با پیشرفت تکنولوژی و توسعه مفاهیم زندگی هوشمند، نظارت و احراز هویت از راه دور به عنوان یکی از موضوعات جذاب حوزه هوش مصنوعی در دهه اخیر مطرح شده است. شیوع کرونا و الزام به رعایت موازین بهداشتی و فاصله گذاری اجتماعی، موجب تسریع این روند شد و توجه طیف وسیعی از صنایع و کسبوکارهای مختلف را به احراز هویت و همچنین نظارت مبتنی بر ویژگیهای بایومتریک جلب نمود. پیشبینیها، حاکی از رشد بازار جهانی این حوزه از سهم بازار حدود 15 میلیارد دلار در سال 2018 به حدود 43 میلیارد دلار در سال 2025 است.
احراز هویت دیجیتال به مفهوم شناسایی، تأیید هویت افراد و همچنین بررسی انطباق و انسجام مدارک ارائه شده به صورت الکترونیکی و به منظور جلوگیری از جعل، تقلب و سوء استفادههای احتمالی است. نوع احراز و فاکتورهای مورد بررسی به سطح حساسیت و امنیت مورد نظر بستگی دارد اما فاکتورهای احراز هویت معمولا به سه دسته کلی قابل تقسیم هستند: فاکتورهای اطلاعاتی، مالکیت و ذاتی. فاکتورهای اطلاعاتی از جنس نام کاربری، رمز عبور و اطلاعات محرمانه شخصی است. فاکتورهای مالکیت شامل اقلامی است که در تصرف شخص قرار دارد نظیر کارت ملی، کارت بانکی و یکبار رمز همراه (OTP). اما ویژگیهای ذاتی شامل مشخصههای منحصر بهفرد رفتاری و بایومتریک فرد است. این 3 دسته از فاکتورها در نسخه دوم از دستورالعمل خدمات پرداخت اتحادیه اروپا (بند 30 از ماده 4) با عنوان «احراز هویت قوی (SCA)» و با رویکرد احراز هویت دو یا چند عامله مطرح شدهاند.
احراز هویت بدون تماس، بر استفاده از ابزارهای جدید هوش مصنوعی برای تشخیص و شناسایی افراد بر اساس ویژگیهای منحصر بهفرد بایومتریک آنها نظیر صدا، آناتومی چهره، رنگ عنبیه و اثر انگشت استوار است و قابلیت اجرا بهصورت زنده و برخط را دارد. نیل به این مهم مستلزم استفاده از الگوریتمهای دقیق هوش مصنوعی بینایی ماشین، تشخیص الگو، تشخیص صدا و تبدیل صوت به متن است. با توجه به پیچیدگی پاسخدهی بیدرنگ (Real Time) الگوریتمهای بینایی ماشین و تشخیص صوت، معمولاً برای ارائه یک سرویس پایدار (Robust) و معتبر از تلفیق این ویژگیها و احراز هویت به صورت توزیع شده در مراحل مختلف استفاده میکنند.
یک مسأله مهم در احراز هویت بر اساس اطلاعات بایومتریک، به خصوص در زمینه بینایی ماشین تشخیص لایو بودن است. منظور از لایو بودن، توانایی ماشین در تمییز اطلاعات بایومتریک واقعی از دادههای جعلی است؛ بهعنوان مثال، ممکن است برای استفاده از هویت جعلی، به جای نمایش چهره فرد به صورت زنده از عکسها و فیلمهای موجود در فضای مجازی استفاده شود. این نوع از تقلب که در سیستمهای احراز هویت مجازی رایج است را spoof مینامند. واضح است که میزان توانایی سیستم در تشخیص انواع این تقلبها، قابلیت اعتماد و دقت سیستم را افزایش داده و موجب کاهش احتمال بروز سوء استفادههای احتمالی میشود. دو رویکرد اصلی مدیریت این مسأله عبارت هستند از: الگوریتمهای تشخیص لایو بودن و استفاده ترکیبی از اطلاعات بایومتریک. برای تشخیص لایو بودن، میتوان از روشهای فعال (Active)، منفعل (Passive) و ترکیبی استفاده نمود. در رویکرد فعال، یک چالش (مانند لبخند یا پلک زدن) برای کاربر تعریف میشود و پاسخ دریافتی، لایو بودن را بررسی میکند. رویکرد منفعل، بر استفاده از الگوریتمهای خودکار شناسایی Spoof در داخل سیستم متکی است و نیازی به تعامل با کاربر ندارد. در بررسی لایو بودن اطلاعات بایومتریک آناتومی چهره و صدا، معمولاً از مقایسه الگوی معیار (حرکت سر، حرکت چشم و تناوب صدا: Motion & Audio CAPTCHA) با الگوی استاندارد استفاده میکنند.
