생체 인식 장치

Biometric device
사람 식별을 위한 홍채 스캐너 작동

생체 인식 장치는 보안 식별 및 인증 장치다. 이러한 기기는 생리학적 또는 행동적 특성에 기초하여 살아있는 사람의 신원을 확인하거나 인식하는 자동화된 방법을 사용한다. 이러한 특징에는 지문, 얼굴 이미지, 홍채, 음성 인식이 포함된다.[1]

역사

생체 인식 장치는 수천 년 동안 사용되어 왔다. 비자동 생체인식기기는 고대 바빌로니아인들이 점토판에 손끝을 눌러서 사업거래에 서명했던 기원전 500년부터 사용되고 있다.[2]

생체 인식 장치의 자동화는 1960년대에 처음 목격되었다.[3] 1960년대 연방수사국(FBI)은 범죄 기록을 유지하기 위해 지문 감식을 시작한 인덴티마트를 도입했다. 첫 번째 시스템은 손의 모양과 손가락 길이를 측정했다. 1980년대에 단종되었지만, 이 시스템은 미래의 생체 인식 장치에 선례를 남겼다.

부분군

인체의 특성은 이용자의 정보에 접근하는 데 사용된다. 이러한 특성에 따라 하위 구분 그룹은 다음과 같다.

  • 화학 생체인식 장치: 사용자에게 액세스 권한을 부여하기 위해 DNA의 세그먼트를 분석한다.
  • 시각 생체 인식 장치: 홍채 인식, 안면 인식, 손가락 인식, 망막 인식 등 인간의 시각적 특징을 분석한다.
  • 행동 생체 인식 장치: 모든 사람에게 고유한 보행 능력과 서명(신호의 범위, 신호의 폭, 신호의 압력)을 분석한다.
  • 후각 생체 인식 장치: 다양한 사용자를 구별하기 위해 냄새를 분석한다.
  • 청각 생체 인식 장치: 음성을 분석하여 제어 접근용 스피커의 신원을 결정한다.

사용하다

직장

히드로 터미널 4에서 IRIS 및 지문 인식

생체 측정은 그 시간 직원의 작업에 대한 더 좋고 접근하기 쉬운 기록을 확립하는 데 이용되고 있다. '버디 펀칭'([4]직원들이 직장동료를 감식해 근무시간을 사기로 부풀린 사례)이 늘면서 고용주들은 이런 사기를 줄이기 위해 지문인식 등 신기술에 눈을 돌렸다. 또한, 고용주들은 입출국 시간과 같은 적절한 데이터 수집 과제에 직면해 있다. 생체 인식 장치는 직원들이 그들만의 생체 세부 정보를 입력하기 위해 참석해야 하기 때문에 대부분 바보 같은 증거와 신뢰할 수 있는 데이터 수집을 가능하게 한다.

이민

항공 여행에 대한 수요가 커지고 여행객이 늘어나면서 현대 공항들은 긴 대기열이 생기지 않도록 기술을 구현해야 한다. 생체인식은 승객을 빠르게 인식할 수 있게 하여 대기열에 서 있는 사람들의 수를 감소시킴으로써 점점 더 많은 공항에서 시행되고 있다. 두바이 국제 공항은 승객들의 원활한 출발과 도착을 돕는 이동 기술(IOM)에 IRIS를 구현하면서 출입국 카운터를 과거의 유물로 만들 계획이다.[5]

핸드헬드 및 개인용 기기

지문 센서는 모바일 기기에서 찾을 수 있다. 지문 센서는 예를 들어, 장치의 잠금을 해제하고 돈과 파일 전송과 같은 작업을 승인하는 데 사용된다. 허가받지 않은 사람이 기기를 사용하지 못하도록 하는 데 사용할 수 있다.

현재 생체 인식 장치

서명은 각 정사각형의 공간에 의해 인증된다.

개인 서명 확인 시스템

이것은 기업 환경에서 가장 높이[6] 인정되고 수용 가능한 생물학적 측정법 중 하나이다. 서명을 하는 동안 가해지는 압력, 손 움직임의 속도, 서명을 하는 데 사용되는 표면과 펜 사이의 각도와 같이 이것을 중심으로 회전하는 많은 매개변수를 고려하여 서명을 포착함으로써 이러한 검증은 한 걸음 더 나아갔다. 이 시스템은 또한 동일한 사용자에 따라 서명 스타일이 다르기 때문에 사용자로부터 배울 수 있는 능력을 가지고 있다. 따라서 이 시스템은 데이터 샘플을 채취함으로써 자체 정확도를 높일 수 있다.

