Biometrija ietver sistēmu cilvēku atpazīšanai, pamatojoties uz vienu vai vairākām fiziskām vai uzvedības iezīmēm. Informācijas tehnoloģiju jomā biometriju izmanto kā piekļuves identifikatoru pārvaldības un piekļuves kontroles veidu. Biometrisko analīzi izmanto arī, lai identificētu personas, kuras tiek uzraudzītas (plaši izmanto ASV, kā arī Krievijā - pirkstu nospiedumus)
Enciklopēdisks YouTube
1 / 2
✪ Biometriskais lasītājs nedarbojas labi. Kāpēc?
✪ Biometriskās sistēmas. Anatolijs Bokovs, Sonda Technology
Subtitri
Lai ievadītu pirkstu nospiedumus datu bāzē kopumā, Timex biometriskie termināļi. Principā tas piedāvā 3 pirkstu nospiedumus katram pirkstam, rupji sakot, 3 iesniegumus. Pirkstu ieteicams vilkt, vispirms nedaudz pagriežot pa kreisi, uz vidu un pa labi, lai visa virsma būtu nosegta. Jo ļoti bieži viņi nepareizi ievada pirkstu nospiedumus un tad brīnās, kāpēc tas nedarbojas labi. Tāpēc šeit ir arī punkts, ka tie arī jāievada pareizi. Jo uzmanīgāk un pareizāk tos ievadāt, jo mazāk ir iespējamas problēmas ar izdrukām. Ir arī gadījumi, kad cilvēki, klienti, uz lielas satiksmes turniketa uzstāda biometriskos laika un apmeklējuma termināļus ar iebūvētiem kontrolleriem. Nu šis arī tāds šaubīgs stāsts, jo īpaši dažādām nozarēm cilvēkiem tur ir tādi nospiedumi, ka problēmas noteikti rodas.
Pamatprincipi
Biometriskos datus var iedalīt divās galvenajās klasēs:
- Fizioloģiska- attiecas uz ķermeņa formu. Piemēri: pirkstu nospiedumi, sejas atpazīšana, DNS, plauksta, tīklene, smarža, balss.
- Uzvedības- kas saistīti ar cilvēka uzvedību. Piemēram, gaita un runa. Dažreiz šai biometrijas klasei tiek lietots angļu valodas termins. biheiviometrija.
Definīcijas
Biometrisko ierīču jomā izmantotās pamatdefinīcijas:
- Universitāte – katram cilvēkam ir jābūt izmērāmam raksturlielumam.
- Unikalitāte ir tas, cik labi cilvēks tiek atšķirts no cita no biometriskā viedokļa.
- Noturība ir mērs, cik lielā mērā izvēlētās biometriskās pazīmes laika gaitā paliek nemainīgas, piemēram, novecošanas procesa laikā.
- Kolekcijas - mērīšanas vienkāršība.
- Produktivitāte - izmantoto tehnoloģiju precizitāte, ātrums un uzticamība.
- Pieņemamība ir tehnoloģijas uzticamības pakāpe.
- Eliminācija - lietošanas ērtuma nomaiņa.
Biometriskā sistēma var darboties divos režīmos:
- Verifikācija — viens pret vienu salīdzinājums ar biometrisko veidni. Pārbauda, vai persona ir tāda, par kuru viņš uzdodas. Pārbaudi var veikt, izmantojot viedkarti, lietotājvārdu vai identifikācijas numuru.
- Identifikācija - salīdzinājums viens pret daudziem: pēc biometrisko datu “uztveršanas” tiek izveidots savienojums ar biometrisko datu bāzi, lai noteiktu identitāti. Personas identifikācija ir veiksmīga, ja biometriskais paraugs jau ir datu bāzē.
Pirmo privāto un individuālo biometriskās sistēmas pielietojumu sauca par uzņemšanu. Reģistrācijas procesā tika saglabāta personas biometriskā informācija. Pēc tam biometriskā informācija tika reģistrēta un salīdzināta ar iepriekš iegūto informāciju. Lūdzu, ņemiet vērā, ka, lai biometriskā sistēma būtu droša, ir svarīgi, lai glabāšana un izguve pašās sistēmās būtu droša.
- Viltus pieņemšanas līmenis (FAR) vai viltus atbilstības līmenis (FMR)
FAR - viltus uzņemšanas rādītājs, viltus identifikācijas iespējamība, tas ir, varbūtība, ka bioloģiskās identifikācijas sistēma kļūdaini atpazīst sistēmā nereģistrēta lietotāja autentiskumu (piemēram, pēc pirkstu nospieduma).
FMR ir iespējamība, ka sistēma nepareizi salīdzina ievades modeli ar nesaskaņotu modeli datu bāzē. - Viltus noraidīšanas rādītājs (FRR) vai viltus negatīvs rādītājs (FNMR)
FRR - viltus piekļuves atteikuma rādītājs - iespējamība, ka bioidentifikācijas sistēma neatpazīst tajā reģistrētā lietotāja pirksta nospieduma autentiskumu.
FNMR ir iespējamība, ka sistēma pieļaus kļūdu, identificējot atbilstības starp ievades modeli un atbilstošo modeli no datu bāzes. Sistēma mēra to derīgo ievades datu procentuālo daļu, kas tika saņemti nepareizi. - Sistēmas darbības raksturlielums vai relatīvais darbības raksturlielums (ROC)
ROC sižets ir FAR un FRR veiktspējas kompromisa vizualizācija. Parasti saskaņošanas algoritms pieņem lēmumu, pamatojoties uz slieksni, kas nosaka, cik tuvu ievades paraugam jābūt veidnei, lai to uzskatītu par atbilstību. Ja slieksnis tiktu samazināts, būtu mazāk nepatiesu neatbilstību, bet vairāk nepatiesu akceptu. Attiecīgi augsts slieksnis samazinās FAR, bet palielinās FRR. Līniju diagramma parāda atšķirības augstai veiktspējai (mazāk kļūdu - mazāk kļūdu). - Vienāds kļūdu līmenis (EER) vai pārejas kļūdu līmenis (CER) ir līmenis, kurā abas kļūdas (saņemšanas kļūda un noraidīšanas kļūda) ir līdzvērtīgas. EER vērtību var viegli iegūt no ROC līknes. EER ir ātrs veids, kā salīdzināt instrumentu precizitāti ar dažādām ROC līknēm. Kopumā ierīces ar zemu EER ir visprecīzākās. Jo zemāks EER, jo precīzāka būs sistēma.
- Neveiksmes reģistrācijas koeficients (FTE vai FER) ir neveiksmīgi mēģinājumi izveidot veidni no ievades datiem. Visbiežāk to izraisa zemas kvalitātes ievades dati.
- False Hold Rate (FTC) — automatizētās sistēmās šī ir iespējamība, ka sistēma nespēs noteikt biometriskos ievades datus, kad tie tiek parādīti pareizi.
- Veidnes ietilpība ir maksimālais datu kopu skaits, ko var saglabāt sistēmā.
Palielinoties biometrisko ierīču jutībai, FAR samazinās un FRR palielinās.
Uzdevumi un problēmas
Konfidencialitāte un atdalīšana
Biometriskās reģistrācijas laikā iegūtos datus var izmantot mērķiem, kuriem reģistrētā persona nav devusi piekrišanu (nav informēta).
Apdraudējums aizsargāto datu īpašniekiem
Gadījumos, kad zagļi nevar piekļūt aizsargātajam īpašumam, pastāv iespēja izsekot un nogalināt biometrisko identifikatoru nesēju, lai piekļūtu. Ja kaut kas tiek aizsargāts ar biometrisko ierīci, īpašnieks var ciest neatgriezeniskus bojājumus, kas, iespējams, izmaksās vairāk nekā pats īpašums. Piemēram, 2005. gadā Malaizijas automašīnu zagļi Mercedes-Benz S klases īpašniekam, mēģinot nozagt viņa automašīnu, nogrieza pirkstu.
Biometrisko datu izmantošana ir potenciāli neaizsargāta pret krāpšanu: biometriskie dati tiek kaut kādā veidā digitalizēti. Krāpnieks var izveidot savienojumu ar kopni, kas ved no skenera uz apstrādes ierīci un iegūt pilnīgu informāciju par skenēto objektu. Tad krāpniekam nevajadzēs pat dzīvu cilvēku, jo, tāpat pieslēdzies autobusam, viņš visas darbības varēs veikt skenētās personas vārdā, neizmantojot skeneri.
Atceļamie biometriskie dati
Paroļu priekšrocība salīdzinājumā ar biometriskajiem datiem ir iespēja tās mainīt. Ja jūsu parole tiek nozagta vai pazaudēta, varat to atcelt un aizstāt ar jaunu versiju. Tas kļūst neiespējams, izmantojot dažas biometriskās iespējas. Ja kādam no datu bāzes ir nozagti sejas parametri, tad tos nevar atcelt vai izdot jaunus. Atceļamā biometriskā informācija ir pareizais ceļš, kurā jāiekļauj iespēja atcelt un aizstāt biometriskos datus. Pirmo reizi to ierosināja Ratha et al.
Ir izstrādātas vairākas atceļamas biometrijas metodes. Pirmo atceļamo biometrisko sistēmu, kuras pamatā ir pirkstu nospiedumi, izstrādāja un izveidoja Tuljakovs. . Būtībā atceļamā biometriskā informācija ir biometriskā attēla vai īpašību izkropļošana, pirms par tiem tiek panākta vienošanās. Izkropļoto parametru mainīgums rada iespēju atcelt noteiktu ķēdi. Dažas no piedāvātajām metodēm darbojas, izmantojot savus atpazīšanas mehānismus, piemēram, Teo un Savvid darbu, savukārt citas (Dabba) izmanto priekšrocības, kas veicina labi prezentētu biometrisko izpēti to atpazīšanas saskarnēm. Lai gan drošības ierobežojumi pieaug, tas joprojām padara ignorējamus modeļus pieejamākus biometriskajām tehnoloģijām.
Viens no privātajiem risinājumiem var būt, piemēram, visu biometrisko parametru neizmantošana. Piemēram, identifikācijai tiek izmantots tikai divu pirkstu papilāru līniju raksts (piemēram, labās un kreisās rokas īkšķi). Nepieciešamības gadījumā (piemēram, ja apdeguši divu “atslēgas” pirkstu spilventiņi) sistēmā esošos datus var labot tā, lai no noteikta brīža derīga kombinācija būtu kreisās rokas rādītājpirksts un mazais pirksts. labā roka (dati, kas iepriekš nebija reģistrēti sistēmā - un tos nevarēja apdraudēt).
Starptautiskā biometrisko datu apmaiņa
Daudzas valstis, tostarp ASV, jau piedalās biometrisko datu apmaiņā. Šo paziņojumu 2009. gadā Apropriāciju komitejā, Iekšzemes drošības apakškomitejā par "biometrisko identifikāciju" sniedza Ketlīna Kreningere un Roberts Moknijs:
Lai nodrošinātu, ka varam apturēt teroristu organizācijas, pirms tās sasniedz ASV, mums jāuzņemas vadošā loma starptautisko biometrijas standartu veicināšanā. Izstrādājot sadarbspējīgas sistēmas, mēs varēsim droši pārsūtīt informāciju par teroristiem starp valstīm, saglabājot savu drošību. Tāpat kā mēs uzlabojam veidu, kā mēs sadarbojamies ar ASV valdību, lai identificētu un likvidētu teroristus un citas bīstamas personas, mēs arī esam apņēmušies mūsu partneriem ārvalstīs sadarboties, lai novērstu jebkādas teroristu darbības.