از مهمترین کاربردهای متنوع سیستمهای احراز هویت بدون تماس و نظارت تصویری هوشمند میتوان به نظارت خودکار بانک، بیمارستانها، هتلها، آزمایشگاهها، مراکز آموزشی، ادارات و اماکن تجاری، حضور و غیاب هوشمند، بررسی هویت در سیستمهای ارائه خدمات دولت الکترونیکی و به تبع آن طیف وسیعی از نرمافزارها و وبسایتهای خدماتی اشاره نمود. بنابراین موفقیت در احراز هویت و نظارت هوشمند از راه دور را میتوان بهعنوان یکی از زیرساختهای اساسی تحقق مفاهیمی چون زندگی هوشمند، حکمرانی هوشمند و شهر هوشمند در نظر گرفت و واضح است پیشرانی در این حوزه، میتواند مزیت رقابتی در تحقق کارآمد این مفاهیم را به ارمغان آورد. سطح دقت و اعتبار احراز هویت الکترونیکی، بر اساس نوع استفاده (تکی و ترکیبی) از این فاکتورها و با توجه به نوع حوزه کاربردی مورد نظر تعیین میگردد. بر اساس پيشبينی گروه تحقيقاتي Juniper، با توجه به رشد سالانه 83.7 درصدي استفاده از روشهاي احراز هويت بر اساس داده بايومتريک از سال 2016، اين روشها تا انتهای سال 2021 براي بالغ بر 18 ميليارد تراكنش آنلاين مورد استفاده قرار خواهند گرفت و تنها ارزش تراكنشهای صورت گرفته بر اساس احراز هويت مبتنی بر داده بايومتريک تلفن همراه بالغ بر 210 ميليارد دلار خواهد بود. با توجه به گزارش Statista، بازار استفاده از احراز هويت ديجيتال بر اساس آناتومی چهره به 7 ميليارد دلار در سال 2024 و بازار استفاده از احراز هويت ديجيتال بر اساس صدا به 27.16 ميليارد دلار در سال 2025 خواهد رسيد. بنابراين پيشبينی شده است، اين رویکردهای احراز هويت دیجیتال نقش مؤثری در زندگي آينده بشر ايفا خواهند نمود. همين مسأله مؤيد اهميت دقت بالا در استفاده از اين تكنولوژیها بهعنوان عنصر تأثير گذار زندگی هوشمند خواهد بود. زيرا واضح و مبرهن است، اين فناوریها موضوع جذابی برای جرائم رايانهای خواهند بود؛ به گزارش Comparitech، بازه حملههای سایبری به شبکهها و کامپیوترها به 39 ثانیه رسیده است که اهمیت برخورداری از دقت و امنیت بالا در توسعه فناوریهای جدید را نشان میدهد.
مجموعه فناپ به عنوان یکی از برترین اعضای سازمان نظام صنفی رایانهای کشور و برخوردار از گواهینامه رتبه اول سازمان برنامه و بودجه کشور، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرحهای نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانههای کاربردی و بهروز در زمینه هوش مصنوعی تحت برند آیفا (AIFA) نموده است. سامانههای احراز هویت هوشمند ترکیبی، سیستم هوشمند تشخیص چهره و سامانه حضور و غیاب هوشمند از مهمترین سامانههای آیفا در حوزه نظارت و احراز هویت هوشمند است. بررسی اصالت ترکیبی (استفاده از کد OCR کارت ملی، تطبیق عکس آنلاین، راستی آزمایی ویدئوی سلفی و امکان شناسایی برخط صوت) و همچنین احراز هویت برخط حین حرکت به ترتیب از مهمترین ویژگیهای سیستم احراز هویت هوشمند و تشخیص چهره آیفا است که قابلیت فراهم نمودن زیرساخت مناسب نظارتی/ احراز هویتی در تمامی خدمات هوشمند را دارا است. در طراحی این ابزار، از بهروزترین الگوریتمهای یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار طراحی به گونهای است که از انعطاف لازم برای اضافه شدن به سایر سیستمهای نظارتی، مدیریتی، خدماتی و CRM برخوردار است.
Websites:
• Aifa
Email: Fanapsoft.research@fanap.ir