بازشناسی عنبیه (Iris Recognition) – راهنمای جامع
روشهای «احراز هویت» (Authentication)، از دیرباز موضوع مهم و جالبتوجهی برای سازمانها و نهادهای گوناگون بوده است. شناسایی اثر انگشت، یکی از قدیمیترین و شناخته شدهترین روشهای تشخیص هویت افراد است. کلیه روشهای تشخیص هویتی که تاکنون به وجود آمدهاند، مزایا و معایب خود را دارند. پیشرفت دانش و فناوری، موجب ایجاد روشهای تشخیص هویت جدیدتری شده است که نسبت به روشهای قدیمی، دقیقتر و قابل اعتمادتر هستند؛ این در حالی است که پیچیدگی تشخیص هویت به وسیله این روشها نیز به مراتب بالاتر است. همچنین، تشخیص هویت با استفاده از این روشها، مشکلات امنیتی و حریم خصوصی متعددی را نیز معمولا در پی دارد. در این مطلب، بازشناسی عنبیه (Iris Recognition) که یکی از روشهای تشخیص هویت نوین و بسیار مورد توجه محسوب میشود، مورد بررسی قرار گرفته است.
مقدمهای بر بازشناسی عنبیه
«بازشناسی عنبیه» (Iris Recognition) یا «اسکن عنبیه» (Iris Scanning)، فرایند استفاده از نور مرئی و «مادون قرمز نزدیک» (Near-Infrared Light) برای گرفتن تصاویر دارای «کُنْتْراست بالا» (High-Contrast) از عنبیه انسان است. بازشناسی عنبیه یکی از انواع فناوریهای «زیستسنجشی» (Biometric | بیومتریک) است که با «بازشناسی چهره» (Face Recognition) و شناسایی «اثر انگشت» (Fingerprint) در یک دسته قرار میگیرند.
ایده بازشناسی عنبیه برای احراز هویت فردی، اولینبار در سال ۱۹۳۶ میلادی، توسط چشمپزشکی به نام «فرنک برچ» (Frank Burch) ارائه شد. در سال ۱۹۸۳، ایده بازشناسی عنبیه در یکی از فیلمهای جیمز باند (دیگر هرگز نگو هرگز) به تصویر کشیده شد، ولی همچنان مفهومی علمی تخیلی باقی ماند.
در سال ۱۹۸۷، دو چشمپزشک آمریکایی به نامهای «لئونارد فلوم» (Leonard Flom) و «آران سفیر» (Aran Safir)، مفهوم بیان شده توسط برچ را ثبت اختراع کردند، ولی قادر به توسعه چنین فرایندی نبودند. بنابراین، به «جان داگمن» (John Daugman)، که در آن زمان استاد دانشگاه هاروارد بود مراجعه کردند تا الگوریتم واقعی برای بازشناسی عنبیه را توسعه دهند. الگوریتمی که داگمن در سال ۱۹۹۴ توسعه داد، مبنای همه سیستمهای بازشناسی عنبیه کنونی است. داگمن، بعدها استاد «بینایی کامپیوتری» (Computer Vision) و «بازشناسی الگو» (Pattern Recognition) دانشگاه کمبریج انگلستان شد.
پیشرفتهای حاصل شده در فناوریهای اسکن عنبیه حاکی از آن است که این فناوری برای سازمانهای قانونی امکان مقایسه تصاویر عنبیه افراد گوناگون (از جمله مظنونها) را با تصویر موجود در پایگاه داده، به منظور تشخیص یا تایید هویت آن ها، فراهم میکند. همچنین، پژوهشها نشان میدهد که اسکن عنبیه از شناسایی اثر انگشت، سریعتر و قابل اعتمادتر است؛ زیرا برای افراد، مبهمسازی و یا جایگزین کردن انگشتانشان سادهتر از مبهمسازی یا جایگزینی عنبیه است.