Mēs saprotam, ka, izmantojot biometriskos datus un starptautisku sadarbību, mēs varam mainīt un paplašināt ceļošanas iespējas un aizsargāt cilvēkus visā pasaulē no tiem, kas nodarītu mums ļaunu.
Saskaņā ar rakstu, ko S. Magnuson publicējis žurnālā National Defense Magazine, ASV Iekšzemes drošības departaments ir pakļauts spiedienam izplatīt biometriskos datus. Rakstā teikts:
Millers (Amerikas Iekšzemes drošības un drošības lietu departamenta konsultants) ziņo, ka ASV ir divpusēji līgumi par biometrisko datu apmaiņu ar 25 valstīm. Katru reizi, kad pēdējo gadu laikā kāds ārvalstu līderis ir viesojies Vašingtonā, Valsts departaments ir pārliecinājies, ka ar viņiem vienojas par līdzīgu līgumu.
Likumdošanas regulējums Krievijā
2006. gada 27. jūlija Federālā likuma “Par personas datiem” Nr.152-FZ 11. pants regulē biometrisko datu izmantošanas galvenās iezīmes.
Biometrija populārajā kultūrā
Biometriskās tehnoloģijas ir parādītas populārās filmās. Tas vien jau ir izraisījis patērētāju interesi par biometriju kā līdzekli personas identificēšanai. 2003. gada filmās "X-Men" un "Hulk" tika izmantotas biometriskās atpazīšanas tehnoloģijas: plaukstas nospiedumu piekļuves veidā filmā "X-Men" un pirkstu nospiedumu piekļuvei "Hulkā".
Bet tas nebija tik nozīmīgi, līdz 2004. gadā tika izlaista filma “I, Robot” ar Vilu Smitu galvenajā lomā. Futūristiskā filma demonstrēja jaunu tehnoloģiju attīstību, kuras pat mūsdienās vēl nav pietiekami attīstītas. Balss un plaukstas atpazīšanas tehnoloģiju izmantošana filmā iemūžināja cilvēku nākotnes redzējumu, un abas šīs tehnoloģijas, kas mūsdienās tiek izmantotas ēku vai informācijas nodrošināšanai, ir tikai divi no iespējamiem biometrijas izmantošanas veidiem.
2005. gadā tika izlaista filma “Sala”. Divas reizes filmas laikā kloni izmanto biometriskos datus: ielauzties mājā un iedarbināt automašīnu.
Filma "Gattaca" attēlo sabiedrību, kurā ir divas cilvēku kategorijas: gēnu inženierijas produkti, kas radīti, lai būtu pārāki (tā sauktie "Valid"), un zemāki parastie cilvēki ("Invalīdi"). Cilvēkiem, kas tika uzskatīti par "derīgiem", bija lielas privilēģijas, un piekļuve ierobežotām zonām bija tikai šādiem cilvēkiem, un tos kontrolēja automātiskie biometriskie skeneri, līdzīgi pirkstu nospiedumu skeneriem, bet iedurot pirkstu un no paņemtajām asinīm iegūstot DNS paraugu.
Filmā Destroyer varonis Saimons Fīnikss, kuru atveido Veslijs Snaips, izgriež upurim aci, lai ar tīklenes skeneri atvērtu durvis.
DreamWorks filmā Monstri pret citplanētiešiem militārais palīgs iefiltrējas zonā, izmantojot biometriskos datus.
IEVADS
Ar katru dienu arvien aktuālāki kļūst jautājumi par dzīvo organismu un augu objektu, kā arī šūnu, molekulārā un ģenētiskā līmenī notiekošo procesu izpēti. Šim nolūkam zinātniskās laboratorijas izstrādā metodes to pētīšanai un sarežģītu dabas parādību simulēšanai. Visbiežāk izmantotās pētniecības metodes ietver eksperimentālās un daudzfaktoru statistikas metodes. Tie ir svarīga un neatņemama laboratorijas eksperimenta sastāvdaļa un ļauj droši noteikt notiekošo dabisko procesu modeļus, kā arī atrast cēloņsakarības starp tiem.
Zinātniskajos pētījumos, lai iegūtu ticamus datus, efektīvi izmanto masu novērošanas metodi. Šīs metodes pamatā ir liela skaita atkārtojumu izmantošana katrā eksperimentālajā grupā. Laboratorijas eksperimentā iegūtais materiāls tiek apstrādāts un analizēts, pēc tam, pamatojoties uz iegūtajiem datiem, tiek izdarīti atbilstoši secinājumi un noteiktas shēmas. Liela nozīme eksperimenta laikā iegūto rezultātu un secinājumu lielākās precizitātes sasniegšanā ir ne tikai eksperimentālo metožu kvalitātei, bet arī pareizai statistiskai apstrādei, jo vienas eksperimentālās grupas ietvaros iegūtie rezultāti var būtiski atšķirties. Tādējādi eksperimentāli iegūto datu statistiskās analīzes veikšana paplašina bioloģisko dabas parādību izzināšanas iespējas, veicina iegūto rezultātu objektīvu izvērtējumu, izslēdzot pētnieka subjektīvā viedokļa iespējamību, kā arī metodoloģiskās kļūdas, kas rodas. eksperimenta laikā, un ļauj eksperimentētājam izdarīt precīzus un pareizus secinājumus un secinājumus par pētāmo parādību.
Lieta pētniecība – datortehnoloģijas kā laboratorijas pētījumos iegūto datu apstrādes metode.
Mērķis pētījumi – analizē statistikas programmu iespējas, apstrādājot laboratorijas eksperimenta rezultātā iegūtos datus.
Uzdevumi pētījums:
· Novērtēt matemātiskās statistikas metodes pēc to iespējām un pielietojuma robežām, plānojot un apstrādājot bioķīmisko eksperimentu.
· Izpētīt pieejamās statistiskās analīzes paketes.
· Apgūt prasmi risināt lietišķās statistikas uzdevumus, izmantojot Microsoft Excel (izmantojot standarta funkcijas un datu analīzes pakotnes) un bioķīmijas jomā labi zināmās statistikas pakotnes STATISTICA.
Datortehnoloģijām ir liela nozīme statistikas datu apstrādē. Tas ļauj ne tikai vairākas reizes paātrināt šo procesu, bet arī ražot to augstākās kvalitātes līmenī.
DATORTEHNOLOĢIJAS IZMANTOŠANAS TEORĒTISKIE ASPEKTI, VEICOT LABORATORIJAS PĒTĪJUMU
Biometrija kā zinātne un tās pamatjēdzieni
Pēdējos gados problēmu risināšanai un simulācijai arvien vairāk tiek izmantotas datortehnoloģijas. Šajā sakarā pieaugusi nepieciešamība pēc augsti kvalificētiem speciālistiem ar labu teorētisko bāzi un pieredzi darbā ar atsevišķām programmām. Mūsdienās izglītības iestādēs parādās disciplīnas, kas ļauj attīstīt ilgtspējīgas prasmes, kas nepieciešamas zinātniskās darbības rezultātu apstrādei un prezentēšanai. Zinātni, kas nodarbojas ar skaitlisko datu vākšanas un interpretācijas metožu izpēti, sauc par statistiku . Šai disciplīnai ir svarīga praktiska nozīme, jo tā ļauj prognozēt dabas, sociālo procesu un parādību attīstību. Laika gaitā sāka parādīties specializētākas šīs zinātnes nozares. Tādējādi divu neatkarīgu zinātņu: bioloģijas un statistikas krustpunktā parādās bioloģiskā statistika (vai biometriskie dati) . Biometrija ir empīriska zinātne, kas pēta datus, kas iegūti eksperimenta laikā, veicot dažus matemātiskus aprēķinus. Šo darbību veikšana bez datoriem un datortehnoloģijām aizņem daudz laika. Mēs varam redzēt, cik darbietilpīgs šis process ir, ņemot vērā dažus no visbiežāk izmantotajiem biometrijas jēdzieniem, raksturojot pētāmo pazīmi.
Biometrijas pamatjēdzieni.
Ļoti bieži praktiskajā cilvēka darbībā un apstrādājot zinātnisko pētījumu laikā iegūtos datus, tiek izmantota vidējā vērtība. Šī vērtība raksturo pētāmo raksturlielumu un parāda, kāda būtu mainīgā vērtība, ja visiem izlases objektiem būtu vienāda vērtība. Vidējo aritmētisko aprēķina pēc formulas:
kur x 1 x 2, ..., x k - populācijas iespējas; n ir opciju kopējais skaits.
Mediāna (50% intervāla ierobežojums)- vērtība, kas dala izlasi uz pusēm: vienāds opciju skaits atrodas abās mediānas pusēs variāciju sērijā. Šī vērtība ir atkarīga no frekvenču uzkrāšanās. Frekvences uzkrājas, līdz tiek pārsniegta puse no frekvenču summas. Rezultātā iegūtā lielākā vērtība ir mediāna. Formula, pēc kuras šo vērtību var aprēķināt, ir šāda:
,
kur x min ir minimālā intervāla robežvērtība, kurā atrodas mediāna; i - intervāla vērtība; N-iedzīvotāju skaits; Σn ir kopējais skaitlis līdz intervālam, kurā atrodas vidējā vērtība; N e ir to intervālu skaits, kuros atrodas vidējā vērtība.
Vēl viens statistikas rādītājs ir mode. Mode Visbiežāk sastopamā vērtība tiek saukta. Režīmu var aprēķināt, izmantojot Pīrsona formulu:
,
kur Es ir mediāna; M ir objekta vidējā vērtība.
Standarta novirze,- vissvarīgākā īpašība bioloģiskā eksperimentā. Šī vērtība ir sadalījuma sērijas izkliedes mērs, un to nosaka pēc formulas:
Dažiem eksperimentiem nepieciešama ļoti augsta eksperimentālā precizitāte. Piemēram, medicīniski bioloģiskajā, toksikometriskajā uc Kļūda šajos eksperimentos nedrīkst būt lielāka par 1%, ja kļūdas vērtība pārsniedz 1%, tad rezultāta precizitāte ir neapmierinoša un atkārtojumu skaits ir jāpalielina.
Tomēr, lai kā pētnieks censtos precīzi veikt visus eksperimentālās procedūras posmus, praksē joprojām rodas kļūdas, kas jāņem vērā, apstrādājot datus. Ir vairāki kļūdu veidi.
Vidējā kļūda (m x)- rādītājs, ar kuru izlases (eksperimentālās) kopas vidējā vērtība atšķiras no vispārējās populācijas vidējās vērtības, ja pētāmā parametra sadalījums tiecas uz normālu vērtību. Galvenā vidējā kļūda tiek aprēķināta, izmantojot formulu:
Tiek izmantots informatīvāks un grupu salīdzināšanai pieņemamāks mainīguma koeficients, vai variācijas. Mainības koeficients ir galvenā novirze, kas izteikta procentos no vidējās vērtības, ko aprēķina pēc formulas:
Pamatojoties uz iegūtajiem rezultātiem, tiek izdarīts secinājums par pazīmes variācijas raksturu un pakāpi (1.1. tabula).
1.1. tabula. Pazīmju mainīguma raksturs (pēc M. L. Dvoretska domām)
Ja t vērtība ir lielāka par četriem, tad vidējā vērtība būs ticama un attiecīgi var formulēt pareizus secinājumus.
Tiek noteikts arī neatbilstības procents starp izlasi un vispārējiem vidējiem rādītājiem - pieredzes precizitāte (p,%), vai novērošanas kļūda:
Šis eksperimentālais parametrs parāda, par cik procentiem var kļūdīties, ja apgalvo, ka vispārējais vidējais ir vienāds ar iegūto izlases vidējo.
