آرشیو برچسب: سیستم های کنترل دسترسی

50 شرکت امنیتی برتر: روندهای تکنولوژی 2019

با به پایان رسیدن سال 2018، بسیاری از افراد به دنبال آن هستند که ببینند کدام یک از تکنولوژی­های امنیتی در سال 2019 رایج خواهند بود. 50 شرکت امنیتی برتر در سال 2018، برخی از این تکنولوژیها را معرفی نموده­ اند که خلاصه ­ای از آنها در ادامه این مقاله آورده شده است.

1. امنیت سایبری

از لحاظ تکنولوژیک، امنیت سایبری همچنان به عنوان موضوعی داغ در سال 2019 مطرح خواهند ماند. در واقع طبق طبقه­ بندی ارائه شده توسط انجمن صنعت امنیتی آمریکا ((SIA، امنیت سایبری نخستین رتبه را از میان 10 روند عظیم امنیتی از آن خود نموده است؛ انتظار میرود که این 10 روند عظیم امنیتی، صنعت امنیت را در سال 2019 شکل دهند. از میان تهدیدات سایبری موجود در مورد دستگاه ­های امنیتی که روز به روز بیشتر از پیش به سوی سیستم­ های تحت شبکه مهاجرت میکنند، فروشندگان این نوع سیستم ­ها باید ثابت کنند که راهکار­های آنها در مقابل حملات و هک­های صورت گرفته مقاوم هستند. در سال 2019، امنیت سایبری همچنان به عنوان موضوعی مهم مطرح خواهد بود و اقدامات مربوط به مقاوم­سازی در برابر حملات سایبری همچنان به عنوان وجهی کلیدی در توسعه محصولات باقی خواهند ماند.

2. هوش مصنوعی/ یادگیری عمیق

لازم به گفتن نیست که هوش مصنوعی و آنالیتیک­های پیشرفته همچنان در زمینه صنعت امنیت حکمرانی خواهند نمود. هوش مصنوعی/ یادگیری ماشین/ یادگیری عمیق، یک روند تکنولوژی مداوم خواهد بود که قادر به بهبود بخشیدن قابل ­توجه عملکرد و قابلیت­های سیستم­ های امنیتی است.

3. محافظت از حریم شخصی

با این حال با مطرح­ شدن تکنولوژی هوش مصنوعی، چگونگی استفاده و محافظت از داده ­ها به مسئله ­ای اساسی تبدیل خواهد شد. البته باید گفت که بحث­ های زیادی حول هوش مصنوعی و یادگیری عمیق در این صنعت وجود دارد. علاوه بر این انتظار میرود که تاکید زیادی روی بحث حریم شخصی و شخصی­ سازی صورت بگیرد. دغدغه­ های موجود حول رویکرد یک شرکت نسبت به مسئله حریم شخصی و استفاده از داده ­های شخصی، یکی از تاثیرگذارترین جنبه ­های پیشرفت یک بیزینس خواهد بود.

4. محاسبات اج محور

در ارتباط نزدیک با تکنولوژی هوش مصنوعی/ یادگیری عمیق میتوان به محاسبات اج-محور اشاره نمود که به زودی برای انجام الگوریتم ­های پیچیده، قدرتمندتر خواهد شد؛ علاوه بر این، برای فهم تمامی داده­ های جمع آوری شده، محاسبات ابری به کار گرفته خواهند شد.

همچنین منابع پیشرفته ای برای محاسبات اج-محور موجود خواهد بود که باعث هوشمندتر شدن دستگاه­ های اج محور، پذیرش بیشتر راهکارهای ابر-محور در صنعت و استفاده هوشمندتر از تکنولوژی ­های ابری برای تجزیه ­و­تحلیل عمیق­تر رخدادها خواهد شد.

5. اعتبارسنجی موبایلی

در زمینه کنترل دسترسی، سیستم های کنترل دسترسی بیسیم و سیستم­های اعتبارسنجی موبایلی پذیرش بیشتری را در بازار به دست خواهد آورد. در مقایسه با استفاده از کارت­های پلاستیکی، اعتبارسنجی از طریق گوشی­های هوشمند با استقبال زیادی مواجه شده است.

