БИОМЕТРИЯЛЫҚ КІРУ ЖҮЙЕЛЕРІН ЗЕРТТЕУ: ЖАҢАШЫЛ АУТЕНТИФИКАЦИЯ

Цифрлық дәуірде биометриялық аутентификация жүйелері кеңінен қолданылып, заманауи қауіпсіздік инфрақұрылымының ажырамас бөлігіне айналды. Бұл зерттеу биометриялық кіру жүйелерінің эволюциясын, олардың дамуындағы жетілдірілген әдістемелер мен заманауи технологияларды талдауға арналған. Биометриялық аутентификация бастапқы қарапайым әдістерден күрделі жүйелерге – бетті тану, саусақ іздерін сканерлеу, көздің нұрлы қабығын бақылау сияқты технологияларға көшті. Бұл жүйелер жасанды интеллект (ЖИ) және машиналық оқыту (МО) алгоритмдерінің көмегімен жетілдіріліп, олардың дәлдігі мен сенімділігі артты. Аталған технологиялардың кеңінен қабылдануының негізгі факторлары ретінде аутентификация жылдамдығы, дәлдігі және пайдаланушы тәжірибесінің сапасы қарастырылды. Зерттеу барысында биометриялық деректерді өңдеу мәселелеріне ерекше назар аударылып, олардың қауіпсіздігі мен құпиялылығы, сондай-ақ осы технологияларды енгізу кезіндегі этикалық және реттеушілік қиындықтар талқыланды. Сонымен қатар, биометриялық жүйелердің динамикалық қауіпсіздік қатерлеріне бейімделу мүмкіндіктері қарастырылып, олардың икемділігі мен жылдам жауап беру қабілеті цифрлық ландшафтың қарқынды өзгеруінде шешуші фактор ретінде көрсетілді. Бұл талдау биометриялық технологиялардың болашақ даму бағыттарын айқындауға және олардың қауіпсіздік саласындағы рөлін нығайтуға ықпал етеді.

1. Zhou Y. Evaluation of biometric recognition in the COVID-19 period, 2021 2nd International Conference on Computing and Data Science (CDS), Stanford, CA, USA, 2021, pp. 243-248. https://doi.org/10.1109/CDS52072.2021.00049

2. Belcher C. and Y. Du. A Selective Feature Information Approach for Iris Image-Quality Measure, in IEEE Transactions on Information Forensics and Security, Sept. 2008, vol. 3, no. 3, pp. 572–577. https://doi.org/10.1109/TIFS.2008.924606.

3. Abuhamad M., Abusnaina A., Nyang D. and D. Mohaisen. Sensor-Based Continuous Authentication of Smartphones’ Users Using Behavioral Biometrics: A Contemporary Survey, in IEEE Internet of Things Journal, Jan.1, 2021, vol. 8, no. 1, pp. 65–84, https://doi.org/10.1109/JIOT.2020.3020076.

4. Chakroun R. and M. Frikha. Robust Text-independent Speaker recognition with Short Utterances using Gaussian Mixture Models, 2020 International Wireless Communications and Mobile Computing (IWCMC), Limassol, Cyprus, 2020, pp. 2204–2209. https://doi.org/10.1109/IWCMC48107.2020.9148102.

5. Sriman J., Thapar P., Alyas A.A. and U. Singh, Unlocking Security: A Comprehensive Exploration of Biometric Authentication Techniques, 2024 14th International Conference on Cloud Computing, Data Science & Engineering (Confluence), Noida, India, 2024, pp. 136–141. https://doi.org/10.1109/Confluence60223.2024.10463322.

6. Nagendrarajah J. and M.U.S. Perera. Recognition of expression variant faces – a principle component analysis based approach for access control, 2010 IEEE International Conference on Information Theory and Information Security, Beijing, China, 2010, pp. 125-129, https://doi.org/10.1109/ICITIS.2010.5689611.

7. Prabhakar S., Pankanti S. and A.K. Jain. Biometric recognition: security and privacy concerns, in IEEE Security & Privacy, March-April 2003, vol. 1, no. 2, pp. 33–42. https://doi.org/10.1109/MSECP.2003.1193209.

8. Fairhurst M.C. and C. McIntosh. Assessing image characteristics for user feedback in biometric fingerprint identity verification tasks, IEE International Conference on Visual Information Engineering (VIE 2005), Glasgow, UK, 2005, pp. 1–6. https://doi.org/10.1049/cp:20050082.

9. Chen Y. et al. A High-Security EEG-Based Login System with RSVP Stimuli and Dry Electrodes, in IEEE Transactions on Information Forensics and Security, Dec. 2016, vol. 11, no. 12, pp. 2635–2647. https://doi.org/10.1109/TIFS.2016.2577551.