Statistikā svarīgs ir normēšanas rādītājs. Šo rādītāju izmanto, lai novērtētu opciju attiecībā pret noteiktas grupas vidējo vērtību, izmantojot šādu formulu:
Atkarībā no pētījuma mērķa vērtība var būt no x: ±0,5σ līdz x±1σ. Opcijas ar vērtību no 0,67σ līdz 2σ nav normālas, ja vērtība ir lielāka par x± 2σ , tad šādas iespējas jāklasificē kā anomālijas.
Biometrijā ir tāda lieta kā reprezentativitātes kļūda. Tā ir kļūda, kas rodas nevis mērījumu vai aprēķinu laikā, bet nejaušas izvēles dēļ, veidojot grupu.
Aprēķinot vidējā aritmētiskā kļūdu mazās grupās, novērojumu skaits (P) ir “brīvības pakāpju skaits” - tiek izmantota izteiksme (n-1), un tad formula izskatās šādi:
Eksperimentālo kļūdu aprēķināšanai ir milzīgs skaits formulu. Daži no tiem ir sniegti zemāk kā piemērs. Formula standarta novirzes vidējās kļūdas aprēķināšanai:
Variācijas koeficienta (C) vidējā kļūda:
Asimetrijas indikatora vidējā kļūda:
Vai precīzāk: 
Kurtozes koeficienta kļūda:
Iegūto rezultātu salīdzinošās analīzes mērķis ir novērtēt starp tiem novēroto atšķirību ticamības pakāpi, izmantojot šādu formulu:
kur t ir uzticamības kritērijs. Tās vērtību aprēķina, izmantojot Stjudenta varbūtību tabulas. Ja faktiskais t ir lielāks par tabulēto t st , tad starp abām pētījuma grupām pastāv atšķirība. Atšķirība ir būtiska, uzticama un nav izskaidrojama nejaušu iemeslu dēļ.
Lai salīdzinātu iegūtos rezultātus ar gaidītajiem, izmantojiet hī kvadrāta testu (χ 2), ko nosaka pēc formulas:
kur p ir empīriskā frekvence, p’ ir paredzamā frekvence. χ 2 testa nozīme ir noskaidrot, vai hipotēze tiek apstiprināta vai atspēkota eksperimentā. Ja χ 2 vērtības pārsniedz tabulā norādīto vērtību, tad var apgalvot, ka atšķirība starp faktiskajiem un gaidāmajiem rezultātiem būs ticama.
Tā kā lielākajai daļai bioloģisko objektu ir ļoti daudz savstarpēji saistītu īpašību, kas tos raksturo, piemēram, svars, augums, vecums utt., Izpētot rādītāju kopu, tiek izmantota dispersijas analīze. Tiek izsaukta sakarība, kurā katrai neatkarīgā mainīgā vērtībai ir tikai viena atkarīgā mainīgā vērtība funkcionāls. Tomēr dabā šāds savienojums ir ļoti reti sastopams. Parasti pētītajiem objektiem ar vienādām vienas īpašības vērtībām ir atšķirīgas citu raksturlielumu vērtības. Šo savienojumu sauc korelācija. Koeficients korelācijas parāda, kā viens pētāmais raksturlielums ir saistīts ar citu (2. tabula). Korelācijas koeficientu aprēķina pēc formulas:
1.2. tabula. Sakarību ciešuma raksturojums starp pazīmēm
Ir arī jāatrod korelācijas koeficienta kvadrātiskā kļūda:
Iegūtie korelācijas koeficienta rādītāji tiek novērtēti, izmantojot Studenta ticamības kritēriju:
Vai arī izmantojot formulu
Novērtējot lielumu attiecības, ir ļoti svarīgi atrast analītisko vienādojumu, kas atbilstu pētāmās parādības būtībai, lai prognozētu objekta neatkarīga raksturlieluma uzvedību, mainoties atkarīgajam parametram. Attiecības starp mainīgajiem sauc regresija. Regresijas koeficients, ko nosaka pēc šādām līdzīgām formulām:
- regresijas koeficients Y.X;
regresijas koeficients X.Y,
Un .
Regresijas koeficientam tiek atrasta arī vidējā kvadrātiskā kļūda:
Tās ir biometrijā izmantotās pamatformulas, kuras izmanto, apstrādājot bioķīmisko pētījumu laikā iegūtos datus. Ir daudz vairāk statistikas formulu, taču tās visas, kā jau redzējām, sastāv no vairākām matemātiskām operācijām, kas apgrūtina pētnieka aprēķinus un var novest pie daudzām kļūdām aprēķinos. Šo kļūdu labošana var būt laikietilpīga, apstrādājot lielu datu apjomu. Tādējādi datortehnoloģijas vairākkārt vienkāršo šo rutīnas procesu, kas ļauj efektīvāk izmantot laiku, kā arī samazina kļūdu iespējamību, kas dod pārliecību par iegūto rezultātu pareizību un ļauj izdarīt pareizus secinājumus.
Bioķīmiskā eksperimenta plānošana un apstrāde
Šobrīd informācijas ir ļoti daudz un ir diezgan grūti orientēties šajā bezgalīgajā zināšanu plūsmā. Tad rodas jautājums, kā var iegūt interesējošo informāciju un atlasīt nepieciešamo literatūru, pavadot minimālu laiku. Šim nolūkam ir dažādas meklētājprogrammas, kas ievērojami samazina sagatavošanās posmā pavadīto laiku. Tā kā pirms pētījuma veikšanas un plānošanas ir jāpārliecinās, vai šis jautājums ir iepriekš pētīts, kādi ir veikto pētījumu rezultāti un kādi kritēriji jau ir pētīti. Lai pilnībā izprastu informācijas tehnoloģiju nepieciešamību eksperimentālajā plānošanā, ir jāsaprot, kas ir šis process.
Eksperimentālā plānošana ir pasākumu kopums, kura mērķis ir efektīvi izveidot eksperimentu, kura galvenais mērķis ir sasniegt maksimālu mērījumu precizitāti, veicot minimālu skaitu eksperimentu. Plānojot eksperimentu, ir vairāki posmi:
1. Priekšplānošana - šajā posmā ietilpst darba plāna sastādīšana un tā apstiprināšana, tēmas izvēle, darba hipotēzes formulēšana, plāna informācijas apstrāde un tehnikas apgūšana.
Šis posms izslēdz iespēju dublēt pētījumu, nodrošina zināšanu ticamību un oriģinālu pieeju pētniekam uzticēto problēmu risināšanā.
2. Faktiskais izpētes process - šajā posmā tiek veikts analītisks literatūras apskats par šo problēmu, datu uzkrāšana, to sistematizācija un ideju izstrāde un eksperimenta veikšana. Eksperiments ir darbību un novērojumu kopums, kas tiek veikts, lai pārbaudītu hipotēzes patiesumu vai nepatiesību un noteiktu cēloņsakarības starp pētāmajām parādībām.
Pateicoties šim posmam, pētnieks var apzināties, cik jauna ir šī tēma un cik aktuāli ir rezultāti, un formulēt zinātnisku un praktisku nozīmi.
3. Pēdējais posms ir zinātnisko pētījumu rezultātu formalizēšana - referātu sastādīšana, rakstu rakstīšana.
Jebkurš eksperiments ir balstīts uz analītiskās metodes izpildi. Analītiskajām metodēm ir kritēriji, kas nosaka metodes piemērotību:
· Specifiskums – spēja noteikt komponentu, kuram šī pētījuma metode ir paredzēta.
· Precizitāte - mērījumu kvalitāte, kas atspoguļo iegūto analītu saturošo rezultātu tuvumu
· Konverģence (reproducējamība sērijā) ir ideja par viena otrai tuvību pētījuma rezultātiem, kas veikti ar tādiem pašiem nosacījumiem sērijā.
· Reproducējamība – iegūto rezultātu tuvums, veicot parauga laboratorisko analītisko izpēti dažādos apstākļos. Šis parametrs atspoguļo datu izkliedes pakāpi un ļauj identificēt nejaušas kļūdas.
· Pareizi un nepareizi – atšķirības no patiesās nozīmes
· Jutīgums – metodes spēja noteikt analizējamās vielas zemāko vērtību. Tiek novērtēts starpības koeficienta lielums starp ierīces mērījumu indikatoriem. Jo augstāka attiecība, jo augstāka ir metodes jutība.
· Robežjutība – pārbaudāmās vielas koncentrācija, kas atbilst minimālajam mērījumam, kas atšķiras no tukšā parauga vērtības.
Pētījuma rezultātu interpretācija tiek veikta manuāli vai izmantojot datoru. Viens no veidiem, kā novērtēt rezultātus, ir izveidot graduētu (kalibrēšanas) līkni. Kalibrēšanas līkne parāda ciešo saistību starp izzušanu, gaismas intensitāti un vielas koncentrāciju standartšķīdumu sērijā. Graduētas līknes izveidošanai izmanto standarta risinājumus.
Kalibrēšanas līknes izveidošana:
ü Standartšķīdumu sagatavošana
ü Standartvielas atšķaidījuma sagatavošana, kas aptver pētāmo koncentrāciju diapazonu un pārsniedz maksimālās un minimālās vērtības.
ü No galvenā sagatavojam pamatrisinājumus
ü Katrai standartšķīduma koncentrācijai veicam 3-5 mērījumus
ü Izmantojot iegūtos punktus, veidojam grafiku.
Lai iegūtu lielāku skaidrību un precizitāti, vislabāk ir izveidot grafiku. Grafikā parādīta optiskā blīvuma atkarība no šķīduma koncentrācijas. Tas būs ērtāk turpmākai pētāmās vielas koncentrācijas noteikšanai testa paraugos, kas palīdzēs aprēķināt pareizāku darba šķīdumu koncentrāciju.
Saistītā informācija.
Krievijā ir aptuveni 14 miljoni iPhone tālruņu, no kuriem trešā daļa ir ar Touch ID funkciju. Lai atbloķētu viedtālruņa ekrānu, jūs kopīgojat biometriskos datus ar Apple. Lietotāji arvien vairāk nodod intīmo ķermeņa datus. Šķiet ērti, uzticami un palīdz cīņā pret noziedzību. Lai gan nesenais Indijas incidents ar žurnālistiem, kuri ieguva piekļuvi miljoniem līdzpilsoņu biometriskajiem datiem, liecina par pretējo. Tehnoloģijām pilnveidojoties, likumdevēji visā pasaulē cīnās ar to, kā regulēt un aizsargāt biometriskās informācijas vākšanu un izmantošanu.
Kas ir biometrija?
Biometrija analizē cilvēku fiziskās un uzvedības īpašības, lai noteiktu viņu identitāti. Vienkāršākā nozīmē tās ir cilvēka ķermeņa mērīšanas tehnoloģijas. Ir divas biometrisko mērījumu kategorijas: fizioloģiskie un uzvedības mērījumi.
Fizioloģiskie mērījumi Ir divi veidi: morfoloģiski un bioloģiski. Morfoloģija ietver pirkstu nospiedumus, rokas, pirkstu vai sejas formu, varavīksnenes un tīklenes rakstu; bioloģiskajiem testiem - DNS, siekalu, asins vai urīna testiem.
Uzvedības mērījumi- tā ir balss atpazīšana, rokraksta dinamika (kustības ātrums, paātrinājums, spiediens, slīpums), taustiņsitiena dinamika, priekšmetu lietošanas veids, gaita, soļu skaņa, žesti.
Šos mērījumus var izmantot divos dažādos veidos: identitātes pārbaudei un identifikācijai.
Pārbaude ietver biometrisko datu salīdzināšanu ar konkrētu veidni, kas atrodas datu bāzē vai pārnēsājamā datu nesējā, piemēram, viedkartē. Šī operācija ļauj pārliecināties, ka cilvēks ir tieši tas, par ko viņš uzdodas.