برگرفته از: مجله a&s

چگونه یادگیری عمیق، شهرها را به جایی امنتر تبدیل میکند؟

سیستم های ویدئویی تبدیل به پایه ای مهم در امر ایمنی و امنیت شهرها شده اند، اما در حال حاضر این سیستم ها در حال تولید ویدئوهایی به مراتب بیشتر از آنچه شهرها قادر به استفاده از آن باشند هستند. از گذشته تا کنون یافتن کارکنانی که به بازبینی ویدئوهای ضبط شده و جستجو در آرشیوها بپردازند به عنوان چالشی همیشگی مطرح بوده است. با بکارگیری تعداد بیشتری از دوربین ها، این مشکل نیز در حال بزرگ تر شدن است.

به نقل از سین لین، مدیر فروش شرکت ژئوویژن: «این امکان وجود دارد که برای سفارشی سازی یک الگوریتم هوش مصنوعی (AI﴾ برای یک کاربری جدید و یا برای یک محل جدید، بین چهار تا شش ماه زمان برای یک تیم تحقیق و توسعه لازم باشد». «و ممکن است که نتایج به دست آمده ناامیدکننده و به همراه تعداد آلارم های خطا یا سایر خطاهای دیگر باشد». وی اینگونه ادامه داد که «چیزی که شهرها بدان احتیاج دارند، یافتن راهی آسانتر برای اپراتورهاست که به وسیله آن بتوانند به تعیین آنچه که در یک ویدئوی مهم به دنبال آن هستند بپردازند».

ظهور راهکارهای یادگیری عمیق به شکل قابل توجهی در حال ارتقاء بینایی رایانه ای و آنالیتیک های ویدئویی است. امروزه این سیستم ها به مراتب قدرتمندتر و آسانتر برای بکارگیری بوده و بیشتر از قبل در دسترس افراد قرار دارند.

با تکنولوژی یادگیری عمیق، مدل های مختلف را میتوان با توجه به ویژگی های محیطی که دوربین ها در آن نصب شده اند آموزش داد. الگوریتم ها اساسا برای هر کدام از شرایط موجود سفارشی سازی شده اند، بدون آنکه نیازی به بازنویسی باشد.

نمیتوان گفت که حجم بالای داده ها یک عامل بازدارنده است، چرا که این داده ها به عنوان یک کمک تلقی میشوند. یادگیری عمیق میتواند به صورت مداوم به تزریق داده هایی بپردازد که باعث تطبیق سیستم شما با شرایط و الزامات جدید میشود.

تغییر بازی با ورودی یادگیری عمیق

با کمک یادگیری عمیق، تکنیک های بینایی رایانه ای همچون تشخیص چهره یا تشخیص حرکت بسیار پیچیده تر شده اند و امر نظارت و سایر کارکردهای ویدئویی را دچار دگرگونی نموده اند.

در یک محیط کنترل شده الگوریتم های قدیمی عملکرد خوبی از خود نشان میدهند، اما این نوع الگوریتم ها معمولا برای برخی از موارد استفاده ی خاص نوشته و طراحی شده اند. به عنوان مثال، تشخیص شیء یا فردی که در حال عبور از یک خط مجازی از پیش تعریف شده اساسا به عنوان یک الگوریتم ساده ی بله یا خیر تلقی میگردد. زمانی استفاده ازاین الگوریتم ها چالش برانگیز میشود که در سناریوهای به مراتب پیچیده تری مورد استفاده قرار بگیرند.

لین با ذکر مثالی این موضوع را اینگونه توضیح داد که: «زمانی که یک الگوریتم قدیمی را در مکان دوربین های مختلف بکار میگیرد – امکان دارد که برخی از این دوربین ها در پارک و برخی دیگر در خیابان قرار داشته باشند – این محیط ها در ویدئوهای ضبط شده به صورت متفاوتی دیده و ظاهر میشوند. الگوریتم های قدیمی از پس تشخیص چنین ظرافت هایی بر نمی آیند».

«از آنجایی که در یک خیابان شلوغ افراد به صورت مداوم در حال حرکت هستند، این امکان وجود دارد که سیستم های تشخیص حرکت یا آلارم های ورود غیرمجاز دچار آلارم های خطای زیادی شوند».

