Luận Văn Thạc Sĩ: Nhận Dạng Khuôn Mặt và Ứng Dụng Trong Bảo Toàn Thông Tin

Luận văn thạc sĩ nghiên cứu vnu uet nhận dạng khuôn mặt người và ứng dụng trong bảo toàn thông tin 04, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong

• Tác giả: Đỗ Thị Hồng Lĩnh
• Người hướng dẫn: PGS.TS: Trịnh Nhật Tiến
• Trường học: Trường Đại Học Công Nghệ - Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Nhận Dạng Khuôn Mặt Người Và Ứng Dụng Trong Bảo Toàn Thông Tin
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• MỞ ĐẦU
• 1. CHƯƠNG 1: CƠ SỞ KHOA HỌC VÀ THỰC TIỄN CỦA VẤN ĐỀ NHẬN DẠNG MẶT NGƯỜI
• 1.1. TỔNG QUAN VỀ SINH TRẮC HỌC
• 1.2. Đường chỉ tay (Palm lines)
• 1.3. Võng mạc mắt (retina biometrics)
• 1.4. Giọng nói
• 1.5. Nhận dạng mặt người (Face recognition)
• 1.6. DNA (Dioxyribo Nucleic Acid)
• 1.7. HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI
• 1.7.1. Bài toán nhận dạng mặt người và những khó khăn
• 1.7.2. Các ứng dụng liên quan đến nhận dạng mặt người
• 1.7.3. Tổng quan kiến trúc hệ thống nhận dạng khuôn mặt
• 1.7.4. Phát hiện khuôn mặt
• 1.7.5. Trích chọn đặc trưng
• 1.7.6. Nhận dạng khuôn mặt
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NHẬN DẠNG MẶT NGƯỜI
• 2.1. PHÁT HIỆN KHUÔN MẶT
• 2.1.1. Đặc trưng HAAR-LIKE. Giải thuật Viola-Jones
• 2.2. NHẬN DẠNG MẶT NGƯỜI
• 2.2.1. Phương pháp phân tích thành phần chính (PCA: Principal Component Analysis)
• 2.2.2. Nhận dạng khuôn mặt theo phương pháp EIGENFACE
• 2.2.3. Khoảng cách Euclid
• 3. CHƯƠNG 3: NHẬN DẠNG MẶT NGƯỜI VÀ VẤN ĐỀ AN TOÀN THÔNG TIN
• 3.1. Vấn đề an toàn thông tin
• 3.2. Nhận dạng mặt người trong bảo đảm an toàn thông tin
• 3.3. Đề xuất hướng giải quyết và phạm vi ứng dụng của đề tài
• 4. CHƯƠNG 4: CHƯƠNG TRÌNH THỬ NGHIỆM
• 4.1. Sơ lược về EmguCV
• 4.2. Các bước chính trong hệ thống nhận dạng mặt người
• 4.3. Phân tích hệ thống
• 4.4. Kết quả chạy chương trình
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Nhận Dạng Khuôn Mặt và Bảo Toàn Thông Tin

Nhận dạng khuôn mặt là một công nghệ sinh trắc học đang ngày càng trở nên phổ biến trong việc bảo vệ thông tin cá nhân. Công nghệ này sử dụng các đặc điểm sinh học độc nhất của mỗi cá nhân để xác thực danh tính. Trong bối cảnh an ninh thông tin ngày càng trở nên quan trọng, việc áp dụng nhận dạng khuôn mặt trong bảo toàn thông tin đã mở ra nhiều cơ hội và thách thức. Bài viết này sẽ đi sâu vào các khía cạnh của nhận dạng khuôn mặt và ứng dụng của nó trong bảo mật thông tin.

1.1. Khái niệm về Nhận Dạng Khuôn Mặt

Nhận dạng khuôn mặt là quá trình xác định danh tính của một cá nhân thông qua việc phân tích các đặc điểm trên khuôn mặt. Công nghệ này sử dụng các thuật toán phức tạp để nhận diện và phân loại khuôn mặt từ hình ảnh hoặc video.

1.2. Tầm quan trọng của Bảo Toàn Thông Tin

Bảo toàn thông tin là một yếu tố quan trọng trong thời đại số. Việc sử dụng công nghệ nhận dạng khuôn mặt giúp nâng cao tính bảo mật, giảm thiểu rủi ro bị đánh cắp thông tin cá nhân và tài khoản ngân hàng.

