किसी अन्य व्यक्ति की आईरिस बनावट के साथ मुद्रित एक रंगीन संपर्क लेंस, एक उच्च-परिभाषा मुद्रित आईरिस फोटो, एक यथार्थवादी कृत्रिम आंख, या एक एआई-संश्लेषित आईरिस छवि - इन सभी में एक बात समान है: वे एक आईरिस पहचान प्रणाली को मूर्ख बना सकते हैं जो केवल पैटर्न मिलान पर ध्यान केंद्रित करती है।
उद्योग में, ऐसे तरीकों का एक मानक शब्द होता है: प्रेजेंटेशन अटैक। इससे कोई फर्क नहीं पड़ता कि किसी सिस्टम की पहचान सटीकता कितनी अधिक है, अगर वह कैमरे के सामने असली मानव आंख और नकली आंख के बीच अंतर नहीं कर सकता है, तो इसकी सुरक्षा मौलिक रूप से समझौता हो जाती है। अंतर्राष्ट्रीय मानक ISO/IEC 30107-3 ने प्रेजेंटेशन अटैक डिटेक्शन (PAD), जिसे आमतौर पर लाइवनेस डिटेक्शन के रूप में जाना जाता है, को बायोमेट्रिक सिस्टम के लिए एक स्वतंत्र मूल्यांकन आइटम के रूप में सूचीबद्ध किया है।
होमश ने हाल ही में अपने स्व-विकसित आईरिस प्रेजेंटेशन अटैक डिटेक्शन सिस्टम, होमश-पीएडी का अनुसंधान एवं विकास और व्यावहारिक सत्यापन पूरा कर लिया है। 18,516 छवियों के एक स्वतंत्र डेटासेट पर परीक्षण किया गया, सिस्टम 0.50% की डिटेक्शन इक्वल एरर रेट (डी-ईईआर) प्राप्त करता है।
I. पहले प्रामाणिकता सत्यापित करें, फिर पहचान की पुष्टि करें
मान्यता वर्कफ़्लो से पहले रखे गए एक स्वतंत्र मॉड्यूल के रूप में, HOMSH-PAD निम्नानुसार काम करता है: डिवाइस एक आँख की छवि कैप्चर करने के बाद, सिस्टम पहले आईरिस का पता लगाता है और एक गहन शिक्षण नेटवर्क के माध्यम से एक प्रामाणिकता स्कोर आउटपुट करता है। केवल वास्तविक मानव आंखों के रूप में पुष्टि की गई छवियां ही पहचान के चरण में आगे बढ़ती हैं; जिन्हें हमलों के रूप में पहचाना जाता है उन्हें तुरंत खारिज कर दिया जाता है।
वर्तमान संस्करण में चार प्रमुख प्रकार के हमले के तरीके शामिल हैं: बनावट वाले रंगीन संपर्क लेंस, मुद्रित आईरिस छवियां, कृत्रिम आंखें, और एआई-संश्लेषित आईरिस। उनमें से, कृत्रिम आंखों और मुद्रित आईरिस छवियों के परीक्षण में चूकने की दर शून्य है; एआई-संश्लेषित आईरिस के लिए मिस रेट 0.08% है। सिस्टम नए कॉन्टैक्ट लेंस पैटर्न के लिए भी प्रभावी पहचान बनाए रखता है जो प्रशिक्षण के दौरान कभी नहीं देखे गए - इसका मतलब है कि मॉडल ने केवल विशिष्ट पैटर्न को याद रखने के बजाय हमलों की सामान्य विशेषताओं को सीखा है।
परीक्षण डेटा की सरल भाषा में व्याख्या
1,000 विभिन्न आक्रमण प्रयासों में से, लगभग 993 अवरुद्ध हैं;
1,000 वैध उपयोगकर्ताओं में से, लगभग 3 को गलत तरीके से अस्वीकार कर दिया गया है।
द्वितीय. संख्याओं के पीछे: डेटा अनुशासन की एक प्रतियोगिता
आईरिस जीवंतता का पता लगाने का क्षेत्र लंबे समय से एक सतत समस्या से ग्रस्त है: मॉडल प्रयोगशाला में प्रभावशाली मेट्रिक्स प्रदान करते हैं, लेकिन वास्तविक दुनिया के परिदृश्यों में तैनात होने पर अक्सर विफल हो जाते हैं। होमश की आर एंड डी टीम का मानना है कि समस्या आम तौर पर मॉडल में नहीं है, बल्कि प्रशिक्षण डेटा में है - छिपे हुए सांख्यिकीय शॉर्टकट गलती से सही/गलत लेबल के साथ सहसंबद्ध होते हैं जो मॉडल को हमलों की वास्तविक विशेषताओं को सीखने के बजाय "शॉर्टकट" लेने की अनुमति देते हैं।
