🚚 💗 🚎 उपयोगकर्ता बॉयोमीट्रिक डेटा को आपराधिक उपयोग से कैसे बचाएं ➕ 🙅 🙌🏼

बायोमेट्रिक डेटा की चोरी

जब साइबर अपराधी इलेक्ट्रॉनिक पास की नकल करते हैं, तो एक पासवर्ड चुनें, या प्लास्टिक कार्ड स्किमिंग का उपयोग करें, इन सभी चीजों को प्रतिस्थापित किया जा सकता है और इस प्रकार संभावित धोखाधड़ी को रोका जा सकता है।

बायोमेट्रिक प्रौद्योगिकी के आगमन के साथ, पहचान प्रक्रिया को सरल बनाया गया है। लेकिन समस्या यह है कि, चोरी के मामले में, बॉयोमीट्रिक सुविधाओं को बदलने से काम नहीं चलेगा।

पहला महत्वपूर्ण चोरी तीन से चार साल पहले पता चला था:

2016	घाना ने मतदाता बायोमेट्रिक डेटा चुरा लिया है ।
2017	फिलिपिनो मतदाताओं का चोरी बायोमेट्रिक डेटा। अमेरिकी कंपनी अवंती मार्केट्स ने ग्राहकों के फिंगरप्रिंट चोरी कर लिए हैं । भारतीय आधार बायोमेट्रिक सिस्टम से डेटा का रिसाव ।
2018	ज़िम्बाब्वे में मतदाताओं के फ़िंगरप्रिंट और तस्वीरें चुरा ली गईं । भारत के एक अरब नागरिकों के बायोमेट्रिक डेटा का समझौता ।
2019	दक्षिण कोरियाई कंपनी सुप्रेमा का मल्टी-मिलियन फिंगरप्रिंट डेटाबेस सार्वजनिक रूप से उपलब्ध कराया गया है । Sberbank के ग्राहकों की वॉयस रिकॉर्डिंग चोरी हो गई है ।

दुर्भाग्य से, हैकिंग के खिलाफ सबसे अच्छी बहु-स्तरीय सुरक्षा में कमजोरियां हैं, और ऐसी घटनाओं की घटना अपरिहार्य है।

बायोमीट्रिक पहचान कैसे सुरक्षित करें

संभावित नुकसान को बाहर करने या कम करने के लिए, किसी अन्य व्यक्ति के बायोमेट्रिक्स को अनुकरण करने के प्रयासों को समय पर पहचानना आवश्यक है - वास्तविक समय में नकली का पता लगाने और यह पुष्टि करने या इनकार करने के लिए कि डेटा सच्चे मालिक द्वारा प्रस्तुत किए गए हैं।

बहु-कारक पहचान का उपयोग करके जीवित / गैर-जीवित रहने पर जाँच करने से सुरक्षा में काफी वृद्धि होती है और यह व्यक्तिगत डेटा के किसी भी तत्व की चोरी को असंगत बनाता है।

पहले से ही ऐसी अवधारणाएं हैं जो अन्य सुरक्षा सुविधाओं के साथ बायोमेट्रिक डेटा को जोड़ती हैं। इस तरह के निर्णय अधिक विश्वसनीय डिजिटल खाते बनाते हैं, और चोरी की बायोमेट्रिक सुविधाएँ अवैध कार्यों के लिए पर्याप्त नहीं हैं।

जीवित / निर्जीव पर मल्टीस्पेक्ट्रल जाँच

नकली बायोमेट्रिक विशेषताओं का पता लगाने के लिए प्रभावी तरीकों में से एक मल्टीस्पेक्ट्रल पंजीकरण पर आधारित है, जो पहचान के लिए नकली बायोमेट्रिक डेटा के उपयोग को बहुत जटिल करता है।

इस पद्धति के साथ, अध्ययन के तहत सामग्री की ऑप्टिकल विशेषताओं, सामान्य परिस्थितियों में अदृश्य, एक जीवित वस्तु की ज्ञात विशेषताओं के साथ तुलना की जाती है। विभिन्न स्पेक्ट्रा के कई प्रकाश स्रोतों का उपयोग सतह से जानकारी प्राप्त करने और जीवित ऊतक की गहराई से, केशिका वाहिकाओं तक किया जाता है।

समय पर प्रतिक्रिया के लिए, मशीन दृष्टि के तंत्रिका नेटवर्क एल्गोरिदम का उपयोग किया जाता है, जिसे नए प्रकार के खतरों और नकली की पहचान होने पर जल्दी से अनुकूलित किया जा सकता है।

बहु कारक पहचान

जब कई बायोमेट्रिक और गैर-बायोमेट्रिक व्यक्तित्व लक्षण दर्ज किए जाते हैं, तो बहु-कारक समाधान को लागू करके उच्च-गुणवत्ता और विश्वसनीय उपयोगकर्ता पहचान सुनिश्चित करना संभव है।

