साइबर सुरक्षा
DeepTeeth: एक बायोमेट्रिक आईडी सिस्टम जो दांतों का उपयोग करता है
भारत के शोधकर्ताओं ने मोबाइल डिवाइस पर सुरक्षित प्रणालियों के लिए प्रमाणीकरण टोकन के रूप में दांतों का उपयोग करने के लिए एक बायोमेट्रिक प्रणाली का प्रस्ताव दिया है। डीपटीथ नामक इस प्रणाली ने पिछले प्रयासों द्वारा सामना की गई बाधाओं जैसे कि अत्यधिक प्रशिक्षण समय या उच्च या अवास्तविक डेटा प्रशिक्षण आवश्यकताओं को पार कर लिया है, और 100% की सूचना दी गई सटीकता दर हासिल की है।
यह विशेष रूप से फ्रुगल मोबाइल वातावरण और आकस्मिक उपयोगकर्ता प्रमाणीकरण परिदृश्यों पर लक्षित है, महंगे फोरेंसिक विश्लेषण संदर्भ में इस तरह की तकनीकों के अधिक सामान्य उपयोग के बजाय।
नई प्री-प्रिंट, बिड़ला प्रौद्योगिकी और विज्ञान संस्थान पिलानी के शोधकर्ताओं से, केवल 75×75 पिक्सेल के डेटा छवि आकार का उपयोग करता है, यह एक एंड-टू-एंड फ्यू-शॉट फ्रेमवर्क है, और पिछले प्रयासों की तुलना में दांत-आधारित मशीन लर्निंग प्रमाणीकरण प्रणालियों के लिए न्यूनतम स्थानीय संसाधन आवश्यकताओं है।
डीपटीथ-आधारित प्रमाणीकरण के लिए प्रस्तावित उपयोग। स्रोत: https://arxiv.org/pdf/2107.13217.pdf
दांत पहचानकर्ता के रूप में
हालांकि दांतों को सबसे अस्थिर चेहरे की विशेषता माना जा सकता है, क्योंकि सर्जिकल हस्तक्षेप की आवृत्ति अन्य प्रकार की कॉस्मेटिक या चेहरे की पुनर्निर्माण सर्जरी की तुलना में अधिक है, लेख में उल्लेख किया गया है कि दीर्घकालिक और औसतन, वे हमारी चेहरे की पहचान विशेषताओं में सबसे अधिक सुसंगत रहते हैं
शायद सबसे प्रसिद्ध, हमारे दंत कॉन्फ़िगरेशन की लचीलापन इस बात में प्रदर्शित होता है कि कितनी बार वे मृत्यु के बाद पहचान के लिए उपयोग किए जाते हैं, जहां अन्य सभी ऊतक आग या अन्य अत्यधिक आघात के शिकार हो जाते हैं। इसके अलावा, दांत शरीर का आखिरी घटक है जो मृत्यु के बाद खराब होने से पहले रहता है।
जबकि इस प्रकार के फोरेंसिक दंत चिकित्सा के लिए डेटासेट विशेषज्ञ हैं और कस्टम स्कैनिंग उपकरण (आमतौर पर एक्स-रे घटक के साथ) की आवश्यकता होती है, डीपटीथ को केवल एक श्रृंखला की सुविधाजनक ‘दंत सेल्फी’ की आवश्यकता होती है ताकि एक बेसलाइन आईडी स्थापित की जा सके।
इसके अलावा, लेख के शोधकर्ताओं ने पाया कि उनके दांत-आधारित आईडी फ्रेमवर्क फिंगरप्रिंट और चेहरे की आईडी प्रमाणीकरण विधियों पर प्रभावी ढंग से किए गए प्रकार के स्पूफ हमलों के प्रतिरोधी हैं।
सामान्यीकृत क्षेत्र की रुचि (RoI) छवियां, और उनके संबंधित सुधार स्वचालित डीपटीथ कार्य-प्रवाह में।
कैप्चर, प्रोसेसिंग और प्रशिक्षण
डीपटीथ प्रणाली एक एंड्रॉइड ऐप में काम करती है, जिसमें विषय कई कैप्चर प्रदान करता है। दांतों की तस्वीरें विभिन्न कोणों और विभिन्न प्रकाश स्थितियों में ली जा सकती हैं, और बाद में प्रमाणीकरण समय के लिए स्थानीय रूप से संसाधित की जाती हैं।