در عین حال، اسکن عنبیه نگرانیهای قابل توجهی را پیرامون آزادیهای مدنی و حریم خصوصی افراد برانگیخته است. امکان اسکن عنبیه از فاصله دور و یا حتی از فرد در حال حرکت نیز وجود دارد و این یعنی دادههای محرمانه افراد را میتوان بدون اطلاع و جلب رضایت خود آنها، جمعآوری کرد. از دیگر نگرانیهای موجود میتوان به این موضوع اشاره کرد که اگر یک «پایگاه داده» (Database) حاوی اطلاعات زیستسنجشی (برای مثال، پایگاه داده مربوط به الگوی عنبیه افراد) به سرقت برود و یا در معرض خطر قرار بگیرد، پیامدهای آن بسیار مهم و قابل توجه خواهند بود.
مهم ترین نکته آن است که این امکان وجود ندارد تا افرادی که اطلاعات آنها به خطر افتاده است، یک جفت چشم جدید داشته باشند و از این پس، از عنبیه آن چشمهای جدید برای احراز هویت خود جهت کار با کارتهای اعتباری و دیگر مواردی که به خطر افتادهاند، استفاده کنند. زیستسنجههای عنبیه معمولا توسط فروشندگان شخص ثالث گردآوری و ذخیره میشوند که به نوبه خود موجب میشود مشکلات امنیتی پیرامون آن، وسعت پیدا کنند. در ادامه، شماتیک بازشناسی عنبیه، ارائه شده است. شایان ذکر است که پیش از ادامه مطلب و در بخش بعدی، توضیحات کوتاهی پیرامون عنبیه انسان ارائه شده است.
آشنایی با عنبیه
در این بخش و پیش از ورود به بحث زیستسنجهها و بازشناسی عنبیه، بررسی کوتاهی پیرامون چشم و عنبیه انجام میشود. عنبیه، وظیفه کنترل نوری را دارد که وارد چشم انسان میشود.
هرچه نور در محیط کمتر باشد، مردمک چشم گشادتر میشود. رنگ عنبیه ناشی از سلولهای میکروسکوپی به نام «ملانین» (Melanin) است. چشم یک اندام بیرونی است که میتوان آن را به سادگی دید.
شایان ذکر است که الگوی عنبیه افراد در طول دو سال اول زندگی آنها ثابت میشود. این الگو حاوی اطلاعات متمایز و مفیدی برای احراز هویت است. عنبیه، ناحیه قرار گرفته بین مردک سیاه و صلبیه سفید است. نکته جالب توجه آن است که عنبیه سمت راست و چپ هر فردی، با یکدیگر متفاوت هستند.
من چه کسی هستم؟
مساله احراز هویت، یکی از موضوعات مهم و قابل توجهی است که از دیرباز مطرح بوده است. اثر انگشت، یکی از شناخته شدهترین روشهایی است که سالها است برای احراز هویت افراد مورد استفاده قرار میگیرد و اکثریت افراد در جوامع گوناگون نیز با آن آشنایی دارند. پیشتر، مساله احراز هویت، دغدغه نهادها، شرکتها و برخی از افراد خاص بود؛ اما طی سالهای اخیر و با ظهور گوشیهای هوشمند، مبحث احراز هویت برای تک تک افراد جامعه به مسئله مهم و شناخته شدهای مبدل شد.
«گذرواژه» (رمز عبور | Password)، «الگو» (Pattern)، اثر انگشت، «بازشناسی چهره» (Face Recognition) و «بازشناسی عنبیه» (Iris Recognition) از جمله روشهایی هستند که امروزه برای احراز هویت در مراکز گوناگون و البته در گجتهای شخصی افراد از جمله گوشیهای هوشمند، مورد استفاده قرار میگیرند. به طور کلی، سه راه متداول برای شناسایی هویت یک فرد وجود دارد.
- توکن (Token)
- راز/دانش
- زیستسنجش (Biometric)
سه روش بیان شده در بالا، در ادامه به طور خلاصه مورد بررسی قرار میگیرند.
توکن
توکن (Authentication Token) چیزی است که فرد دارد و از آن برای احراز هویت خود استفاده میکند. در واقع، توکن میتواند یک کارت شناسایی، «نشان شناسایی» (Badge) و یا «کارت مغناطیسی» (Magnetic Stripe Card) باشد.
راز/دانش
آنچه که فرد میداند و یا دانشی که مالک آن است را میتواند به عنوان چیزی برای شناساندن خود استفاده کند. به عنوان مصداق بارزی از این مورد، میتوان به گذرواژه یا «شماره شناسایی شخصی» (Personal Identification Number | PIN) اشاره کرد.