दो या दो से अधिक कारकों का उपयोग करते हुए सख्त पहचान मौलिक रूप से सुरक्षित है।

पहचान के कई विश्वसनीय तरीकों के संयोजन का उपयोग करना महत्वपूर्ण है ताकि उपयोगकर्ता खुद उसके लिए सबसे स्वीकार्य और सुविधाजनक चुन सके।

पुनर्प्राप्त करने योग्य बॉयोमीट्रिक्स

हम अपना बायोमेट्रिक डेटा नहीं बदल सकते हैं, लेकिन हम उनके साथ काम करने के लिए स्टोरेज के तरीकों और एल्गोरिदम को बदल सकते हैं। ऐसा करने के लिए, सामान्य नाम "रद्द करने योग्य बायोमेट्रिक्स" के तहत विशेष समाधान विकसित किए जा रहे हैं।

. , .

यह दृष्टिकोण आपको प्रत्येक रिकॉर्ड के लिए अपनी खुद की विधि का उपयोग करने की अनुमति देता है, जो क्रॉस-मिलान को रोकता है।

इसके अलावा, यदि परिवर्तित बायोमेट्रिक्स की आवृत्ति से छेड़छाड़ की जाती है, तो पुन: पंजीकरण के लिए एक नया विकल्प उत्पन्न करने के लिए रूपांतरण एल्गोरिदम को बदलना पर्याप्त है।

सुरक्षा के लिए, अपरिवर्तनीय कार्यों का उपयोग किया जाता है। इस प्रकार, भले ही रूपांतरण एल्गोरिथ्म ज्ञात हो और परिवर्तित बायोमेट्रिक डेटा उपलब्ध हो, लेकिन मूल (विकृत नहीं) बायोमेट्री को उनसे पुनर्स्थापित करना संभव नहीं होगा।

ट्रांसफ़ॉर्मेशन सिग्नल डोमेन और विशेषता डोमेन दोनों में लागू किया जा सकता है। यही है, या तो बायोमेट्रिक सिग्नल को इसकी प्राप्ति के तुरंत बाद परिवर्तित किया जाता है, या सामान्य तरीके से संसाधित किया जाता है, जिसके बाद निकाले गए विशेषताओं को परिवर्तित किया जाता है।

रूपांतरण एल्गोरिथ्म टेम्पलेट के विस्तार की अनुमति देता है, जो सिस्टम की विश्वसनीयता बढ़ाने की अनुमति देता है।

सिग्नल स्तर के परिवर्तनों के उदाहरणों में मेष मॉर्फिंग या ब्लॉक क्रमचय शामिल हैं । संशोधित छवि की तुलना मूल छवि के साथ या अन्य रूपांतरण मापदंडों के साथ प्राप्त समान छवियों के साथ सफलतापूर्वक नहीं की जा सकती है।

इमेज मॉर्फिंग के आधार पर छवि रूपांतरण।
स्रोत: एनके रथ, जेएच कॉनवेल, आरएम बोल द्वारा बायोमेट्रिक्स-आधारित प्रमाणीकरण प्रणालियों में सुरक्षा और गोपनीयता को बढ़ाना

। यह तस्वीर चेहरे की विशेषताओं पर संरेखित ग्रिड के साथ एक मूल तस्वीर दिखाती है। उसके बगल में एक संशोधित ग्रिड और चेहरे की विकृति के साथ एक तस्वीर है।

ब्लॉक स्क्रैबलिंग इमेज ट्रांसफॉर्मेशन
सोर्स: एनके रथ, जेएच कॉनेल, आरएम बोलले द्वारा बायोमेट्रिक्स-आधारित ऑथेंटिकेशन सिस्टम में सुरक्षा और गोपनीयता को बढ़ाना

। परिणामी ब्लॉकों को फिर यादृच्छिक लेकिन दोहराए जाने वाले तरीके से तराशा जाता है।

विकसित समाधान जो तथाकथित सच्चे बायोमेट्रिक हैशिंग बनाने के लिए एक स्थिर और दोहराए जाने वाले बायोमेट्रिक कोड उत्पन्न करते हैं । एल्गोरिदम आपको विभिन्न पर्यावरणीय परिस्थितियों और बायोमेट्रिक स्कैनिंग के दौरान सेंसर के प्राकृतिक शोर के तहत एक स्थिर बायोमेट्रिक कोड उत्पन्न करने की अनुमति देता है। यह पंजीकरण त्रुटियों को सीमित करता है। नतीजतन, सिस्टम उच्च प्रदर्शन और विश्वसनीयता के साथ काम करता है।