سناریوی معمول دیگر مربوط به تشخیص چهره در مکانی میشود که پلیس در آن فردی موردتعقیب را شناسایی نموده است. «با کمک یادگیری عمیق میتوان چهره ی این فرد را تنها با یک عکس یا ویدئو در پایگاه داده ثبت کرد. پس از آن، نرم افزار ما به صورت خودکار در تمامی ویدئوهای نظارتی ضبط شده در طول یک یا دو ماه گذشته به جستجو میپردازد و به صورت خودکار فرد موردنظر را برای مامورین پیدا میکند».

بنا بر پیشبینی لین، به زودی این کار با داشتن تنها یک طرح اولیه به جای عکس امکان پذیر خواهد شد. شاید دادن یک طرح اولیه به پایگاه داده باعث پایین آوردن دقت تشخیص شود، این درحالی است که با استفاده از الگوریتم های قدیمی این کار به هیچ وجه امکان پذیر نیست.

این دقیقا جایی است که راهکار مدیریت ویدئوی هوشمند ژئوویژن (GV-VMS﴾ مطرح میشود و این مدل هوش مصنوعی ﴿AI﴾ را یک گام جلوتر برده و امکان آنالیز پیچیده و شدیدتری را فراهم میسازد. الگوریتم هاییادگیری عمیق را میتوان متناسب با شرایط گوناگون آموزش داد:

شمارش افراد یا اشیاء در حال حرکت در دو مسیر مختلف

شناسایی و تشخیص چهره ی افراد برای کاربردهای مختلف

پوشاندن چهره افراد به هنگام تشخیص آنها در ویدئو، به خاطر حفظ حریم شخصی

«مه زدایی» ویدئوهای ضبط شده در شرایط مه گرفته برای مشاهده ی تصاویر به صورت واضح

وصل کردن و چسباندن ویدئوهای ضبط شده از دوربین های مختلف در یک نمای پانورامای واحد

متعادل سازی ویدئو در یک محیط پر از لرزش

شمارش افراد در مکان های با محدودیت کد اشغال (نوعی طبقه بندی ساختمان ها)

از میان بردن اعوجاج های ایجاد شده توسط لنزهای با زاویه دید گسترده

جستجوی هوشمند برای یک رخداد در یک منطقه پر از حرکت

یک راهکار جامع و کامل

قابلیت یادگیری عمیق منحصربفرد ژئوویژن، یک سیستم جامع و کامل است که از دوربین ها، سرورهای ضبط و یک مرکز کنترل ویدئو تشکیل شده است. این عملکرد باعث میشود که دوربین های ژئوویژن و دوربین های ساخت سایر شرکت ها از طریق یک پروتکل استاندارد، همانطور که در شکل 1 ترسیم شده، به یکدیگر متصل شوند. این کار با کمک پردازنده های اینتل امکان پذیر شده است که کارایی پردازش ویدئو و قابلیت های یادگیری عمیق را افزایش میدهند.

طبق ساختار Intel® x86، دستگاه GV-VMS به صورت کامل از پردازنده ی Intel® Core™ بهره میگیرد. با بکارگیری Intel® OpenVINO™ toolkit، عملکرد آنالیتیک های ویدئویی بین 8 تا 10 برابر افزایش پیدا میکند. با این کار، بدون نیاز به چیزهای دیگر، فضای به مراتب بیشتری برای پردازش ویدئوها به صورت همزمان فراهم میگردد.

دوربین های ژئوویژن قادر به یادگیری عمیق روی شبکه هستند. این دوربین ها میتوانند به جای ارسال تمام ویدئوهای ضبط شده به یک ایستگاه مرکزی، به محض تشخیص هر چیز به اعلام و ارسال هشدار بپردازند و پیش از ترتیب اثر دادن هرگونه اقدامی، میزان تاخیر صورت گرفته را پایین آورند.