زیستسنجش
آنچه که فرد انجام میدهد و یا هست، یک معیار زیستسنجشی محسوب میشود. بله؛ آنچه که هست. برای مثال، اثر انگشت یا عنبیه که جزوی از چیستی فرد محسوب میشود، معیاری برای احراز هویت او است. در تصویر زیر، روشهای گوناگون احراز هویت، از جهت سطح امنیت با یکدیگر مقایسه شدهاند.
چرا زیستسنجش؟
سطح امنیت گزینههای مختلف بیان شده برای احراز هویت، متفاوت است. برای مثال، امنیت در موارد توکن مانند، به دلایل مختلفی مانند امکان سرقت سادهتر، از امنیت پایینتری برخوردار هستند. آنچه فرد به عنوان راز و دانش خود برای احراز هویت استفاده میکند، هر چند نسبت به توکنها امنتر است، ولیکن به طور کامل امن نیست و نقصهای امنیتی زیادی در خود دارد. از جمله آنها، به سرقت رفتن این راز و رمز، فراموشی آن توسط فرد و دلایل دیگر میتوان اشاره کرد که موجب شده است تا این روش احراز هویت، گزینه مطلقا امنی محسوب نشود.
در نهایت، معیارهای زیستسنجشی به عنوان چیزی که فرد با خود دارد و جزوی از وجود او محسوب میشود، یکی از امنترین گزینهها برای شناسایی فرد و احزا هویت او محسوب میشوند. البته، این موضوع به معنایی عاری از مشکل و نقص بودن این روشها نیست؛ معیارهای زیستسنجشی نیز به نوبه خود با اشکالات و نواقص امنیتی مواجه هستند. ولیکن، نسبت به دیگر گزینههای موجود، امنتر محسوب میشوند.
ویژگیهای یک زیستسنجه خوب
یک زیستسنجه خوب باید دارای ویژگیهایی باشد که در ادامه به آنها اشاره میشود.
- جهانی بودن
- یکتایی
- قابلیت گردآوری
- ثابت بودن
جهانی بودن
جهانی بودن یعنی هر فرد در هر جای دنیا و با هر شرایطی، سنجهای برای احراز هویت خود داشته باشد. در واقع، زیست سنجه فرد باید مستقل از موقعیت فیزیکی او باشد. برای مثال، اثر انگشت یا عنبیه فرد در همه جای دنیا به یک شکل واحد همراه او است و میتوان از آن برای احراز هویت استفاده کرد. این در حالی است که به عنوان نمونه، کارت عضویت در کتابخانه ملی یک کشور، معمولا تنها در همان کشور دارای اعتبار است و صرفا در یک محل خاص (کتابخانه ملی و دیگر کتابخانهها و مراکز طرف قرارداد و تابعه آن) میتواند برای احراز هویت مورد استفاده قرار بگیرد.
از سوی دیگر، ویژگی جهانی بودن بدان معنا است که همه افراد در سراسر جهان دارای یک سنجه خاص برای احراز هویت باشند. در واقع، همه افراد در سراسر جهان اثر انگشت و یا چشم (و یا دیگر زیست سنجهها) دارند که میتوان از آنها برای احراز هویت استفاده کرد. ولی، همه الزاما دارای یک کارت شناسایی خاص نیستند.
یکتایی
یکتا بودن سنجه احراز هویت، به معنای آن است که سنجه مورد استفاده هر فرد باید منحصر به فرد باشد و از سنجه سایر افراد به خوبی متمایز شود. اثر انگشت و الگوی عنبیه هر فرد منحصر به فرد و متعلق به خود او است. اما به عنوان مثال، وزن یا قد افراد منحصر به فرد نیست و افرادی با قدها و وزنهای مشابه وجود دارند. بنابراین، از قد و وزن نمیتوان به عنوان سنجههای یکتا برای احراز هویت افراد استفاده کرد. شایان توجه است که حتی افراد دو قلو نیز دارای عنبیههای متفاوتی هستند.
