kontrol total atas perilaku online dan offline, sistem ini diharapkan dapat mendorong masyarakat untuk mengambil tindakan yang disetujui pemerintah dan membantu meningkatkan “ketulusan” dan kepercayaan secara umum. Peran sistem pengenalan wajah dan teknologi biometrik lainnya dalam proyek ini akan sangat besar.
Kemungkinan biometrik semakin menjadi masalah: kebocoran data, kejahatan dunia maya, “pencurian identitas.” Dan meningkatnya penggunaan teknologi biometrik menimbulkan tantangan baru bagi pemerintah. Akankah negara melindungi anonimitas warga negaranya, atau akankah transparansi penuh tidak hanya menunggu warga Tiongkok, tapi juga setiap orang yang memiliki akun di jejaring sosial, menggunakan telepon, dan setidaknya kadang-kadang meninggalkan rumah? Perkembangan teknologi bagaimanapun juga memerlukan pengembangan kerangka hukum.
Teks: Anna Kozonina
Banyak pembaca Habr mungkin sudah familiar dengan teknologi biometrik. Mereka sekarang ada dimana-mana. Secara umum, biometrik adalah sistem untuk mengenali orang berdasarkan satu atau lebih karakteristik fisik (atau perilaku). Di bidang teknologi informasi, data biometrik digunakan sebagai bentuk manajemen pengenal akses dan kontrol akses. Biasanya, mode pengoperasian sistem biometrik terbagi menjadi dua tipe utama.
Yang pertama disebut verifikasi, yaitu perbandingan hasil tes dengan template biometrik. Opsi ini membantu memverifikasi apakah orang tersebut memang seperti yang mereka nyatakan. Verifikasi dapat dilakukan dengan berbagai cara, termasuk kartu pintar, nama pengguna, atau nomor pengguna. Modus kedua adalah identifikasi. Setelah sampel tertentu diterima, sistem diperiksa terhadap database biometrik untuk menentukan identitas. Ada satu poin penting di sini - untuk mode operasi ini, sampel biometrik harus ada dalam database, dan perbandingannya harus dilakukan berdasarkan prinsip “satu ke banyak”. Secara umum, teknologi biometrik memiliki potensi yang sangat besar, namun belum sepenuhnya terealisasi. Bagaimana kondisi teknologi biometrik di Rusia dan dunia saat ini?
Dalam beberapa kasus, perkembangannya masih belum memuaskan. Sejauh ini kawasan tersebut aktif berkembang, meski sudah ada beberapa hasil (selengkapnya di bawah). Dalam beberapa kasus, biometrik dianggap bukan metode identifikasi atau verifikasi yang dapat diandalkan. Oleh karena itu, di Amerika Serikat, Departemen Kepolisian Tampa bahkan menghapus perangkat lunak pengenalan wajah karena dianggap tidak terlalu dapat diandalkan. Namun di sana mereka berbicara tentang pengenalan metode biometrik yang sudah ketinggalan zaman, yang tidak selalu menunjukkan sisi terbaiknya.
Namun, teknologi biometrik modern menjadi lebih akurat dan dapat diandalkan. Banyak perusahaan dan organisasi ilmiah terlibat dalam penelitian dan pengembangan di bidang ini. Selain itu, prioritas dari waktu ke waktu telah bergeser ke metode pengenalan biometrik tanpa kontak. Biometrik digunakan di banyak bidang, termasuk perbankan, sistem keamanan dan kontrol akses, sistem kontrol visa, sistem identifikasi kriminal polisi, pengumpulan statistik pengunjung dan banyak lagi. Sejauh ini, sekitar separuh pasar biometrik ditempati oleh sistem pengenalan sidik jari. Namun situasinya berangsur-angsur berubah, pengembang memahami bahwa sidik jari bukanlah cara yang paling dapat diandalkan untuk mengidentifikasi seseorang (di “MythBusters” mereka bahkan pernah menunjukkan cara untuk membuka kunci sidik jari menggunakan sidik jari yang dicetak pada printer), sehingga teknologi biometrik baru adalah secara bertahap menjadi semakin populer.
Biometrik: skala
Secara umum dapat dikatakan bahwa biometrik telah menjadi bagian integral dari kehidupan masyarakat. Di beberapa negara, misalnya, Anda tidak bisa mendapatkan paspor atau visa tanpa data biometrik. Organisasi pemerintah di berbagai negara percaya bahwa biometrik adalah salah satu cara paling efektif untuk mengidentifikasi pengungsi dan mereka yang melintasi perbatasan secara ilegal.Sekarang ada banyak proyek yang berbasis teknologi biometrik. Mungkin salah satu yang paling berskala besar adalah proyek AADHAAR, yang dilaksanakan di India. Ini adalah sistem identifikasi biometrik yang berisi data lebih dari satu miliar orang. Basis datanya berisi sekitar 10 miliar templat sidik jari, dua miliar templat iris mata, dan satu miliar foto. Hal serupa juga diperlihatkan dalam film fiksi ilmiah I Origins. Namun, identifikasi dengan iris mata adalah teknologi nyata yang semakin populer.