इसे संबोधित करने के लिए, टीम ने डेटा संग्रहीत करने और प्रशिक्षण शुरू होने से पहले ऐसे शॉर्टकटों का व्यवस्थित रूप से पता लगाने और उन्हें खत्म करने के लिए एक प्रशिक्षण डेटा डोमेन प्रशासन पद्धति विकसित की है। प्रशिक्षण, अंशांकन और परीक्षण के लिए 10,750 विषयों से कुल 75,919 आईरिस छवियों का उपयोग किया गया था, जिसमें तीन डेटासेट में पूरी तरह से गैर-अतिव्यापी विषय समूह थे - परीक्षण सेट में प्रत्येक आंख को प्रशिक्षण के दौरान मॉडल द्वारा कभी नहीं देखा गया था। यह कार्यप्रणाली परियोजना का मुख्य स्वतंत्र नवाचार है और इसे पेटेंट फाइलिंग द्वारा संरक्षित किया गया है।
सभी मेट्रिक्स की गणना ISO/IEC 30107-3 अंतर्राष्ट्रीय मानक के अनुसार की जाती है। निर्णय सीमा एक स्वतंत्र अंशांकन सेट पर निर्धारित की जाती है, जिसमें पूरी प्रक्रिया के दौरान परीक्षण सेट का कोई जोखिम नहीं होता है।
तृतीय. वास्तविक दुनिया में तैनाती के लिए निर्मित इंजीनियरिंग डिज़ाइन
HOMSH-PAD व्यावहारिक तैनाती के लिए पूरी तरह से इंजीनियर किया गया है:
●हल्का वजन:मॉडल का आकार लगभग 30 एमबी है, जो सीपीयू पर वास्तविक समय का अनुमान लगाने में सक्षम है, और एम्बेडेड एक्सेस कंट्रोल टर्मिनलों से लेकर सर्वर तक सभी फॉर्म कारकों के साथ संगत है।
●एकीकृत करना आसान:इंटीग्रेटर्स को केवल कच्ची कैप्चर की गई छवियों को इनपुट करने की आवश्यकता है; सभी प्रीप्रोसेसिंग को एसडीके द्वारा आंतरिक रूप से नियंत्रित किया जाता है, जिससे कोड की कुछ पंक्तियों के साथ एकीकरण संभव हो जाता है।
●अंशांकन योग्य:परिनियोजन साइट से वास्तविक उपयोगकर्ता नमूनों का उपयोग करके एक-क्लिक थ्रेशोल्ड पुनर्गणना का समर्थन करता है, जिससे झूठी अस्वीकृति दर को वास्तविक उपयोगकर्ता समूह के अनुरूप बनाया जा सकता है।
●असफल-सुरक्षित सुरक्षा:असामान्य इनपुट को डिफ़ॉल्ट रूप से हमलों के रूप में वर्गीकृत किया जाता है, जिससे हमलावरों के शोषण के लिए कोई "ग्रे एरिया" नहीं बचता है।
चतुर्थ. पहेली का अंतिम भाग पूरा करना
जबकि आईरिस पहचान इंजन उत्तर देता है "यह कौन है", HOMSH-PAD उत्तर देता है "क्या यह एक वास्तविक व्यक्ति है"। संयुक्त रूप से, वे होमश के आईरिस पहचान समाधानों को सरकारी मामलों, सार्वजनिक सुरक्षा और वित्त जैसे उच्च-सुरक्षा परिदृश्यों की बढ़ती स्पष्ट जीवंतता पहचान आवश्यकताओं को पूरी तरह से पूरा करने में सक्षम बनाते हैं।
आगे बढ़ते हुए, टीम आक्रमण नमूना लाइब्रेरी का विस्तार करना जारी रखेगी, प्रशिक्षण स्थिरता सत्यापन के कई दौर पूरे करेगी, और ऑल-इन-वन आईरिस पहचान उत्पादों के साथ-साथ तीसरे पक्ष के आधिकारिक मूल्यांकन के साथ पूर्ण-डिवाइस एकीकरण को आगे बढ़ाएगी।