قابلیت گردآوری
سنجه مورد استفاده باید قابل حصول باشد و بتوان آن را با استفاده از تجهیزات لازم، بررسی کرد. اگر بخشی از مغز، قلب یا هر عضو داخلی بدن انسان، دارای الگوی منحصر به فردی باشد، با وجود بهرهمندی از ویژگیهای جهانی بودن و یکتایی، از این سنجه - دستکم در حال حاضر - نمیتوان برای احراز هویت فرد استفاده کرد؛ زیرا این ویژگی قابل گردآری نیست.
ثابت بودن
سنجه باید در طول زمان بدون تغییر باقی بماند و خروجی حاصل از اندازهگیری آن در دورانهای زمانی گوناگون، به صورت ثابت باشد. مجددا از مثال زیست سنجه اثر انگشت و عنبیه استفاده میشود؛ هر دو این موارد در طول عمر فرد (در صورتی که حوادثی رخ ندهد که انگشتها یا چشمهای فرد را دچار آسیبهای فیزیکی کند) ثابت هستند. این در حالی است که برای مثال، قد فرد یا وزن او در طول زمان تغییر میکند.
انواع زیست سنجهها
هر زیستسنجهای دارای نقاط ضعف و قوت خودش است. هیچ زیستسنجه یا فناوری «بهینه» نیست. انواع گوناگونی از زیست سنجهها وجود دارند که در ادامه، دستههای کلی آنها مورد بررسی قرار خواهند گرفت.
زیستسنجههای بیولوژیکی و فیزیولوژیکی: شامل ویژگیهایی که انسان با آنها متولد میشود؛ مانند: چهره، هندسه دست، دیانای (DNA)، اثر انگشت، عنبیه، رگ، شبکیه، گوش و بوی بدن.
زیستسنجههای رفتاری: این نوع از زیستسنجهها به مشخصههای کسب شده توسط افراد در طول مدت زندگی خودشان، مانند امضا، صدا، کیاستروک «Key Stroke» و الگوی راه رفتن (Gait) اشاره دارد.
مدل سیستم زیستسنجشی
در تصویر زیر، مدل یک سیستم زیستسنجشی را مشاهده میکنید.
بلوکهای سازنده
بلوکهای سازنده یک سیستم زیستسنجشی، شامل موارد زیر است.
- زیستسنجشخوان (حسگر)
- الگوریتم استخراج ویژگی
- الگوریتم جستجو و تطبیق
- پایگاه داده هویتی
زیستسنجشخوان
حسگری که به محرکهای زیستی مانند اثر انگشت، عنبیه، صدا، شبکیه و دینامیک فشار انگشت برای تولید سیگنالی واکنش نشان میدهد که قابل اندازهگیری یا تفسیر باشد.
الگوریتم استخراج ویژگی
یک الگوریتم استخراج ویژگی، بخشیهایی از سیگنال دیجیتالی که از حسگر خارج میشود را شناسایی و جدا میکند که حاوی خواصی برای تعیین هویت است. الگوریتم، توصیفگرها یا ویژگیهای صفات را به ازای هر سیگنال میسازد. ویژگی تعیین هویت کننده در یک فایل به نام Template (فایلی به نام الگو که در تصویر نیز قابل مشاهده است) ذخیره میشود.
الگوریتم تطبیق و جستجو
الگوریتم جستجو و تطبیق، ویژگی صفت ورودی را دریافت و آن را با ویژگی(های) ذخیره شده مقایسه میکند و در نتیجه، موفقیتآمیز بودن یا با شکست مواجه شدن را در خروجی اعلام میکند.
پایگاه داده هویت
یک «پایگاه داده هویت» (Identity Database)، مجموعهای از الگوها (Template) است که الگوریتم جستجو و تطبیق روی آن کار میکند تا مشخص کند که ویژگیهای ورودی با الگوی موجود در پایگاه داده مطابق دارد یا خیر.
بازشناسی عنبیه چگونه کار میکند؟
اسکن عنبیه، الگوهای یکتا در عنبیه و در واقع دایرههای رنگی موجود در چشم افراد را اندازهگیری میکند. اسکنرهای زیستسنجشی بازشناسی عنبیه با روشن کردن عنبیه با استفاده از نور فروسرخ غیرمرئی به ثبت الگوهایی میپردازند که برای چشم غیر مسلح قابل مشاهده نیستند.