Semua penduduk India dapat memperoleh entri di AADHAAR; ini adalah nomor identifikasi yang dihubungkan dengan data biometrik pengguna. Hal ini digunakan dalam transaksi keuangan, ketika bekerja dengan berbagai layanan publik dan swasta. Layanan cloud untuk menyimpan dokumen yang dipindai juga ditautkan ke AADHAAR.
Tentu saja, India bukan satu-satunya negara yang memperkenalkan identifikasi biometrik. Negara bagian lain juga melakukan hal ini. Dan tidak hanya negara, tapi juga perusahaan swasta. Menurut lembaga analisis J"son & Partners Consulting, pasar global untuk sistem biometrik akan mencapai $40 miliar pada tahun 2022. Kesimpulan analis didasarkan pada indikator pendapatan pemain kunci tergantung pada segmen, dengan mempertimbangkan perangkat keras, perangkat lunak, dan integrasi.
Badan analisis lainnya, Acuity Research, memperkirakan pertumbuhan jumlah dokumen elektronik biometrik e-KTP menjadi 749 juta pada tahun 2018. Dan secara total, menurut pakar agensi, pada tahun 2018 akan ada sekitar 3,5 miliar dokumen elektronik di dunia. Saat ini, lebih dari separuh negara anggota PBB telah menerbitkan paspor biometrik. Contoh implementasi program transisi ke dokumen elektronik biometrik meliputi kontrak pemerintah dan swasta di Kanada, Amerika Serikat, Belarusia, Ukraina, Moldova, Lituania, Hongaria, Bangladesh, Senegal, dan negara lainnya.
Bagaimana dengan di Rusia?
Di Rusia, teknologi biometrik berkembang cukup cepat, lebih aktif dibandingkan di banyak negara. Misalnya, bank terbesar di Federasi Rusia mulai menguji sistem identifikasi nasabah biometrik tahun ini. Bank Sentral, Kementerian Telekomunikasi dan Komunikasi Massa, dan Rosfinmonitoring sedang membuat basis data biometrik mereka sendiri; sistem ini akan mencapai tahap pengujian tahun ini.Menurut Wakil Ketua Bank Sentral Olga Skorobogatova, proyek percontohan ini akan memungkinkan Anda menjadi klien bank mana pun dari jarak jauh. Untuk melakukan ini, cukup melalui prosedur pendaftaran biometrik satu kali di lembaga kredit mana pun yang berpartisipasi dalam proyek ini.
“Biometrik adalah topik yang sangat menarik. Ini adalah identifikasi, identifikasi jarak jauh, pembuatan database terpadu tentang individu, saya lebih berbicara tentang individu, yang akan memungkinkan bank dan organisasi mana pun untuk tidak memaksa klien untuk berdiri sendiri untuk mengisi daftar besar dokumen, ” RIA mengutip Skorobogatova.
Dari eksperimen hingga pembuatan database biometrik nasional, tinggal satu langkah lagi.
Sektor perbankan mencoba memperkenalkan sistem identifikasi nasabah melalui suara, foto, dan sidik jari. Misalnya, VTB24 telah menguji identifikasi biometrik sebagai bagian dari perbankan online. Pada proses login aplikasi perbankan online, nasabah diminta memberikan contoh foto dan suara. Dengan menggunakan data ini rencananya akan dilakukan identifikasi. Setelah mengonfirmasi identitas pengguna, semua operasi dilakukan tanpa konfirmasi tambahan. Minat besar terhadap biometrik juga ditunjukkan oleh Bank Tabungan, yang telah mengakreditasi RecFaces (aplikasi Comlogic) sebagai salah satu mitranya di bidang ini.
Teknologi serupa digunakan di Promsvyazbank dan Home Credit, Tinkoff Bank dan sejumlah organisasi lainnya. Sedangkan untuk database biometrik terpadu, Bank Sentral, Kementerian Telekomunikasi dan Komunikasi Massa, serta Rosfinmonitoring sedang mengerjakan pembuatannya secara bersamaan. Proyek ini mungkin memerlukan waktu beberapa tahun untuk diselesaikan. Basis data biometrik yang umum, menurut para ahli, akan berguna untuk sektor keuangan dan hukum, layanan pemerintah, keselamatan publik, kedokteran, dan banyak lagi.
Profil biometrik digital dari RecFaces
Berbicara tentang biometrik di Rusia, kami tidak bisa tidak menyebutkan perkembangan kami - sebuah platform informasi untuk identifikasi multimodal, yang disebut Id-Me.Biasanya, perusahaan yang menerapkan biometrik harus memilih beberapa pemasok dan menginvestasikan dana yang besar dalam pembuatan infrastruktur komputasi pusat, pemeliharaannya, berbagai jenis lisensi dan peralatan.
