Biyometrik güvenlik sistemleri
Biyometrik sistemlerin en büyük üstünlüğü, bu özelliklerin unutulamayan, kaybedilemeyen ve tahmin edilemeyen yapılar olmasından kaynaklanmaktadır.
Biyometri (Biometric) Yunanca bio (yaşam) ve metric (ölçüm) sözcüklerinin birleşiminden meydana gelmiştir.
Bireyin ölçülebilir fizyolojik veya davranışsal özelliklerine biyometri denir. Biyometrik sistemler, fiziksel özellikleri kullanılarak kişilerin elektronik ortamda tanınmasıdır. Biyometrik sistemler, bireylerden alınan örnekler ve uygulanacak algoritmalar ile birlikte bir depolama aygıtına saklanması sonrasında, verilerin eşleştirme prensibi ile çalışmaktadır (Varol & Cebe, 2011).
Başlıca biyometrik özellikler;
yüz yapısı, parmak izi, avuç içi bilgisi, retina, iris, ses, yürüyüş, el yazısı, konuşma şekli ve DNA’dır.
Biyometrik sistemlerin en büyük üstünlüğü, bu özelliklerin unutulamayan, kaybedilemeyen ve tahmin edilemeyen yapılar ELEKTRONİK GÜVENLİK Biyometrik sistemlerin en büyük üstünlüğü, bu özelliklerin unutulamayan, kaybedilemeyen ve tahmin edilemeyen yapılar olmasından kaynaklanmaktadır. ZIHNI KAYA, PROF. DR. ALI GÜNEŞ İSTANBUL AYDIN ÜNIVERSITESI 44 n Güvenlik Yönetimi Ocak 2023 olmasından kaynaklanmaktadır. Herkeste faklı olan biyometrik özellikler, biyometriyi güvenlik sistemlerinde en çok tercih edilen bir alan haline getirmiştir. Biyometrik problemlerinden bilgisayarlı kimlik tespiti yapay zeka araştırmalarının önemli alanlarından biridir. Biyometrik özellikleri kullanan sistemlere biyometrik sistemler denir. Bankacılık, güvenlik, kriminoloji gibi bir çok alanda biyometrik sistemler kullanılmaktadır. Biyometrik tanımlama yöntemlerinde kullanılan güvenlik sistemleri ile anlatılmak istenen şey aslında bilgi güvenliğidir. Bir bilginin güvenliği demek, bilginin gönderilmesi gereken kişiye değiştirilmeden, bozulmadan ve başka birisinin eline geçmeden ulaşması demektir. Bir bilgi gönderilmesi gereken kişi için gizli bir bilgi değilken 3.şahıslar için gizli bir bilgidir. Biyometrik sistemler fizyolojik ve davranışsal biyometrik sistemler olmak üzere iki kısma ayrılır. Davranışsal biyometrik sistemler imza, yazı dinamiği, yürüyüş şekli ve konuşma esnasındaki dudak hareketleri gibi belli zamanda belli amaçlar için gerçekleştirilmiş ve herkesin birbirinden farklı olarak gerçekleştirdiği davranışlar üzerine kurulmuştur (Şamlı & M.Erkal, 2009).
Fizyolojik biyometrik sistemler
Fizyolojik biyometrik sistemler yüz, parmak izi, el geometrisi, DNA, ses, iris ve retina olmak üzere, bir kişinin diğer kişiden ayrılmasını sağlayan değişmez özellikler üzerine kurulmuştur. Her insanda farklı olması yani eşsizlik özelliği yönünden baktığımızda DNA, parmak izi ve iris biyometrikleri aynı yumurta ikizlerinde bile farklı olduğundan yüksek olarak sınıflandırılmıştır. Yaşam boyunca değişmeyen yani süreklilik özelliği bakımından değerlendirildiğinde DNA, parmak izi ve iris biyometrikleri yüksek olarak sınıflandırılmıştır. İmza ve ses biyometrikleri ise neşe, heyecan, korku ve soğuk hava gibi değişimlere bağlı olarak değiştikleri için düşük olarak sınıflandırılmışlardır. Gözün narin yapısı ve kullanılan cihazın verdiği rahatsızlık gibi nedenlerden dolayı iris biyometriğinin elde edilebilirliği düşüktür. Yüz ve imza biyometriklerinin elde edilebilirliği ise yükseltir. Doğruluk ve hız yönünden DNA, parmak izi ve iris biyometriklerinin performansı yüksektir. Biyometrik verilerin ölçüm ve toplanması yönünden yani kabul edilebilirlik bakımından yüz, ses ve imza biyometrikleri yüksek sınıflandırılmıştır. Son olarak yüz, imza ve ses biyometrikleri yaygınlık bakımından yüksek olarak sınıflandırılmıştır.