सिस्टम द्वारा उत्पन्न एन्ट्रापी कुछ समानताओं के साथ अलग-अलग लोगों के होने और एक ही स्थिर कोड बनाने के जोखिमों को सीमित करता है।

इस प्रकार, बायोमेट्रिक स्कैनिंग से केवल स्थिर बिट्स का उपयोग करना एक स्थिर कोड बनाता है जिसे प्रमाणीकरण के लिए संग्रहीत बायोमेट्रिक टेम्पलेट की आवश्यकता नहीं होती है।

पंजीकरण प्रक्रिया इस तरह दिखती है:

बॉयोमीट्रिक स्कैनिंग एक छवि को कैप्चर करती है;
एल्गोरिथ्म छवि से स्थिर और प्रतिलिपि प्रस्तुत करने योग्य वैक्टर निकालता है;
ओपन एंड क्लोज्ड कोड जनरेट होता है। बंद कोड हैशेड है;
उत्पन्न बायोमेट्रिक हैश कोड के लिए सममित या असममित क्रिप्टोग्राफ़िक कुंजी जारी की जाती हैं;
असममित क्रिप्टोग्राफ़िक कुंजियों के मामले में, सार्वजनिक कुंजी सहेज ली जाती है, निजी कुंजी को सिस्टम से हटा दिया जाता है। किसी भी मामले में कोई बायोमेट्रिक डेटा संग्रहीत नहीं किया जाता है।

सत्यापन निम्नानुसार किया जाता है:

बॉयोमीट्रिक स्कैनिंग एक छवि को कैप्चर करती है;
एल्गोरिथ्म पंजीकरण के दौरान उसी स्थिर कार्यों को निकालता है;
सार्वजनिक कोड उस प्रणाली को बताएगा जहां निजी कोड की खोज के लिए फ़ंक्शन स्थित हैं
वही बंद कोड बनाया गया है, प्रमाणीकरण के लिए समान हैश और क्रिप्टोग्राफिक कुंजी जारी की जाती हैं।

सममित क्रिप्टोग्राफ़िक कुंजियों के

साथ ब्लॉक आरेख असममित क्रिप्टोग्राफ़िक कुंजियों के साथ ब्लॉक आरेख

रूपांतरण को दोहराने योग्य बनाने के लिए, बायोमेट्रिक सिग्नल को ठीक से पंजीकृत किया जाना चाहिए, इससे पहले कि इसे परिवर्तित किया जा सके। यह समस्या वैज्ञानिक साहित्य में वर्णित कई विधियों का उपयोग करके आंशिक रूप से हल की गई है।

बायोमेट्रिक पहचान में विश्वास कैसे बढ़ाएं

दुर्भाग्य से, इस तथ्य को स्वीकार करना आवश्यक है कि बायोमेट्रिक सहित किसी भी व्यक्तिगत डेटा को चोरी से पूरी तरह से संरक्षित नहीं किया जा सकता है।

अधिकतम जो किया जा सकता है वह सिस्टम को डिज़ाइन करने के लिए है जो चोरी किए गए डेटा को छूट देता है।

बायोमेट्रिक विशेषताओं की एक संख्या सार्वजनिक है। उदाहरण के लिए, हमारे चेहरे की फोटो खींची जा सकती है, और हमारी आवाज को वॉयस रिकॉर्डर पर रिकॉर्ड किया जा सकता है।

बायोमेट्रिक पहचान में उपयोगकर्ता का विश्वास सुनिश्चित करने के लिए, इसकी वजह से उपयोग की जाने वाली प्रणालियों की विश्वसनीयता और सुरक्षा सुनिश्चित करना आवश्यक है:

हैकिंग से बचाने के लिए बायोमेट्रिक टर्मिनलों पर डेटा एन्क्रिप्शन;
जीवित / निर्जीव पर सत्यापन के साथ वास्तविक समय की बायोमेट्रिक पहचान;
मल्टीस्पेक्ट्रल और मल्टीमॉडल समाधान का उपयोग;
नई कमजोरियों के उद्भव के लिए एल्गोरिदम का तेजी से अनुकूलन;
एल्गोरिदम के अनुप्रयोग जो चोरी किए गए बायोमेट्रिक डेटा को छूट देते हैं।

भरोसेमंद बनने के लिए बायोमेट्रिक पहचान प्रणाली के लिए उपयोगकर्ता के रवैये के लिए, समाधानों को प्रस्तावित करना बेहतर है, उदाहरण के लिए, आपको सीधे कैमरे के लेंस या एक निश्चित चिह्न पर देखने की आवश्यकता है। यह गुप्त निगरानी और अनधिकृत नियंत्रण के बारे में चिंताओं को समाप्त करेगा।

मूल लेख साइट rb.ru पर है