БИОМЕТРИЯЛЫҚ ӘДІСТЕРДІ ЗЕРТТЕУ ЖӘНЕ ӨҢДЕУ

Сәйкестендіру жүйелері қазіргі қоғамда өте маңызды рөл атқарады. Күрделі қауіпсіздік талаптары сарапшыларды пайдаланушының жеке басын анықтау үшін биометрияны пайдалану жолдарын зерттеуге итермеледі. Бұл мақалада биометрия түсінігі, биометриялық деректер және оның түрлері қарастырылады. Мақаланың мақсаты – сәйкестендіру процесін зерттеу, оның жетілдірілген нұсқасын шығару және инновацияларды енгізу. Осылайша, зерттеу әдісі ретінде келесі нүктелер қызмет етті:
- Инициализация.
- Фитнес функциялары.
- Анық емес кластерлеу тәсілі.
Нәтижелер биометриялық жүйелер мен биометриялық датчиктердің ілгерілеуі жеке куәлікті жақсартуға ықпал ететінін және басқалардың жеке басын теріс пайдалануына жол бермейтінін көрсетті, өйткені биометриялық технологиялар жүйенің қауіпсіздігі мен дәлдігін жақсарту үшін үлкен әлеуетке ие. Биометриялық жүйелер пайдаланушылардың қауіпсіздігін арттырады, сонымен қатар жеке тұлғаны анықтауда әлдеқайда дәлдікті қамтамасыз етеді. Осылайша, ұсынылған тәсілдің дәлдігі төрт заманауи тәсілмен салыстырылады. Салыстыру көрсеткендей, ұсынылған тәсіл шамамен 99,89% жоғары дәлдікті және 0,18%-ға тең төмен қателік деңгейін қамтамасыз етеді. Көптеген субъектілерде саусақ іздері мен көз ирисін анықтау биометриясы үшін алынған тиісті бағалау бұл интеграцияның нақты әлеуеті бар екенін көрсетеді.

1. Aas K.F. (2006) The body does not lie : Identity, risk and trust in technoculture, Crime, Media, Culture, 2(2), pp. 143–158. https://doi.org/10.1177/1741659006065401.

2. Abdurrahim S.H., Samad S.A. and Huddin A.B. (2017) Review on the effects of age, gender, and race demographics on automatic face recognition, The Visual Computer. https://doi.org/10.1007/s00371-017-1428-z. Akrich M. (1992) The de-scription of technical objects, in: W. Bijker and J. Law (Eds) Shaping Technology/Building Society. Studies in Sociotechnical Change, pp. 205–224 (Cambridge: MIT Press), [Google Scholar] Amoore L. (2006) Biometric borders: Governing mobilities in the war on terror, Political Geography, 25(3), pp. 336–351. https://doi.org/10.1016/j.polgeo.2006.02.001 [Crossref], [Web of Science ®], [Google Scholar]

3. Beveridge J.R., Givens G.H., Phillips P.J. and Draper B.A. (2009) Factors that influence algorithm performance in the face recognition grand challenge, Computer Vision and Image Understanding, 113(6), pp. 750–762. https://doi.org/10.1016/j.cviu.2008.12.007 [Crossref], [Web of Science ®], [Google Scholar]

4. Bowyer K.W., Hollingsworth K. and Flynn P.J. (2008) Image understanding for iris biometrics: A survey, Computer Vision and Image Understanding, 110(2), pp. 281–307. https://doi.org/10.1016/j.cviu.2007.08.005 [Crossref], [Web of Science ®], [Google Scholar]

5. Breckenridge K. (2005) The biometric state: The promise and peril of digital government in the new South Africa, Journal of Southern African Studies, 31(2), pp. 267–282. https://doi.org/10.1080/03057070500109458 [Taylor & Francis Online], [Web of Science ®], [Google Scholar]

6. Callon M. (1984) Some elements of a sociology of translation: domestication of the scallops and the fishermen of St Brieuc Bay, The Sociological Review, 32(1_suppl), pp. 196–233. [Google Scholar]

7. De Marsico M., Nappi M., Riccio D. and Wechsler H. (2013) Demographics versus biometric automatic interoperability, in: International Conference on Image Analysis and Processing, pp. 472–481 (Berlin: Springer), [Google Scholar]

8. Gelb A. and Clark J. (2013) Identification for development: The biometrics revolution. CGD Working Paper 315 (Washington DC: Center for Global Development), [Google Scholar]

9. Grommé F. (2015) Turning aggression into an object of intervention: Tinkering in a Crime Control Pilot Study, Science as Culture 24(2), pp. 227–247. https://doi.org/10.1080/09505431.2014.992331 [Taylor & Francis Online], [Web of Science ®], [Google Scholar]

10. Howard J.J. and Etter D. (2013) The effect of ethnicity, gender, eye color and wavelength on the biometric menagerie, 2013 IEEE International Conference on Technologies for Homeland Security (HST), IEEE. [Google Scholar]

11. Introna L. (2005) Disclosive ethics and information technology: Disclosing facial recognition systems, Ethics and Information Technology, 7(2), pp. 75–86. https://doi.org/10.1007/s10676-005-4583-2 [Crossref], [Google Scholar]

12. Introna L. and Nissenbaum H. (2010) Facial Recognition Technology: A Survey of Policy and Implementation Issues (New York: Center for Catastrophe Preparedness and Response, New York University). [Google Scholar] Introna L. and Wood D. (2004) Picturing algorithmic surveillance: The politics of facial recognition systems, Surveillance & Society, 2(2/3), pp. 177–198. [Google Scholar]

13. Jacobsen E. K. U. (2012) Unique Identification: Inclusion and Surveillance in the Indian biometric assemblage, Security Dialogue, 43(5), pp. 457–474. https://doi.org/10.1177/0967010612458336 [Crossref], [Web of Science ®], [Google Scholar]

14. Tong Z., Ye F., Yan M., Liu H. & Basodi S. (2021) A survey on algorithms for intelligent computing and smart city applications. Big Data Min. Anal. 4(3), pp. 155–172. https://doi.org/10.26599/BDMA.2020.9020029.

15. Huang H. et al. (2020) Machine learning-based multi-modal information perception for soft robotic hands. Tsinghua Sci. Technol. 25(2), pp. 255–269. https://doi.org/10.26599/TST.2019.9010009.

16. Pang J., Huang Y., Xie Z., Li J. & Cai Z. (2021) Collaborative city digital twin for the COVID-19 pandemic: a federated learning solution. Tsinghua Sci. Technol. 26(5), pp. 759–771. https://doi.org/10.26599/TST.2021.9010026.

17. Mabrouki J., Azrour M., Fattah G., Dhiba D. & Hajjaji S.E. (2021) Intelligent monitoring system for biogas detection based on the Internet of Things: Mohammedia, Morocco city landfill case. Big Data Min. Anal. 4(1), pp. 10–17.