Группа исследователей из Потсдамского университета, Германия, недавно придумала новую методологию биометрической идентификации, которая работает путем обработки микродвижений глаза. Они провели исследование непроизвольных движений глаз людей и использовали свои выводы для разработки DeepEyedentification - архитектуры глубокого обучения, которая способна идентифицировать людей посредством анализа сигналов отслеживания взгляда.
Уточнение старой концепции
Концепция идентификации людей по движениям глаз существует уже более десяти лет, однако предлагаемые до сих пор методы имеют серьезные ограничения. Большинству из этих методологий недостает точности или требуется значительное количество времени для принятия решения (например, записи движения глаз продолжительностью около одной минуты), что делает их довольно неудобными для реальных приложений.
В психологических исследованиях стандартным является предварительная обработка данных о движении глаз для получения различных типов движения глаз, говорит Лена Ягер, одна из исследователей, проводивших исследование. Предыдущие биометрические методы переняли эту практику за счет большой потери информации, которая присутствует в необработанных данных движения глаз, такой как высокочастотный тремор глаза. Наша ключевая идея заключалась в том, чтобы использовать эти высокочастотные характеристики, а не данные предварительной обработки, а, скорее, обучить глубокую сверточную сеть сквозным способом, используя в качестве входных необработанные выборки, собранные со скоростью 1000 кадров в секунду .
«При просмотре какого-либо стимула на экране компьютера (в наших данных это текст или прыгающая точка) устройство слежения за глазами на основе камеры измеряет, куда смотрит пользователь. Эти данные передавались в глубокую нейронную сеть, которая преобразовывала их в идиосинкразическое представление движения глаз пользователя, которое не зависит от конкретного стимула на экране ». она добавила.
Потенциально всеобъемлющий и безопасный
Джегер и ее коллеги обучили свою модель определять особенности данных движения глаз, которые особенно полезны для различения разных людей. Модель использует представление вводимых данных, передаваемых в нее, наряду с другими пользовательскими данными, хранящимися в системе, чтобы либо идентифицировать пользователя, либо отклонить его / ее.
Биометрическая идентификация по движениям глаз имеет различные возможные области применения (особенно, на мой взгляд, в банковском деле). В отличие от отпечатков пальцев и сканирования вен рук, это не заметно. Сканирование радужной оболочки глаза может потерпеть неудачу, если человек носит косметические контактные линзы и часто дает сбой для пользователей с маленькими глазами; тогда как предложенная методика применима ко всем людям с зрением. Атака воспроизведения потребует устройства, способного отображать 1000 кадров в секунду в инфракрасном спектре. Кроме того, атаки повторного воспроизведения можно предотвратить, интегрировав вызов в форме визуального стимула в процесс идентификации, на который пользователь отвечает непроизвольным движением глаз, не уделяя внимания задаче.