اسکنرهای عنبیه، مژهها، پلکها و «بازتاب منظم» (Specular Reflection) را که معمولا بخشهاس انسدادی عنبیه هستند، شناسایی میکند. نتیجه نهایی، یک مجموعه از پیکسلها خواهد بود که فقط حاوی عنبیه هستند. در ادامه، الگوی خطوط و رنگهای چشم تحلیل میشوند تا یک بیت الگو که حاوی اطلاعات عنبیه است، استخراج شود. این الگوی بیتی، رقمی (دیجیتالی) است و به منظور تایید (تطبیق الگوی یک به یک) یا شناسایی (تطبیق الگوی یک به چند)، با الگوهای ذخیره شده در پایگاه داده مقایسه میشود.
دوربینهای تطبیق عنبیه ممکن است روی یک دیوار یا دیگر موقعیتهای ثابت قرار بگیرند و یا ممکن است دستی و قابل حمل باشند. پژوهشگران در «دانشگاه کارنگی ملون» (Carnegie Mellon University) در حال توسعه اسکنرهای دوربردی هستند که میتوانند برای ثبت تصاویر محرمانه تا فاصله 12.192 متری (۴۰ فیت) مورد استفاده قرار بگیرند.
مزایای بازشناسی عنبیه
دلایل گوناگونی برای انتخاب عنبیه فرد به عنوان روشی برای احراز هویت وجود دارد که برخی از آنها در بخشهای پیشین مورد بررسی قرار گرفتند. در ادامه، این دلایل به طور کامل بیان شدهاند.
- نرخ خطای بسیار پایینی دارد.
- ساختار فیزیکی آن غنی از اطلاعات است.
- دائمی (ثابت) است (الگوی عنبیه در طول زندگی فرد، ثابت باقی میماند). در تصویر زیر، تصاویری از یک خانم که در سالهای ۱۹۸۴ و ۲۰۰۲ گرفته شده و الگوی عنبیه آنها را مشاهده میکنید. هر دو الگو، یکسان است.
- امکان احراز هویت آنی وجود دارد.
- حفاظت فیزیکی قابل توجهی از آن به وسیله قرنیه و اندامهای داخلی چشم انجام میشود.
- با استفاده از روشهای غیر تهاجمی از بیرون قابل مشاهده است و از فاصله نیز میتوان آن را استخراج کرد.
- مستقل از وراثت است و هیچ دو نفری دارای چشم (عنبیه) عینا مشابه نیستند. گفته میشود که احتمال یکسان بودن عنبیه دو نفر با یکدیگر، ۱ در ۱۰۷۸ است. این در حالی است که جمعیت زمین ۱۰۱۰ است.
- عنبیه ثابت است و حتی با حالات مختلف چهره نیز تغییر نمیکند.
- عنبیه در صورت قرار گرفتن سر در حالات مختلف، تغییر نمیکند.
- عنبیه چشم در صورت استفاده از آرایشهای مختلف چشمی، تغییر نمیکند.
در ادامه، بازشناسی عنبیه با دیگر زیست سنجههایی که مورد استفاده قرار میگیرند، از جهتهای گوناگونی مقایسه شده است.
معایب بازشناسی عنبیه
بازشناسی عنبیه نیز همچون دیگر راهکارهای احراز هویت، دارای مزایا و معایب خاص خودش است. در ادامه، معایب این روش احراز هویت بیان شده است.
- ناحیه کوچکی است که باید برای احراز هویت مورد استفاده قرار بگیرد.
- عنبیه ناحیهای متحرک محسوب میشود.
- عنبیه در پس ناحیه منحنیشکل، مرطوب و دارای انعکاس قرار گرفته است.
- با کشیدن خط چشم، قرار دادن لنزهای چشمی و در صورت انعکاس نور از آن، مبهم میشود.
- تا حدودی توسط توسط مژهها پوشیده میشود.
- با تغییر اندازه مردمک، به شکل غیرالاستیکی تغییر شکل میدهد.
- برخی از بیماریهای چشمی موجب تغییر عنبیه میشوند.