بیشتر شهرها دارای سیستم های ویدئویی هستند که دوربین ها، درگاه ها و نرم افزارهایی را از قبل در خود دارند. اینترفیس های برنامه ریزی اپلیکیشن ژئوویژن (APIs) و یک کیت توسعه دهنده ی نرم افزار (SDK﴾، امکان برقراری اتصال بین سخت افزارهای موجود و نرم افزارها را فراهم میسازد. مرکز کنترل ژئوویژن، یک نرم افزار مدیریت ابری واحد را ارائه میکند و تمامی دوربین های تحت شبکه  IP را در یک سیستم امنیتی و مدیریتی کلی با یکدیگر ادغام میکند.

به عنوان مثال، شهر واتیکان برای دهه ها است که از سیستم های نظارت ویدئویی استفاده میکند. در طول این سال ها، دوربین ها، درگاه ها و ابزارهای نرم افزاری گوناگونی از فروشندگان مختلف خریداری شده است. شهر واتیکان، با همکاری با شرکت ژئوویژن توانست به صورت استراتژیک تمامی دوربین ها و نرم افزارهای قدیمی خود را تحت یک راهکار نظارتی مرکزی با یکدیگر ادغام کند. دوربین های موجود در ساختمان های دولتی مهم، کلیساها، نیایشگاه ها و تقاطع ها همگی تحت کنترل مرکزی هستند. راهکار ژئوویژن یک سیستم واحد را ایجاد میکند – این راهکار در شهر رم به بازبینی ویدئوهای ضبط شده از 140 مکان مختلف میپردازد.

هوشمند و مقیاس پذیر

این راهکار را میتوان با توجه به هر سطحی از استفاده از ویدئو به شکلی کارآمد مقیاس بندی نمود. بکارگیری این راهکار شما را قادر میسازد تا سقف 57.600 جریان ویدئویی را مدیریت کنید. این سیستم، داده های ویدئویی را به یک سیستم مدیریت ابری واحد انتقال میدهد که قادر به بازبینی و کنترل بیش از 1000 سیستم GV-VMS میباشد. از سوی دیگر، با استفاده از سرورهای پردازنده-محور اینتل، حافظه های بیگ دیتا یا کلان داده در مرکز داده مشتریان یا در فضاهای ابری در دسترس قرار دارند.

علاوه بر این، راهکار مدیریت ویدئوی هوشمند ژئوویژن را میتوان با سایر سیستم ها – سیستم های تشخیص آتش یا سیستم های کنترل دسترسی – تلفیق نمود و عملکرد کلی این راهکار را افزایش داد. به عنوان مثال با ادغام با سیستم های کنترل دسترسی، این راهکار میتواند با بهره گیری از سیستم های تشخیص چهره، ورود افراد را به مناطق دارای محدودیت – دسترسی به ساختمان ها یا پارکینگ های محدود – کنترل کند.

با ادغام یادگیری عمیق و قابلیت تلفیق این راهکار با سایر سخت افزارها و نرم افزارها، شهرها میتوانند با استفاده از راهکارهایی چون راهکارهای ارائه شده توسط ژئوویژن به ارتقاء سطح نظارت ویدئویی بپردازند. یادگیری عمیق باعث ارتقاء عکس العمل های اتوماتیک سازی شده و تلفیق باعث ارتقاء سطح کارآمدی عملیاتی میشود و مقیاس پذیری برای یک شهر به معنای عدم از دست دادن قابلیت های سیستم های ویدئویی است.

به نقل از لین: «هنگامی که صحبت از یک سناریوی شهری میشود، یک راهکار نظارت ویدئویی قدیمی پاسخگوی تمامی نیازهای اولیه است. اما به محض رشد یک پروژه در مقیاس شهری، تنها در یک روز، هزاران ساعت ویدئو ضبط میشود. برای تشخیص چیزی که به دنبال آن در ویدئوها هستید، زمان و افرادی زیادی لازم است. اما این راهکار، کار را برای اپراتورها آسانتر میسازد تا تنها روی فرد یا چیزی که به دنبال آنند متمرکز شوند».