मुख्य प्रशिक्षण डेटाबेस को उत्पन्न करने के लिए, शोधकर्ताओं ने 51 स्वयंसेवकों से दांतों की छवियां एकत्र कीं। स्वयंसेवकों ने एक बीटा एंड्रॉइड ऐप का उपयोग करके स्वयं छवियां प्राप्त कीं। ऐप दांतों के क्षेत्र की पहचान करता है और स्थानीयकृत करता है जिसे यह प्राप्त करने का प्रयास कर रहा है। प्रत्येक उपयोगकर्ता ने 3-4 दिनों की अवधि में चार उदाहरण दांतों की छवियां प्रस्तुत कीं।
डेटा को सियामीज नेटवर्क में परीक्षण किया गया था, जहां यह एक प्रतिस्पर्धी पुराने तरीके – गूगल के 2015 फेसनेट के खिलाफ चलाया गया था। प्रशिक्षण में एडम ऑप्टिमाइज़र पर 16 के बैच आकार का उपयोग किया गया था। मॉडल को डेल इंस्पिरॉन-15-5577 पर एनवीडिया जीटीएक्स 1050 जीपीयू का उपयोग करके प्रशिक्षित किया गया था, और प्रशिक्षण में 256-आयामी विशेषता वेक्टर को उत्पन्न करने के लिए लगभग 25 मिनट का समय लगा।
डीपटीथ दृष्टिकोण क्रॉप्ड रॉ उपयोगकर्ता-ली गई छवियों को एक सुधार फ्रेमवर्क के माध्यम से पारित करता है जो बाद में सुविधा निष्कर्षण के लिए एक सामान्य पूर्व-प्रशिक्षित स्थानीय नेटवर्क के माध्यम से डिवाइस पर प्रसंस्करण से पहले होता है।
हालांकि प्रारंभिक रूप से कब्जा कर लिया और क्रॉप्ड दांतों का खंड 1416 x 510 पिक्सेल मापता है, यहां तक कि सर्वर-आधारित मशीन लर्निंग प्रशिक्षण के लिए भी एक असहज आकार है, छोटे ग्रे स्केल छवियां जो इन कब्जों से व्युत्पन्न होती हैं वे ही प्रणाली के माध्यम से चलती हैं, और बड़े डेटा को त्याग दिया जाता है।
प्रशिक्षण के लिए वर्गीकरण नेटवर्क के लिए उपयोग किया जाने वाला हानि फ़ंक्शन सॉफ्टमैक्स है, जो लक्ष्य ऑपरेटिंग वातावरण के लिए पर्याप्त हल्का और लचीला है।
डीपटीथ की हानि फ़ंक्शन वास्तुकला
परिणाम
शोधकर्ताओं ने डीपटीथ का मूल्यांकन करने के लिए पांच अलग प्रदर्शन मापदंडों का उपयोग किया, और पाया कि प्रणाली 75 पिक्सेल वर्ग के एक मामूली इनपुट आकार के साथ इष्टतम रूप से काम करती है, 100% की सफलता दर हासिल करती है।
दांतों को एक बायोमेट्रिक संकेतक के रूप में उपयोग करने के पिछले प्रयासों में 2008 का अध्ययन मोबाइल वातावरण में दांतों की छवि और आवाज का उपयोग करके मल्टीमॉडल बायोमेट्रिक प्रमाणीकरण शामिल है, जिसने मूल रूप से आवाज-आधारित पहचान के लिए एक बैकअप विधि के रूप में दांतों को जोड़ा।
एक अन्य प्रतियोगी, 2020 से, चीन के हुनान विश्वविद्यालय में शोधकर्ताओं द्वारा प्रस्तावित स्माइलऑथ फ्रेमवर्क था, जो मिशिगन स्टेट यूनिवर्सिटी और मैसाचुसेट्स विश्वविद्यालय के साथ एक सहयोग था। प्रयोगात्मक परिणामों ने सुझाव दिया कि स्माइलऑथ प्रणाली 99.74% तक की सटीकता दर हासिल कर सकती है। प्रणाली ने सुविधा निष्कर्षण के लिए रैंडम फॉरेस्ट का उपयोग किया।
शोधकर्ता दावा करते हैं कि डीपटीथ इस निशाने में बायोमेट्रिक्स के क्षेत्र में सभी पिछले प्रयासों में सुधार करता है, और दांतों की पहचान को फोरेंसिक क्षेत्र से परे एक व्यवहार्य संभावित मार्ग के रूप में चेहरे की पहचान प्रमाणीकरण के लिए आगे बढ़ाता है।