چه نوع دادههایی برای بازشناسی عنبیه مورد استفاده قرار میگیرد؟
اسکنرهای عنبیه در حدود ۲۴۰ ویژگی زیستسنجشی را گردآوری میکنند که ترکیب آنها برای هر چشمی متفاوت است. سپس، اسکنرها یک ارائه دیجیتال از دادهها میسازند. ارائه رقمی از اطلاعات استخراج شده از تصویر عنبیه، در یک پایگاه داده کامپیوتری ذخیره میشود.
شایان توجه است که به منظور افزایش سطح دقت و دلایل گوناگون دیگر، اسکن عنبیه گاهی در پیوستگی با دیگر زیرسنجهها مانند اثر انگشت و بازشناسی چهره، مورد استفاده قرار میگیرد.
سازمانهای قانونی چگونه از بازشناسی عنبیه استفاده میکنند؟
در ادامه، نمونههایی از استفاده از بازشناسی عنبیه در سازمانهای قانونی آمریکا مورد بررسی قرار گرفته است. ارتش ایالات متحده آمریکا از دستگاههای اسکن عنبیه برای شناسایی بازداشتشدگان در عراق و افغانستان استفاده میکرد. برای مثال، ثبات دستی زیستسنجش SEEK II به نظامیان این امکان را میداد تا اسکن عنبیه، اثر انگشت و دست را انجام دهند و دادهها را طی چند ثانیه، حتی در محلهایی با اتصال ضعیف، به پایگاه «اِفبیآی» (FBI) در «ویرجینیای غربی» (West Virginia) ارسال کنند. همچنین، پلیس آمریکا نیز از این فناوری در سراسر کشور استفاده میکند.
پلیس نیویورک جزو اولین سازمانهای پلیسی بود که به استفاده از بازشناسی عنبیه روی آورد. این سازمان، فناوری BI2 موبایل موریس (MORIS: Mobile Offender Recognition and Information System) را در پاییز ۲۰۱۰ راهاندازی کرد. اگرچه استفاده نیویورک از اسکن عنبیه در زندانها قرار بود به صورت داوطلبانه باشد، گزارشهایی مبنی بر این وجود دارد که دستگیرشدگان به دلیل نپذیرفتن اسکن عنبیه، مدت طولانیتری نگهداری میشدند.
زندانهایی مانند «سازمان اصلاح رود آیلند» (Rhode Island Department of Corrections) نیز شروع به استفاده از فناوری بازشناسی عنبیه کردهاند. نظرسنجی انجام شده توسط EEF از سازمانهای حقوقی در سال ۲۰۱۵، حاکی از آن بود که کلانتریها در اورنج کانتی و لسآنجلس کانتی برنامهریزی کردهاند تا فناوری اسکن عنبیه را پیادهسازی کنند.
دستگاههای بازشناسی عنبیه در حال حاضر در هر کلانتری در ایالات متحده آمریکا و مرز مکزیک، نصب هستند. گفته میشود که به تدریج، نسخههای موبایل نیز فراهم میشوند. الگوهای عنبیه تولید شده با موبایل را میتوان در کمتر از ۲۰ ثانیه با هزاران الگوی دیگر مقایسه کرد. اسکنها به پایگاهداده مخفی BI2 اضافه میشوند که در حال حاضر نیز بیش از یک میلیون اسکن از ۱۸۰ سازمان حقوقی در سراسر آمریکا در آن گردآوری شده است.
تهدیداتی که بازشناسی عنبیه ایجاد میکند
احتمالا، بزرگترین تهدیدی که بازشناسی عنبیه ایجاد میکند، خطر پایگاهدادهای است که این امکان را فراهم میآورد تا افراد با وجود داشتن فاصله از دستگاه سنجش و یا در حال حرکت، بدون آگاهی یا رضایت فردی، قابل پیگیری باشند. این امر موجب ایجاد نگرانیهای امنیتی میشود که با گردآوری دادههای عنبیه افراد بیشتر، این نگرانیها نیز افزایش پیدا میکند.
این امکان ممکن است برای سازمان های حقوقی وجود داشته باشد تا از اسکنرهای عنبیه برد طولانی روی افراد استفاده کنند. از یک نقطه نظر دیگر، این امکان وجود دارد که هر فردی در هر مکانی شناسایی شود، حتی اگر مظنون به انجام هیچ جرمی نیز نباشند.