Kad identifikācija personas biometriskie dati tiek salīdzināti ar citu personu datiem datu bāzē. Identifikācija ir veiksmīga, ja šāds biometriskais paraugs jau ir datu bāzē.
Biometrija – jauna parādība?
Ne īsti. 19. gadsimtā franču jurists un policists Alfons Bertiljons sāka salīdzināt cilvēku fiziskās īpašības, lai identificētu noziedzniekus. Viņa izstrādātā antropometrijas sistēma kļuva par pirmo zinātnisko pieeju personības noteikšanai kriminoloģijā. Viņa attīstība veidoja pamatu pirkstu nospiedumu noņemšanai, sistēmai personas identificēšanai, pamatojoties uz pirkstu nospiedumiem. Plaši pazīstamo sistēmu izgudroja britu virsnieks Viljams Heršels – 1877. gadā viņš izvirzīja hipotēzi par papilāru raksta nemainīgumu uz cilvēka plaukstām. Noziedznieku pirkstu nospiedumu identifikācija pirmo reizi tika izmantota 1902. gadā.
Arī uzvedības biometrijas saknes meklējamas 19. gadsimtā: 1860. gados telegrāfa operatori izmantoja Morzes kodu, lai atpazītu viens otru pēc “punktu” un “domuzīmju” pārraides.
Kur mūsdienās izmanto biometriju?
Galvenokārt valsts drošības, veselības aprūpes un reģistrācijas sistēmu jomā. Biometriju plaši izmanto uzņēmumi, lai uzraudzītu darbiniekus un iekšējo drošību, bankas - klientu identificēšanai, korporācijas un sociālie tīkli - komerciālos nolūkos.
Tāpat kā 19. gadsimtā, arī mūsdienās tiesībsargājošās iestādes izmanto biometriskos datus, lai identificētu noziedzniekus. Automātiskās pirkstu nospiedumu identifikācijas sistēmas (AFIS) apstrādā un saglabā pirkstu nospiedumu attēlus, savukārt automatizētās biometriskās identifikācijas sistēmas (ABIS) ietver seju, pirkstu un varavīksnenes veidnes. Lielajās pilsētās, lidostās un robežās jau tiek izmantota tiešās sejas atpazīšanas tehnoloģija, kas ļauj reāllaikā identificēt seju pūlī.
Robežkontrolē tiek izmantotas elektroniskās un biometriskās pases, kurās papildus īpašnieka fotogrāfijai ir arī divi pirkstu nospiedumi. Biometriskā infrastruktūra sastāv no pirkstu nospiedumu skeneriem un kamerām, kas paātrina robežas šķērsošanu. Valstis ievieš šīs tehnoloģijas, lai kontrolētu migrācijas plūsmas.
Biometriskie dati ir nepieciešami arī, lai izveidotu ID kartes, kas nodrošina piekļuvi veselības aprūpei, pilsoniskajai identifikācijai un vēlētāju reģistrācijai.
Tādi IT giganti kā Google un Facebook izstrādā milzīgu skaitu tehnoloģiju biometrisko datu vākšanas jomā. Reklāmdevēji izmanto reāllaika sejas atpazīšanas tehnoloģiju, lai klientiem rādītu konkrētas reklāmas. Bankas un mazumtirdzniecības veikali izmanto biometriskos datus, lai izsekotu noziedzniekus un neuzticamus klientus. Uzņēmumi biroju slēdzenes aizstāj ar varavīksnenes vai pirkstu nospiedumu skeneriem, un elites klubi izmanto biometrisko informāciju, lai identificētu svarīgus klientus.
Pagājušajā gadā Krievijas bankas visur sāka īstenot izmēģinājuma projektus, izmantojot biometriskās tehnoloģijas, lai reģistrētu lietotājus un nodrošinātu tiem tiešsaistes pakalpojumus. Pagaidām šajā jomā biometriskie dati darbosies līdzās standarta drošības sistēmām, piemēram, pieteikšanās un paroles pārim.
Cik uzticami ir biometriskie dati?
Lai gan biometriskās tehnoloģijas nebūt nav perfektas. Fizioloģiskie rādītāji ir stabilāki, salīdzinot ar uzvedības rādītājiem: dzīves laikā tie mainās mazāk un nav uzņēmīgi pret situācijas faktoriem, piemēram, stresu. Tomēr vēsture zina daudzus piemērus, kad atpazīšanas sistēmas šādus mērījumus maldīgi pieņem vai noraida. Piemēram, seju var aizstāt ar augstas izšķirtspējas fotoattēlu vai video, un pirkstu nospiedumus var “nozagt”. Slavens gadījums notika 2005. gadā Lielbritānijas cietumā Glenočila, kur ieslodzītie viegli iemācījās apkrāpt bloķēšanas sistēmu, pamatojoties uz pirkstu nospiedumu noņemšanu.
Bieži kļūdas risks ir saistīts ar identifikācijas nosacījumiem. Sliktas kvalitātes fotogrāfija var ievērojami palielināt risku. Svarīgs ir apgaismojums, fona trokšņa intensitāte un cilvēka atrašanās vieta telpā. Ideālos laboratorijas apstākļos kļūdu līmenis sejas atpazīšanā svārstās no 5 līdz 10%.
Datu noplūdes risks
Pārbaudes laikā dati tiek pārbaudīti ar biometrisko veidni, ko persona pati saglabā, piemēram, viedkartē. Tikai lietotājs var kontrolēt savus datus. Identifikācijas gadījumā personas dati tiek salīdzināti ar datiem no vienas centralizētas datu bāzes, kas nozīmē, ka tās pārvadātājam nav nekādas varas pār viņiem. Šādā situācijā neviens nav pasargāts no privātuma pārkāpumiem un biometriskās informācijas nonākšanas nepareizās rokās.
Tādējādi kļuva zināms, ka Krievijas bankas nodeva klientu biometriju FSB - lietotāju datus var izmantot pavisam citā veidā, kam klients piekrita.
Indijas incidents
2018. gada janvāra sākumā žurnālisti no laikraksta The Tribune Čandigarhas pilsētā paziņoja, ka iegādājušies programmatūru, kas ļāva piekļūt datiem no Indijas Aadhaar datu bāzes no nezināmiem pārdevējiem vietnē WhatsApp tikai par 6 £. Aadhaar ir liela centralizēta datu bāze, kurā tiek glabāti iedzīvotāju vārdi, tālruņu numuri, adreses un viņu biometriskie dati. Indijas pilsoņiem ir nepieciešamas Aadhaar identitātes kartes, lai piekļūtu valdības pakalpojumiem, saņemtu pabalstus un pabalstus. Žurnālisti ziņoja, ka viņu iegādātā programmatūra ļauj arī izdrukāt viltotas ID kartes.
Lai gan Indijas Unikālās identifikācijas iestāde (UIDAI) paziņoja, ka žurnālisti piekļuva tikai bezjēdzīgiem vārdiem un adresēm bez biometrijas, incidents vēlreiz parādīja, cik šādas datu bāzes var būt neuzticamas. Aktīvisti jau ir kritizējuši Aadhāru par divu Indijas pilsoņu bada nāvi, kuri nevarēja piekļūt viņiem pienākošām devām, jo to saņemšanai bija nepieciešama Aadhaar autentifikācija.
2017. gada augustā Augstākā tiesa nolēma, ka privātums ir Indijas konstitūcijā garantētas tiesības. Analītiķi prognozē, ka lēmums liks pārskatīt Aadhaar izšķirošo lomu indiešu dzīvē.
Biometrisko datu aizsardzība: kur un kā tā darbojas?
Neskatoties uz biometrisko datu ļoti specifisko raksturu, visā pasaulē praktiski nav juridisku noteikumu par to aizsardzību. Lielākajā daļā juridisko tekstu tiek runāts par personas datu un privātuma aizsardzību plašā nozīmē, taču dažkārt šādi tiesību akti ir slikti pielāgoti biometrijai.
Krievijā biometrisko datu vākšana un uzglabāšana ir iespējama tikai ar personas datu subjekta rakstisku piekrišanu. Šis punkts ir likumā “Par personas datiem”. 2017. gada 1. jūlijā tajā tika veiktas izmaiņas, un tagad visām vietnēm, kas apkopo un glabā jebkādus datus par lietotājiem, savam resursam ir jāpievieno dokumentācija. Sods par šo prasību neievērošanu būs no 10 000 līdz 75 000 rubļu par katru konstatēto pārkāpumu. Savukārt 2017. gada rudenī Roskomnadzor vadītājs Aleksandrs Žarovs aicināja aizliegt nepilngadīgo biometrisko identifikāciju, kad viņi izmanto tehniskās ierīces.
Pēdējo 10 gadu laikā ASV ir parādījušies vairāki likumprojekti, kas izveidoti ar uzsvaru uz biometriskajiem datiem, un 2018. gada maijā stāsies spēkā jauns ES likums par personas datu aizsardzību (Vispārīgā datu aizsardzības regula, GDPR). spēkā visās Eiropas Savienības valstīs.
ASV: trīs pret četrdesmit septiņiem
Amerikas Savienotajās Valstīs nav vienota likuma, kas regulētu personas datu, tostarp biometrisko datu, vākšanu un izmantošanu. Stingri tiesību akti attiecībā uz biometriju pastāv tikai trīs štatos: Ilinoisā, Teksasā un Vašingtonā.
2008. gadā Ilinoisā tika pieņemts Biometriskās informācijas privātuma likums (BIPA), kas noteica stingras prasības organizācijām, kas vāc, pērk vai citādi iegūst lietotāju biometriskos datus. Likums ir vērsts pret neierobežotu biometrisko datu izmantošanu komerciālos nolūkos. Ikvienam uzņēmumam, kas iegūst piekļuvi šādiem datiem, ir jāizstrādā publiski pieejama datu saglabāšanas politika, jāierobežo biometrisko datu pārsūtīšana vai izpaušana un šie dati jāaizsargā tāpat, kā uzņēmums aizsargā citu sensitīvu informāciju. BIPA nosaka "aizvainotās personas" tiesības celt prasību un nodrošina zaudējumu atlīdzību USD 1000 apmērā par katru nolaidīgu pārkāpumu un USD 5000 par tīšiem pārkāpumiem. 2017. gada janvārī līdzīgi likumprojekti tika izskatīti Konektikutā, Ņūhempšīrā, Vašingtonā un Aļaskā, taču tika pieņemti tikai Vašingtonā.
2016. gadā Ilinoisas prasītāju grupa iesūdzēja tiesā Facebook par nelikumīgu biometrisko datu vākšanu. Prasītāji apgalvoja, ka sociālā tīkla sejas atpazīšanas funkcija, kas atzīmē fotogrāfijas, nelikumīgi ievāca un glabāja lietotāja datus. 2017. gadā Ilinoisas tiesās tika iesniegtas vairāk nekā trīsdesmit prasības pret uzņēmumiem, kas savāca darbinieku pirkstu nospiedumus, lai izsekotu darba laiku.
Kopumā 47 ASV štatos uzņēmumi var izmantot programmatūru, lai attēlos identificētu sejas bez lietotāja piekrišanas, ja attēls ir publiski pieejams. Jau pastāv sejas atpazīšanas programmatūra, ko veikali var izmantot, lai identificētu klientus, kuri pārāk bieži atgriež preces vai dod priekšroku noteiktam pirkuma veidam. Pateicoties Facebook, darbinieki, pirmo reizi ienākot veikalā, var uzreiz iegūt informāciju par klientiem, uzzināt, kas viņi ir, no kurienes viņi ir un kādi ir viņu ienākumi. No privātuma viedokļa tas ir anonimitātes, lietotāja piekrišanas principa un biometrisko datu izmantošanas atbilstības pārkāpums. Bet tas nav aizliegts ar likumu šajos štatos.