II. Vấn đề và Thách thức trong Nhận Dạng Khuôn Mặt

Mặc dù công nghệ nhận dạng khuôn mặt mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều vấn đề và thách thức. Các yếu tố như góc chụp, ánh sáng, và biểu cảm khuôn mặt có thể ảnh hưởng đến độ chính xác của hệ thống. Ngoài ra, việc bảo mật thông tin sinh trắc học cũng là một vấn đề cần được quan tâm.

2.1. Các yếu tố ảnh hưởng đến độ chính xác

Độ chính xác của nhận dạng khuôn mặt phụ thuộc vào nhiều yếu tố như góc chụp, ánh sáng, và sự thay đổi trong biểu cảm khuôn mặt. Những yếu tố này có thể làm giảm khả năng nhận diện chính xác của hệ thống.

2.2. Vấn đề bảo mật thông tin sinh trắc học

Thông tin sinh trắc học như hình ảnh khuôn mặt có thể bị đánh cắp và sử dụng cho các mục đích xấu. Do đó, việc bảo vệ thông tin này là rất quan trọng để đảm bảo an toàn cho người dùng.

III. Phương Pháp Nhận Dạng Khuôn Mặt Hiện Nay

Có nhiều phương pháp khác nhau được sử dụng trong nhận dạng khuôn mặt, bao gồm các thuật toán học máy và mạng nơ-ron. Những phương pháp này giúp cải thiện độ chính xác và tốc độ nhận diện. Việc áp dụng công nghệ AI trong nhận dạng khuôn mặt cũng đang trở thành xu hướng.

3.1. Thuật toán Viola Jones

Thuật toán Viola-Jones là một trong những phương pháp phổ biến nhất trong nhận dạng khuôn mặt. Nó sử dụng các đặc trưng Haar-like để phát hiện khuôn mặt trong hình ảnh.

3.2. Phương pháp PCA Principal Component Analysis

PCA là một kỹ thuật phân tích thành phần chính, giúp trích xuất các đặc trưng quan trọng từ hình ảnh khuôn mặt, từ đó nâng cao hiệu suất nhận diện.

IV. Ứng Dụng Thực Tiễn của Nhận Dạng Khuôn Mặt

Nhận dạng khuôn mặt có nhiều ứng dụng thực tiễn trong đời sống hàng ngày, từ việc bảo mật thông tin cá nhân đến các hệ thống giám sát an ninh. Công nghệ này đang được áp dụng rộng rãi trong các lĩnh vực như ngân hàng, an ninh công cộng và quản lý nhân sự.

4.1. Ứng dụng trong an ninh công cộng

Hệ thống nhận dạng khuôn mặt được sử dụng để phát hiện tội phạm và theo dõi các hoạt động đáng ngờ trong các khu vực công cộng như sân bay, nhà ga và trung tâm thương mại.

4.2. Ứng dụng trong ngân hàng

Nhiều ngân hàng đã áp dụng công nghệ nhận dạng khuôn mặt để xác thực danh tính khách hàng khi thực hiện giao dịch, từ đó nâng cao tính bảo mật và giảm thiểu rủi ro gian lận.

V. Kết Luận và Tương Lai của Nhận Dạng Khuôn Mặt

Nhận dạng khuôn mặt đang trở thành một phần không thể thiếu trong các hệ thống bảo mật hiện đại. Với sự phát triển của công nghệ AI và machine learning, tương lai của nhận dạng khuôn mặt hứa hẹn sẽ mang lại nhiều cải tiến về độ chính xác và tính bảo mật. Tuy nhiên, cần phải có các quy định rõ ràng để bảo vệ quyền riêng tư của người dùng.

5.1. Xu hướng phát triển công nghệ

Công nghệ nhận dạng khuôn mặt sẽ tiếp tục phát triển với sự hỗ trợ của AI, giúp cải thiện độ chính xác và khả năng nhận diện trong các điều kiện khác nhau.

5.2. Quy định về quyền riêng tư

Cần có các quy định chặt chẽ để bảo vệ quyền riêng tư của người dùng trong việc sử dụng công nghệ nhận dạng khuôn mặt, đảm bảo rằng thông tin cá nhân không bị lạm dụng.

