Intelligence artificielle

Pourquoi devriez-vous utiliser la vérification biométrique multimodale pour les systèmes de sécurité

Pourquoi devriez-vous utiliser la vérification biométrique multimodale pour les systèmes de sécurité


Réseaux de neurones profonds, TensorFlow, OpenCV, Librosa

Source de l'image

Cet article portera sur le développement d’un système de reconnaissance biométrique multimodal et expliquera pourquoi l’identification biométrique unimodale n’est pas un modèle fiable.

Au niveau de base, la majorité des données biométriques peuvent être classées dans l'une des deux catégories suivantes:

Il y a biométrie comportementale, qui comprend les gestes, le texte manuscrit, la reconnaissance vocale et les habitudes de marche.

Et il y a biométrie physique, qui comprend la reconnaissance des empreintes digitales, des veines, de l’iris et du visage, ainsi que la géométrie de la main.

L’algorithme de reconnaissance faciale analyse 64 points de référence sur le visage humain, tels que la longueur horizontale et verticale du nez, la largeur des narines, les dimensions du menton, la position des pommettes et du front, ainsi que la distance horizontale entre yeux.

Ensuite, un vecteur descripteur dimensionnel des traits du visage est formé et comparé aux images de la base de données en déterminant la distance euclidienne entre ce nouveau visage et chaque autre visage de la base de données. Si une correspondance existe, elle sera signalée.

Un problème existe cependant. À l'ère des médias sociaux et des autres sources ouvertes de photographies, il peut être trivial d'obtenir une photo d'une personne. L’un des principaux facteurs de sécurité dans la reconnaissance biométrique est de confirmer que le visage d’un utilisateur est «vivant».

La reconnaissance faciale nécessite deux stratégies principales:

  1. Premièrement, détection de la vivacité - déterminer que l’image en question n’est pas un masque ou une image altérée, puis utiliser une technologie anti-usurpation d’identité pour confirmer que la personne devant l’appareil photo est une personne réelle.
  2. Deuxièmement, comparer l’image avec une identification formelle - mettre en correspondance l’image selfie soumise avec une sorte d’identité formelle. Cette méthode utilise la technologie de reconnaissance optique de caractères pour vérifier le texte de l'image par rapport à une forme d'identification officielle. Les données accessibles sur un document d’identification formel peuvent constituer un indicateur précieux.

Parmi les systèmes de vérification biométrique, la vérification vocale est l’un des plus économiques, car elle ne nécessite qu’une application capable de classer la parole et un microphone pour enregistrer la parole.

Afin de produire un échantillon vocal de haute qualité à des fins de vérification, il convient de demander à l'utilisateur d'indiquer une phrase secrète composée de mots ou de chiffres. Les algorithmes qui traitent la reconnaissance vocale permettent de discerner les similitudes et les différences entre les caractéristiques et les modèles de voix de chaque locuteur. Une fois qu'un échantillon vocal est lu, il peut être directement comparé aux modèles de voix préalablement analysés et stockés dans la base de données préexistante.

Il est important de noter que l’état actuel de la technologie de reconnaissance vocale n’est ni précis ni parfait à 100%. La voix d’une personne change en fonction de facteurs tels que son âge, sa santé et même son humeur au fil du temps.

Mais l'intelligence artificielle dans le domaine de la biométrie est capable de l'aider. Il est possible de former un système en travaillant avec les distorsions de la parole courantes ainsi que le bruit de fond habituel. Un réseau de neurones peut apprendre à rencontrer ces types d’entrées parasites et les filtrer lors de l’analyse d’un échantillon vocal.

Dans le tableau ci-dessous, vous trouverez les résultats de mes recherches sur la comparaison de solutions de reconnaissance biométrique.

Source de l'image

Cela prouve qu'aucune solution biométrique unimodale n'est capable de fournir un niveau de sécurité suffisant pour éviter le piratage. C’est pourquoi des solutions multimodales doivent être utilisées.

Un système doté d'une reconnaissance biométrique multimodale nécessite la confirmation d'au moins deux identificateurs, ce qui se traduit par un niveau de précision supérieur.

Présentons un système basé sur la technologie de reconnaissance vocale et faciale, accessible via une application mobile.

Source de l'image

Lors de la première étape, un utilisateur potentiel créera une empreinte photographique, qui sera stockée via une caméra sur le périphérique en question. La bibliothèque OpenCV vous aidera à convertir et à normaliser l’empreinte biométrique.

Le système analysera ensuite la photo en utilisant les 64 points de repère du visage. Une fois cartographiés, les points de repère et une image découpée globale du visage de l'utilisateur seront introduits dans un réseau de neurones profonds. Ce réseau a été enseigné à l'aide de la bibliothèque TensorFlow.

Une fois que le réseau de neurones a traité l’image faciale, il crée un vecteur de caractéristiques d’eDNA, qui représente toutes les principales caractéristiques biométriques de l’image faciale de l’utilisateur. Un vecteur eDNA mesure généralement environ 2048 bits.

Le vecteur eDNA peut maintenant être comparé à l’enregistrement déjà enregistré dans la base de données système. Cette méthode ne peut pas être inversée, aucun pirate informatique potentiel n’ayant la possibilité d’accéder à cet enregistrement original dans la base de données.

Enfin, ce système enregistrera une image à jour de l’image de l’utilisateur à intervalles réguliers, en fonction de l’aspect potentiellement changeant de l’utilisateur.

À la deuxième étape, l'utilisateur donne un échantillon vocal via un microphone. La bibliothèque Librosa prend l'échantillon audio, le convertit en un format exploitable, puis envoie la biométrie au réseau de neurones (DNN).

Une fois encore, un vecteur 2048 eDNA sera créé, en tenant compte de caractéristiques telles que l'intonation, le tempo, le bois, la hauteur tonale et d'autres aspects sur lesquels un réseau de neurones a été enseigné.

L'idée de vérifier l'identité de l'utilisateur via une combinaison multimodale de données biométriques gagne en popularité. Ce regain d’adoption suscite de plus en plus d’importance dans la reconnaissance des utilisateurs tout en vainquant les tentatives de spoofing ou de piratage.

Afficher plus

SupportIvy

SupportIvy.com : Un lieu pour partager le savoir et mieux comprendre le monde. Meilleure plate-forme de support gratuit pour vous, Documentation &Tutoriels par les experts.

Articles similaires

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page
Fermer