Biometrische authenticatietechnologie is al jaren een belangrijke trend in de branche, vooral in 2021 vanwege de nieuwste AI-innovaties op de markt verkrijgbaar. Volgens IBM, 20 procent van de inbreuken worden veroorzaakt door gecompromitteerde inloggegevens. Erger nog, het kan gemiddeld 287 dagen duren om een datalek te identificeren en erop te reageren.
Op AI gebaseerde beveiliging wordt steeds vaker gebruikt en zal noodzakelijk zijn om in elke branche concurrerend te blijven. IBM meldt dat vanaf 2021 25 procent van de bedrijven de implementatie van op AI gebaseerde beveiliging heeft voltooid, terwijl nog eens 40 procent gedeeltelijk is geïmplementeerd. De overige 35 procent is nog niet met dit proces begonnen en als uw bedrijf in deze derde categorie valt, loopt u mogelijk een groot risico voor uw klanten op gevaarlijke datalekken. Investeren in op AI gebaseerde beveiliging zal naar verwachting een bedrijf helpen besparen tot $ 3.81 miljoen in 2021.
Het kunnen gebruiken van kunstmatige intelligentie om datalekken te identificeren en er automatisch op te reageren, is ongelooflijk belangrijk voor het beschermen van de gegevens en privacy van een bedrijf en zijn klanten. AI-biometrische authenticatie biedt nog een andere beveiliging tegen een datalek, waardoor het essentieel is voor bedrijven van elke schaal. Niet alleen dat, maar de studie van IBM toont aan dat correct gebruik van AI-beveiligingsplatforms bedrijven op de lange termijn minder zal kosten. Het is uiterst belangrijk om experts op het gebied van beveiliging te begrijpen en te raadplegen om een oplossing te ontwikkelen die is geoptimaliseerd voor uw bedrijf.
Met meer geavanceerde biometrische authenticatie-, verificatie- en identificatietechnologie tot onze beschikking in 2021 dan ooit tevoren, kunnen we industriële systemen veiliger maken met behoud van efficiëntie en toegankelijkheid. Laten we het hebben over hoe biometrische authenticatie werkt, en de belangrijkste nieuwe trends zoals kunstmatige intelligentie biometrie.
Overzicht biometrische technologie
Op het eerste gezicht lijkt biometrie misschien gewoon een manier om sneller toegang te krijgen tot een mobiele telefoon met behoud van veiligheid, maar er zijn veel meer voordelen dan dit gemak. In de kern is het doel van biometrische beveiligingstechnologie om de beveiliging te verbeteren door delen van ons lichaam te gebruiken die niet gemakkelijk kunnen worden gerepliceerd. Hoewel machine learning en kwantumcomputing dat mogelijk kunnen: raad een wachtwoord, biometrische informatie zoals vingerafdrukken, gezichten en irissen zijn niet zo gemakkelijk te bepalen of na te bootsen.
Volgens Statista zal de markt voor biometrische technologie worden gewaardeerd op: $ 55.42 miljard vóór 2027.
Over een periode van 10 jaar, van 2017 tot 2027, zullen de wereldwijde uitgaven in de markt voor identiteitsverificatie naar verwachting met meer dan 13 miljard US dollar groeien, van $ 4.93 miljard in 2017 tot meer dan $ 18 miljard in 2027. Identiteitsverificatie is een belangrijk aspect van informatiebeveiliging, omdat het ervoor zorgt dat alleen de mensen met legitieme autoriteit om toegang te krijgen tot informatie dit kunnen doen, waardoor schadelijke of kwaadwillige inbreuk op beschermde informatie wordt voorkomen.
Soorten biometrische gegevens
Biometrietechnologie kan worden onderverdeeld in drie domeinen: identificatie, verificatie en authenticatie. Identificatie wordt gebruikt wanneer het systeem wil weten wie de gebruiker is. Verificatie gaat over het gebruik van die biometrische informatie om te bepalen of deze overeenkomt met de andere informatie die aan de gebruiker is gekoppeld. Eindelijk, het doel van authenticatie is om te begrijpen of de identiteit die de gebruiker beweert te zijn correct is en geautoriseerd is om toegang te krijgen tot de diensten en gegevens die hij aanvraagt.