“Akıllı teknolojilerin devreye girmesi ile beraber sizi yalnızca arıza konusunda uyarmakla kalmaz aynı zamanda çözüm önerisi de sunar.”
Yüz tanıma yöntemleri
Yüz tanıma; güvenlik sistemlerinde, suçluların izlenmesinde ve çok gizli yerlere giriş-çıkışların denetlenmesi gibi bir çok alanda kullanılmaktadır. Bir bilgisayarın yüz tanımayı gerçekleştirebilmesi yapay zeka araştırmacılarını ilgilendiren önemli konulardan biridir.
Bilgisayarlı yüz tanımanın uzun bir geçmişi vardır. Çoğu yüz tanıma yöntemi yüzleri; göz köşeleri, ağız kenarları ve burun ucu gibi özellik noktaları arasındaki normalize edilmiş uzunluklara ve oranlara göre modeller ve sınıflandırır (Nabiyev, 2012).
Yüz tanıma problemi üç grupta incelenebilir:
- Yüz Bulma
- Yüz Normalleştirme
- Yüz Onaylama
Yüz tanıma sisteminin başarımında sistemin hızı ve yanlış tanıma oranı dikkate alınmaktadır. Yüz tanıma sisteminde karşılaşılan sorunlardan aydınlatma problemi ve pozların çok çeşitli olması öne çıkmaktadır.
Işıklandırma nedeniyle yüz tanınmayabilir. Bu sorunun çözümü için ışıklandırma konileri kullanılmaktadır (Nabiyev, 2012)
Yüz tanımada özellikler bilindiğinde; yapay sinir ağları, radyal alt fonksiyon ağları, çok katmanlı perspektif, doğruluk haritaları, esnek demet graf eşlemesi, en önemli parçaların farkını bulma ve birçok temsilci gibi yaklaşımlardan herhangi birisi kullanılabilir. Yüz tanımada en başarılı yöntemlerden birisi iki boyutlu resimlerden global özelliklerin elde edilmesidir.
Yüz tanıma algoritmaları içinde en yaygın kullanılan yaklaşım özyüz (eigenfaces) tabanlı yöntem olup bu çalışmada da uygulanmıştır. Yüz görüntülerinin ayırt edici karakteristik özellikleri kullanılarak mümkün olduğunca küçük boyutlu bir uzay oluşturulur ve görüntüler bu yüz uzayında karşılaştırılır. Bu uzayın özyüzler olarak adlandırılan temel vektörleri, yüzlerin bazı yerel ve global özelliklerini meydana çıkarırlar ve yüz görüntülerinin içeriğiyle ilgili bilgi verirler (Turk & Pentland, 1991).
Bilgisayarda yüz tanıma sistemiyle ilgili araştırmaların uzun bir geçmişi. Başlıca biyometrik teknolojilerden biri olan yüz tanıma, görüntü yakalama cihazlarındaki hızlı gelişmeler ve yüksek güvenliğe olan ihtiyaçlar sonucunda, giderek daha önemli bir hale gelmiştir.
Bir insanın yüzü kendine hastır. Dolayısıyla, kimliğinin tespitinde bu karakteristik özellikleri kullanılabilir. Yüz tanıma teknolojisinin çalışma mantığı yüz görüntülerinden karakteristik özelliklerin çıkarılmasına dayanır. Sonrasında ise, iki görüntü karşılaştırılır (Varlık & Çorumluoğlu, 2011).
Yüz tanıma süreci yüz görüntülerinden çeşitli özelliklerin çıkarılmasıyla başlar. Aynı kişinin yüz görüntülerinin özellikleri arasında bir benzerlik olurken, farklı kişilerin yüz görüntülerinin özellikleri arasında farklılık olur. Bütün bunlar dikkate alındığında yüz tanıma sistemleri “özellik tabanlı” ve “görünüm tabanlı” olmak üzere iki ayrı yolla incelenebilir.
Özellik tabanlı yüz tanıma sistemleri: Geometrik özellik tabanlı, şablon eşlemeli yöntem, yapısal eşleme, gizli Markov modeli, dalgacık dönüşüm ve elastik demet grafı eşleme gibi yüz tanıma yöntemleri vardır.
Görünüm tabanlı yüz tanıma sistemleri: Özyüz yaklaşımı (Turk & Pentland, 1991), Fisher yaklaşımı (Belhumeur, Hespanha, & Kriegman, 1997) ve yapay sinir ağı gibi yüz tanıma yöntemleri vardır. Öncelikle “geometrik özellik tabanlı” ve “şablon eşlemeli” yüz tanıma yöntemleri kısaca ele alındıktan sonra, bu çalışmada kullanılan önyüz yöntemi üzerinde durulacaktır.
