理论上讲,指纹识别等技术已经是很安全的了,然而实际的使用中,由于存在采样的不一致性、系统容错性等问题,实际系统的安全性往往不能达到理论上的结果。另外,例如人脸识别等技术,其理论安全性本身也不是很高。
单一的生物特征识别也容易受到欺诈,例如仿制假指纹的问题。这些状况使得在高安全需求的场合,或者巨大金额交易的时候,单一的生物特征识别技术不能提供足够的安全性保障,就需要采用多重生物识别技术联合应用。理论上说,多重生物识别技术联合,会取得乘积形式而不是累加形式的安全性提高。例如,如果我们指纹识别是十万分之一的认假率,人脸识别是万分之一的认假率的话,二者联合使用就可以达到十亿分之一的认假率,并且同时在指纹验证时和人脸认证时作假的概率要比单独一次验证时作假的概率低很多,因为二者基本上不能使用相同的方法进行欺诈。当然,二者联合使用的通过率会有一定的降低,但却略低于二者之和。例如,如果指纹识别的拒真率是百分之一,人脸识别的拒真率是百分之四,则联合使用的拒真率会是4.96%((1-(1-1%)*(1-4%))*100%),低于二者之和5%。
可见,多种生物识别技术的联合应用能够大幅提高系统安全性,同时不会大幅降低易用性或增加系统负担。
2) 一个单一组织需要各种进入控制方式
由于各种生物特征识别技术都有各自的特点,单一组织在不同的地点和应用场合就会需要不同的技术和不同的产品。例如,通过人脸识别技术用来控制进入到一个大厅,因为人脸识别技术不需要用户的特别配合,对用户健康、友好;虹膜识别技术用来控制进入一个中心机房,因为那里要求很高的安全性;敲击键盘的识别技术来用登录办公电脑,因为这里只需要简单验证一下就行;而登录特定服务器应用时采用指纹识别技术,因为廉价的指纹采集器就可以提供足够的安全性,并且易于使用。
多种生物识别技术的不断成熟,使得可以综合考虑一项技术的其易用性、成本、安全性和对用户友好性,在适当的地方,采用适当的技术,才能构建出最适合的应用解决方案。这导致同一组织内存在多重生物特征识别技术的应用。
3) 使用一种生物识别技术按照监控黑名单来捕捉对象,另一种生物技术用来确认对象身份
例如,在公共场合使用人脸检测和识别技术,可以实时抽取监控视频画面上的人脸,同一份恐怖分子黑名单进行1:N识别。如果产生匹配,则可以提出告警,进行人工的识别和比对,如果确实可疑的话,进一步通过指纹比对进行确认。这个过程中,因为人脸的采集是非侵入性的,也不需检测对象专门配合即可完成,因此适合在公共场合使用。并且,人脸识别的速度很快,可以实时得到结果。但是,人脸识别的准确性又不是很高,因此需要进行进一步的人工和指纹识别,予以确认。
4) 一种生物识别技术可能失效
有些时候,某些个体因为种种原因不能使用某种生物识别方式,这些原因包括:健康状况,文化问题,种族特点,残疾,或个人特质。然而,如果为个别特殊的使用者安排妥协的方法,例如为不能使用指纹的用户安排使用密码,就会导致整体系统安全性降低而影响其整体的实用性和安全性,在这种境况之下,多重生物识别的方法使得这个问题迎刃而解。
例如,目前广泛使用的指纹考勤机,总有个别人的指纹脱皮严重、太干燥等等而不能使用,目前采用的办法只能是采用卡或者密码进行替代。但是卡或者密码的使用失去了指纹考勤机杜绝带打卡的作用。如果同时采用指纹识别和人脸识别技术,就可以从根本上杜绝这个问题,指纹不可用就用人脸识别,一个人总有一样是能用的。
我们看到,多种生物识别技术的联合应用带来了显著的安全性,并且克服了单一技术的使用限制。
2、多种生物识别联合应用的技术模式
一个典型的多重生物识别系统通过不同的采集器获取各种生物特征数据,例如指纹图像、人脸图像等,然后通过各自独立的“识别算法”,来进行各自独立的模板相匹配。如果通过其中一种识别算法未能得到明确的识别结果,另外一种算法可以用来进行再次确认。
多重生物识别技术新的发展趋势,即所谓的“融合生物识别技术”(fused biometrics),与传统典型的多重生物识别系统相同,融合生物识别系统也通过各种独立的或多重采集方式合而为一的采集器,来采集不同的生物特征 (如指纹、人脸图像、虹膜图像等),但它们的区别在于如何来分析和判断这些特征值。传统上是分别使用不同的生物识别算法处理不同的生物特征,各自分别得出独立的结果(如用指纹识别算法分析指纹,用人脸识别算法分析人脸图像,各自得出指纹比对和人脸比对的判断结果)。而融合生物识别系统则是将采集到的各种不同的生物特征,用所谓的融合算法统一处理,根据多重生物识别技术的综合判断得出最终的识别结果。这样的处理方式和结果更快速、准确率更高,并且系统可扩展性更好,最终使整个系统达到新的安全高度。
3、多重生物识别的市场现状和趋势
【想第一时间了解安防行业的重磅新闻吗?请立即关注中安网官方微信(微信号:cpscomcn)——安防行业第一人气微信,万千精彩,千万不要错过!!!
网友评论
共有0条评论 点击查看全部>>24小时阅读排行
本周阅读排行