दांतों की पीसने से जैवमेट्रिक प्रमाणीकरण

अमेरिका और चीन से दो हालिया शोध पत्रों ने दांत-आधारित प्रमाणीकरण के लिए एक नए समाधान का प्रस्ताव किया है: बस अपने दांतों को थोड़ा पीसें या काटें, और एक कान-वorn डिवाइस (एक ‘earable’, जो एक नियमित ऑडियो सुनने वाले डिवाइस के रूप में भी काम कर सकता है) द्वारा उत्पादित अद्वितीय ध्वनि पैटर्न को पहचानेगा और एक उपयुक्त चुनौती प्रणाली के लिए एक वैध जैवमेट्रिक ‘पास’ उत्पन्न करेगा।

दोनों प्रणालियों के लिए विभिन्न कान-वorn प्रोटोटाइप डिवाइस। स्रोत: https://arxiv.org/ftp/arxiv/papers/2204/2204.07199.pdf (ToothSonic) और https://cis.temple.edu/~yu/research/TeethPass-Info22.pdf (TeethPass)

पूर्व दांतों की प्रमाणीकरण विधियों (अर्थात जीवित लोगों के लिए, न कि फोरेंसिक पहचान के लिए), उपयोगकर्ता को ‘मुस्कराने और बेनकाब’ करने की आवश्यकता थी, ताकि एक दांतों की पहचान प्रणाली यह पुष्टि कर सके कि उनके दांत जैवमेट्रिक रिकॉर्ड से मेल खाते हैं। 2021 के गर्मियों में, भारत से एक शोध समूह ने ऐसी एक प्रणाली के साथ सुर्खियां बटोरीं, जिसे DeepTeeth कहा जाता है।

नई प्रस्तावित प्रणालियाँ, जिन्हें ToothSonic और TeethPass कहा जाता है, क्रमशः अमेरिका में फ्लोरिडा स्टेट यूनिवर्सिटी और रटगर्स यूनिवर्सिटी के बीच एक अकादमिक सहयोग से आती हैं; और चीन में बीजिंग इंस्टीट्यूट ऑफ टेक्नोलॉजी, त्सिंगहुआ यूनिवर्सिटी, और बीजिंग यूनिवर्सिटी ऑफ टेक्नोलॉजी के शोधकर्ताओं के बीच एक संयुक्त प्रयास से आती है, जो फिलाडेल्फिया में टेम्पल यूनिवर्सिटी के कंप्यूटर और सूचना विज्ञान विभाग के साथ काम करते हैं।

ToothSonic

पूरी तरह से अमेरिकी आधारित ToothSonic प्रणाली पत्र Ear Wearable (Earable) User Authentication via Acoustic Toothprint में प्रस्तावित की गई है।

ToothSonic लेखकों का कहना है:

‘ToothSonic [दांतों की पीसने से उत्पन्न ध्वनि प्रभाव का उपयोग करता है जो कान-वorn प्रमाणीकरण के लिए उपयोगकर्ता द्वारा दांतों की गतिविधियों को करने से उत्पन्न होता है। विशेष रूप से, हम प्रतिनिधि दांतों की गतिविधियों को डिज़ाइन करते हैं जो प्रभावी ध्वनि तरंगें उत्पन्न कर सकते हैं जो दांतों की छाप की जानकारी ले जाते हैं। ‘

‘दांतों की छाप को विश्वसनीय रूप से पकड़ने के लिए, यह कान-वorn डिवाइस के अंदरूनी माइक्रोफोन और कान-वorn डिवाइस के ध्वनि प्रभाव का उपयोग करता है। फिर यह दांतों की छाप की जानकारी को प्रमाणीकरण के लिए प्रतिबिंबित करने के लिए बहुस्तरीय ध्वनि विशेषताओं को निकालता है।’ (QCOM )

कान-वorn डिवाइस में दर्ज की गई अद्वितीय ध्वनि दांतों की छाप को प्रभावित करने वाले कारक। स्रोत: https://arxiv.org/ftp/arxiv/papers/2204/2204.07199.pdf

शोधकर्ताओं का कहना है कि दांतों की छाप-आधारित पहचान के कई फायदे हैं, जो मुख्य रूप से चीनी परियोजना पर भी लागू होते हैं। उदाहरण के लिए, यह दांतों की छाप को नकल करना या छेड़छाड़ करना असाधारण रूप से चुनौतीपूर्ण होगा, जो उपयोगकर्ता के सिर के ऊतकों और खोपड़ी चैनल के माध्यम से यात्रा करने से पहले एक रिकॉर्डेबल ‘टेम्पलेट’ के खिलाफ भविष्य के प्रमाणीकरण का परीक्षण करने से पहले ही होगा।