Biometrische identificatie kan bijvoorbeeld worden gebruikt om de identiteit van een gebruiker te bepalen aan de hand van een database met gezichten. Gezichtsherkenningsdatabases voor rechtshandhaving gebruiken deze technologie met groot succes en kunnen helpen bij het onderzoeken van bewijsmateriaal van beveiligingscamera's met een grotere nauwkeurigheid dan een mens. Verificatie is nuttig om ervoor te zorgen dat de gebruiker en de informatie die over hem in de database is opgeslagen, overeenkomen. Authenticatie is misschien wel de meest kritische van de drie, waardoor geautoriseerde gebruikers toegang hebben tot gevoelige informatie terwijl onbevoegde personen worden beperkt.
Onderstaande tabel toont de verschillende kenmerken van elk type biometrische technologie.
Een van de belangrijkste aandachtspunten voor elk bedrijf dat biometrische beveiligingsmethoden overweegt, is dat het niet altijd verstandig is om afhankelijk te zijn van slechts één vorm van biometrische technologie, namelijk unimodaal. In plaats daarvan is een multimodale aanpak die meer dan één type biometrie gebruikt, veel veiliger.
Gezichtsherkenningstechnologie
De markt voor gezichtsherkenning werd geschat op $ 3.8 miljard in 2020. Verwacht wordt dat deze markt de komende jaren zal groeien tot $ 8.5 miljard in 2025.
Biometrische authenticatietechnologie die gebruikmaakt van gezichtsherkenning is al jaren een gewaardeerde functie voor beveiliging en vindt zijn weg naar miljoenen iPhone- en Android-smartphones. Met vooruitgang in augmented reality en machine learning gericht op het helpen van computerherkenning van menselijke gezichten, is gezichtsherkenningstechnologie in 2021 geavanceerder dan ooit tevoren.
Een van de redenen waarom gezichtsherkenningstechnologie dit jaar is verbeterd voor identificatie en autorisatie, is vanwege de noodzaak die de pandemie met zich meebrengt. Door het toegenomen gebruik van gezichtsbedekkingen zoals maskers, is gezichtsherkenning moeilijker geworden met minder gegevenspunten om de identiteit van een persoon te achterhalen. Veel oplossingen voor gezichtsherkenning kunnen nu echter hindernissen zoals gezichtsbedekkingen wegnemen. Dit is niet alleen goed voor het gemak van de consument, maar ook nuttig voor wetshandhavers die criminelen proberen te identificeren. Door het gezicht van het onderwerp te matchen met een database, kunnen proefpersonen worden geïdentificeerd, zelfs als ze een masker dragen.
Omdat 3D-camera's veel meer informatie over een menselijk gezicht kunnen krijgen dan een tweedimensionale camera, is gezichtsherkenning nu ook veel veiliger als biometrische authenticatietechnologie. Voorheen was het veel gemakkelijker voor computers om voor de gek gehouden te worden door een foto van iemands gezicht of zelfs maar een gelijkaardig gezicht. Machine learning heeft echter geholpen om de foutenmarge te verkleinen om te voorkomen dat hackers misbruik maken van op gezichtsherkenning gebaseerde beveiliging, en verschillende anti-spoofing methoden nu bestaan.
Spraakherkenningstechnologie
De wereldwijde marktomvang voor spraakherkenning was: voorspeld groeien van $ 10.7 miljard in 2020 naar $ 27.16 miljard in 2026.
Handsfree communicatie is enorm verrijkt door biometrische technologie voor spraakherkenning voor taalverwerkingsdoeleinden. Spraakherkenning heeft echter nog een ander doel: identificatie. Ecosystemen voor slimme apparaten voor thuisgebruik, zoals Google Home, kunnen, indien getraind, verschillende leden van een huishouden identificeren door spraakherkenning te gebruiken om onderscheid te maken. Dit is handig voor het weergeven van informatie die relevant is voor die persoon, zoals hun agenda en meldingen.
