بیومتریک ک سیستم شناخت الگو می باشد که از ویژگی های فیزیولوژیکی نظیر چهره و کف دست و عنبیه یا ویژگی های رفتاری نظیر امضا و گفتار برای تایید و شناسایی استفاده می کند . رویکرد بیومتریک شناخت فرد و تایید هویت ادعایی با استخراج ویژگی رفتاری بیومتریک می باشد که این ویژگی رفتاری به عنوان داده ی ورودی ارائه می گردد و با بانک داده ای در دسترس مطبقت می یابد . سیستم بیومتریک دارای چهار فرایند پردازشی می باشد در مرحله ی حسگری تصویر بیومتریک گرفته می شود و به عنوان ورودی در سیستم ثبت می گردد و برای تایید و شناخت مورد استفاده قرار می گیرد. در مرحله ی استخراج ویژگی ، ویژگی داده ی ثبتی به عنوان مجموعه ای از ویژگی ها استخراج و ذخیره می گردد . و سپس برای تایید و شناسایی پردازش می گردد . در مرحله ی انطباق نیز ویژگی های استخراج شده با مجموعه ای از ویژگی های ذخیره ای در بانک داده ای مطابقت می یایند و میزان شباهت به عنوان نمره ی انطباق اندازه گیری می شود و حد آستانه نیز تعیین می گردد . در مرحله ی تصمیم گیری نیز ادعای کاربر یا به عنوان ادعای اصلی مورد پذرش قرار می گیرد و یا به عنوان ادعای جعلی پذیرفته نمی گردد و این بسته به نمره ی انطباق دارد . تحلیل سیستم بیومتریک با استفاده از پارامتر های گوناگون نشان داده می شود . (1 تا 4) .
بیومتریک اندازه گیری داده های بیولوژیکی می باشد که توسط آن احراز هویت فرد با تحلیل ویژگی های فیزیکی نظیر چهره و چشم و انگشت نگاری انجام می پذیرد . هر نوع ویژگی فیزیولوژیک انسان را می توان به عنوان بیومتریک در نظر گرفته شود مشروط بر اینکه بتواند نیاز های جهانی شدن را که بیان کننده ی این است که هر فرد ویژگی را که قابل اندازه گیری است پردازش می کند، بر طرف نماید . علاوه براین صفت یا ویژگی بایستی منحصر به فرد باشد بدین ترتیب صفتهای مابین دو فرد بایستی از نظر ویژگی ها و عملکرد ها متفاوت باشند و در این ویژگی ها پارامتر های مورد استفاده قابل اندازه گیری هستند و این پارامتر ها نشان دهنده ی دقت سیستم بیومتریک طراحی شده می باشند . یک سیستم بیومتریک شامل ابزار ورودی و مرحله ی پردازشی و بانک داده ای می باشد . به منظور شناسایی ویژگی فیزیکی هر فرد نظیر کف دست و چهره و انگشت ، ویژگی های این موارد بایستی توسط ابزار ورودی ثبت گردند و پیش از ذخیره سازی پردازش شوند و بعد ها برای انطباق مورد استفاده قرار گیرند . مرحله ی پیش پردازشی شامل الگوریتمهایی می باشد که ویژگی های استخراج شده را به بردار های ویژگی تبدیل می کنند و در بانک داده ای ذخیره می کنند . یک دسته بند از این بردار های ویژگی استفاده می کند و صفت ناشناخته ی ورودی را با بردار ویژگی ذخیره شده با استفاده از آستانه ی تعیین شده جهت مقایسه انطباق می دهد . نمرات تطبیقی برآورد می گردند و ورودی به دلیل نمره ی انطباقی حداکثری به عنوان عامل اصلی و یا به دلیل نمره ی انطباقی پایینتر از آستانه ای یه عنوان عامل جعلی در نظر گرفته می شود .