홍채인식시스템

홍채 인식은 대상의 동공을 스캔한 다음 데이터베이스에 저장된 데이터와 교차 참조하는 장치를 포함한다. 표면에 지문을 남길 수 있는 반면 홍채인쇄는 도용하기가 극히 어렵기 때문에 가장 안전한 인증 형태 중 하나이다. 홍채 인식은 대중을 다루는 기관들에 의해 광범위하게 적용되는데, 그 중 하나는 인도 정부가 홍채의 인구를 기록하기 위해 실시하는 아다하르 식별이다. 홍채인식이 사람의 홍채인식을 활용하기 때문에 생전에 거의 진화하지 않고 극히 안정적이기 때문이다.

오늘날의 생체 인식 장치에 대한 문제

생체인식스푸핑

미세 파우더와 브러시를 사용하여 지문을 노출하고 복사

생체 인식 스푸핑은 생체인식 관리 시스템을 속이는[7] 수법으로, 생체인식 스캐너 앞에 위조 금형이 제시된다. 이 위조 금형은 유물과 실제 생물학적 목표물 사이의 시스템을 혼동하고 민감한 데이터/물질에 접근할 수 있도록 개인의 고유한 생체 특성을 모방한다.

독일 국방 장관 우슐라 폰 데어 레옌의 지문이 카오스 컴퓨터 클럽에 의해 성공적으로[8] 복제되었다는 사실이 밝혀지면서, 이러한 유명한 생체 인식 스푸핑의 사례가 주목을 받게 되었다. 이 그룹은 고품질의 카메라 렌즈를 사용했고 6피트 떨어진 곳에서 이미지를 촬영했다. 그들은 전문적인 핑거 소프트웨어를 사용했고 장관 지문의 윤곽선을 그렸다. 비록 스푸핑을 멈추기 위해 진전이 있었지만. 맥박산소측정법-혈액[9] 산소와 심박수를 측정하여 시험 대상의 생동성을 고려한다. 이렇게 하면 위에서 언급한 것과 같은 공격을 줄일 수 있지만, 이러한 방법은 구현 비용이 높기 때문에 상업적으로 적용할 수 없다. 이것은 그들의 실제 세계 응용을 감소시키고, 따라서 이러한 방법들이 상업적으로 실행될 때까지 생체지식을 불안정하게 만든다.

정확도

생체 인식 섬 얼굴 이미지 2D와 3D, 음성 음색, 손 서명 확인

정확성은 생체 인식의 주요 쟁점이다. 비밀번호는 본래 정적인 반면 생체 인식 데이터는 변경될 수 있기 때문에 여전히 매우 인기가 있다(사춘기로 인해 목소리가 무거워지거나 안면 스캔 데이터를 잘못 읽게 될 수 있는 사고 등). PIN 기반 시스템의 대체품으로 음성 인식을 테스트할 때, Barclays는 음성 인식 시스템이 95% 정확하다고 보고했다[10]. 이 통계는 고객의 많은 목소리가 정확하더라도 여전히 인식되지 않을 수 있다는 것을 의미한다. 이러한 불확실성으로 인해 시스템에 생체인식 기기의 채택이 느려져 기존의 암호 기반 방법의 의존이 지속될 수 있다.

기존 인증 방법보다 생체 인식 장치의 이점

  • 생체 데이터는 대여할 수 없고 생체정보 데이터의 해킹도[11] 복잡해 기존 비밀번호처럼 대여와 공유가 가능한 인증 방식보다 안전하게 사용할 수 있다. 패스워드는 사용자를 판단할 수 있는 기능이 없고 사용자가 제공하는 데이터에만 의존하는 것으로 바이오메트릭스가 개인별 고유성을 연구하면서 쉽게 도난당할 수 있다.
  • 암호는 잊어버릴 수 있고 복구하는 데 시간이 걸릴 수 있는 반면 생체 인식 장치는 사람만의 고유한 경향이 있는 생체 인식 데이터에 의존하기 때문에 인증 데이터를 잊어버릴 위험이 없다. 야후 사용자들을 대상으로 실시한 연구에 따르면 야후 사용자의 최소 1.5%가[12] 매달 비밀번호를 잊어버린 것으로 나타났으며, 이로 인해 비밀번호 복구 과정이 길어짐에 따라 소비자들의 서비스 이용이 더욱 길어지고 있다. 이러한 단점들은 생체 인식 장치를 더욱 효율적으로 만들고 최종 사용자의 노력을 감소시킨다.