Eiropas Savienība cenšas atgūt privātumu
Šogad Eiropas Savienība sper soli ceļā uz biometriskās informācijas konfidencialitāti: 2018. gada maijā stājas spēkā vienots personas datu aizsardzības likums (Vispārīgā datu aizsardzības regula, GDPR), kas pieņemts 2016. gadā.Galvenais mērķis VDAR mērķis ir atgriezt Eiropas pilsoņiem kontroli pār saviem personas datiem un vienlaikus vienkāršot uzņēmumu tiesisko regulējumu. Šis likums skar ne tikai 28 Eiropas Savienības valstis, bet arī organizācijas, kurām ir pārstāvniecības ES valstīs, tās vāc un apstrādā personas datus, sniedz pakalpojumus privātpersonām – Eiropas Savienības pilsoņiem, kā arī izmanto tiešsaistes reģistrāciju vietnēs un aplikācijās. Tāpēc likumam būs spēcīga ietekme, jo īpaši uz Krievijas biznesu.
Likums, kas rakstīts, koncentrējoties uz biometriju, konsolidēs un nostiprinās visus iepriekš pastāvošos personas datu aizsardzības standartus Eiropas valstīs. Konkrēti, GDPR nosaka, ka jebkurai organizācijai pirms datu vākšanas ir jāsaņem lietotāja piekrišana. Tomēr datu subjektam ir tiesības jebkurā laikā atsaukt savu piekrišanu. Šo principu sauc par "tiesībām tikt aizmirstam".
Uzņēmumiem, kas pārvalda biometrisko informāciju, tiks uzlikti milzīgi naudas sodi, ja tie nenodrošina datu drošību. Sankcijas var sasniegt 20 miljonus eiro jeb 4% no gada globālā apgrozījuma.
Likums saka, ka datu izmantošana ir jāierobežo. Personas dati ir jāievāc un jāapstrādā tikai “konkrētiem, skaidriem un likumīgiem mērķiem” (datu samazināšanas princips).
Ķīna veido digitālu diktatūru
Kamēr Eiropas valstis un organizācijas gatavojas GDPR stāšanās spēkā, Ķīna turpina attīstīt sociālo kredītu sistēmu, kas, šķiet, neatstāj valstī nekādas privātuma pēdas. Līdz 2020. gadam katram Ķīnas iedzīvotājam atkarībā no viņa uzvedības tiks piešķirts personīgais vērtējums, kas ietekmēs piekļuvi valsts pakalpojumiem, iespēju ņemt kredītu, iegūt darbu, reģistrēt bērnus skolā, iepirkties un ceļot.
Sociālo kredītu sistēmas pamatā ir pēc iespējas vairāk datu apkopošana par iedzīvotājiem un iedzīvotāju uzticamības novērtēšana, pamatojoties uz viņu finansiālo, sociālo un tiešsaistes uzvedību. Tādējādi reitingā tiek ņemta vērā kredītvēsture, savlaicīga soda nomaksa, ceļu satiksmes noteikumu ievērošana, iepirkšanās paradumi, datorspēļu spēlēšanai pavadītais laiks (jo vairāk dīkstāves, jo zemāks reitings), ģimenes plānošanas noteikumu ievērošana, vecāku apmeklējumu biežums. , paziņojumi internetā, sociālajā lokā ( pavadīt laiku ar cilvēkiem ar zemāku reitingu būs neizdevīgi). Pagaidām dalība reitingā ir brīvprātīga, bet līdz 2020.gadam tā būs obligāta visām fiziskām un juridiskām personām.
Iedzīvotāju datu vākšanai valdība ir nolīgusi astoņus privātus uzņēmumus, lai izstrādātu algoritmus sociālā kredīta novērtēšanai. To vidū ir China Rapid Finance, tehnoloģiju giganta Tencent partneris, kas atbalsta lielāko kurjeru WeChat ar vairāk nekā 850 miljoniem aktīvo lietotāju. Vēl viens spēlētājs ir Sesame Credit, ko vada Ant Financial Services Group (AFSG), Alibaba meitas uzņēmums. AFSG pārdod apdrošināšanu un izsniedz aizdevumus maziem un vidējiem uzņēmumiem, kā arī pieder serviss AliPay, kas tiek izmantots ne tikai pirkumiem tiešsaistē, bet arī restorānu, taksometru, mācību maksu, filmu biļetēm un naudas pārskaitījumiem. Lai izstrādātu sociālo kredītu sistēmu, Sesame sadarbojās ar citām datu vākšanas platformām Didi Chuxing, Uber bijušo galveno konkurentu Ķīnā, un Baihe, valsts lielāko tiešsaistes iepazīšanās pakalpojumu. Grūti pat iedomāties, cik daudz šie uzņēmumi zina par saviem lietotājiem.
Paredzams, ka, pilnībā kontrolējot tiešsaistes un bezsaistes uzvedību, sistēma mudinās iedzīvotājus veikt valdības apstiprinātas darbības un palīdzēs palielināt vispārējo “sirsnību” un uzticēšanos. Sejas atpazīšanas sistēmu un citu biometrisko tehnoloģiju loma šajā projektā būs milzīga.
Biometrijas iespējas arvien vairāk pārvēršas par problēmām: datu noplūde, kibernoziegumi, “identitātes zādzība”. Un arvien pieaugošā biometrisko tehnoloģiju izmantošana valdībām rada jaunus izaicinājumus. Vai valstis aizsargās savu pilsoņu anonimitāti, vai pilnīga caurskatāmība gaidīs ne tikai Ķīnas iedzīvotājus, bet arī visus, kam ir konts sociālajos tīklos, kurš lieto telefonu un vismaz reizēm iziet no mājas? Tehnoloģiju attīstībai jebkurā gadījumā būs jāizstrādā tiesiskais regulējums.
Teksts: Anna Kozonina
Daudzi Habr lasītāji droši vien jau ir pazīstami ar biometriskajām tehnoloģijām. Tagad tie ir visuresoši. Vispārīgā nozīmē biometrija ir sistēma cilvēku atpazīšanai pēc vienas vai vairākām fiziskām (vai uzvedības) pazīmēm. Informācijas tehnoloģiju jomā biometriskie dati tiek izmantoti kā piekļuves identifikatoru pārvaldības un piekļuves kontroles veids. Parasti biometrisko sistēmu darbības režīms ir sadalīts divos galvenajos veidos.
Pirmo sauc par verifikāciju, kas ir testa rezultāta salīdzinājums ar biometrisko veidni. Šī opcija palīdz pārbaudīt, vai persona ir tāda, par kuru viņi sevi saka. Pārbaudi var veikt dažādos veidos, tostarp izmantojot viedkarti, lietotājvārdu vai lietotāja numuru. Otrais veids ir identifikācija. Kad konkrēts paraugs ir saņemts, sistēma tiek pārbaudīta ar biometrisko datu bāzi, lai noteiktu identitāti. Šeit ir viens svarīgs punkts - šim darbības režīmam biometriskajam paraugam jābūt datu bāzē, un salīdzināšana jāveic pēc principa “viens pret daudziem”. Kopumā biometriskajām tehnoloģijām ir milzīgs potenciāls, kas vēl nav pilnībā realizēts. Kāds šodien ir biometrisko tehnoloģiju stāvoklis Krievijā un pasaulē?
Vairākos gadījumos to attīstību vēl nevar uzskatīt par apmierinošu. Līdz šim šī joma aktīvi attīstās, lai gan jau ir daži rezultāti (vairāk par to zemāk). Dažos gadījumos biometriskie dati tiek uzskatīti par ne pārāk uzticamu identifikācijas vai pārbaudes metodi. Tādējādi Amerikas Savienotajās Valstīs Tampas policijas departaments pat atinstalēja sejas atpazīšanas programmatūru, uzskatot to par ne pārāk uzticamu. Bet tur viņi runāja par novecojušu biometrisko metožu ieviešanu, kas ne vienmēr parāda to labāko pusi.
Tomēr mūsdienu biometriskās tehnoloģijas kļūst precīzākas un uzticamākas. Daudzi uzņēmumi un zinātniskās organizācijas nodarbojas ar pētniecību un attīstību šajā jomā. Turklāt laika gaitā prioritāte ir mainījusies uz bezkontakta biometriskās atpazīšanas metodēm. Biometriskie dati tiek izmantoti daudzās jomās, tostarp banku, drošības un piekļuves kontroles sistēmās, vīzu kontroles sistēmās, policijas noziedznieku identifikācijas sistēmās, apmeklētāju statistikas vākšanā un daudz ko citu. Līdz šim aptuveni pusi no biometrisko datu tirgus aizņem pirkstu nospiedumu atpazīšanas sistēmas. Taču situācija pamazām mainās, izstrādātāji saprot, ka pirkstu nospiedumu noņemšana nav tas uzticamākais veids, kā identificēt cilvēku (“MythBusters” savulaik pat parādīja veidu, kā atvērt pirkstu nospiedumu slēdzeni, izmantojot uz printera nodrukātus pirkstu nospiedumus), tāpēc jaunas biometriskās tehnoloģijas ir pamazām kļūst arvien populārāks.
Biometrija: mērogs
Kopumā mēs varam teikt, ka biometrija ir kļuvusi par cilvēku dzīves neatņemamu sastāvdaļu. Dažās valstīs, piemēram, jūs nevarat iegūt pasi vai vīzu bez biometriskajiem datiem. Valdības organizācijas dažādās valstīs uzskata, ka biometriskie dati ir viens no efektīvākajiem veidiem, kā identificēt bēgļus un tos, kas nelegāli šķērso robežu.Tagad ir daudz projektu, kuru pamatā ir biometriskās tehnoloģijas. Iespējams, viens no visplašākajiem ir AADHAAR projekts, kas īstenots Indijā. Tā ir biometriskā identifikācijas sistēma, kas satur datus no vairāk nekā miljarda cilvēku. Datubāzē ir aptuveni 10 miljardi pirkstu nospiedumu veidņu, divi miljardi varavīksnenes veidņu un miljards fotogrāfiju. Kaut kas līdzīgs tika parādīts zinātniskās fantastikas filmā I Origins. Tomēr identifikācija pēc varavīksnenes ir ļoti reāla tehnoloģija, kas kļūst arvien populārāka.
Visi Indijas iedzīvotāji var iegūt ierakstu AADHAAR; tas ir identifikācijas numurs, kas ir saistīts ar lietotāju biometriskajiem datiem. To izmanto finanšu darījumos, strādājot ar dažādiem valsts un privātajiem dienestiem. Ar AADHAAR ir saistīts arī mākoņpakalpojums skenētu dokumentu glabāšanai.
Protams, Indija nav viena, ieviešot biometrisko identifikāciju. To dara arī citas valstis. Un ne tikai valstis, bet arī privātie uzņēmumi. Saskaņā ar analītiskās aģentūras J"son & Partners Consulting datiem, biometrisko sistēmu globālais tirgus līdz 2022. gadam sasniegs 40 miljardus ASV dolāru. Analītiķu secinājumi ir balstīti uz galveno dalībnieku ieņēmumu rādītājiem atkarībā no segmentiem, ņemot vērā aparatūru, programmatūru un integrāciju.
