Behave方式


Behave生物识别技术涉及人们表现出的Behave或人们执行诸如行走、签名和敲键盘等任务的方式。

Behave生物识别模式具有更大的变化,因为它们主要取决于疲劳、情绪等外部因素。与基于生理生物识别的解决方案相比,这会导致更高的 FAR 和 FRR。

步态识别

步态是一个人行走的方式。人们在行走时表现出不同的特征,例如身体姿势、行走时两脚之间的距离、摇摆等,这有助于独特地识别他们。

基于分析候选人行走视频图像的步态识别。通过视频记录候选人步行周期的样本。然后分析样本的膝盖和脚踝等关节的位置,以及行走时它们之间形成的角度。

为每个候选人创建相应的数学模型并将其存储在数据库中。在验证时,将该模型与候选行走的实时样本进行比较以确定其身份。

一个步态周期

步态识别系统的优点

  • 它是非侵入性的。
  • 它不需要候选人的配合,因为它可以远距离使用。

  • 它可用于通过发现帕金森病患者步行模式的变化来确定医疗疾病。

步态识别系统的缺点

  • 对于这种生物识别技术,到目前为止还没有开发出完全准确的模型。

  • 它可能不如其他已建立的生物识别技术可靠。

步态识别系统的应用

它非常适合识别犯罪场景中的罪犯。

签名识别系统

在这种情况下,更多地强调签名的Behave模式,而不是签名在图形方面的外观。

Behave模式包括书写过程中书写时机、停顿、压力、笔画方向和速度的变化。复制签名的图形外观可能很容易,但用签名时表现出的相同Behave来模仿签名并不容易。

该技术由一支笔和一个专门的书写板组成,两者都连接到计算机以进行模板比较和验证。高质量的平板电脑可以捕捉手语时的Behave特征,例如速度、压力和时机。

签名识别

在登记阶段,考生必须在书写板上多次签名以获取数据。然后,签名识别算法提取独特的特征,例如时间、压力、速度、笔画方向、签名路径上的重要点以及签名的大小。该算法为这些点分配不同的权重值。

识别时,候选人输入签名的实时样本,并将其与数据库中的签名进行比较。

签名识别系统的约束

  • 为了获取足够的数据量,签名应该足够小以适合平板电脑并且足够大以能够处理。

  • 手写板的质量决定了签名识别登记模板的鲁棒性。

  • 候选人必须在与注册时相同的环境和条件下执行验证过程。如果有更改,则注册模板和实时样本模板可能会有所不同。

签名识别系统的优点

  • 签名识别过程对冒名顶替者具有很高的抵抗力,因为模仿与签名相关的Behave模式非常困难。

  • 它在大额商业交易中非常有效。例如,在打开和签署任何机密文件之前,可以使用签名识别来积极验证参与交易的业务代表。

  • 它是一种非侵入性工具。

  • 我们都在某种商业活动中使用我们的签名,因此实际上不涉及隐私权问题。

  • 即使系统被黑客攻击,模板被盗,也可以轻松恢复模板。

签名识别系统的缺点

  • 实时示例模板很容易随着签名时Behave的变化而发生变化。例如,用石膏手签名。

  • 用户需要习惯使用签名平板电脑。在发生之前,错误率很高。

签名识别系统的应用

  • 它用于文件验证和授权。

  • 芝加哥大通曼哈顿银行被称为第一家采用签名识别技术的银行。

按键识别系统

第二次世界大战期间,军事情报部门使用一种称为“发送者之拳”的技术,根据打字的节奏来确定莫尔斯电码是由敌人还是盟友发送的。如今,按键动态是在硬件方面最容易实现的生物识别解决方案。

该生物识别分析候选人的打字模式、节奏和键盘打字速度。停留时间飞行时间测量用于击键识别。

停留时间- 按下按键的持续时间。

飞行时间- 释放一个键和按下下一个键之间经过的时间。

按键识别

候选人在键盘上打字的方式不同,包括找到正确键所需的时间、飞行时间和停留时间。他们的打字速度和节奏也根据他们对键盘的舒适程度而变化。击键识别系统每秒监控数千次键盘输入,尝试根据用户的打字习惯来识别用户。

有两种类型的击键识别 -

  • 静态- 这是交互开始时的一次性识别。

  • 连续的-贯穿整个交互过程。

击键动力学的应用

  • 击键识别用于识别/验证。它与用户 ID/密码一起使用作为多因素身份验证的一种形式。

  • 它用于监视。某些软件解决方案会在最终用户不知情的情况下跟踪每个用户帐户的击键Behave。此跟踪用于分析该帐户是否被真实帐户所有者以外的其他人共享或使用。它用于验证某些软件许可证是否正在共享。

按键识别系统的优点

  • 它不需要特殊的硬件来跟踪这种生物特征。
  • 这是一种快速、安全的识别方式。
  • 打字的人不必担心被监视。
  • 用户无需进行注册或输入实时样本的培训。

击键识别系统的缺点

  • 由于疲劳、疾病、药物或酒精的影响、键盘的更换等,考生的打字节奏可能会在几天内或一天内发生变化。

  • 不存在专门用于执行区分信息的已知特征。