इसके अलावा, दांतों की छाप-आधारित पहचान न केवल मोबाइल या माउंटेड कैमरे के लिए मुस्कराने या मुंह बनाने की संभावित शर्मिंदगी को समाप्त करती है, बल्कि उपयोगकर्ता को संभावित रूप से महत्वपूर्ण गतिविधियों जैसे वाहन संचालन से विचलित होने की आवश्यकता को भी समाप्त करती है।

इसके अलावा, यह विधि कई मोटर अक्षमता वाले लोगों के लिए उपयुक्त है, जबकि डिवाइस को संभावित रूप से उन कान-वorn डिवाइसों में शामिल किया जा सकता है जिनका प्राथमिक उपयोग अधिक सामान्य है (अर्थात संगीत सुनना और टेलीफोन कॉल करना), जो समर्पित, स्टैंडअलोन प्रमाणीकरण डिवाइसों या मोबाइल अनुप्रयोगों की आवश्यकता को समाप्त करता है।

इसके अलावा, किसी व्यक्ति के दांतों की प्रतिलिपि बनाने की संभावना (अर्थात एक अनियंत्रित सोशल मीडिया फोटो पोस्ट से एक फोटो प्रिंट करके), या यहां तक कि दांतों की प्रतिलिपि बनाने की संभावना (जटिल और पूर्ण दंत मोल्ड प्राप्त करने की असंभावित स्थिति में), दांतों की पीसने से उत्पन्न ध्वनि को पूरी तरह से छुपी हुई आंतरिक जAW और श्रवण नहर के माध्यम से फिल्टर किया जाता है।

TeethPass पत्र से, कान-वorn डिवाइस के ध्वनि प्रभाव को प्रभावित करने वाले कारक।

एक हमले के वेक्टर के रूप में, उपयोगकर्ता को शारीरिक रूप से मजबूर करने के अलावा (जैसे कि उपयोगकर्ता को मजबूर करना), एकमात्र शेष अवसर है होस्ट सुरक्षा प्रणाली तक डेटाबेस पहुंच प्राप्त करना और उपयोगकर्ता की रिकॉर्ड की गई ध्वनि दांतों की छाप को पूरी तरह से हमलावर की自己的 पैटर्न से बदलना (क्योंकि किसी और की दांतों की छाप को अवैध रूप से प्राप्त करना किसी व्यावहारिक प्रमाणीकरण विधि को नहीं ले जाएगा)।

ToothSonic के लिए कार्य प्रवाह।

हालांकि एक हमलावर के पास अपने मुंह में मास्टिकेशन की रिकॉर्डिंग को प्लेबैक करने का एक छोटा सा अवसर है, चीनी नेतृत्व वाली परियोजना ने पाया कि यह न केवल एक स्पष्ट बल्कि बहुत ही दुर्भाग्यपूर्ण दृष्टिकोण है, जिसमें सफलता की बहुत कम संभावना है (नीचे देखें)।

एक अनोखी मुस्कराहट

ToothSonic पत्र में उपयोगकर्ता की दांतों की विशिष्ट विशेषताओं को रेखांकित किया गया है, जिनमें ओक्लूजन के वर्ग (जैसे कि ओवरबाइट), इनेमल घनत्व और प्रतिध्वनि, निकाले गए दांतों से लापता ध्वनि जानकारी, पोर्सेलेन और मेटल प्रतिस्थापन (अन्य संभावित सामग्रियों के बीच) की विशिष्ट विशेषताएं, और शिखर रूपविज्ञान, अन्य कई संभावित विशिष्ट विशेषताओं के बीच।

लेखकों का कहना है:

‘[दांतों की पीसने से उत्पन्न ध्वनि तरंगें उपयोगकर्ता के निजी दांत-कान चैनल के माध्यम से पकड़ी जाती हैं। हमारी प्रणाली इस प्रकार उन्नत नकल और पुनरावृत्ति हमलों के प्रतिरोधी है क्योंकि उपयोगकर्ता के निजी दांत-कान चैनल ध्वनि तरंगों को सुरक्षित करता है, जो दुश्मनों द्वारा उजागर होने की संभावना नहीं है।’