Cita analītiskā aģentūra Acuity Research lēš, ka biometrisko elektronisko dokumentu e-ID skaits līdz 2018. gadam pieaugs līdz 749 miljoniem. Un kopumā, pēc aģentūras speciālistu aplēsēm, 2018. gadā pasaulē būs aptuveni 3,5 miljardi elektronisko dokumentu. Jau šobrīd vairāk nekā puse ANO dalībvalstu izsniedz biometriskās pases. Kā piemēru programmu īstenošanai pārejai uz biometriskajiem elektroniskajiem dokumentiem var minēt valdības un privātos līgumus Kanādā, ASV, Baltkrievijā, Ukrainā, Moldovā, Lietuvā, Ungārijā, Bangladešā, Senegālā un citās valstīs.
Kā ar Krieviju?
Krievijā biometriskās tehnoloģijas attīstās diezgan ātri, aktīvāk nekā daudzās valstīs. Piemēram, lielākās Krievijas Federācijas bankas šogad sāka testēt klientu biometriskās identifikācijas sistēmas. Centrālā banka, Telekomunikāciju un masu komunikāciju ministrija un Rosfinmonitoring veido savu biometrisko datu bāzi, šī sistēma testēšanas stadiju sasniegs šogad.Kā norāda Centrālās bankas priekšsēdētāja vietniece Olga Skorobogatova, pilotprojekts ļaus attālināti kļūt par jebkuras bankas klientu. Lai to izdarītu, pietiks vienreiz iziet biometriskās reģistrācijas procedūru jebkurā kredītiestādē, kas piedalās projektā.
"Biometrija ir ļoti aizraujoša tēma. Tā ir identifikācija, attālināta identifikācija, vienotas datu bāzes izveide par privātpersonām, es vairāk runāju par privātpersonām, kas dotu iespēju jebkurai bankai un jebkurai organizācijai nepiespiest klientus celties kājās, lai aizpildītu lielu dokumentu sarakstu, ” RIA citē Skorobogatovu.
No šī eksperimenta līdz valsts biometrijas datu bāzes izveidei burtiski atlicis viens solis.
Banku sektors cenšas ieviest klientu identifikācijas sistēmas pēc balss, fotogrāfijas un pirkstu nospiedumiem. Piemēram, VTB24 jau ir testējis biometrisko identifikāciju kā daļu no tiešsaistes bankas. Internetbankas lietotnes pieteikšanās procesā klientiem tika lūgts iesniegt savu fotoattēlu un balss paraugu. Izmantojot šos datus, plānots veikt identifikāciju. Pēc lietotāja identitātes apstiprināšanas visas darbības tiek veiktas bez papildu apstiprināšanas. Lielu interesi par biometriju izrāda arī Sberbank, kas jau ir akreditējusi RecFaces (Comlogic lietojumprogrammu) kā vienu no saviem partneriem šajā jomā.
Līdzīgas tehnoloģijas tiek izmantotas Promsvyazbank un Home Credit, Tinkoff Bank un vairākās citās organizācijās. Runājot par vienoto biometrisko datu bāzi, pie tās izveides vienlaikus strādā Centrālā banka, Telekomunikāciju un masu komunikāciju ministrija un Rosfinmonitoring. Šī projekta pabeigšana var aizņemt vairākus gadus. Vienota biometrisko datu bāze, pēc ekspertu domām, noderēs finanšu un juridiskajai nozarei, valsts dienestiem, sabiedriskajai drošībai, medicīnai un citiem.
Digitālais biometriskais profils no RecFaces
Runājot par biometriju Krievijā, mēs nevaram nepieminēt mūsu attīstību - multimodālās identifikācijas informācijas platformu, ko sauc par Id-Me.Parasti uzņēmumiem, kas ievieš biometriju, ir jāizvēlas vairāki piegādātāji un jāiegulda ievērojami līdzekļi centrālās skaitļošanas infrastruktūras izveidē, tās uzturēšanā, dažāda veida licencēs un iekārtās.
Taču runa nav tikai par ieguldījumiem un procesa sarežģītību. Katram algoritmam, kas šobrīd tiek piedāvāts tirgū, ir vairākas savas funkcijas un priekšrocības. Mēs, RecFaces, esam īpaši koncentrējušies uz pilnvērtīgas integrētas platformas izveidi, kas izmanto pasaules labākos sasniegumus biometrijas jomā. Ja ir iespēja izpētīt algoritmus un tos salīdzināt, mēs izvēlamies tos risinājumus, kas parāda maksimālu efektivitāti.
Piemēram, biometriskās identifikācijas tehnoloģijas, kuru pamatā ir sejas matemātiskais modelis, ir licencētas Japānas uzņēmumā Toshiba. 3D identifikācija tiek veikta, izmantojot risinājumus no Artec ID un Intel Corporation. Nav šaubu, ka identifikācijas moduļiem, kuru pamatā ir varavīksnenes raksti, pirkstu nospiedumi un plaukstu vēnu raksti, kas tiek gatavoti ieviešanai Id-Me platformā, RecFaces izvēlēsies modernākos un perspektīvākos tehniskos risinājumus. Klientiem būs tikai jāizmanto Id-Me “maģija”, lai atrisinātu savas lietojumprogrammas problēmas.
Ārējam novērotājam Id-Me darbojas pavisam vienkārši. Viena no galvenajām sistēmas sastāvdaļām ir Id-Box (tveršanas modulis). Tā ir maza “gudra” identifikācijas ierīce, kuras pamatā ir datora platforma kompaktā korpusā. Tieši šis elements ir atbildīgs par seju un nākotnē cita veida biometrisko datu atpazīšanu. Tas savienojas ar novērošanas kameru un citiem sensoriem. Sistēma saņem no tiem datu masīvu, kas pēc tam tiek pārvērsts specializētā indeksā, matemātiskā modelī, kas tiek nosūtīts uz mākoni, lai salīdzinātu ar tur glabāto standartu. Strādājot ar indeksiem, sistēma nav prasīga pret interneta kanāla “platumu”.
Šī ir universāla sistēma, kas efektīvi darbojas ar dažāda veida attēliem un var izmantot informāciju no novērošanas kameras. Id-Box, ja nepieciešams, var apkopot statistiku par apmeklētāju skaitu, ieskaitot vecumu, dzimumu un emocionālo stāvokli. Ja rodas kļūme, nav jāuztraucas, kastes iekšpusē ir liels cietais disks, kurā tiek glabāti visi svarīgie dati. Pēkšņas tīkla izslēgšanas gadījumā visa informācija tiks saglabāta un sistēma turpinās darboties.
Id-box apkopotie dati tiek nosūtīti uz mākoni, kur sistēma salīdzina pašreizējo indeksu ar visām iepriekšējām versijām. Ja ir sakritība, tas ir, sistēma atpazīst reģistrēto personu, klients saņem brīdinājumu. Pakalpojums ir savietojams ar galvenajām pamata platformām, tostarp tīmekļa saskarni, mobilajiem klientiem iOS, Android, Windows.
Visa sistēma ir droši aizsargāta, pateicoties šifrētam savienojumam. Turklāt ir ugunsmūris un tiek nodrošināta kriptogrāfijas vārteja ar kriptomaršrutētiem. Tiek izmantots elektroniskais ciparparaksts, pretvīrusu programmatūra un FSTEC sertificēti ielaušanās atklāšanas rīki.
Id-Me piemērošanas joma
RecFaces Id-Me biometriskā platforma ir izstrādāta tā, lai tā būtu pēc iespējas noderīgāka bankām, lidostām, mazumtirdzniecībai, viesnīcu uzņēmumiem, sporta organizācijām un valsts aģentūrām.Bankas var izmantot biometriskos datus, lai uzlabotu drošību. Šeit kā piemēru varam minēt iespējamu gadījumu, kad krāpnieks mēģina izņemt naudu no kādas citas personas kartes. Bankomāta kamera, kas savienota ar Id-Me, identificē tās personas seju, kura mēģina to izdarīt. Ja šī informācija neatbilst datu bāzē esošajai informācijai, līdzekļu izņemšana tiek bloķēta gandrīz uzreiz. Lai izmantotu šo aizsardzības metodi, bankomāts pat nav jāaprīko ar papildu aprīkojumu.
Tāpat banka var aizsargāt savu kreditēšanas nodaļu. Krāpnieks, kurš mēģina veikt finanšu darījumu ar viltotu vārdu, to nevarēs izdarīt, ja viņu vēros ar Id-Me pakalpojumu pieslēgta kamera.
Turklāt bankas darbinieki var arī pieteikties, kas ir nepieciešams, veicot jebkādus kritiskus uzdevumus. Šī funkcija var būt noderīga daudzās jomās. Piemēram, Id-Me ļauj automatizēt personāla laika uzskaiti.
Tā kā Id-Me var analizēt video straumes no novērošanas kamerām un atsevišķus attēlus, sistēmu var izmantot statistikas apkopošanai par apmeklējumiem, kustību trajektorijām un apmeklētāju uzvedību.
Izmantojot patentētas atpazīšanas tehnoloģijas no Toshiba un citiem partneriem, Id-Me ļauj izmantot biometrisko identifikāciju, lai noteiktu pircēja dzimumu, vecumu un personīgās izvēles, to visu saistot ar CRM. Šāda sistēma lieliski noder arī svarīga klienta atpazīšanai, uzreiz saņemot informāciju par viņu, pēdējā veikala vai citas vietnes apmeklējuma datumu. Tas viss palīdzēs jums atrast kopīgu valodu ar cilvēku, uzreiz nosakot viņa vēlmes.
Šādas biometriskās identifikācijas un CRM kombinācijas piemēri, kas jau ir ieviesti kopā ar RecFaces partneriem, ir parādījuši savu augsto mārketinga efektivitāti. Par to mēs noteikti vēlāk rakstīsim sīkāk.
Viesnīcu nozarei ir svarīgi zināt savus klientus. Ja cilvēks redz, ka viņu atceras ne tikai vārds un uzvārds, bet arī vēlmes, tad, visticamāk, šāds klients atkal un atkal atgriezīsies “uzmanīgajā” viesnīcā. Un nevēlamiem viesiem varat izveidot “melno sarakstu” ar attiecīgajiem datiem.
Viesnīcu novērošanas kameras fiksēs visu, kas notiek, paziņojot administrācijai, ja istabā vai biroja telpā ir iekļuvusi nezināma persona. Viesnīcu darbinieki apzināsies, ka viedā sistēma vienmēr zina, kurš kur un kāpēc devās, tāpēc būs mazāk ļaunprātīgas izmantošanas.
Sporta sacensību, koncertu un citu publisku pasākumu organizatori var ātri saņemt informāciju par nevēlamiem elementiem (piemēram, huligāniem līdzjutējiem), kas mēģina iekļūt pasākumā. Pazudis bērns? Sistēma palīdzēs ātri noteikt, kā un kad tas notika, kā arī noteiks, kur atrodas bērns, ja viņš ir redzams. Kaut kas nogāja greizi? Apsardze tiks nekavējoties brīdināta.
Likumsargiem būs vieglāk nodrošināt drošību skolās vai sabiedriskās vietās, vai transporta infrastruktūras objektos, ja viņi saņems paziņojumus par aizdomīgām personām un notikumiem, kas notiek uzraudzības zonā. Auto zādzības, huligānisms – to visu var novērst, ja par problēmu uzzināsi laikus.
Kopumā ir ļoti daudz veidu, kā izmantot biometriskās sistēmas. Lai cik pretenciozi tas neizklausītos, tie ir nākotne. Biometriskie dati tiek un tiks izmantoti daudzās jomās. Un Id-Me jau var izmantot lielākajā daļā no tiem. Vairāk par to, kādus risinājumus uzņēmums jau piedāvā un gatavojas laist tirgū, un ar tā kompleksajiem risinājumiem var uzzināt, apmeklējot 23. starptautisko drošības un ugunsdrošības tehniskās apsardzes iekārtu un aprīkojuma izstādi.
