Kayıt. Şekil 1'de gösterildiği gibi, bireyin biyometrik örneği kayıt işlemi sırasında yakalanır (örneğin, parmak izi için sensör, konuşmacı tanıma için mikrofon, yüz tanıma için kamera, iris tanıma için kamera kullanılır). Ardından, kullanıcının biyometrik şablonunu oluşturmak için biyometrik örnekten (örneğin, görüntü) benzersiz özellikler çıkarılır. Bu biyometrik şablon, daha sonra bir eşleştirme işlemi sırasında kullanılmak üzere bir veritabanında veya makinede okunabilir bir kimlik kartında saklanır.

Eşleştirme. Şekil 2 biyometrik eşleştirme sürecini göstermektedir. Biyometrik örnek tekrar yakalanır. Kullanıcının "canlı" biyometrik şablonunu oluşturmak için biyometrik örnekten benzersiz özellikler çıkarılır. Bu yeni şablon daha sonra önceden saklanmış şablon(lar) ile karşılaştırılır ve iki şablon arasındaki ortak öğelerin belirlenmesine dayalı olarak sayısal bir eşleştirme (benzerlik) puanı (puanları) oluşturulur. Sistem tasarımcıları, bu doğrulama puanı için eşik değerini sistemin güvenlik ve kolaylık gereksinimlerine göre belirler.

Tanımlama (bire-çok veya 1:N karşılaştırması), canlı örnek şablonunu sistemdeki tüm depolanmış şablonlarla karşılaştırarak bireyin kayıtlı bir popülasyon içinde olup olmadığını belirler. Tanımlama, bireyin başka bir kimlikle kayıtlı olmadığını veya önceden belirlenmiş yasaklı kişiler listesinde olmadığını doğrulayabilir. Kayıt için değerlendirilen bireyin biyometrisi, depolanmış tüm biyometriklerle karşılaştırılmalıdır. Bazı kimlik doğrulama uygulamaları için, bireyin zaten kayıtlı olmadığını doğrulamak amacıyla kayıt sırasında bir biyometrik tanımlama süreci kullanılır.

Doğrulama (bire-bir veya 1:1 karşılaştırma), canlı biyometrik şablonun belirli bir kayıtlı şablon kaydıyla eşleşip eşleşmediğini belirler. Bu, doğrulama talep eden kişi tarafından bir kimlik "iddiası" olmasını gerektirir, böylece belirli kayıtlı şablon kaydına erişilebilir. Bir örnek, bir akıllı kart kimliğinin sunulması ve canlı örnek biyometrik şablonun akıllı kart belleğinde saklanan kayıtlı şablonla eşleştirilmesidir. Başka bir örnek, bir veritabanındaki kayıtlı bir şablon kaydını işaret edecek bir kullanıcı adı veya kimlik numarası girilmesidir.

Uygun biyometrik teknolojinin seçimi, kimlik belirleme veya doğrulama işleminin gerçekleştirildiği ortam, kullanıcı profili, eşleşme doğruluğu ve işlem hacmi gereksinimleri, genel sistem maliyeti ve yetenekleri ve kullanıcı kabulünü etkileyebilecek kültürel konular dahil olmak üzere bir dizi uygulamaya özgü faktöre bağlı olacaktır. Tablo, farklı biyometrik teknolojilerin performanslarının çeşitli ölçütlere göre derecelendirildiği bir karşılaştırmasını sunmaktadır.

Uyğun biometrik texnologiyanın seçilməsində əsas amil onun dəqiqliyidir. Canlı biometrik şablon saxlanmış biometrik şablonla müqayisə edildikdə (təsdiqləmə tətbiqində), istifadəçinin şəxsiyyətini təsdiqləmək və ya rədd etmək üçün oxşarlıq balı istifadə olunur. Sistem dizaynerləri bu rəqəmsal bal üçün həddi (uyğunluq və ya uyğunsuzluq qərar nöqtəsi) sistemin istənilən uyğunluq performans səviyyəsinə uyğunlaşdırmaq üçün təyin edirlər, bu da Yanlış Qəbul Oranı (FAR) və Yanlış Reddetmə Oranı (FRR) ilə ölçülür. Yanlış Qəbul Oranı biometrik sistemin bir şəxsi səhvən təsdiqləməsi və ya fırıldaqçını qəbul etməsi ehtimalını göstərir. Yanlış Reddetmə Oranı biometrik sistemin düzgün şəxsi rədd etməsi ehtimalını göstərir. Biometrik sistem administratorları sistemin həssaslığını FAR və FRR-ə uyğunlaşdıraraq istənilən uyğunluq performans səviyyəsinə nail olacaqlar ki, bu da sistemin təhlükəsizlik tələblərini dəstəkləyir (məsələn, yüksək təhlükəsizlik mühiti üçün, aşağı FAR-a nail olmaq və daha yüksək FRR-ə dözmək; yüksək əlverişlilik mühiti üçün, daha yüksək FAR-a və daha aşağı FRR-ə nail olmaq üçün uyğunlaşdırma).

Tek bir biyometrik modallitenin kullanımının getirdiği doğruluk ve kullanılabilirlik sınırlamalarının bir kısmı, birden fazla biyometrik modallitenin kullanılmasıyla aşılabilir. Çok modlu biyometrikler, birden fazla ve bağımsız biyometrik ölçümün kullanılmasıyla genel eşleştirme doğruluğunu artırır. Örneğin, bir parmak izi ölçümünden elde edilen benzerlik puanı, bir kişinin kimliğine duyulan güven düzeyini artırmak için parmaktaki damar deseninin bağımsız bir ölçümüyle matematiksel olarak "birleştirilebilir". Ek olarak, çok modlu biyometrikler, bir modallitede uygun bir biyometrik örnek sunamayan bireyler için bir çözüm sunabilir. Bir örnek, kimlik doğrulama için parmak izi veya iris sunma seçeneği sunmaktır. Yaş, meslek veya tıbbi durum nedeniyle parmak izi desenleri iyi tanımlanmamış bir kişiye, irisini tercih ettiği biyometrik modalite olarak kaydetme ve kullanma seçeneği verilecektir. Her iki sensör de mevcutsa, kullanıcı en uygun olduğu modaliteyi kullanabilir. Bu durumda, bağımsız biyometrik ölçümlerin bir birleşimi yoktur. Şekil 3'te görülebileceği gibi, çoklu biyometrik sistemler birden fazla modaliteden, örnekten, algoritmadan, sensörden, örnekten veya beşinin herhangi bir kombinasyonundan gelen bilgileri içerebilir. Tartışmalı bir şekilde, bu tür sistemler biyografik veya seyahat belgesi tabanlı bilgiler de dahil olmak üzere diğer bilgi kaynaklarını da içerebilir.

Biyometri ve güvenlik, self-servis sistemlerinin vazgeçilmez bir parçası haline gelmiştir ve Huabiao Technology, kullanıcılara güvenli ve verimli hizmetler sunarak her zaman güvenliği temel ilkesi olarak benimsemiştir. Şirket ve sunduğu hizmetler hakkında daha fazla bilgi için şu adresi ziyaret edin: Hakkımızda sayfasından veya aracılığıyla ulaşabilirsiniz: Destek sayfa.