Spraakherkenning heeft andere toepassingen in authenticatie en verificatie. Iemand kunnen identificeren en hun toegang kunnen verifiëren op basis van hun stem kan veel tijd besparen, hoewel we nu op het punt komen waarop stemmen misschien niet zo veilig zijn als andere biometrische methoden. Deep learning-algoritmen hebben het mogelijk gemaakt om een stem realistisch na te bootsen met behulp van een computer met behulp van een techniek die vocale synthese wordt genoemd. 'Deep fake' stemmen zijn succesvol gebruikt frauduleuze activiteit dat heeft in 250,000 een energiebedrijf in het Verenigd Koninkrijk in één geval 2019 dollar gekost.
As machine learning-technologie verbetert, zal de vocale synthese in de loop van de tijd nog realistischer worden. Tenzij de technologie verbetert om legitieme versus valse stemmen beter te herkennen, is biometrische technologie voor spraakherkenning beter geschikt voor niet-beveiligingstoepassingen, met name identificatie. Dit kan handig zijn in op consumenten gebaseerde systemen zoals slimme huizen, of bedrijfsoplossingen zoals automatische transcripties van opnamen van vergaderingen die sprekers bij naam kunnen toeschrijven.
Iris-scantechnologie
Deze vorm van biometrische technologie zie je vaak terug in sciencefiction. Het is vergelijkbaar met gezichtsherkenning omdat het contactloos is, maar zich slechts op één bepaald gezichtskenmerk richt, namelijk het oog. Een voordeel hiervan is dat er minder complexiteit is om rekening mee te houden. Geavanceerde gezichtsherkenningssystemen zijn niet nodig; in plaats daarvan hoeft het systeem alleen de kenmerken van de iris te herkennen. Je hoeft ook niet per se dicht bij een oog te zijn om de iris te scannen. Tests aan de Carnegie Mellon University hebben technologie aangetoond die: kan een iris scannen op 40 meter afstand.
Een voordeel van deze technologie is dat, omdat het infraroodsensoren gebruikt om de iris te analyseren, het oog zelfs bij weinig licht kan worden gescand.
Het gebruik door de politie van deze technologie voor de identificatie van verdachten is zeker een van de eerste dingen die in je opkomen. Dit kan echter ook een nuttige authenticatie- en verificatiemethode zijn voor zowel consumenten- als bedrijfstoepassingen. De Galaxy S9- en Note 9-smartphones van Samsung hebben beide irisscantechnologie, wat aantoont dat deze biometrische methode kan worden gebruikt op draagbare apparaten. Dit kan niet alleen waardevol zijn voor consumenten, maar ook voor apparaatbeveiliging op ondernemingsniveau.
In vergelijking met de biometrische gegevens van een enkele geautoriseerde gebruiker, kan een irisscanner een gebruiker vrijwel onmiddellijk authenticeren. Bij het identificeren of verifiëren van een gebruiker aan de hand van een grote database van honderdduizenden onderwerpen, minder dan 20 seconden voldoende tijd is om te authenticeren.
Technologie voor vingerafdrukverificatie
Vingerafdrukken zijn in gebruik geweest voor duizende jaren voor identificatie. Ze zijn met name nuttig geweest in forensische technologie, maar recentelijk zijn ze ook enigszins gebruikt in beveiligingsoplossingen voor consumenten en ondernemingen. In 2003 heeft de Fujitsu F505i pionierde met de allereerste mobiele telefoon met een vingerafdruksensor. Het zou later populair worden met Touch ID op Apple iPhones en verschillende scanners op Android-telefoons.
Vingerafdrukverificatietechnologie werkt net als elke andere biometrische methode. Door de groeven en dalen van de vinger van een persoon te vergelijken met een vooraf geautoriseerde afbeelding of een database van dergelijke afbeeldingen, kunnen ze worden geïdentificeerd, geverifieerd en/of geauthenticeerd. Dit kan zeer snel worden gedaan zonder de gebruikerservaring te verstoren.
Een nadeel van het scannen van vingerafdrukken is echter dat het meestal niet contactloos is. De gebruiker moet zijn vinger tegen de sensor drukken om te registreren. In sommige omstandigheden is dit misschien niet wenselijk vanwege gezondheidsproblemen, vooral met de wereldwijde verspreiding van het SARS-CoV-2-virus. Het is echter mogelijk om via contactloze methoden een vingerafdruk of hele hand te scannen. De LG G8 ThinQ smartphone gebruikt een time of flight (ToF) -sensor en infraroodcamera om de bloedvaten in de hand van de gebruiker te detecteren, allemaal zonder dat de gebruiker zijn hand tegen een oppervlak hoeft te drukken.