Tehnoloģiju ceļš, kas pārsniedzis izmantošanu tiesībaizsardzības iestādēs un aizstāj grafiskās un ciparu paroles.
Uz grāmatzīmēm
Biometriskie dati bija pirmie, ko izmantoja tiesībaizsardzības iestādes un augstas drošības dienesti. Mūsdienās biometriskās sistēmas ir atrodamas gandrīz visās mūsdienu ierīcēs: automašīnās, klēpjdatoros, viedtālruņos.
Biometriskie dati ir izmērāmi anatomiski, fizioloģiski un uzvedības raksturlielumi, ko izmanto, lai identificētu indivīdu. Visizplatītākā metode ir pirkstu nospiedumu atpazīšana. Bet ir arī citi veidi – DNS, varavīksnene, balss, plaukstas un sejas vaibsti.
Biometrisko tehnoloģiju normatīvais, tehniskais un tiesiskais regulējums šobrīd aktīvi attīstās. Valsts iniciē vienotu standartu veidošanu, lai nodrošinātu autonomo sistēmu mijiedarbību. Tiek veidotas biometrijas komitejas un nodaļas. Neskatoties uz biometrisko metožu dažādību, galvenokārt tiek izmantotas tikai trīs jomas: pirkstu nospiedumu, sejas un varavīksnenes atpazīšana.
Datortehnoloģiju attīstība dod iespēju izmantot biometriju daudzās darbības jomās: kontrolējot piekļuvi telpām un ierīcēm, apstiprinot finanšu darījumus, nodrošinot drošību lidostās, identificējot skolās un slimnīcās, meklējot noziedzniekus.
Biometrijas vēsture aizsākās pirms trīs tūkstošiem gadu. Jaunskotijā, Babilonā un Ķīnā atrastie artefakti liecina, ka roku un pirkstu nospiedumus senatnē izmantoja biznesa darījumiem un noziegumu pierādījumiem.
Tikai gadsimtiem vēlāk cilvēki atsāka pētīt pirkstu nospiedumu un citu indikatoru izmantošanu kā identifikācijas līdzekli.
Pirmie cilvēki, kas mūsdienu pasaulē izmantoja biometriju, bija policisti. Līdz aptuveni 1800. gadu vidum likumsargiem bija jāizmanto acs un atmiņa, lai identificētu iepriekš arestētos noziedzniekus. Cilvēka fotogrāfija atviegloja uzdevumu, taču nevarēja kalpot par vainas pierādījumu.
Līdz 20. gadsimta 20. gadiem FIB atvēra pirmo Identifikācijas departamentu, izveidojot centrālo noziedznieku identifikācijas datu repozitoriju ASV tiesībaizsardzības iestādēm. Astoņdesmitajos gados ASV valdība sponsorēja automatizētu pirkstu nospiedumu identifikācijas sistēmu izveidi, kas kļuva par galveno policijas un citu tiesībaizsardzības iestāžu darbā visā pasaulē.
Tāpat kā pirkstu nospiedums, acs varavīksnene ar vecumu paliek nemainīga. Tās izmantošana biometrijā ļauj izmantot bezkontakta identifikāciju.
Tikpat nepieciešams biometrijas veids ir sejas atpazīšana. Sākotnēji šī tehnoloģija tika izmantota, lai nodrošinātu drošību pārpildītās vietās.
Tirdzniecības centros tas palīdz novērst noziedzību un vardarbību. Lidostas uzlabo ērtības un drošību. Ierīču ražotāji izmanto sejas atpazīšanas tehnoloģiju, lai nodrošinātu lietotājiem jaunu biometriskās drošības līmeni.
Grūtāk nekā pirkstu nospiedumu, sejas vai varavīksnenes skenēšana, tikai balss nospiedumu identifikācija. Unikālie komponenti padara balss aizstāšanu gandrīz neiespējamu. Balss biometrisko datu vēsture sākas ne tik sen. Pirmās reāllaika identifikācijas metodes parādījās deviņdesmito gadu beigās.
1665. gads
Marčello Malfigi publicē savu atklājumu par pirkstu nospiedumu unikalitāti.
1858. gads
Indijas ierēdnis Viljams Heršels ieraksta katra darbinieka pirkstu nospiedumus darba līguma aizmugurē. Tādā veidā Herschel atšķir darbiniekus no citiem cilvēkiem, kuri var apgalvot, ka ir darbinieki algas dienā.
1870. gads
Franču advokāts Alphonse Bertillonage izstrādā Bertillonage sistēmu - metodi noziedznieku identificēšanai, izmantojot antropometriskos datus. Metode ir balstīta uz detalizētiem ķermeņa mērījumu ziņojumiem, fiziskajiem aprakstiem un fotogrāfijām. Sistēma tika izmantota visā pasaulē 30 gadus, līdz policija saprata, ka dažiem cilvēkiem var būt tādi paši parametri.
1880. gads
Skotu ķirurgs Henrijs Folds publicē rakstu par pirkstu nospiedumu lietderību identifikācijai.
1892. gads
Argentīnas policists Huans Vučeničs sāk vākt un kataloģizēt pirkstu nospiedumus. Un arī izmanto nospiedumus, lai pierādītu Franciskas Rojas galīgo vainu viņas kaimiņa slepkavībā. Policists konstatē, ka viņas nospiedums ir identisks daļējai asins pēdai nozieguma vietā.
Tajā pašā gadā Frensiss Galtons uzrakstīja detalizētu pētījumu par pirkstu nospiedumiem, kurā iepazīstināja ar jaunu klasifikācijas sistēmu.
1896. gads
Bengālijas policijas ģenerālinspektors Edvards Henrijs, kuru interesē Galtona sistēma, savāc koferi ar pirkstu nospiedumu fotogrāfijām un uzlabo Galtona klasifikāciju. Henrijs pirkstu modeļus iedala piecos pamata rakstos: vienkārši un sarežģīti loki, cilpas pret īkšķi vai mazo pirkstiņu un virpuļi.
Henrija galvenā ideja ir iekodēt modeļus ar skaitliskām formulām. Sugas tika apzīmētas ar burtiem A, T, R, U, W, bet pasugas ar cipariem. Henrija metode bija FIB un citu tiesībaizsardzības iestāžu izmantotās klasifikācijas sistēmas priekštece daudzus gadus.
1903. gads
Bertiljona sistēma "izjūk". Diviem vīriešiem, kuri vēlāk atklājās, ka viņi ir dvīņi, ASV tika piespriests piespiedu darbs. Ir konstatēts, ka tiem ir gandrīz identiski Bertillonage mērījumi. Bet stāsts vēlāk tiek apstrīdēts, jo tas tika izmantots, lai pierādītu bertiljonāžas nepilnības.
1936. gads
Oftalmologs Frenks Bērzs personības atpazīšanai ierosināja izmantot acs varavīksneni.
1960. gads
Zviedru profesors Gunārs Fants publicē modeli, kurā aprakstītas akustiskās runas veidošanas fizioloģiskās sastāvdaļas. Rezultāti ir balstīti uz rentgena staru analīzi personām, kas rada noteiktas skaņas.
1964. gads
Vudro Bledso, Helēna Čana Volfa un Čārlzs Bisons izstrādā sākotnējo tehnoloģiju kā daļu no saviem kolektīvajiem rakstu atpazīšanas pētījumiem. Tomēr Bledso pamet pētījumu, ko turpina Pīters Hārts Stenfordas pētniecības institūtā.
1965. gads
Vudro Bledso saskaņā ar ASV valdības līgumu izstrādā pirmo pusautomātisko sejas atpazīšanas sistēmu.
Ziemeļamerikas aviācija izstrādā pirmo parakstu atpazīšanas sistēmu.
1968. gads
Dators pastāvīgi pārspēj cilvēkus, identificējot cilvēku sejas no divu tūkstošu fotogrāfiju datu bāzes.
1969. gads
FIB sāk izstrādāt sistēmu, lai automatizētu pirkstu nospiedumu identifikācijas procesu, kas kļūst par prioritāti un aizņem lielāko daļu cilvēkresursu.
FIB paraksta līgumu ar Nacionālo standartu un tehnoloģiju institūtu (NIST), lai pētītu cilvēka pirkstu nospiedumu identifikācijas automatizācijas procesu. NIST identificē divas galvenās problēmas: pirmā ir pirkstu nospiedumu skenēšana un atšķirīgo pazīmju noteikšana, otrā ir pazīmju salīdzināšana un kontrastēšana.
1970. gads
Tiek modelēti runas uzvedības komponenti. Dr. Džozefs Purkels izvērš oriģinālo modeli, kas izstrādāts 1960. gadā. Viņš ietver mēli un žokli. Modelis sniedz detalizētāku izpratni par runas sarežģītajiem uzvedības un bioloģiskajiem komponentiem.
1971. gads
Pētnieki Goldstein, Harmon un Lesk publicē rakstu “Cilvēka sejas identifikācija”, kurā tiek izmantoti 22 relatīvi marķieri, piemēram, matu krāsa un lūpu biezums, lai automātiski atpazītu sejas. Pētījums veidoja pamatu turpmākai datorizētas sejas identifikācijas izpētei.
1974. gads
Parādās pirmās komerciālās biometriskās plaukstu atpazīšanas ierīces. Sistēmas ir ieviestas trīs galvenajiem mērķiem: fiziska piekļuves kontrole, laika uzskaite un apmeklētības uzskaite, kā arī cilvēku identifikācija.
1975. gads
FIB finansē sensoru izstrādi pirkstu nospiedumu modeļu skenēšanai, lai samazinātu digitālās informācijas uzglabāšanas izmaksas. Agrīnie sensori izmanto kapacitatīvās metodes, lai savāktu pirkstu nospiedumu raksturlielumus.
Nākamajās desmitgadēs NIST koncentrējas uz automatizētu metožu izstrādi pirkstu nospiedumu digitalizācijai un attēlu saspiešanai, klasifikācijai, funkciju iegūšanai un funkciju saskaņošanai. NIST pētījumu rezultātā tika izveidots M40, pirmais FIB izmantotais datora pirkstu nospiedumu atbilstības algoritms.
1976. gads
ASV elektrisko komponentu ražotājs Texas Instruments izstrādā runas atpazīšanas prototipu, ko testē ASV gaisa spēki un bezpeļņas uzņēmums Mitre Corporation. Pēdējais nodarbojas ar sistēmu projektēšanu, izpēti un izstrādi, kā arī informācijas tehnoloģiju atbalstu ASV valdībai.
1977. gads
Veripen ir piešķirts patents "Personal Identification Apparatus", kas atspoguļo personas paraksta dinamiskās īpašības. Sistēmas izstrādes rezultātā tika pārbaudīta automātiskā rokraksta pārbaude, ko Mitre Corporation veica Amerikas Savienoto Valstu gaisa spēku elektronisko sistēmu nodaļai.
1984. gads
ASV armija sāk izmantot plaukstu atpazīšanu banku jomā.
1985. gads
Oftalmologi Leonardo Floms un Arans Safirs norāda, ka nav divu vienādu īrisu.
1986. gads
NIST un Amerikas Nacionālais standartu institūts (ANSI) veido pirkstu nospiedumu datu apmaiņas standartu ANSI/NBS-I CST 1-1986. Šī ir pirmā esošo standartu versija, ko tagad izmanto tiesībaizsardzības iestādes visā pasaulē.
Floms un Safīrs saņem patentu par varavīksnenes izmantošanu identifikācijai. Floms vēršas pie doktora Džona Dogmena ar lūgumu izstrādāt algoritmu personas identificēšanai pēc varavīksnenes.
1987. gads
NIST veido grupu, lai pētītu un attīstītu runas apstrādes metožu izmantošanu.