منبع: ژئوویژن

http://www.didarc.com/fa/news/how-deep-learning-makes-cities-safer

ارتقاء امنیت با بیومتریک های چندوجهی

بیومتریک یا علم بیومتریک به تکنولوژی موجود برای اندازه‌گیری و آنالیز مشخصات بدن افراد جهت تشخیص هویت اطلاق میشود. با گذر زمان، ارگان های مختلف در حال سوق یافتن به سوی استفاده از بیومتریکهایچندوجهی هستند؛ این سیستم ها در مقایسه با راهکارهای تک-وجهی از مزیت های بخصوصی برخوردار هستند. به عنوان مثال، دستگاه های اثر-انگشت-خوان به تنهایی قادر به تشخیص اثر انگشت افراد از روی پوست چروکیده و آسیب دیده نیستند. دستگاه های شناسایی چندوجهی با ترکیب دو بیومتریک مختلف همچون اثرانگشت افراد + چهره ی آنها یا اثرانگشت افراد + رگ های موجود در زیر انگشتان آنها، انعطاف پذیری و امنیت بیشتری را ارائه کرده و متناسب با نیازهای کنترل دسترسی کاربران هستند.

سیستم های کنترل دسترسی معمولا مستلزم یکی از سه فاکتورتشخیص هویتی چون کارتها/نشان ها(یی که همراه خود دارید)، رمزهای عبور(ی که میدانید) و بیومتریک(هایی که خود شما هستید) میباشد. رفته رفته بیومتریک ها یا فاکتور«چیزی که خود شما هستید» در میان افراد شناخته تر شده است، چرا که در مقایسه با سایر فاکتورها، در این فاکتور هویت افراد گم نشده، به سرقت نرفته و فراموش نمیشود.

اکثر مشتریان هنوز هم از کلیدهای فلزی، کارتها یا بج ها برای ایمن سازی دربهای خود استفاده میکنند. در صورتی که این مشتریان هیچگونه نفوذی را در نتیجه سوء استفاده یا گم شدن کلیدها/کارتها تجربه نکرده باشند، متقاعدسازی آنها برای سرمایه گذاری در تکنولوژی های جدیدی چون سیستم های تشخیص اثرانگشت و چهره دشوار خواهد بود. اما در مورد سیستم های جدید نصب شده، این کار دشوار نبوده و به راحتی قابل انجام است. سیستم های بیومتریک از کلیدها و کارتها به مراتب ایمنتر و راحتتر هستند، چرا که این سیستم ها فراموش یا گم نشده و کسی قادر به سرقت اعتبار بیومتریک شما نیست.

در ابتدا، بیومتریکهای تک-وجهی تنها از یک بیومتریک مربوط به کاربر (فرقی نمیکند که بیومتریک مربوطه اثرانگشت، چهره، عنبیه چشم یا کف دست باشد) استفاده میکرده اند و این امری معمول بوده است. هرچند که رفته رفته و با گذر زمان، کاربران متوجه محدودیت تکنولوژی های بیومتریک تک-وجهی شدند. به عنوان مثال، همیشه یک درصد بخصوصی از افراد وجود دارند که آثار انگشت آنها قابل شناسایی و خواندن نیست. سیستم های تشخیص چهره نیز در صورت نصب شدن در فضاهای بیرونی و قرار گرفتن در معرض نورخورشید شدید چندان خوب عمل نمیکنند. بنابراین نصب یک سیستم بیومتریک ثانویه به گزینه ای حیاتی تبدیل میشود.

در حقیقت پتانسیل رشد بیومتریک های چندوجهی را نمیتوان نادیده گرفت. طبق گزارش ارائه شده توسط موسسه پژوهشی تکناویو پیشبینی شده است که بین سالهای 2016 تا 2020، راهکارهای بیومتریک چندوجهی به صورت جهانی نرخ رشد مرکب سالانه ای برابر 15 درصد داشته باشند.

مزیت های سیستم های بیومتریک چندوجهی

سیستم های بیومتریک چندوجهی از مزایای بالایی برخوردار هستند. یکی از مزیت های این سیستم ها، ارتقاء سطح امنیت در سازمان هایی است که از این سیستم ها استفاده میکنند؛ این سازمان ها میتوانند به جای استفاده از یک بیومتریک، از طریق دو بیومتریک به تایید هویت کارکنان/افراد بپردازند. مزیت این کار، فراهم سازی امکان تایید هویت چندگانه است. در صورت نیاز یک سازمان به سطوح بالای امنیت، این سازمان ها میتوانند از مدهای مختلفی برای شناسایی افراد استفاده کنند. به عنوان مثال برای صدور اجازه دسترسی به افراد، آثار انگشت و چهره ی آنها باید اسکن شود.