미래

연구원들은 오늘날의 생체 인식 장치의 단점을 겨냥하고 생체 인식 스푸핑과 부정확한 데이터 섭취와 같은 문제를 줄이기 위해 발전하고 있다. 개발 중인 기술은

  • 미국 육군사관학교는 각 개인이 자신의 컴퓨터와 상호작용하는 방법을 통해 식별할 수 있는 알고리즘을[13] 개발하고 있다; 이 알고리즘은 타이핑 속도, 쓰기 리듬, 일반적인 철자 오류와 같은 독특한 특성을 고려한다. 이 데이터를 통해 알고리즘은 각 사용자의 다중 행동 정보와 기압 정보를 결합하여 각 사용자의 고유한 프로필을 만들 수 있다. 이것은 집단적으로 복제하기가 매우 어려울 수 있다.
  • Kenneth Okerea[14] for에 의한 최근의 혁신으로,[15] 특성 무작위화 접근법을 사용하여 생체 인식 활성도 검출 기법을 적용하는 최적화되고 안전한 설계를 제시했다. 이 새로운 개념은 잠재적으로 생체인식 스푸핑을 더 정확하게 완화하고 미래의 생체인식 기기에서 사기꾼의 예측을 난해하거나 매우 어렵게 만드는 새로운 방법을 열어준다. 얼굴 프린트, 손가락 프린트, 홍채 패턴 특성에서 15개의 활성 파라미터로 구성된 3D 다중 생체 측정 프레임워크를 사용하여 Kenneth Okereafor의 생체 인식 활성 감지 알고리즘을 시뮬레이션한 결과 125개의 구별되는 무작위화 조합의 카디널리티에 대해 99.2%의 시스템 효율성이 나왔다. Okereafor의 혁신의 독특성은 눈 깜박임 패턴, 펄스 옥시측정, 손가락 분광법, 심전도, 땀 등으로부터 본질적 및 비자발적 생체 의학 특성을 포함한 비관관관 생체 특성 매개변수의 적용에 있다.
  • 일본 연구진은 의자에 400개의 센서를 사용해 사람의 윤곽과 독특한 압력점을 식별하는 시스템을[16] 만들었다. 여전히 대대적인 개선과 수정을 거치고 있는 이 데리에르 인증기는 98% 정확하다고 주장되고 있으며, 자동차 내 도난 방지 장치 메커니즘에 적용되어 있는 것으로 보인다.
  • 발명가 로렌스 F. 글레이저는 처음에는 고화질 디스플레이로 나타나는 기술을 개발하고 특허를 얻었다. 다만 2차원 화소 배열 디스플레이와 달리 픽셀 스택을 통합해 멀티 바이오메트릭을 포착하는 일련의 목표를 달성했다. 같은 픽셀 스택(표면 형성) 영역에서 2개 이상의 구별되는 생체정보를 동시에 포착할 수 있는 최초의 인공기기로, 데이터가 제3의 생체정보를 형성할 수 있도록 해 데이터 정렬 방식을 포함해 더욱 복잡한 패턴이다. 예를 들어 손가락 인쇄와 모세관 패턴을 정확히 같은 순간에 캡처할 수 있다. 이 기술과 함께 다른 기회가 존재한다. 예를 들어, 사건 발생 중 손가락이 살아있음을 확인하는 키릴린 데이터를 캡처하거나, 앞서 언급한 다른 생물학적 정보와 함께 사용된 또 다른 생체인식을 구성하는 골격 디테일을 캡처할 수 있다. 더 적은 표면적에서 기능성을 높이기 위해 픽셀을 쌓는 개념과 하나의 픽셀에서 어떤 색도 발산할 수 있는 능력이 결합돼 RGB(RED GREEN BLUE) 표면 배출이 필요하지 않다. 마지막으로 이 기술은 고출력 카드뮴 자석학으로 시험하여 왜곡이나 기타 이상 유무를 확인하였는데, 발명자는 이와 같은 표면 기술로 자기 방출과 자기 채집도 포함시키기를 원했지만 표면에 자석 줄무늬를 전혀 나타내지 않았다. 스마트 카드와 같은 기기는 사용자가 한 일을 자동으로 감지하고, 카드를 "스위핑"하거나 판독기에 삽입할 때 카드가 어디에 있는지에 대한 데이터를 사용함으로써 어떤 방향에서든 자기 데이터를 전달할 수 있다. 이 기술은 사용자 측 카메라가 없고 표면에 활성 전자 장치가 없는 먼 거리에서 터치나 읽기 동작을 감지할 수 있다. 멀티바이오메트릭스의 사용은 자동화된 신분증 획득을 8억배수로 강화하며 해킹이나 모방하기가 매우 어려운 것으로 판명될 것이다.