Een ander nadeel van vingerafdrukken is dat het ontoegankelijk kan zijn voor groepen mensen met een handicap. Vanwege deze beperking kan het verstandig zijn om te investeren in meerdere vormen van biometrische authenticatie om de toegankelijkheid te behouden.
Hoe AI biometrische authenticatiesystemen kan verbeteren
Als het om beveiliging gaat, is het niet altijd mogelijk om de nauwkeurigheid en efficiëntie van biometrische authenticatiesystemen te verbeteren met menselijke programmering. Kunstmatige intelligentie en machine learning kunnen ons helpen onze systemen veiliger en efficiënter te maken.
Biometrische technologieën kunnen worden opgesplitst in twee domeinen, fysiek en gedragsmatig.
FYSIEKE BIOMETRISCHE TECHNOLOGIE
Fysieke biometrie omvat alles wat we al in dit artikel hebben besproken. Dit zijn objectieve kenmerken van een persoon, zoals hun gezicht of vingerafdrukken, DNA en meer. Dit moet worden omgezet in gegevens die door het AI-systeem kunnen worden geanalyseerd en vergeleken met een database voor authenticatiedoeleinden.
Een van de gevallen waarin AI en ML het nuttigst blijken, is gezichtsherkenning. AI wordt veelvuldig gebruikt met augmented reality-oplossingen en kan gezichtsherkenning door computers veel gemakkelijker maken door gezichtskenmerken te analyseren en te matchen met een database.
GEDRAG BIOMETRISCHE TECHNOLOGIE
Een van de meest interessante trends die kunstmatige intelligentie mogelijk maakt, is: gedragsbiometrische technologie. Dit maakt gebruik van de unieke gedragskenmerken van hoe een onderwerp omgaat met de wereld, dingen die de gebruiker misschien niet eens over zichzelf beseft. Dit is een van de meest effectieve verdedigingslinies tegen diepe nep-fraudepogingen. Enkele van de meer populaire manieren om gedragsbiometrie te meten zijn:
- Muisactiviteit
- Beweging bij toetsaanslagen
- Aanraakscherm persgrootte, gebied en druk
- Beweging van mobiel apparaat
Het Biometrics and Data Pattern Analytics Lab van de Autonome Universiteit van Madrid ontwikkelde BeCAPTCHA, een systeem voor botdetectie dat gebruikmaakt van gedragsbiometrie. Het is heel goed mogelijk dat gedragsbiometrie kan worden gebruikt zonder medeweten van de gebruiker, waardoor vervelende tests van de menselijkheid van de gebruiker niet meer nodig zijn, zoals CAPTCHA-uitdagingen al jaren hebben gedaan. In de komende jaren hoeven gebruikers misschien nooit meer op afbeeldingen van zebrapaden en stoplichten te klikken om te bewijzen dat ze 'geen robot' zijn tijdens het surfen op internet.
Belangrijk is dat gedragsbiometrie kan helpen bij het waarborgen van de veiligheid gedurende een hele sessie. Als een gebruiker zich bijvoorbeeld authenticeert en vervolgens de ruimte verlaat, waardoor een onbevoegde gebruiker ongewild toegang krijgt tot zijn computer, kan dit een ernstig veiligheidsrisico vormen. Gedragsbiometrie kan echter het inconsistente gedrag van de tweede gebruiker detecteren en hun toegang dynamisch beperken.
Hoe multimodale biometrische authenticatieoplossingen werken
Elke vorm van biometrische technologie heeft zijn unieke voor- en nadelen. Geen van hen is universeel effectief. Om de nauwkeurigheid en effectiviteit van biometrische authenticatietechnologie te verbeteren, is het belangrijk om beveiliging te combineren met multimodale biometrische herkenningsoplossingen. We kunnen dit in actie zien in het volgende diagram:
* Neurale netwerken op mobiele applicaties kunnen een uitdaging zijn om te ontwikkelen en te implementeren. Neurale netwerken kunnen worden geïntegreerd in toepassingen die TensorFlow Lite gebruiken, maar er zijn verschillende beperkingen. Het trainen van uw neurale netwerkmodellen met de TensorFlow-bibliotheek kan helpen. U moet vooraf de architectuur van de applicatie zorgvuldig ontwerpen en rekening houden met die vereisten.