Geometrik Tabanlı Yüz Tanıma: İlk yüz tanıma yöntemi olan geometrik tabanlı yüz tanıma sistemi Goldstein tarafından 1964 yılında kullanılmıştır. Yüzde belirleyici özelliğe sahip bölgelerin boyutlarının birbirleri ile arasındaki uzaklıkların ve geometrisinin hesaplanması ile yapılan tanımlama yöntemidir.
Kaya ve Kobayashi (1972) yüz üzerindeki belirli noktaların belirlenmesinde birtakım önemli etmenler belirlemiş ve bu noktalar arasındaki öklit uzaklığını hesaplamışlardır (Brunelli & Poggio, 1992).
- Kolay tahmini edilebilmeli
- Işığa az duyarlı olmalı
- Mimikten mümkün olduğunca bağımsız olmalı
- Ayırt edici özelliğe sahip bilgi mümkün olduğunca çok olmalı Yüz üzerindeki tanımlayıcı özelliğe sahip noktalara örnek olarak göz, ağız, kaş, çene ve burun örnek olarak verilebilir.
“Bir insanın yüzü kendine hastır. Dolayısıyla, kimliğinin tespitinde bu karakteristik özellikleri kullanılabilir. Yüz tanıma teknolojisinin çalışma mantığı yüz görüntülerinden karakteristik özelliklerin çıkarılmasına dayanır.”
Geometrik özellik tabanlı yüz tanıma yöntemleri, daha önceden tanımlanmış kaş kalınlığı ve dikey konumu, burun kalınlığı ve konumu gibi ayırdedici özellikleri kullanır. Bulunan değerler özellik vektörü olarak kaydedilir. Brunelli ve Poggio 1992 yılında, yüzün ayırdedici özellikleri olarak gördükleri 22 geometik noktayı belirlemişlerdir. Bu geometrik noktalardan elde edilen 22 tane değer en yakın komşuluk algoritması kullanılarak karşılaştırılır ve en küçük değere sahip veri tabanı resmi ile eşleştirilir. (Brunelli & Poggio, 1992).
Şablon Eşlemeli Yöntem
Bu yöntemde, iki farklı desenin tümü veya belirli özeliklerdeki parça şablonları en yakın komşuluk algoritması ile karşılaştırılır (Brunelli & Poggio, 1993). Şablon eşlemeli yöntemde görüntüler gri renk düzlemindedir. Eşleme algoritması, eğitim ve test veri kümeleri arasındaki farklıkları ve benzerlikleri hesaplar. Eşleme, görüntünün belirli kısımlarına veya bütün görüntüye uygulanmalıdır. Şablonlar, görüntüler arasındaki benzerliklerin en çok olduğu veya farklılıkların en çok olduğu bölümlerden seçilir (Brunelli & Poggio, 1995). Şablon desenleri, eğitim verilerinden alınan referans desenleri olarak kabul edilir. Bir test resmi, bu referans desenleri kullanılarak tanımlanmaya çalışılır. Sonuçta, eğitim ve test desenleri arasındaki benzerlikler ve farklılıklar hesaplanır (Brunelli & Poggio, 1993).
Özyüz Yaklaşımı
Gerçek hayatta, bir görüntü iki boyutlu bir f(x,y) fonksiyonu olarak tanımlanır. Burada x ve y düzlemsel koordinatlarıdır. f fonksiyonunun herhangi bir (x,y) koordinatındaki genliği görüntünün o noktadaki yeğinlik (örneğin parlaklık gibi) veya gri seviyesi olarak adlandırılır. x, y, f’in yeğinlik değerleri hep birlikte sonlu ve ayrık büyüklükte olduğunda bu görüntüye sayısal görüntü denir (Gonzalez & Woods, 2014). Sayısal görüntü sonlu sayıda bileşenden oluşur. Her bir bileşen belli bir görüntünün değeridir. Bu bileşenlere resim elemanı, görüntü elemanı veya piksel denir.
Yüz tanıma algoritmaları içinde en yaygın kullanılan yaklaşım özyüz (eigenfaces) tabanlı yöntemlerdir. Yüz görüntülerinin ayırt edici karakteristik özellikleri kullanılarak mümkün olduğunca küçük boyutlu bir uzay oluşturulur ve görüntüler bu yüz uzayında karşılaştırılır. Bu uzayın özyüzler olarak adlandırılan temel vektörleri, yüzlerin bazı yerel ve global özelliklerini meydana çıkarırlar ve yüz görüntülerinin içeriğiyle ilgili bilgi verirler. (Turk & Pentland, 1991).
