ИССЛЕДОВАНИЕ И РАЗРАБОТКА БИОМЕТРИЧЕСКИХ МЕТОДОВ

Системы идентификации играют очень важную роль в современном обществе. Сложные требования безопасности побудили экспертов изучить способы использования биометрии для идентификации клиентов. В данной статье рассмотрено понятие биометрии, биометрических данных и его вариантов. Цель статьи – изучить процесс идентификации, разработать его усовершенствованный вариант и внедрить новшество. Таким образом, в качестве метода исследования послужили следующие пункты:
- Инициализация.
- Фитнес-функции.
- Непонятный кластерный метод.
Результаты показали, что развитие биометрических систем и биометрических датчиков может улучшить идентичность и предотвратить использование идентичности другими, система имеет большой потенциал для повышения безопасности и точности системы биометрических технологий. Биометрические системы повышают безопасность пользователей, а также обеспечивают точность идентификации личности. Таким образом, точность предлагаемого метода сравнивается с четырьмя современными методами. Сравнение показывает, что предложенный подход обеспечивает высокую точность около 99,89% и низкую частоту ошибок – 0,18%. Оказывается, существует реальный потенциал интеграции биометрии отпечатков пальцев и радужной оболочки глаза у многих субъектов при соответствующей оценке.

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.