Namun ini bukan hanya soal investasi dan kompleksitas prosesnya. Setiap algoritma yang saat ini ditawarkan di pasaran memiliki sejumlah fitur dan keunggulan tersendiri. Kami di RecFaces secara khusus berfokus pada penciptaan platform terintegrasi penuh yang menggunakan pencapaian terbaik dunia di bidang biometrik. Memiliki kesempatan untuk mempelajari algoritma dan membandingkannya, kami memilih solusi yang menunjukkan efisiensi maksimum.
Misalnya, teknologi identifikasi biometrik berdasarkan model matematika wajah dilisensikan oleh perusahaan Jepang Toshiba. Identifikasi 3D dilakukan menggunakan solusi dari Artec ID dan Intel Corporation. Tidak ada keraguan bahwa untuk modul identifikasi berdasarkan pola iris mata, sidik jari, dan pola urat telapak tangan yang sedang dipersiapkan untuk diimplementasikan ke dalam platform Id-Me, RecFaces akan memilih solusi teknis yang paling modern dan menjanjikan. Klien hanya perlu menggunakan “keajaiban” Id-Me untuk menyelesaikan masalah aplikasi mereka.
Bagi pengamat luar, Id-Me bekerja cukup sederhana. Salah satu komponen utama sistem adalah Id-Box (modul capture). Ini adalah perangkat identifikasi “pintar” kecil berdasarkan platform PC dalam wadah yang ringkas. Elemen inilah yang bertanggung jawab untuk mengenali wajah dan, di masa depan, jenis data biometrik lainnya. Ini terhubung ke kamera pengintai dan sensor lainnya. Sistem menerima serangkaian data dari mereka, yang kemudian diubah menjadi indeks khusus, model matematika, yang dikirim ke cloud untuk dibandingkan dengan standar yang disimpan di sana. Dengan bekerja dengan indeks, sistem tidak menuntut “lebar” saluran Internet.
Ini adalah sistem universal yang bekerja secara efektif dengan berbagai jenis gambar dan dapat menggunakan informasi dari kamera pengintai. Id-Box, jika diperlukan, dapat mengumpulkan statistik jumlah pengunjung, termasuk usia, jenis kelamin, dan keadaan emosi. Jika terjadi kegagalan, tidak perlu khawatir, di dalam kotak terdapat hard drive besar yang menyimpan semua data penting. Jika terjadi pemadaman jaringan secara tiba-tiba, semua informasi akan disimpan dan sistem akan terus beroperasi.
Data yang dikumpulkan oleh Id-box dikirim ke cloud, tempat sistem membandingkan indeks saat ini dengan semua versi sebelumnya. Jika ada kecocokan, yaitu sistem mengenali orang yang terdaftar, klien menerima peringatan. Layanan ini kompatibel dengan platform dasar utama, termasuk antarmuka web, klien seluler iOS, Android, Windows.
Seluruh sistem terlindungi dengan aman berkat koneksi terenkripsi. Selain itu, terdapat Firewall dan gateway kripto dengan router kripto juga disediakan. Tanda tangan digital elektronik, perangkat lunak anti-virus, dan alat deteksi intrusi yang disertifikasi oleh FSTEC digunakan.
Lingkup penerapan Id-Me
Platform biometrik Id-Me dari RecFaces dirancang untuk berguna bagi bank, bandara, ritel, bisnis hotel, organisasi olahraga, dan lembaga pemerintah.Bank dapat menggunakan biometrik untuk meningkatkan keamanan. Di sini kami dapat memberikan contoh kasus yang mungkin terjadi di mana penipu mencoba menarik uang dari kartu orang lain. Kamera ATM yang terhubung ke Id-Me mengidentifikasi wajah orang yang mencoba melakukan ini. Jika informasi ini tidak sesuai dengan apa yang terdapat dalam database, penarikan dana akan diblokir hampir seketika. Untuk menggunakan metode perlindungan ini, Anda bahkan tidak perlu melengkapi ATM dengan peralatan tambahan.
Demikian pula, bank dapat melindungi departemen pemberi pinjamannya. Penipu yang mencoba melakukan transaksi keuangan dengan nama palsu tidak akan bisa melakukannya jika diawasi oleh kamera yang terhubung dengan layanan Id-Me.
Selain itu, pegawai bank juga dapat login, yang diperlukan saat melakukan tugas penting apa pun. Fungsi ini dapat berguna di banyak bidang. Id-Me, misalnya, memungkinkan Anda mengotomatiskan pelacakan waktu staf.
Karena Id-Me dapat menganalisis aliran video dari kamera pengintai dan gambar individu, sistem ini dapat digunakan untuk mengumpulkan statistik tentang kunjungan, lintasan pergerakan, dan perilaku pengunjung.