참조

  1. ^ Wayman, James; Jain, Anil.; Maltonie, Davide.; Maio, Dario (2005). An Introduction to Biometric Authentication Systems. Boston, MA: Springer London. pp. 1–20. ISBN 978-1-85233-596-0.
  2. ^ Mayhew, Stephen. biometricupdate.com http://www.biometricupdate.com/201501/history-of-biometrics. Retrieved 24 October 2015. 누락 또는 비어 있음 title= (도움말)
  3. ^ Zhang, David (2013-11-11). Automated Biometrics: Technologies and Systems. Springer Science & Business Media. p. 7. ISBN 9781461545194.
  4. ^ R, Josphineleela; Ramakrishnan, Dr.M. (March 2012). "An Efficient Automatic Attendance System Using Fingerprint Reconstruction Technique". International Journal of Computer Science and Information Security. 10 (3): 1. arXiv:1208.1672. Bibcode:2012arXiv1208.1672R.
  5. ^ Basit, Abdul (20 October 2015). "Dubai Airport without immigration counters?". Khaleej Times. Retrieved 28 October 2015.
  6. ^ M.M. Fahmy, Maged (5 November 2010). "Online handwritten signature verification system based on DWT features extraction and neural network classification". Ain Shams Engineering Journal. 1 (1): 59–70. doi:10.1016/j.asej.2010.09.007.
  7. ^ Trader, John (2014-07-22). "Liveness Detection to Fight Biometric Spoofing". Retrieved 4 November 2015.
  8. ^ "German minister fingered as hacker 'steals' her thumbprint from a PHOTO". The Register. 29 Dec 2014. Retrieved 21 October 2015.
  9. ^ Reddy, P.V; Kumar, A; Rahman, S; Mundra, T.S (2008). "A New Antispoofing Approach for Biometric Devices". IEEE Transactions on Biomedical Circuits and Systems. 2 (4): 328–337. CiteSeerX 10.1.1.141.6902. doi:10.1109/tbcas.2008.2003432. PMID 23853135. S2CID 8908501.
  10. ^ Warman, Matt (2013-05-08). "Say goodbye to the pin: voice recognition takes over at Barclays Wealth". The Telegraph. Retrieved 22 October 2015.
  11. ^ O’Gorman, Lawrence (2003). "Comparing Passwords, Tokens, and Biometrics for User Authentication". Proceedings of the IEEE. 91 (12): 2021–2040. doi:10.1109/jproc.2003.819611. S2CID 11397126.
  12. ^ Florencio, Dinei; Herley, Cormac (2007). "A large-scale study of web password habits". Proceedings of the 16th international conference on World Wide Web - WWW '07. p. 657. CiteSeerX 10.1.1.75.8414. doi:10.1145/1242572.1242661. ISBN 9781595936547. S2CID 10648989.
  13. ^ Funk, Wolfgang; Arnold, Michael; Busch, Christoph; Munde, Axel. "Evaluation of Image Compression Algorithms for Fingerprint and Face Recognition Systems" (PDF). 2005 IEEE Information Assurance Workshop.
  14. ^ K. U. Okerea for, C. Onime and O. E. Osuagwu, "다중 생물학적 Livity Detection - A New Perspective," West African Journal of Industrial and A Study Research, vol. 16, 1 페이지 26 - 37, 2016(https://www.ajol.info/index.php/wajiar/article/view/145878)
  15. ^ K. U. Okerea for, C. Onime and O. E. Osuagwu, "형질 무작위화 기법을 이용한 생체 발광성 검출 향상," 2017 UKSim-AMSS 19차 국제 모델링 & 시뮬레이션, 캠브리지 대학, 컨퍼런스 프로시저, 페이지 28 – 33, 2017 (http://uksim.info/uksim2017/CD/data/2735a028.pdf)
  16. ^ Malenkovich, Serge. "10 Biometric Security Codes of the Future". kaspersky.com. Retrieved 28 October 2015.