ترکیب مدهای بیومتریکی مکمل و مختلف باعث ایجاد عملکرد تطبیق بهتر و بالاتر میشود؛ این موضوع به معنای تعداد خطاهای تطبیق و عدم تطبیق کمتر و تعداد عملیات های شناسایی ناموفق کمتر است. به قطع شرایطی وجود خواهد داشت که در آن یک مد بخصوص ناتوان از اجرای عملکرد رضایت بخش بوده و یا شاید یک کاربر یک مد بخصوص را به مد دیگری ترجیح بدهد. در این موارد تنها یک مد نسبت به سایر مدها انتخاب میشود. با این وجود این کار باعث بهبود عملکرد و ارتقاء امنیت میشود، چرا که میزان داده های ضعیف و عدم موفقیت در عملیات شناسایی بسیار کاهش می یابد.

داشتن بیومتریک های هیبریدی و چند-مدلی باعث بهبود امنیت میشود، چرا که مشتریان میتوانند با استفاده از تایید هویت چندفاکتوری به “لایه لایه سازی” امنیت خود بپردازند. به عنوان مثال شما میتوانید سیستم تایید هویت دوفاکتوری را بکار بگیرید تا بدین شکل پیش از صدور اجازه ی دسترسی به درب، کاربران علاوه بر ارائه ی یک اثر انگشت معتبر، مجبور به تایید چهره ی خود باشند. برخی از مدل های سیستم های بیومتریک هیبریدی دارای چهار سنسور بیومتریکی، یک کارت خوان و یک کیپد هستند. با در نظر گرفتن تکنولوژی های بیومتریکی چندوجهی، امکان ایجاد و فراهم سازی امنیت و آسودگی بی انتها خواهد بود.

در حقیقت طبق گزارش ارائه شده توسط تکناویو، در طول سال 2015 آمریکای شمالی بازار بیومتریک های چندوجهی را تحت کنترل خود گرفته و از لحاظ درآمد که اساسا به خاطر مسائل امنیتی بود، سهم بازار آن نزدیک به 39 درصد بوده است. افزایش موارد اقدامات جنایی باعث ایجاد تقاضای بالا برای سیستم های بیومتریکی چندوجهی جهت شناسایی مجرمین شده است. این موضوع باعث افزایش صرف هزینه ی دولت روی تکنلوژی های بیومتریکی شده است. همچنین چندین فرودگاه واقع در این منطقه در حال بکارگیری سیستم های بیومتریکی چندوجهی هستند تا بدین شکل شناسایی هویت مسافرین را ایمن کنند.

انعطاف پذیری نیز یک مزیت دیگر این تکنولوژی ها تلقی میگردد. دستگاه های بیومتریکی چندوجهی متدهای چندگانه ای را برای تشخیص یک فرد فراهم میکنند. به عنوان مثال در صورت عدم کارکرد اثر انگشت، شما میتوانید از تشخیص چهره و یا حتی کارت اعتباری خود استفاده کنید. شاید مهمترین مزیت این سیستم ها، بحث انعطاف پذیری آنها باشد. به عنوان مثال این سیستم ها این امکان را برای شما فراهم میکنند که از شناسایی اثر انگشت برای یک نفر و از تشخیص چهره برای سایر افراد استفاده کنید.

بیومتریک های چندوجهی تنظیمات یا گزینه های دسترسی مختلفی را برای کاربران فراهم کرده و با کمک آنها افراد میتوانند طبق تمایل خود یکی از گزینه های موجود را انتخاب کنند. انعطاف پذیری سیستم ها موضوعی است که مشریان به شدت دنبال آن هستند.