هیچ داده زیستسنجشی عاری از خطا نیست. پژوهشی که در سال ۲۰۰۹ انجام شده حاکی از آن است که ابتلا به التهاب حاد عنبیه (که به آن اریتیس یا یووئیت قدامی نیز گفته میشود) موجب میشود تا سیستمهای تشخیص عنبیه فعلی با خطا مواجه شوند. گزارشی که در سال ۲۰۱۲ و توسط «سازمان ملی استاندارد و فناوری» (National Institute of Standards & Technology | NIST) در کشور آمریکا ارائه شد، حاکی از آن بود که فناوری بازشناسی عنبیه برای شناسایی یک یک نفر در محلی شلوغ ۱ تا ٪۱۰ مواقع نادرست است.
مسئله کیفیت به دلیل نمایش فرد به صورت ضعیف (چشم بسته، عنبیه چرخیده، نگاه خارج از محور)، مشکلات مربوط به ثبت محیط (مانند مات شدن به دلیل حرکت، عدم تمرکز کانونی و یا بازتاب به دلیل نور زیاد محیط یا چراغهای شکسته)، پردازش یا ذخیرهسازی تصویر (مانند فشردهسازی تصویر) و یا خصوصیات غیر معمول ذاتی در فرد (مانند شکل مردمک غیر طبیعی) اتفاق میافتد. نرخ خطا (نرخ خطای منفی غلط) برای یک عنبیه، برابر با ٪۲.۵ تا ٪۲۰ درصد است.
همچنین، این امکان وجود دارد که به اسکنرهای عنبیه ترفند زد و یا آنها را به طور کامل دور زد. در سال ۲۰۱۲، پژوهشگران امنیتی در «دانشگاه مستقل مادرید» (Universidad Autonoma de Madrid) قادر به بازسازی تصاویر از عنبیه با استفاده از کدهای دیجیتال ذخیره شده در پایگاه دادههای امنیتی شدند. در سال ۲۰۱۷ نیز، هکرها در Chaos Computer Club واقع در آلمان، توانستند احراز هویت مبتنی بر عنبیه را در گوشی هوشمند سامسونگ گلکسی اس ۸ (Samsung’s Galaxy S8) دور بزنند (علیرغم ادعای شرکت مبنی بر داشتن Airtight Security). این کار به سادگی با گرفتن یک تصویر دیجیتال از مالک گوشی در حالت شب، چاپ کردن آن، برجستهسازی تصویر با استفاده از یک لنز تماسی و نگه داشتن آن در مقابل گوشی قفل شده، انجام شده بود.
در بحث بازشناسی عنبیه، مشکل امنیت دادهای نیز وجود دارد. شفاف نیست که سازمانهای حقوقی برای امنسازی دادههای زیستسنجشی خود، چه گامهایی برخواهند داشت. رخنه به دادهها و هکها همیشه به کرات اتفاق میافتند. اطلاعات زیستسنجشی یک خطر ویژه محسوب میشوند، بدین دلیل که در صورت گم شدن، به سرقت رفتن و یا به خطر افتادن پایگاه داده، امکان لغو عنبیه فعلی یا به کارگیری یک عنبیه جدید وجود ندارد. آنچه موجب میشود تا مشکلات امنیتی این روش، بیش از پیش شوند، آن است که سازمانهای حقوقی دادههای خود را در پایگاهدادههای فروشندگان متفرقه و شخص ثالث نگهداری میکنند. این امر موجب میشود که سازمانها به دادههای سیستم قضایی دسترسی داشته باشند و این یعنی بسیاری از کارکنان آنها به این دادهها دسترسی دارند.
اگر نوشته بالا برای شما مفید بوده است، آموزشهای زیر نیز به شما پیشنهاد میشوند:
- مجموعه آموزشهای دادهکاوی و یادگیری ماشین
- آموزش دادهکاوی در متلب
- مجموعه آموزشهای هوش مصنوعی
- تشخیص لبخند در چهره — راهنمای کاربردی
- آموزش یادگیری ماشین با مثالهای کاربردی ــ بخش چهارم
- بازشناسی تصویر با Keras و شبکههای عصبی پیچشی — راهنمای کاربردی
- بازشناسی گفتار (Speech Recognition) با پایتون — از صفر تا صد
^^