پارامتر های مورد استفاده برای اندازه گیری عملکرد سیستم بیومتریک بدین قرارند :
1- تایید : تاید به عنوان انطباق یک به یک تعریف می گردد که شامل تایید یا انکار هویت ادعایی شخص با مقایسه ی قالب ذخیره ای هویت ادعایی و اندازه گیری میزان شباهت می باشد . 2- شناسایی : به عنوان انطباق یک به چند تعریف می گردد که در آن هویت فرد با تمام قالب های ذخیره شده ی مجموعه ای از ویژگی های گوناگون در بانک داده ای مقایسه می گردد . و نیز میزان انطباق با نمره ی انطباق تعیین نیز شود . 3- تنوع درون کاربری : به معنی تنوع مشاهده شده در مجموعه ی ویژگی بیومتریک فرد می باشد ( مثلا کف دست یک شخص تحت شرایط گوناکون متفاوت است و به این به دلیل شرایط پوستی و انواع موقعیتهای قرار گیری کف دست می باشد) . 4- شباهت بین کاربری : ویژگی های استخراج شده از افرادی که با یکدیگر مشابهند نظیر دو قلو های همسان که چهره ی مشابه و کف دست مشابه دارند . سیستم بیونتریک ویژگی فرد را یا به عنوان ویژگی اصلی و یا به عنوان ویژگی جعلی طبقه بندی می نماید . سیستم ممکن است دو نوع خطای شناختی داشته باشد . و به غلط ویژگی جعلی را به عنوان ویژگی اصلی تایید کند و یا فردی با ویژگی اصلی را به عنوان ویژگی جعلی نپذیرد . و این منجر به انطباق غلط می گردد .5- عدم انطباق غلط (false non-match): وقتی نمونه هایی از ویژگی های بیومتریک اشخاص به عنوان عامل انطباق شناخته نمی شود ، این باعث false non-match می گردد . این موضوع بیشتر به دلیل تعامل غیر صحیح کاربر با سنسور است ( به عنوان مثال قرار دادن غیر صحیح کف دست بر روی سنسور و یا قرار گیری غیر صحیح چهره در جلوی دوربین و غیره .) 6- انطباق غلط : وقتی نمونه هایی از افراد گوناگون به صورت غلط به صورت منطبق شناخته شوند ، نتایج منجر به انطباق غلط می گردد . این موضوع بیشتر به دلیل شباهت بسیار زیاد مابین افراد می باشد ( شباهت در چهره ی دو قلو های همسان و شباهت در دستخط و غیره )7- میزان نپذیرفتن کاذب (false rejection rate) و یا میزان پذیرش کاذب ( false acceptance rate) : تلاشهای متعدد و گوناگون سیستم جهت ثبت و یا نپذیرفتن با ( false acceptance rate اندازه گیری می شود و false rejection rate کسری از نموره ی جعلی می باشد . FRR و FAR توابع آستانه ی سیستم می باشند و در صورتی که آستانه افزایش یابد FAR کاهش خواهد یافت اما FRR افزایش خواهد یافت و عکس این نیز ممکن است . بنابراین برای یک سیستم بیومتریکی مشخص خطاها نمی توانند بطور همزمان با تغییر آستانه کاهش یابند . آستانه های گوناگون جهت اندازه گیری عملکرد با کمک پلات های DET و ROC خلاصه می گردد . 8- میزان پذیرش اصلی : بخشی از نمرات اصلی که فراتر از آستانه قرار می گرند . 9- نرخ شناسایی : نرخی که در آن مدعیانی که در دیتا بیز هستند به درستی شناسایی می شوند . 10- ناتوانی در ثبت : در صورتی که فرد نواند به درستی با سنسور تعامل یابد 11- نمره ی انطباق : طبقه بندی کننده بردار های انطباقی ذخیره شده را با بردار های ویژگی استخراج شده از ویژگی ورودی مقایسه می کند و شباهت مابین دو نمونه را با محاسبه ی نمرا ت انطباقی اندازه گیری می کند .
«گروه تحقیقاتی پلاسما»
02166954926 /////// 09123600694
ترجمه فوری مقاله پایان نامه پروپوزال سمینار، پرداخت اقساطی، ترجمه ارزان متون تخصصی،
مبانی نظری و ترجمه فصل دوم، تایپ و ترجمه با تخفیف ویژه، تحلیل آماری
پیگیری فوری چاپ ارزان کتاب، معرفی جهت چاپ مقاله در ژورنال های معتبر
Email: PDsabz@yahoo.com
Telegram: @PDsabz20
Instagram: Plasma_Consulting_Group