Menggunakan teknologi pengenalan milik Toshiba dan mitra lainnya, Id-Me memungkinkan Anda menggunakan identifikasi biometrik untuk menentukan jenis kelamin, usia, dan preferensi pribadi pembeli, menghubungkan semua ini dengan CRM. Sistem seperti ini juga bagus untuk mengenali klien penting dengan segera menerima informasi tentang dia, tanggal kunjungan terakhirnya ke toko atau situs lain. Semua ini akan membantu Anda menemukan bahasa yang sama dengan seseorang, langsung menentukan kesukaannya.
Contoh kombinasi identifikasi biometrik dengan CRM yang telah diterapkan bersama dengan mitra RecFaces telah menunjukkan efektivitas pemasaran yang tinggi. Kami pasti akan menulis tentang ini secara detail nanti.
Bagi industri perhotelan, mengetahui pelanggan Anda sangatlah penting. Jika seseorang melihat bahwa dia diingat, tidak hanya nama depan dan belakangnya, tetapi juga kesukaannya, kemungkinan besar, klien seperti itu akan kembali ke hotel yang "penuh perhatian" lagi dan lagi. Dan untuk tamu yang tidak diinginkan, Anda dapat membuat “daftar hitam” dengan data yang relevan.
Kamera pengintai hotel akan merekam semua yang terjadi, memberi tahu pihak administrasi jika ada orang tak dikenal telah memasuki kamar atau ruang kantor. Karyawan hotel akan menyadari bahwa sistem pintar selalu mengetahui siapa pergi ke mana dan mengapa, sehingga penyalahgunaan akan berkurang.
Penyelenggara acara olahraga, konser, dan acara publik lainnya dapat menerima informasi langsung tentang elemen yang tidak diinginkan (misalnya, penggemar hooligan) yang mencoba masuk ke acara tersebut. Anak hilang? Sistem akan membantu Anda dengan cepat menentukan bagaimana dan kapan hal ini terjadi, dan juga akan menentukan di mana anak tersebut berada jika dia terlihat. Ada yang salah? Keamanan akan segera diberitahu.
Petugas penegak hukum akan lebih mudah menjaga keamanan di sekolah atau tempat umum, atau di fasilitas infrastruktur transportasi, jika mereka menerima pemberitahuan tentang orang-orang dan peristiwa mencurigakan yang terjadi di zona pengawasan. Pencurian mobil, hooliganisme - semua ini dapat dicegah jika Anda mengetahui masalahnya tepat waktu.
Secara umum, ada banyak cara untuk menggunakan sistem biometrik. Betapapun megahnya kedengarannya, itu adalah masa depan. Biometrik sedang dan akan digunakan di banyak bidang. Dan Id-Me sudah bisa digunakan di sebagian besarnya. Anda dapat mempelajari lebih lanjut tentang solusi apa saja yang telah ditawarkan dan sedang dipersiapkan oleh perusahaan untuk diluncurkan, serta mengenal solusi komprehensifnya dengan mengunjungi Pameran Internasional Peralatan Keamanan Teknis dan Peralatan Keamanan dan Perlindungan Kebakaran ke-23.
Jalur teknologi yang telah melampaui penggunaan di lembaga penegak hukum dan menggantikan kata sandi grafis dan numerik.
Ke bookmark
Biometrik adalah yang pertama digunakan oleh lembaga penegak hukum dan layanan keamanan tinggi. Saat ini, sistem biometrik ditemukan di hampir semua perangkat modern: mobil, laptop, smartphone.
Biometrik adalah karakteristik anatomi, fisiologis, dan perilaku terukur yang digunakan untuk mengidentifikasi seseorang. Metode yang paling umum adalah pengenalan sidik jari. Tapi ada cara lain - DNA, iris mata, suara, telapak tangan dan fitur wajah.
Kerangka peraturan, teknis dan hukum untuk teknologi biometrik kini sedang aktif berkembang. Negara memprakarsai pembentukan standar yang seragam untuk memastikan interaksi sistem otonom. Komite dan departemen biometrik sedang dibentuk. Terlepas dari beragamnya metode biometrik, hanya tiga bidang yang paling banyak digunakan: sidik jari, pengenalan wajah dan iris mata.
Perkembangan teknologi komputer memungkinkan penggunaan biometrik di banyak bidang kegiatan: mengendalikan akses ke tempat dan perangkat, mengkonfirmasi transaksi keuangan, memastikan keamanan di bandara, identifikasi di sekolah dan rumah sakit, mencari penjahat.
Sejarah biometrik dimulai tiga ribu tahun yang lalu. Artefak yang ditemukan di Nova Scotia, Babilonia, dan Tiongkok menunjukkan bahwa tangan dan sidik jari digunakan pada zaman dahulu untuk transaksi bisnis dan bukti kejahatan.
Baru berabad-abad kemudian orang-orang kembali mengeksplorasi penggunaan sidik jari dan indikator lain sebagai alat identifikasi.
Orang pertama yang menggunakan biometrik di dunia modern adalah petugas polisi. Hingga sekitar pertengahan tahun 1800-an, petugas penegak hukum harus menggunakan mata dan ingatan untuk mengidentifikasi penjahat yang ditangkap sebelumnya. Foto seseorang membuat tugas lebih mudah, tetapi tidak bisa dijadikan bukti rasa bersalah.