** Als een native applicatie niet mogelijk is, kan dit proces naar de cloud worden verplaatst om de gegevens zoals Rest API te verwerken. Dit brengt echter extra netwerkbronnen met zich mee en vereist een internetverbinding.
Bron: MobiDev
Er is een Nvidia Docker die de implementatie van het systeem kan vereenvoudigen, terwijl een serviceprovider (zoals AWS) een ononderbroken communicatiekanaal, rekenkracht voor neurale netwerken en een handige interface voor het schalen van uw systeem kan bieden.
TEST #1: GEZICHTSHERKENNING
De gebruiker maakt met een camera een foto-afdruk die op het apparaat wordt opgeslagen. Deze biometrische afdruk wordt geconverteerd en genormaliseerd met behulp van de OpenCV-bibliotheek.
Het gezicht wordt geïdentificeerd met behulp van een foto en alle 64 oriëntatiepunten die door OpenCV zijn gedetecteerd, worden gemarkeerd. Een oriëntatiepunt voor biometrische verificatie omvat zaken als een afstand van de neusbrug tot het oog en andere gelaatstrekken.
Deze oriëntatiepunten en een uitgesneden afbeelding van het gezicht worden overgebracht naar een diep neuraal netwerk, dat wordt getraind met behulp van de TensorFlow-bibliotheek.
Een eDNA-kenmerkvector wordt gevormd nadat de verwerking van het neurale netwerk is voltooid. De kenmerkvector verzamelt de biometrische kenmerken van een bepaalde persoon. De lengte van de vector is gewoonlijk 2048 bits, maar de werkelijke lengte van de vector hangt af van de DNN-architectuur.
Bij verificatie wordt eDNA afgegeven en vergeleken met het eerder gevormde ankerrecord. Reverse engineering is onmogelijk omdat er geen toegang is tot de vector. Het biometrische systeem zal dit ankerrecord periodiek bijwerken om te passen bij het veranderende uiterlijk van een persoon.
TEST #2: STEMVERIFICATIE
De gebruiker levert een spraakvoorbeeld via een microfoon, die vervolgens wordt verwerkt door de Librosa-bibliotheek. De bibliotheek leest de audio, transformeert en converteert deze en verzendt vervolgens biometrie naar het neurale netwerk (DNN).
Er wordt een eDNA-kenmerkvector (2048 bits) gevormd, die rekening houdt met biometrie zoals timbre, intonatie, tempo, toonhoogte en andere kenmerken waarop het neurale netwerk is getraind om op te reageren.
Casestudy: op AI gebaseerde oplossing voor biometrische authenticatie
Door een op microservices gebaseerde architectuur, WebRTC en door machine learning aangedreven biometrische herkenning te combineren, ontwikkelde een single sign-on (SSO) biometrische authenticatie-oplossing voor een in de VS gevestigd bedrijf. Met behulp van spraak- en gezichtsherkenningstechnologie hebben we een enterprise-verificatie-as-a-service (EVaaS)-oplossing ontwikkeld die gebruikmaakt van de technologieën en trends die eerder zijn besproken.
Dit product bewees dat biometrische authenticatiesystemen in hoge mate aanpasbaar en gebruiksvriendelijk kunnen zijn, met een zeer eenvoudige gebruikersinterface van achter de schermen. Daarnaast kon dit voorbeeld via API integreren met bestaande systemen.
Ontwikkeling van biometrische authenticatieoplossingen
Het beveiligen van systemen is niet iets om licht over te denken. Wanneer gevoelige informatie op het spel staat, zoals beschermde gezondheidsinformatie of institutionele gegevens, is het uiterst belangrijk om de nodige maatregelen te nemen om datalekken te voorkomen. Het niet handhaven van een hoog beveiligingsniveau rond deze informatie kan leiden tot fraude die bedrijven tientallen of zelfs honderden miljoenen kan kosten.