1988. gads
Losandželosas apgabala šerifa departamenta Leikvudas nodaļa izmanto pirmo pusautomātisko sejas atpazīšanas sistēmu, salīdzinot ar digitalizēto kopiju datu bāzi.
Tajā pašā gadā Kirbijs un Sirovičs izmanto galveno komponentu analīzi — lineārās algebras standarta metodes — sejas atpazīšanas problēmai. Tehnoloģiju sauc par Eigenface.
1991. gads
Metjū Turks un Alekss Pentlands atklāj, ka Eigenface atlikušo kļūdu var izmantot, lai atrastu attēlu malas. Šī atklājuma rezultātā kļuva iespējama uzticama automātiska sejas atpazīšana reāllaikā.
1992. gads
NSA izveido biometrisko konsorciju un pirmo sanāksmi rīko 1992. gada oktobrī. Sākotnēji dalība Konsorcijā ir ierobežota ar valsts aģentūrām. Tomēr organizācija drīz paplašināja savu dalību, iekļaujot privātās un akadēmiskās kopienas, un izveidoja daudzas darba grupas, lai uzsāktu un paplašinātu centienus testēšanas, standartu izstrādes, savietojamības un valdības sadarbības jomā.
Kopš biometrijas darba sākuma 2000. gadu sākumā darba grupas ir integrētas citās organizācijās, piemēram, INCITS, ISO un ASV Nacionālajā zinātnes un tehnoloģiju padomē, lai paplašinātu un paātrinātu savu darbību. Konsorcijs kļūst par forumu diskusijām starp valdību, nozari un akadēmiskajām aprindām.
1993. gads
Aizsardzības progresīvo pētījumu projektu aģentūra un Aizsardzības attīstības programmu birojs finansē programmu FacE Recognition Technology (FERET). Stimulēšanas mērķis ir izstrādāt sejas atpazīšanas algoritmus un tehnoloģijas.
1994. gads
Integrētās automatizētās pirkstu nospiedumu identifikācijas sistēmas (IAFIS) konkursā tiek pētītas trīs galvenās problēmas: digitālā pirkstu nospiedumu iegūšana, lokālas rievas iezīmju iegūšana un rievas iezīmju saskaņošana. Lockheed Martin uzvarēja konkursā par IAFIS izveidi FIB.
Tiek uzskatīts, ka pirmo automatizēto pirkstu nospiedumu identifikācijas sistēmu (AFIS), kas paredzēta pirkstu nospiedumu drukāšanas atbalstam, ir izveidojis Ungārijas uzņēmums RECOWARE. 1997. gadā RECOderm iebūvēto plaukstu un pirkstu nospiedumu identifikācijas tehnoloģiju iegādājās Lockheed Martin Information Systems.
Tajā pašā gadā, pamatojoties uz biometriskajiem datiem, tika izveidots Imigrācijas un naturālistiskā pasažieru dienesta paātrinātais dienests (INSPASS). Tas palīdzēja ceļotājiem apiet imigrācijas līnijas atsevišķās lidostās visā ASV, līdz tas 2004. gada beigās pārtrauca darbību.
Džons Daungmans izstrādā un patentē pirmos algoritmus varavīksnenes modeļu datora identificēšanai. Patentu sauc par lriScan. Līdz šim Daugmana algoritmi ir tehnoloģiju publiskā lietojuma pamatā.
1995. gads
Kodolaizsardzības aģentūra un iriScan izveido kopīgu projektu, kura rezultātā ir izveidots pirmais komerciālais varavīksnenes atpazīšanas produkts.
1996. gads
Atlantas Olimpiskajās spēlēs tiek ieviestas plaukstu piekļuves sistēmas, lai kontrolētu un nodrošinātu fizisko piekļuvi olimpiskajam ciematam. Sistēma atrod informāciju starp vairāk nekā 65 tūkstošu cilvēku datiem. 28 dienu laikā tika apstrādāts vairāk nekā viens miljons darījumu.
Ar NSA finansējumu NIST uzsāk ikgadēju NIST runātāju atpazīšanas novērtējumu, lai turpinātu attīstīt runātāju atpazīšanas kopienu.
1997. gads
IAFIS sāk darbu. Sistēmas izstrādes gaitā zinātnieki izskatīja jautājumus, kas saistīti ar informācijas apmaiņu starp autonomām sistēmām, kā arī pētīja nacionālās pirkstu nospiedumu identificēšanas sistēmas ieviešanu. IAFIS tiek izmantots, lai pārbaudītu cilvēku sodāmības reģistrus un identificētu nozieguma vietās atrastās latentās nospiedumus.
Kristofs fon der Malsburgs un Vācijas Bohumas universitātes maģistrantūras studentu komanda izstrādāja ZN-Face sistēmu, kas toreiz bija visuzticamākā, pateicoties spējai atpazīt sejas zemas kvalitātes fotogrāfijās.
Tehnoloģiju finansēja ASV armijas pētniecības laboratorija. Tomēr lielas starptautiskās lidostas, bankas un valsts aģentūras to izmantoja.
Ar NSA atbalstu tika publicēts pirmais komerciālais kopējais biometriskais standarts — cilvēka autentifikācijas API (HA-API). Projekta mērķis ir veicināt integrāciju un nodrošināt piegādātāju savstarpēju aizstājamību un neatkarību. Tas bija sasniegums biometrisko tehnoloģiju nodrošinātājiem, kas strādā kopā.
1998. gads
FIB uzsāk kriminālistikas DNS datu bāzi – kombinēto DNS indeksu sistēmu (CODIS). Sistēma nodrošina digitālu DNS marķieru uzglabāšanu un izguvi tiesībaizsardzības iestādēm.
1999. gads
Starptautiskās civilās aviācijas organizācijas (ICAO) Tehnisko padomdevēju grupa mašīnlasāmu ceļošanas dokumentu jautājumos (TAG jeb MRTD) ir uzsākusi biometrisko un mašīnlasāmo ceļošanas dokumentu savietojamības izpēti. Pētījuma mērķi ir izveidot starptautiskus standartus daudzpakalpojumu datu pārraidei.
2000. gads
Vairākas ASV valdības aģentūras sponsorē sejas atpazīšanas pārdevēja testēšanu (FRVT). Pārbaudes veic NIST. Tas iezīmēja pirmo atklāto, liela mēroga vairāku komerciāli pieejamu biometrisko sistēmu novērtējumu.
Papildu novērtējumi notika 2003. un 2006. gadā. Projekta mērķis bija nodrošināt tiesībaizsardzību un ASV valdību ar informāciju, kas nepieciešama, lai noteiktu labākos veidus, kā izmantot sejas atpazīšanas tehnoloģiju.
Zinātnieki publicē pirmo pētījumu, kurā aprakstīta asinsvadu modeļu izmantošana cilvēku atpazīšanai. Rakstā aprakstīta pirmā komerciālā tehnoloģija, kas identificēšanai izmanto cilvēka rokas asinsvadu attēlu.
Tajā pašā gadā Rietumvirdžīnijas universitāte un FIB ieviesa bakalaura programmu biometriskajās sistēmās.
2001. gada janvāris
Sejas atpazīšana tiek uzstādīta Super Bowl izcīņā Tampā, Floridā, lai identificētu stadionā meklētos cilvēkus. Sistēma tos neatrada, taču tā kļūdaini identificēja duci nevainīgu fanu. Mediji ir nobažījušies par cilvēku privātuma pārkāpumiem, izmantojot biometriskos datus.
2001. gada 11. septembris
Vairāki teroristu uzbrukumi, ko veica teroristu organizācija Al-Qaeda, atjaunoja zinātnisko interesi par šo tehnoloģiju. Tas galvenokārt skāra transporta sistēmas un struktūras, kas nodrošina cilvēku starptautisko kustību, piemēram, muitas un migrācijas dienestus.
Personas identifikācija, pārbaudot dokumentus, nebija pietiekama, savukārt biometriskie rādītāji garantē precīzu cilvēku atpazīšanu.
2001. gada novembris
Tiek veidota M1 tehniskā komiteja, lai paātrinātu biometrijas izmantošanas standartu izstrādi ASV un starptautiskajās standartu komisijās.
2002. gads
Starptautiskā standartizācijas organizācija (ISO) un Starptautiskā elektrotehnikas komisija (IEC) ir izveidojušas ISO/IEC JTC1 apakškomiteju, lai atbalstītu biometrisko tehnoloģiju standartizāciju. Apakškomiteja izstrādā standartus, lai nodrošinātu integrāciju un datu apmaiņu starp autonomām lietojumprogrammām un sistēmām.
2003. gads
Starptautiskā civilās aviācijas organizācija (ICAO) pieņem globāli saskaņotu plānu biometriskās identifikācijas informācijas integrēšanai pasēs un citos mašīnlasāmajos dokumentos (MRDO). Sejas atpazīšana ir izvēlēta kā globāls sadarbspējīgs biometriskais modelis datorizētai identitātes pārbaudei.
Tajā pašā gadā Eiropas Komisija atbalstīja Eiropas Biometrijas foruma izveidi. Projekta mērķis ir padarīt ES par pasaules līderi biometrijas jomā, novēršot šķēršļus lēmumu pieņemšanai un tirgus sadrumstalotību. Forums darbojas arī kā virzītājspēks valsts iestāžu koordinēšanai, atbalstam un stiprināšanai.
2004. gads
ASV Aizsardzības ministrija ievieš automatizēto biometriskās identifikācijas sistēmu (ABIS). Tas tiek īstenots, lai uzlabotu ASV valdības spēju izsekot un identificēt nacionālās drošības apdraudējumus.
2005 gads
ASV patents par varavīksnenes atpazīšanas koncepciju beidzas. Tas paver mārketinga iespējas uzņēmumiem, kuri ir izstrādājuši savus varavīksnenes atpazīšanas algoritmus.
2010. gads
NSA izmanto biometriskos datus, lai identificētu teroristus. Tas ietver pirkstu nospiedumu izmantošanu no vietām, kas saistītas ar 11. septembra uzbrukumiem.
2011. gads
Panamas valdība, sadarbojoties ar ASV iekšzemes drošības sekretāri Dženetu Napolitāno, ir uzsākusi sejas atpazīšanas platformas FaceFirst izmēģinājuma programmu, lai samazinātu nelegālās darbības Panamas Tokumenas lidostā.
Tas ir pazīstams kā narkotiku kontrabandas un organizētās noziedzības centrs. Rezultātā sistēma palīdzēja aizturēt vairākus Interpola aizdomās turamos.
Sejas identifikāciju arvien vairāk izmanto tiesībaizsardzības un militārpersonas kriminālistikas nolūkos. Tas bieži vien ir visefektīvākais veids, kā identificēt mirušos ķermeņus.
Sejas atpazīšanas un DNS tehnoloģija tika izmantota, lai apstiprinātu teroristiskās organizācijas al-Qaeda dibinātāja Osamas bin Ladena identitāti pēc tam, kad viņš tika nogalināts ASV reidā.
2013. gads
Apple jaunos viedtālruņos ievieš Touch ID pirkstu nospiedumu atpazīšanu.
2016. gads
Samsung prezentē ierīci ar varavīksnenes skeneri, lai paaugstinātu drošības līmeni, lai piekļūtu ierīcei.
MasterCard, Visa un citas finanšu iestādes ietver biometrisko maksājumu autentifikāciju.
2017. gads
Mazumtirdzniecība aktīvi ievieš sejas atpazīšanas tehnoloģijas. Un tā kļūst par visstraujāk augošo nozari šīs tehnoloģijas izmantošanā.
Turklāt Apple ievieš iPhone X ar Face ID sejas atpazīšanas tehnoloģiju.
