信息摘要:
物理生物識別包括我們在本文中已經討論過的所有內容。這些是人的客觀特征,例如面部或指紋、DNA 等。這必須轉換為人工智能系統可以分析的數據,并…
在安全方面,提高生物識別認證系統的準確性和效率并不總是通過人工編程來完成的。人工智能和機器學習可以幫助我們提高系統的安全性和效率。
生物識別技術可以分為物理和行為兩個領域。
物理生物識別技術
物理生物識別包括我們在本文中已經討論過的所有內容。這些是人的客觀特征,例如面部或指紋、DNA 等。這必須轉換為人工智能系統可以分析的數據,并與數據庫進行比較以進行身份?驗證。
人工智能和機器學習證明最有用的案例之一是面部識別。人工智能廣泛用于增強現實解決方案,通過分析面部特征并將其與數據庫進行匹配,可以幫助計算機更輕松地進行面部識別。
行為生物識別技術
人工智能使之成為可能的最有趣的趨勢之一是行為生物識別技術。這使用了主體如何與世界互動的獨特行為特征,用戶甚至可能沒有意識到他們自己的事情。這是抵御深度虛假欺詐企圖的最有效防線之一。一些比較流行的測量行為生物特征的方法是:
-
鼠標活動
-
擊鍵動作
-
觸摸屏印刷尺寸、面積和壓力
-
移動設備動作
馬德里自治大學的生物識別和數據模式分析實驗室開發了 BeCAPTCHA,這是一種使用行為生物識別的機器人檢測系統。完全有可能在用戶不知情的情況下使用行為生物識別技術,無需像 CAPTCHA 挑戰多年來那樣對用戶的人性進行煩人的測試。在接下來的幾年里,用戶在瀏覽互聯網時可能再也不需要點擊人行橫道和紅綠燈的圖片來證明他們“不是機器人”。
重要的是,行為生物識別技術可以幫助確保整個會話的安全性。例如,如果用戶對自己進行身份驗證然后離開房間,無意中使未經授權的用戶能夠訪問他們的計算機,這可能會帶來嚴重的安全風險。但是,行為生物識別技術可以檢測第二個用戶的不一致行為并動態限制他們的訪問。