Bron: https://www.iotforall.com/ai-biometric-authentication-for-enterprise-security
- &
- 000
- 11
- 2019
- 2020
- 2021
- 3d
- 7
- 9
- toegang
- de toegankelijkheid
- Account
- Actie
- Extra
- Voordeel
- AI
- algoritmen
- Alles
- analytics
- android
- api
- Apple
- Aanvraag
- toepassingen
- architectuur
- GEBIED
- dit artikel
- kunstmatige intelligentie
- Kunstmatige intelligentie en machine learning
- Aanvallen
- audio
- Augmented Reality
- Augmented reality-oplossingen
- authenticatie
- autoriteit
- machtiging
- autonoom
- AWS
- Achter de schermen
- Miljard
- biometrie
- bloed
- Bot
- overtreding
- inbreuken
- BRUG
- bedrijfsdeskundigen
- ondernemingen
- Agenda
- camera's
- Carnegie Mellon
- gevallen
- veroorzaakt
- vorderingen
- klanten
- Cloud
- komst
- Communicatie
- afstand
- computers
- computergebruik
- computer kracht
- versterken
- consument
- Consumenten
- content
- Geloofsbrieven
- criminelen
- Klanten
- gegevens
- datalek
- Gegevensdoorbraken
- Database
- databanken
- diepgaand leren
- diep neuraal netwerk
- Verdediging
- Design
- Opsporing
- ontwikkelen
- afstand
- dna
- havenarbeider
- dollar
- domeinen
- ecosystemen
- effectief
- doeltreffendheid
- energie-niveau
- Engineering
- Enterprise
- enterprise beveiliging
- Ondernemingsoplossingen
- ervaring
- deskundigen
- oog
- Gezicht
- gezichtsherkenning
- gezichten
- gezichtsherkenning
- Gezichtsherkenningstechnologie
- Storing
- nep
- Kenmerk
- Voordelen
- Voeten
- Fictie
- Tot slot
- Fingerprinting
- Stevig
- Voornaam*
- vlucht
- formulier
- bedrog
- Galaxy
- Globaal
- goed
- Kopen Google Reviews
- Google Startpagina
- groot
- Groeien
- Hackers
- Gezondheid
- Hoge
- Gemarkeerd
- Home
- huishouden
- Hoe
- HTTPS
- Mensheid
- Honderden
- Horden
- IBM
- Identificatie
- identificeren
- Identiteit
- identiteit verificatie
- beeld
- -industrie
- informatie
- informatiebeveiliging
- institutionele
- Intelligentie
- Internet
- onderzoeken
- investeren
- iot
- iPhone
- IT
- kennis
- taal
- Groot
- Wet
- politie
- leren
- Niveau
- LG
- Bibliotheek
- Lijn
- lang
- machine learning
- maken
- Markt
- maskeren
- Maskers
- Match
- maatregel
- Leden
- miljoen
- ML
- Mobile
- Mobiele applicaties
- namelijk
- netwerk
- netwerken
- netwerken
- Neural
- neuraal netwerk
- neurale netwerken
- neus-
- Nvidia
- OpenCV
- bestellen
- Overige
- pandemisch
- Patronen
- Mensen
- telefoons
- Fysiek
- platforms
- Populair
- energie
- pers
- het voorkomen van
- privacy
- Product
- Programming
- Quantum
- quantum computing
- reeks
- Realiteit
- redenen
- Rapporten
- Voorwaarden
- Resources
- REST
- omkeren
- Risico
- lopen
- Samsung
- SARS-CoV-2
- Scale
- scaling
- aftasten
- het scannen
- Wetenschap
- Science Fiction
- scherm
- veiligheid
- sensor
- Diensten
- reeks
- Eenvoudig
- Maat
- slim
- Slimme woning
- smartphone
- smartphones
- So
- Software
- Oplossingen
- speakers
- Uitgaven
- spleet
- verspreiden
- Studie
- Oppervlak
- system
- Systems
- Technologies
- Technologie
- Tempo
- tensorflow
- testen
- de wereld
- niet de tijd of
- Trainingen
- Trends
- ons
- United
- United Kingdom
- universiteit-
- bijwerken
- us
- gebruikers
- waardevol
- Verificatie
- Tegen
- virus
- Stem
- spraakherkenning
- VOICES
- WIE
- Mijn werk
- Bedrijven
- wereld
- wereldwijd
- jaar
- jaar
- youtube