برگرفته از مجله a&s

http://www.didarc.com/fa/news/multimodal-biometrics-add-extra-layer-of-security

پتانسیل رشد دستگاه های تشخیص اثرانگشت-چهره

اثرانگشت هنوز هم به عنوان بیومتریک اصلی در دستگاه های کارت خوان و کنترل دسترسی تلقی میگردد. با این حال برخی از محدودیت ها کاربران را بر آن داشته است که به دنبال امکانی برای افزودن سایر بیومتریک ها در کنار اثرانگشت باشند. بنابراین چهره تبدیل به راهکاری عملی و موفق میشود.

بیومتریک متداول برای کنترل دسترسی، استفاده از اثرانگشت بوده و بسیار جا افتاده است. طبق تحقیق انجام شده توسط یِیل، در سال 2016 بیومتریک های اثرانگشت-محور با درآمدی غالب بر 4.45$ میلیارد دلار و سهم بازاری در حدود 91 درصد، بازار جهانی بیومتریک ها را تحت تسلط خود گرفته بود. طبق این تحقیق، در سال 2016 بازار بیومتریک های اثرانگشت-محور در مقایسه با سایر راهکارهای سخت افزاری بیومتریکی که طبق پیش بینی ها سهم بازاری 250$ میلیونی داشته اند، به تنهایی ارزشی برابر 4.1$ میلیارد پیدا کرده بود.

طبق گزارش ارائه شده توسط تکناویو نیز بین سالهای 2017 تا 2021 انتظار میرود که بازار جهانی بیومتریک های اثرانگشت-محور نرخ رشد مرکب سالانه ای برابر 12 درصد داشته باشند. طبق این گزارش: « بکارگیری گسترده ی بیومتریک های اثرانگشت-محور در بخش بهداشت و درمان یکی از فاکتورهای کلیدی رشد این بازار است. در بازه ی زمانی پیش بینی شده، منطقه آسیا-اقیانوسیه بزرگترین درآمدزایی را برای این بازار جهانی خواهند داشت. این میزان از درآمدزایی عمدتا بخاطر استفاده ی روبه افزایش دولت های کشورهایی چون هند از بیومتریک های اثر-انگشت محور بوده است؛ استفاده از این سیستم ها به آنها کمک میکند تا حضور کارکنان و میزان سهمیه بندی را نظارت و بازبینی کرده و از کنترل مرزها اطمینان حاصل کنند.»

علیرغم گستردگی استفاده از راهکارهای اثرانگشت-محور، این راهکارها محدودیت هایی نیز دارند.

مشتریان ارزش امنیت و آسودگی مضاعف بیومتریک های امروزی را دانسته و استفاده از آنها را ترجیح میدهند، چرا که این افراد در گذشته تجربه های ناموفق و ناراضی کننده ای از استفاده از تکنولوژی های تشخیص اثرانگشت و قابلیت اعتماد به آنها داشته اند. به عنوان مثال، طبیعت کارهایی چون حفر معادن زغال سنگ یا ساخت و ساز ساختمان ها به گونه  ای است که باعث ایجاد آثار انگشتی بی کیفیت وتقریبا صاف در کارگران میشود. در چنین مواردی شناسایی آثار انگشت کارکنان با یک دستگاه تشخیص اثرانگشت تک وجهی نامحتمل به نظر میرسد. اخیرا برخی از فروشندگان نوعی تکنولوژی جدید را معرفی و عرضه کرده اند که از قرار معلوم تشخیص آثارانگشتی تقریبا عالی را تضمین میکنند. فرقی نمیکند که لنزها یا الگوریتم های تطبیقی ارائه شده توسط فروشندگان به چه میزان قدرتمند باشد، همچنان درصد بخصوصی از افراد باقی خواهند ماند که آثار انگشت آنها به خاطر سن، رنگ پوست یا “شرایط ظاهری” انگشتان – به عبارت دیگر چروکیدگی، بریدگی، خراشیدگی یا آغشتگی به روغن/وسایل آرایشی- به راحتی قابل شناسایی نیستند.

روایتهای متعددی از عدم موفقیت دستگاه های تشخیص اثرانگشت در احراز هویت کاربران وجود دارد. به عنوان مثال طبق گزارش ایندین اکسپرس، چندین فروشگاه اف.پی.اس در دهلی نو شاهد دست-خالی بازگشتن افراد بوده اند که این موضوع بخاطر عدم کارکرد دستگاه های پایانه فروش الکترونیکی یا عدم موفقیت در تشخیص آثار انگشت افراد اتفاق افتاده بوده است.