चूंकि जबड़े की गति की एक सीमित श्रृंखला है, लेखक दस संभावित हेरफेर की कल्पना करते हैं जिन्हें वैध जैवमेट्रिक प्रिंट के रूप में रिकॉर्ड किया जा सकता है, जिन्हें नीचे ‘उन्नत दांतों की गतिविधियों’ के रूप में चित्रित किया गया है:

इनमें से कुछ गतिविधियां दूसरों की तुलना में अधिक कठिन हैं, हालांकि अधिक कठिन गतिविधियां कम चुनौतीपूर्ण गतिविधियों की तुलना में पैटर्न को पुनरुत्पादित या छेड़छाड़ करने में आसान या कठिन नहीं हैं।

संभावित दांतों की गतिविधियों के मैक्रो-स्तरीय विशेषताओं को एक गॉसियन मिश्रण मॉडल (जीएमएम) स्पीकर पहचान प्रणाली का उपयोग करके निकाला जाता है। मेल-फ्रीक्वेंसी सेप्टल संकेतक (एमएफसीसी), एक ध्वनि का प्रतिनिधित्व, प्रत्येक संभावित गतिविधि के लिए प्राप्त किया जाता है।

ToothSonic प्रणाली के तहत एक ही विषय के लिए एमएफसी निकालने के दौरान छह अलग-अलग स्लाइडिंग गतिविधियां।

परिणामी हस्ताक्षर ध्वनि तरंग जो अद्वितीय जैवमेट्रिक हस्ताक्षर को बनाती है, मानव शरीर के कुछ कंपनों के प्रति अत्यधिक संवेदनशील है; इसलिए, ToothSonic 20-8000Hz के बीच एक फिल्टर बैंड लगाता है।

ध्वनि तरंग विभाजन एक हिडन मार्कोव मॉडल (एचएमएम) के माध्यम से प्राप्त किया जाता है, जो जर्मनी से दो पूर्व कार्यों के अनुसार है।

प्रमाणीकरण मॉडल के लिए, व्युत्पन्न विशेषताओं को एक पूरी तरह से जुड़े हुए न्यूरल नेटवर्क में डाला जाता है, जो विभिन्न परतों को पार करता है जब तक कि आरईएलयू के माध्यम से सक्रिय नहीं हो जाता। अंतिम पूरी तरह से जुड़े हुए परत में एक सॉफ्टमैक्स फंक्शन का उपयोग करके परिणाम और प्रमाणीकरण परिदृश्य के लिए एक अनुमानित लेबल उत्पन्न किया जाता है।

प्रशिक्षण डेटाबेस 25 प्रतिभागियों (10 महिला, 15 पुरुष) से प्राप्त किया गया था, जिन्हें वास्तविक दुनिया के वातावरण में एक दूषित कान-वorn डिवाइस पहनने और अपनी सामान्य गतिविधियों को करने के लिए कहा गया था। प्रोटोटाइप कान-वorn डिवाइस (उपरोक्त पहली छवि देखें) को कुछ डॉलर की लागत से ऑफ-द-शेल्फ उपभोक्ता हार्डवेयर के साथ बनाया गया था, और इसमें एक माइक्रोफोन चिप सुविधा है। शोधकर्ताओं का दावा है कि एक व्यावसायिक कार्यान्वयन ऐसे डिवाइस का उत्पादन करना बहुत ही किफायती होगा।

सीखने का मॉडल मैटलैब में न्यूरल नेटवर्क वर्गीकरणकर्ताओं से बना था, जो 0.01 की सीखने की दर पर प्रशिक्षित किया गया था, जिसमें एलबीएफजीएस हानि फंक्शन के रूप में था। प्रमाणीकरण के लिए मूल्यांकन विधियां एफआरआर, एफएआर और बीएसी थीं।

आम तौर पर ToothSonic के लिए प्रदर्शन बहुत अच्छा था, जो आंतरिक मुंह की गतिविधि की कठिनाई पर निर्भर करता था:

परिणाम तीन ग्रेड की मुंह की गतिविधि की कठिनाई पर प्राप्त किए गए थे: सुविधाजनक, कम सुविधाजनक, और कठिनाइयों। एक उपयोगकर्ता की पसंदीदा गतिविधि ने 95% की सटीकता दर हासिल की।

सीमाओं के संदर्भ में, उपयोगकर्ता स्वीकार करते हैं कि दांतों में समय के साथ परिवर्तन संभवतः उपयोगकर्ता को दांतों की छाप को फिर से प्रमाणित करने की आवश्यकता होगी, जैसे कि उल्लेखनीय दंत कार्य के बाद। इसके अलावा, इनेमल की गुणवत्ता समय के साथ खराब हो सकती है या बदल सकती है, और शोधकर्ताओं का सुझाव है कि बड़े लोगों को अपने प्रोफाइल को समय-समय पर अपडेट करने के लिए कहा जा सकता है।