10. Se Young Chun. Single pulse ECG-based small scale user authentication using guided filtering, 2016 International Conference on Biometrics (ICB), Halmstad, 2016, pp. 1–7. https://doi.org/10.1109/ICB.2016.7550065.

11. Nakamura T., Goverdovsky V. and D.P. Mandic. In-Ear EEG Biometrics for Feasible and Readily Collectable Real-World Person Authentication, in IEEE Transactions on Information Forensics and Security, March 2018, vol. 13, no. 3, pp. 648–661. https://doi.org/ 10.1109/TIFS.2017.2763124.

12. Odinaka I., Lai P. -H., Kaplan A.D., O’Sullivan J.A., Sirevaag E.J. and J.W. Rohrbaugh, ECG Biometric Recognition: A Comparative Analysis, in IEEE Transactions on Information Forensics and Security, Dec. 2012, vol. 7, no. 6, pp. 1812–1824. https://doi.org/ 10.1109/TIFS.2012.2215324.

13. Jain A.K., Prabhakar S., Hong L. and S. Pankanti. Filterbank-based fingerprint matching, in IEEE Transactions on Image Processing, May 2000, vol. 9, no. 5, pp. 846–859. https://doi.org/10.1109/83.841531.

14. Jain A.K., Ross A. and S. Prabhakar. An introduction to biometric recognition, in IEEE Transactions on Circuits and Systems for Video Technology, Jan. 2004, vol. 14, no. 1, pp. 4–20. https://doi.org/10.1109/TCSVT.2003.818349.

15. Kumar A. and K. V. Prathyusha. Personal Authentication Using Hand Vein Triangulation and Knuckle Shape, in IEEE Transactions on Image Processing, Sept. 2009, vol. 18, no. 9, pp. 2127–2136. https://doi.org/10.1109/TIP.2009.2023153.

16. Kun Huang, Jiangyong Shi, Ming Xian and Jian Liu, Achieving robust biometric based access control mechanism for cloud computing, 2013 International Conference on Information and Network Security (ICINS 2013), Beijing, 2013, pp. 1–7, https://doi.org/10.1049/cp.2013.2471.

17. Bhargavi Devi P. and K. Sharmila. A Comparative Analysis of Deep-Learning Models with Novel Hybrid Biometric Modality Deep-Learning Network (BIOMODEN) to cognize Classification Accuracy of Fused Biometric Image, 2022 11th International Conference on System Modeling & Advancement in Research Trends (SMART), Moradabad, India, 2022, pp. 136–141, https://doi.org/10.1109/SMART55829.2022.10047758

18. Shu F., Zhang K., Luo C., Ma B. and S. Chen. Research on Security Protection Technology of Terminal Access Network Based on Fingerprint Perception and Identity Protection of IoT, 2020 IEEE International Conference on Information Technology, Big Data and Artificial Intelligence (ICIBA), Chongqing, China, 2020, pp. 680–683. https://doi.org/10.1109/ICIBA50161.2020.9277151.

19. Ceyhan E.B. and Ş. Sağiroğlu. Gender inference within Turkish population by using only fingerprint feature vectors, 2014 IEEE Symposium on Computational Intelligence in Biometrics and Identity Management (CIBIM), Orlando, FL, USA, 2014, pp. 146–150, https://doi.org/10.1109/CIBIM.2014.7015456.

20. Sathya K., Rajasekar V. and J. Premalatha. Biometric signcryption using hyperelliptic curve and cryptographically secure random number, 2016 International Conference on Recent Trends in Information Technology (ICRTIT), Chennai, India, 2016, pp. 1–7. https://doi.org/10.1109/ICRTIT.2016.7569557.

21. Wang J. and G. Wang. Quality-Specific Hand Vein Recognition System, in IEEE Transactions on Information Forensics and Security, Nov. 2017, vol. 12, no. 11, pp. 2599–2610. https://doi.org/10.1109/TIFS.2017.2713340.

22. Ishfaq R., Selwal A. and D. Sharma. Fingerprint Spoofing Attacks and their Deep Learning-enabled Remediation: State-of-the-art, Taxonomy, and Future Directions, 2021 Fourth International Conference on Computational Intelligence and Communication Technologies (CCICT), Sonepat, India, 2021, pp. 22–28, https://doi.org/10.1109/CCICT53244.2021.00016.

23. Yang W., Wang S., Sahri N., Karie N., Ahmed M., Valli C. Biometrics for Internet-of-Things Security: A Review. Sensors (Basel, Switzerland), 2021, 21. https://doi.org/10.3390/s21186163.

24. Malatji W., Eck R., Zuva T. Acceptance of Biometric Authentication Security Technology on Mobile Devices. 2020 2nd International Multidisciplinary Information Technology and Engineering Conference (IMITEC), 2020, pp. 1–5. https://doi.org/10.1109/IMITEC50163.2020.9334082.