رجوع به دستگاه های تشخیص اثرانگشت-چهره

این موضوعات کاربران را بر آن داشته است که راهکارهای بیومتریکی چندوجهی را با بیومتریک های اثرانگشتی و سایر بیومتریک ها ترکیب کنند. با گنجاندن چند سنسور بیومتریکی مختلف – یعنی اثرانگشت، چهره، رگ های کف دست، عنبیه و رگ-اثرانگشت – در یک دستگاه واحد، درصد بالاتری از کاربران با موفقیت ثبت و احراز هویت خواهند شد.

برخی از آثار انگشت برای شناسایی بسیار دشوار هستند. آثار انگشت قدیمی و فرسوده نیز دربرخی موارد چندان قابل اعتماد نیستند. سیستم های تشخیص چهره در برخی از موارد بهتر عمل میکنند، اما گاهی این سیستم ها در تشخیص دچار مشکل میشوند. بنابراین استفاده از چندین حالت مختلف باعث بهبود قابلیت اعتماد به این سیستم ها میشود.

برخلاف دورنمای ترسیم شده، تقاضا برای دستگاه های تشخیص اثرانگشت-چهره به علت مزیت های مختلف آنها افزایش یافته است. با در نظر گرفتن فاکتور هزینه میتوان گفت که تشخیص چهره گزینه ی خوب بعدی پس از تشخیص اثرانگشت است، چرا که در تشخیص چهره نیازی به لمس چیزی نیست. با بکارگیری سیستم های تشخیص چهره، مواردی چون کثیفی، چین و چروک و نظافت دیگر مسئله برانگیز نخواهند بود، چرا که این سیستم ها برای ارزیابی فرد موردنظر از ویژگی های ظاهری چهره ی افراد استفاده میکنند. همچنین در این سیستم ها، شرایط پوست صورت اهمیتی ندارد. با کمک تکنولوژی های تشخیص چهره جدید، ثبت چهره ی افراد به سادگی ارائه ی یک فایل تصویری بوده تا بدین شکل کاربر مربوطه بتواند به صورت دورادور چهره ی خود را ثبت کند. به این دلایل، سیستم های تشخیص چهره اغلب به عنوان یک تکنولوژی بیومتریکی مناسبتر تلقی میشوند.

دقت و درستی تکنولوژی های تشخیص اثرانگشت و چهره هر دو تضمین شده است. با این حال تکنولوژی های تشخیص چهره نیازی به هیچگونه تماس نداشته و برای صنایعی مناسب هستند که به دلایلی چون طبیعت آن کار یا حفظ قدرت و استحکام دستگاه مربوطه نمیخواهند که کارکنان با آن دستگاه در تماس باشند.

صنایع اقتصادی، بهداشتی، اتوماسیون و تولیدی از جمله صنایعی هستند که از این تکنولوژی بهره میبرند. درخواست های زیادی از سوی صنایعی وجود دارد که خواهان تایید بدون تماس و در عین حال دقیق هستند، دستگاه های تشخیص چندوجهی چنین قابلیتی را در اختیار افراد قرار می دهند.

در آینده پتانسل رشد دستگاه های تشخیص اثرانگشت-چهره بسیار بزرگ خواهد بود. فقط کافی است که نگاهی به گوشی هوشمند خود بیاندازید. تمامی گوشی های هوشمند دیروز (و امروز) به نظر میرسد که دارای سنسورهای اثرانگشت باشند. موضوع مورد بحث فعلی، استفاده از قابلیت تشخیص چهره برای دسترسی پیدا کردن به گوشی هوشمند خود است. صدها میلیون کاربر گوشی های هوشمند در سراسر جهان با کمکبیومتریک ها به گوشی خود دسترسی پیدا میکنند. این روند به رشد خود ادامه خواهد داد و به تدریج به قاعده ای در فضای تجاری تبدیل خواهد شد.

برگرفته از مجله a&s

http://www.didarc.com/fa/news/fingerprint-face-readers-see-growth-potential