लेखकों का यह भी कहना है कि ऐसे बहु-उपयोग वाले कान-वorn डिवाइस को उपयोगकर्ता को प्रमाणीकरण के दौरान संगीत या बातचीत को रोकने की आवश्यकता होगी (चीनी नेतृत्व वाले TeethPass के साथ सामान्य), और वर्तमान में उपलब्ध कई कान-वorn डिवाइसों में ऐसी प्रणाली को सुविधाजनक बनाने के लिए पर्याप्त गणना शक्ति नहीं है।

इसके बावजूद, वे देखते हैं*:

‘प्रोत्साहित करने वाली, हाल के एयरपॉड्स प्रो में एप्पल एच1 चिप और क्वालकॉम द्वारा जारी किए गए क्यूसी400 के हाल के रिलीज़, वॉइस-आधारित ऑन-डिवाइस एआई को सपोर्ट करने में सक्षम हैं। यह सुझाव देता है कि ToothSonic को कान-वorn डिवाइस पर लागू करना निकट भविष्य में संभव हो सकता है।’

हालांकि, पत्र स्वीकार करता है कि यह अतिरिक्त प्रसंस्करण बैटरी जीवन को प्रभावित कर सकता है।

TeethPass

पत्र TeethPass: डेंटल ओक्लूजन-आधारित उपयोगकर्ता प्रमाणीकरण के माध्यम से इन-ईयर एकाउस्टिक सेंसिंग में जारी की गई, चीनी-अमेरिकी परियोजना मूल रूप से ToothSonic के समान सिद्धांतों पर काम करती है, दांतों की पीसने से उत्पन्न होने वाली विशिष्ट ध्वनि को ध्वनि नहर और हस्तक्षेप करने वाली हड्डी संरचनाओं के माध्यम से यात्रा करने के लिए खाता है।

वायु शोर हटाने को डेटा संग्रह के चरण में किया जाता है, जो शोर कम करने के साथ संयुक्त होता है – और जैसा कि ToothSonic दृष्टिकोण में, एक उपयुक्त फ्रीक्वेंसी फिल्टर को ऑडियो हस्ताक्षर के लिए लगाया जाता है।

TeethPass के लिए सिस्टम आर्किटेक्चर।

अंतिम निकाले गए एमएफसी विशेषताओं का उपयोग एक सियामीज़ न्यूरल नेटवर्क को प्रशिक्षित करने के लिए किया जाता है।

TeethPass के लिए सियामीज़ न्यूरल नेटवर्क की संरचना।

प्रणाली के लिए मूल्यांकन मेट्रिक्स एफआरआर, एफएआर और एक भ्रम मैट्रिक्स थे। जैसा कि ToothSonic के साथ, प्रणाली तीन प्रकार के संभावित हमलों के लिए मजबूत पाई गई: नकल, पुनरावृत्ति और हाइब्रिड हमला। एक मामले में, शोधकर्ताओं ने एक हमलावर के मुंह के अंदर एक उपयोगकर्ता की दांतों की गतिविधि की ध्वनि को एक छोटे से स्पीकर के साथ खेलने का प्रयास किया, और पाया कि 20 सेमी से कम दूरी पर, इस हाइब्रिड हमले की विधि में 1% से अधिक की सफलता की संभावना है।

सभी अन्य परिदृश्यों में, लक्ष्य की आंतरिक खोपड़ी निर्माण की नकल करने की चुनौती (जैसे कि एक पुनरावृत्ति हमले के दौरान), एक ‘हाइजैकिंग’ परिदृश्य को मानक जैवमेट्रिक प्रमाणीकरण फ्रेमवर्क में सबसे कम जोखिम में से एक बनाता है।

व्यापक प्रयोगों से पता चला कि TeethPass ने 98.6% की औसत प्रमाणीकरण सटीकता हासिल की, और 98.9% के नकली हमलों का प्रतिरोध किया।

* मेरा लेखकों के इनलाइन उद्धरण/को हाइपरलिंक में परिवर्तन

18 अप्रैल 2022 को पहली बार प्रकाशित। 19 अप्रैल 8:30 बजे ईईटी को कैप्शन में पैकेज मिसअट्रिब्यूशन को ठीक करने के लिए अद्यतन किया गया।