Pada tahun 1920-an, FBI membuka Departemen Identifikasi pertama, menciptakan pusat penyimpanan data identifikasi kriminal untuk lembaga penegak hukum AS. Pada tahun 1980-an, pemerintah AS mensponsori pembuatan sistem identifikasi sidik jari otomatis yang menjadi hal penting bagi polisi dan lembaga penegak hukum lainnya di seluruh dunia.
Ibarat sidik jari, iris mata tetap tidak berubah seiring bertambahnya usia. Penggunaannya dalam biometrik memungkinkan penggunaan identifikasi tanpa kontak.
Jenis biometrik yang sama pentingnya adalah pengenalan wajah. Awalnya, teknologi ini digunakan untuk menjamin keamanan di tempat ramai.
Di pusat perbelanjaan, hal ini membantu mencegah kejahatan dan kekerasan. Bandara meningkatkan kenyamanan dan keamanan. Produsen perangkat menggunakan teknologi pengenalan wajah untuk memberikan tingkat keamanan biometrik baru kepada pengguna.
Lebih sulit daripada memindai sidik jari, wajah atau iris mata, hanya identifikasi voiceprint. Komponen unik membuat substitusi suara hampir tidak mungkin dilakukan. Sejarah data biometrik suara dimulai belum lama ini. Metode identifikasi real-time pertama muncul pada akhir tahun 1990an.
1665
Marcello Malfighi mempublikasikan penemuannya tentang keunikan sidik jari.
1858
Pegawai negeri sipil India William Herschel mencatat sidik jari setiap karyawan di bagian belakang kontrak kerja mereka. Dengan cara ini, Herschel membedakan karyawan dari orang lain yang mungkin mengaku sebagai karyawan pada hari gajian.
1870
Pengacara Perancis Alphonse Bertillonage sedang mengembangkan sistem Bertillonage - sebuah metode untuk mengidentifikasi penjahat menggunakan data antropometrik. Metode ini didasarkan pada laporan rinci tentang pengukuran tubuh, deskripsi fisik, dan foto. Sistem ini digunakan di seluruh dunia selama 30 tahun hingga polisi menyadari bahwa beberapa orang mungkin memiliki parameter yang sama.
1880
Ahli bedah Skotlandia Henry Faulds menerbitkan artikel tentang kegunaan sidik jari untuk identifikasi.
1892
Petugas polisi Argentina Juan Vucenich mulai mengumpulkan dan membuat katalog sidik jari. Dan juga menggunakan cetakan untuk membuktikan kesalahan terakhir Francisca Rojas dalam pembunuhan tetangganya. Petugas polisi menentukan bahwa sidik jarinya identik dengan sebagian jejak darah di TKP.
Pada tahun yang sama, Francis Galton menulis studi rinci tentang sidik jari, di mana ia menyajikan sistem klasifikasi baru.
1896
Inspektur Jenderal Polisi Benggala Edward Henry, tertarik dengan sistem Galton, mengumpulkan koper foto sidik jari dan meningkatkan klasifikasi Galton. Henry membagi pola jari menjadi lima pola dasar: busur sederhana dan kompleks, melingkar ke arah ibu jari atau kelingking, dan berputar.
Ide utama Henry adalah mengkodekan pola dengan rumus numerik. Spesies ditandai dengan huruf A, T, R, U, W, dan subspesies dengan angka. Metode Henry adalah cikal bakal sistem klasifikasi yang digunakan FBI dan lembaga penegak hukum lainnya selama bertahun-tahun.
1903
Sistem Bertillon "rusak". Dua pria, yang kemudian diketahui kembar, dijatuhi hukuman kerja paksa di Amerika Serikat. Telah ditetapkan bahwa mereka memiliki pengukuran Bertillonage yang hampir sama. Namun cerita tersebut kemudian diperdebatkan karena digunakan untuk membuktikan ketidaksempurnaan bertillonage.
1936
Dokter mata Frank Birch mengusulkan penggunaan iris mata untuk pengenalan kepribadian.
1960
Profesor Swedia Gunnar Fant menerbitkan model yang menggambarkan komponen fisiologis produksi ucapan akustik. Hasilnya didasarkan pada analisis sinar-X pada individu yang mengeluarkan suara tertentu.
1964
Woodrow Bledsoe, Helen Chan Wolf, dan Charles Bisson mengembangkan teknologi awal sebagai bagian dari penelitian kolektif mereka dalam pengenalan pola. Namun Bledsoe keluar dari penelitian yang dilanjutkan oleh Peter Hart di Stanford Research Institute.
1965
Woodrow Bledsoe sedang mengembangkan sistem pengenalan wajah semi-otomatis pertama di bawah kontrak pemerintah AS.
Penerbangan Amerika Utara mengembangkan sistem pengenalan tanda tangan pertama.
