識別される物理的特性としては、古い人間だ。 外観や声で人を認識し、偽装して人を仮定するの外観は、古代ギリシャローマ時代には広く知られました。 物理的特性を見つける努力をして識別する人には、 bertillion頭蓋マップや指紋、 dnaを抽出します。 このような機能を使って、コンピュータを識別するために人を排除する理想的なエラーが認証を希望します。
|
|
バイオメトリクスは、自動測定や生物学的行動の人物を識別する機能があります。 アカウントを作成すると、ユーザーが与えられたときには、システム管理者が設定して測定して、ユーザーを識別して、許容度エラーが発生しました。 アクセスするたびに、ユーザーのシステムでは、バイオメトリック認証メカニズムの身元を確認します。 これはかなりのユーザーを識別していないため、より簡単検索することが必要です。 既知のデータを比較するには、ユーザーの個人情報は、どちらかの主張を確認または拒否して請求します。 共通の特徴は、指紋、音声の特徴は、目、顔面の機能、そして、力学キーを押します。
光学式指紋をスキャンすることができますが、必要に応じてカメラがかさばるします。 技術を使用して、容量の違いは、電気料金の渦に指を検出してそれらのパーツの指に触れるとそれらのチップ引き上げました。 変換されたデータは、グラフでは、畦で表され頂点と隣接する頂点に対応した畦が接続されます。 各頂点には、番号の長さを近似尾根対応します。 この時点で、試合を決定するという問題がグラフマッチングします。 この問題はグラフ同型問題に類似した古典が、不正確で計測のために、このグラフから生成さの指紋が異なる場合がありエッジの数の頂点とします。 したがって、マッチングのアルゴリズムは、近似します。
認証された声は、スピーカーを検証または話者認識とも呼ばれ、スピーカーの声は認識の特性または口頭による情報を確認します。 元技術を使って統計をテストするという仮説に基づいて、スピーカーの身元は主張した。 このシステムは最初の訓練を受けた固定phonemesまたはパスフレーズを組み合わせることができます。 を認証する、のいずれかのスピーカーによると、このパスフレーズや単語を繰り返し（またはセットの言葉）で構成さphonemes学んだのです。 口頭で扱っている情報の内容を確認した発言します。 システムのセットを要求するような質問に"母親の旧姓は何ですか" と"市で生まれていましたか" それをチェックすることは、話さの回答と同じ回答を、データベースに記録されます。 主要な違いは、スピーカーの技術検証は、スピーカーに依存し、情報の確認が口頭で不特定話者のテクニックについては、上のコンテンツのみに依存して答えました。
認証されると、目の網膜の虹彩の特徴を使用しています。 内の虹彩のパターンは、それぞれのユニークな人物だ。 そのため、 1つのアプローチは検証のパターンを比較するかどうかを尋ねると統計的な違いはランダムな.. 2つ目のアプローチは、相関関係を統計的にテストを使用して画像を参照してくださいすればマッチします。 網膜スキャンする独自のパターンに依存して作られるの血管の奥の目をします。 これには晴れやかなレーザー網膜上に、これは非常に立ち入ったします。 このメソッドは、通常で最も安全な施設でのみ使用されます。
顔認識はいくつかの手順を実行します。 第一に、顔があります。 場合は、ユーザーの場所彼女の顔は、所定の位置（たとえば、静止したあごをサポート）と、この問題が多少楽になります。 しかし、顔面の髪やメガネなどの機能性を認識しにくくします。 このテクニックを行うには、ニューラルネットワークおよびテンプレートを使用します。 その結果生じるイメージは、関連性のあるイメージと比較して、データベースにします。 相関の影響を受けたのは、照明の間に違いがあり、現在の画像と画像のリファレンスは、歪曲され、され"騒音"と表示されるのに直面します。 機構の相関しなければならない"と訓練を受けた"と述べた。 いくつかの異なる方法で使われていた相関関係で、さまざまな程度の成功を収めた。 アプローチは、代替に注力して顔面などの機能間の距離、鼻とあご、との角度を引かれた線からすると、ほかの1つです。
力学に基づいてキー入力を要求する署名の間隔でキーを押し、キーを押し圧力、時間キーを押して、どこにキーが襲った（または上の端の真ん中）します。 この署名は、とみられている固有のと同じ方法では、固有の署名を書いています。 キーを押し、静的および動的両方を認識することができます。 静的な認識が行われた後、認証時間とは、通常の固定または既知の文字列を入力します。 一度認証が完了すると、接続をキャプチャすることができ、攻撃者（または引き継ぐターミナル）を検出します。 動的認識が行われ、全体セッションでは、前述の攻撃ではありませんので、実現可能です。 しかし、署名をしなければならないので、選ばれたパターン内で、個別のセッションていない原因の認証に失敗します。 たとえば、キー入力の間隔は変わる可能性が広く、および動的認識しなければならない、このメカニズムを考慮します。 統計情報を収集し、より入力して、ユーザーの統計は、テストを実行すると（通常はいくつかのデータを破棄し無効に応じて、この手法を使用しない）にアカウントを許容して、データ分散します。
いくつかの研究者たちがいくつかの技術を組み合わせ、上記の精度を向上させるためのバイオメトリック認証します。 3つの科学者たちの声が、唇の動きを組み合わせて顔画像します。 科学者が説明する"スーパバイザモジュール"をmelding声と顔認識での成功率を99.5 ％となった。 その結果精度の高いことを示すことができたときよりも達成は1つだけな特性が使われます。
バイオメトリクス、個人の特性のための措置、ということを信じる人が誘惑攻撃を装うことはできません許可されたユーザーのシステムでバイオメトリクスを使用します。 この2つの信念の根底に仮定します。 最初は、バイオメトリックデバイスが正確であることは、環境で使用されます。 たとえば、指紋スキャナーは観察下に置かれた場合は、マスクをスキャンすることなく、他の人の指が検出された。 しかし、観察下に置かれていない場合は、このようなトリックに検出されるかもしれないと、不正なユーザーがアクセスします。 2つ目は、仮定してから、バイオメトリック伝送デバイスを、コンピュータの解析プロセスはtamperproofます。 それ以外の場合、 1つの可能性を記録する合法的な認証後にアクセスすると再生します。
|
|