1968
Komputer secara konsisten mengungguli manusia dalam mengidentifikasi wajah manusia dari database dua ribu foto.
1969
FBI mulai mengembangkan sistem untuk mengotomatiskan proses identifikasi sidik jari, yang menjadi prioritas dan menyita sebagian besar sumber daya manusia.
FBI menandatangani kontrak dengan Institut Standar dan Teknologi Nasional (NIST) untuk mempelajari proses otomatisasi identifikasi sidik jari manusia. NIST mengidentifikasi dua masalah utama: yang pertama adalah pemindaian sidik jari dan mengidentifikasi fitur-fitur yang membedakan, yang kedua adalah membandingkan dan membedakan fitur-fitur.
1970
Komponen perilaku ucapan dimodelkan. Dr Joseph Purkell memperluas model asli yang dikembangkan pada tahun 1960. Dia memasukkan lidah dan rahangnya. Model ini memberikan pemahaman yang lebih rinci tentang komponen perilaku dan biologis ucapan yang kompleks.
1971
Peneliti Goldstein, Harmon, dan Lesk menerbitkan makalah, “Human Face Identification,” yang menggunakan 22 penanda relatif, seperti warna rambut dan ketebalan bibir, untuk mengenali wajah secara otomatis. Studi ini menjadi dasar untuk studi lebih lanjut tentang identifikasi wajah berbasis komputer.
1974
Perangkat pengenalan telapak tangan biometrik komersial pertama kali muncul. Sistem ini diterapkan untuk tiga tujuan utama: kontrol akses fisik, pencatatan waktu dan pelacakan kehadiran, serta identifikasi orang.
1975
FBI mendanai pengembangan sensor untuk memindai pola sidik jari guna mengurangi biaya penyimpanan informasi digital. Sensor awal menggunakan metode kapasitif untuk mengumpulkan karakteristik sidik jari.
Selama beberapa dekade berikutnya, NIST berfokus pada pengembangan metode otomatis untuk digitalisasi sidik jari dan kompresi gambar, klasifikasi, ekstraksi fitur, dan pencocokan fitur. Penelitian NIST menghasilkan M40, algoritma pencocokan sidik jari komputer pertama yang digunakan oleh FBI.
1976
Produsen komponen listrik AS, Texas Instruments, sedang mengembangkan prototipe pengenalan suara yang sedang diuji oleh Angkatan Udara AS dan perusahaan nirlaba Mitre Corporation. Yang terakhir ini terlibat dalam desain, penelitian dan pengembangan sistem, serta dukungan teknologi informasi untuk pemerintah AS.
1977
Veripen telah dianugerahi paten "Personal Identification Apparatus" yang menangkap karakteristik dinamis dari tanda tangan seseorang. Pengembangan sistem mengarah pada pengujian verifikasi tulisan tangan otomatis yang dilakukan oleh Mitre Corporation untuk Divisi Sistem Elektronik Angkatan Udara Amerika Serikat.
1984
Angkatan Darat AS mulai menggunakan pengenalan telapak tangan di perbankan.
1985
Dokter mata Leonardo Flom dan Aran Safir berpendapat bahwa tidak ada dua iris mata yang sama.
1986
NIST dan American National Standards Institute (ANSI) menciptakan standar pertukaran data pola sidik jari ANSI/NBS-I CST 1-1986. Ini adalah versi pertama dari standar yang ada yang sekarang digunakan oleh lembaga penegak hukum di seluruh dunia.
Flom dan Safir menerima paten atas penggunaan iris untuk identifikasi. Flom mendekati Dr. John Dogman dengan permintaan untuk mengembangkan algoritma untuk mengidentifikasi seseorang melalui iris matanya.
1987
NIST membentuk kelompok untuk mempelajari dan mengembangkan penggunaan teknik pemrosesan ucapan.
1988
Divisi Lakewood Departemen Sheriff Los Angeles County menggunakan sistem pengenalan wajah semi-otomatis pertama terhadap database salinan digital.
Pada tahun yang sama, Kirby dan Sirovich menerapkan analisis komponen utama—metode standar aljabar linier—untuk masalah pengenalan wajah. Teknologi tersebut dinamakan Eigenface.
1991
Matthew Turk dan Alex Pentland menemukan bahwa kesalahan sisa Eigenface dapat digunakan untuk menemukan tepi pada gambar. Sebagai hasil dari penemuan ini, pengenalan wajah otomatis yang andal secara real-time menjadi mungkin dilakukan.
1992
NSA membentuk Konsorsium Biometrik dan mengadakan pertemuan pertamanya pada bulan Oktober 1992. Awalnya, keikutsertaan dalam Konsorsium hanya terbatas pada instansi pemerintah. Namun, organisasi ini segera memperluas keanggotaannya hingga mencakup komunitas swasta dan akademis, dan mengembangkan sejumlah kelompok kerja untuk memulai dan memperluas upaya dalam pengujian, pengembangan standar, interoperabilitas, dan kolaborasi pemerintah.
Sejak dimulainya pekerjaan biometrik pada awal tahun 2000an, kelompok kerja telah diintegrasikan ke dalam organisasi lain, seperti INCITS, ISO, dan Dewan Sains dan Teknologi Nasional AS, untuk memperluas dan mempercepat kegiatan mereka. Konsorsium menjadi forum diskusi antara pemerintah, industri, dan akademisi.
1993
Badan Proyek Penelitian Lanjutan Pertahanan dan Kantor Program Pengembangan Pertahanan mendanai program Teknologi Pengenalan Wajah (FERET). Tujuan dari insentif ini adalah untuk mengembangkan algoritma dan teknologi pengenalan wajah.
1994
Kompetisi Integrated Automated Fingerprint Identification System (IAFIS) mengeksplorasi tiga permasalahan utama yaitu akuisisi sidik jari digital, ekstraksi fitur sulkus lokal, dan pencocokan fitur sulkus. Lockheed Martin memenangkan kompetisi pembuatan IAFIS untuk FBI.
Sistem Identifikasi Sidik Jari Otomatis (AFIS) pertama yang dirancang untuk mendukung pencetakan sidik jari diyakini dibuat oleh perusahaan Hungaria RECOWARE. Pada tahun 1997, teknologi identifikasi telapak tangan dan sidik jari yang terpasang pada RECOderm dibeli oleh Lockheed Martin Information Systems.
Pada tahun yang sama, dibentuklah Layanan Percepatan Layanan Penumpang Imigrasi dan Naturalistik (INSPASS) berbasis biometrik. Ini membantu para pelancong melewati jalur imigrasi di bandara-bandara tertentu di seluruh Amerika Serikat hingga bisnisnya bangkrut pada akhir tahun 2004.
John Daungman mengembangkan dan mematenkan algoritma pertama untuk identifikasi pola iris mata oleh komputer. Patennya disebut lriScan. Hingga saat ini, algoritma Daugman menjadi dasar penerapan teknologi secara publik.
1995
Badan Pertahanan Nuklir dan iriScan menciptakan proyek bersama yang menghasilkan produk komersial pertama di bidang pengenalan iris mata.
1996
Olimpiade Atlanta menerapkan sistem akses sawit untuk mengontrol dan mengamankan akses fisik ke Perkampungan Olimpiade. Sistem menemukan informasi di antara data lebih dari 65 ribu orang. Lebih dari satu juta transaksi diproses dalam 28 hari.
Dengan pendanaan NSA, NIST meluncurkan Penilaian Pengakuan Pembicara NIST tahunan untuk lebih memajukan komunitas pengenalan pembicara.
1997
IAFIS mulai bekerja. Selama pengembangan sistem, para ilmuwan mempertimbangkan isu-isu terkait pertukaran informasi antar sistem otonom, dan juga mempelajari penerapan sistem nasional untuk mengidentifikasi sidik jari. IAFIS digunakan untuk memeriksa catatan kriminal seseorang dan mengidentifikasi jejak laten yang ditemukan di TKP.
Christoph von der Malsburg dan tim mahasiswa pascasarjana dari Universitas Bochum di Jerman mengembangkan sistem ZN-Face, yang saat itu paling dapat diandalkan karena kemampuannya mengenali wajah dalam foto berkualitas rendah.
Teknologi ini didanai oleh Laboratorium Penelitian Angkatan Darat AS. Namun, bandara internasional besar, bank, dan lembaga pemerintah menggunakannya.
Dengan dukungan dari NSA, standar biometrik umum komersial pertama, Human Authentication API (HA-API), diterbitkan. Tujuan dari proyek ini adalah untuk memfasilitasi integrasi dan memastikan pertukaran dan independensi pemasok. Ini merupakan terobosan bagi penyedia teknologi biometrik yang bekerja sama.
1998
FBI meluncurkan database DNA forensik, Sistem Indeks DNA Gabungan (CODIS). Sistem ini menyediakan penyimpanan digital dan pengambilan penanda DNA untuk lembaga penegak hukum.
1999
Kelompok Penasihat Teknis Organisasi Penerbangan Sipil Internasional (ICAO) untuk Dokumen Perjalanan yang Dapat Dibaca Mesin (TAG atau MRTD) telah memulai penelitian tentang kompatibilitas dokumen perjalanan biometrik dan yang dapat dibaca mesin. Tujuan dari penelitian ini adalah untuk menciptakan standar internasional untuk transmisi data multilayanan.
tahun 2000
Beberapa lembaga pemerintah AS mensponsori Pengujian Vendor Pengenalan Wajah (FRVT). Tes dilakukan oleh NIST. Hal ini menandai evaluasi pertama yang terbuka dan berskala besar terhadap beberapa sistem biometrik yang tersedia secara komersial.
Penilaian tambahan dilakukan pada tahun 2003 dan 2006. Tujuan proyek ini adalah untuk memberikan informasi yang dibutuhkan penegak hukum dan pemerintah AS untuk menentukan cara terbaik dalam menerapkan teknologi pengenalan wajah.
Para ilmuwan menerbitkan makalah penelitian pertama yang menjelaskan penggunaan pola wadah untuk mengenali manusia. Artikel tersebut menjelaskan teknologi komersial pertama yang menggunakan gambar pembuluh darah di tangan manusia untuk identifikasi.
Pada tahun yang sama, Universitas West Virginia dan FBI memperkenalkan program gelar sarjana dalam sistem biometrik.
Januari 2001
Pengenalan wajah sedang dipasang di Super Bowl di Tampa, Florida, untuk mengidentifikasi orang-orang yang dicari di stadion. Sistem tidak menemukan mereka, tetapi sistem secara keliru mengidentifikasi selusin penggemar yang tidak bersalah. Media prihatin dengan pelanggaran privasi masyarakat saat menggunakan biometrik.
11 September 2001
Serangkaian serangan teroris yang dilakukan oleh organisasi teroris Al-Qaeda memperbaharui minat ilmiah terhadap teknologi. Hal ini terutama berdampak pada sistem transportasi dan badan-badan yang menjamin pergerakan manusia internasional, misalnya, layanan bea cukai dan migrasi.
Identifikasi pribadi saat memeriksa dokumen saja tidak cukup, sementara indikator biometrik menjamin pengenalan orang secara akurat.
November 2001
Komite teknis M1 sedang dibentuk untuk mempercepat pengembangan standar penggunaan biometrik di Amerika Serikat dan komisi standar internasional.
2002
Organisasi Internasional untuk Standardisasi (ISO) dan Komisi Elektroteknik Internasional (IEC) telah membentuk subkomite ISO/IEC JTC1 untuk mendukung standardisasi teknologi biometrik. Subkomite mengembangkan standar untuk memungkinkan integrasi dan pertukaran data antara aplikasi dan sistem otonom.
2003
Organisasi Penerbangan Sipil Internasional (ICAO) mengadopsi rencana yang diselaraskan secara global untuk mengintegrasikan informasi identifikasi biometrik ke dalam paspor dan dokumen yang dapat dibaca mesin (MRDO) lainnya. Pengenalan wajah dipilih sebagai model biometrik global yang dapat dioperasikan untuk verifikasi identitas terkomputerisasi.
Pada tahun yang sama, Komisi Eropa mendukung pembentukan Forum Biometrik Eropa. Proyek ini bertujuan menjadikan UE sebagai pemimpin dunia dalam bidang biometrik dengan menghilangkan hambatan pengambilan keputusan dan fragmentasi di pasar. Forum ini juga bertindak sebagai kekuatan pendorong untuk koordinasi, dukungan dan penguatan otoritas nasional.
2004
Departemen Pertahanan AS sedang menerapkan Sistem Identifikasi Biometrik Otomatis (ABIS). Hal ini diterapkan untuk meningkatkan kemampuan pemerintah AS dalam melacak dan mengidentifikasi ancaman keamanan nasional.
tahun 2005
Paten AS untuk konsep pengenalan iris mata telah habis masa berlakunya. Hal ini membuka peluang pemasaran bagi perusahaan yang telah mengembangkan algoritma pengenalan iris mata mereka sendiri.
2010
NSA menggunakan data biometrik untuk mengidentifikasi teroris. Hal ini termasuk penggunaan sidik jari dari lokasi yang terkait dengan serangan 11 September.
2011
Pemerintah Panama, bekerja sama dengan Menteri Keamanan Dalam Negeri AS Janet Napolitano, telah memulai program percontohan platform pengenalan wajah FaceFirst untuk mengurangi aktivitas ilegal di Bandara Tocumen di Panama.
Kota ini dikenal sebagai pusat penyelundupan narkoba dan kejahatan terorganisir. Hasilnya, sistem tersebut membantu menangkap beberapa tersangka Interpol.
Identifikasi wajah semakin banyak digunakan untuk tujuan forensik oleh penegak hukum dan personel militer. Ini seringkali merupakan cara paling efektif untuk mengidentifikasi mayat.
Pengenalan wajah dan teknologi DNA digunakan untuk mengkonfirmasi identitas Osama bin Laden - pendiri organisasi teroris al-Qaeda - setelah dia terbunuh dalam serangan AS.
tahun 2013
Apple memperkenalkan pengenalan sidik jari Touch ID ke smartphone baru.
2016
Samsung menghadirkan perangkat dengan pemindai iris mata untuk meningkatkan tingkat keamanan dalam mengakses perangkat.
MasterCard, Visa, dan lembaga keuangan lainnya menyertakan otentikasi pembayaran biometrik.
2017
Perdagangan ritel secara aktif memperkenalkan teknologi pengenalan wajah. Dan ini menjadi sektor dengan pertumbuhan tercepat dalam penggunaan teknologi ini.
Selain itu, Apple memperkenalkan iPhone X dengan teknologi pengenalan wajah Face ID.