Nội dung chính

Tổng quan nghiên cứu

Theo báo cáo từ Đội ứng cứu khẩn cấp máy tính (CERT), mỗi ngày có hàng trăm nghìn cuộc tấn công mạng diễn ra trên không gian số, trong đó từng ghi nhận các đợt mã độc tấn công đồng loạt làm tê liệt hơn 100.000 máy tính của các tổ chức tài chính, trường học và cơ quan nhà nước. Trước bối cảnh hơn 100 quốc gia trên thế giới đã triển khai hộ chiếu điện tử tích hợp công nghệ sinh trắc học, nhu cầu kiểm soát truy cập và bảo vệ dữ liệu mật bằng các đặc trưng sinh học ngày càng trở nên cấp thiết. Các phương thức xác thực truyền thống như mật khẩu ký tự, thẻ từ hay chứng minh nhân dân bộc lộ nhiều rủi ro cố hữu như quên mã khóa, làm rơi thẻ hoặc bị kẻ xấu đánh cắp thông tin để chiếm đoạt tài khoản. Nhận dạng khuôn mặt người nổi lên như một giải pháp sinh trắc học không tiếp xúc (hands-free) tiện lợi, tuy nhiên công nghệ nhận dạng quang học 2D lại đối mặt với nguy cơ bị vượt qua bởi các thủ thuật giả mạo hình ảnh tĩnh.

Luận văn thạc sĩ chuyên ngành Hệ thống thông tin với đề tài "Nhận dạng khuôn mặt người và ứng dụng trong bảo toàn thông tin" được thực hiện tại Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội vào năm 2014 nhằm giải quyết trọn vẹn thách thức an ninh này. Mục tiêu nghiên cứu tập trung vào việc làm chủ thuật toán phát hiện và nhận diện khuôn mặt người theo thời gian thực từ luồng video webcam, từ đó đề xuất mô hình xác thực kết hợp giữa nhận dạng khuôn mặt và mật khẩu truyền thống. Nghiên cứu giới hạn phạm vi thử nghiệm đối với ảnh đơn chụp trực diện với góc nghiêng không quá 10 độ trong điều kiện ánh sáng tiêu chuẩn. Ý nghĩa thực tiễn của đề tài là xây dựng thành công hàng rào an ninh 2 lớp, loại bỏ 100% nguy cơ tấn công bằng ảnh chụp màu đơn thuần và duy trì độ trễ xử lý dưới 1 giây trong môi trường vận hành thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên hai trụ cột lý thuyết cốt lõi trong thị giác máy tính và an toàn thông tin:

Đầu tiên là mô hình phát hiện khuôn mặt Viola-Jones (được đề xuất năm 2001), tích hợp 4 nhóm đặc trưng Haar-like cơ bản gồm đặc trưng cạnh, đặc trưng đường và đặc trưng xung quanh tâm. Thuật toán áp dụng khái niệm Ảnh tích hợp (Integral Image) giúp tính toán tổng mức xám của một vùng pixel bất kỳ chỉ thông qua 4 phép truy xuất số nguyên, mang lại tốc độ vượt trội cho các bài toán thời gian thực. Cơ chế máy học AdaBoost (Freund và Schapire, 1995) được sử dụng để kết hợp tuyến tính các bộ phân loại yếu thành một bộ phân loại mạnh với độ chính xác đạt trên 60%, tổ chức theo cấu trúc phân tầng (Cascade of Classifiers) nhằm loại bỏ nhanh các vùng ảnh nền không chứa khuôn mặt.

Trụ cột thứ hai là phương pháp phân tích thành phần chính (PCA) ứng dụng trong nhận dạng Mặt riêng (Eigenface) do Turk và Pentland phát triển. PCA thực hiện giảm chiều dữ liệu từ không gian ảnh gốc có kích thước hàng chục nghìn điểm ảnh về không gian con k chiều với độ biến thiên cực đại. Bằng việc giải bài toán trị riêng và vector riêng trên ma trận hiệp phương sai rút gọn, hệ thống tối ưu hóa đáng kể dung lượng lưu trữ. Khoảng cách Euclid được áp dụng làm độ đo phân lớp để tìm kiếm ứng viên tương đồng nhất.

Các khái niệm chính được làm rõ gồm: Sinh trắc học (Biometrics), Ảnh tích hợp (Integral Image), Không gian Mặt riêng (Eigenface Space) và Xác thực đa nhân tố (Multi-Factor Authentication).

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp thực nghiệm kết hợp mô hình hóa thuật toán. Nguồn dữ liệu huấn luyện được thu thập trực tiếp thông qua webcam máy tính, bao gồm tập dữ liệu mẫu với 10 ảnh khuôn mặt cho mỗi cá nhân được lưu trữ dưới định dạng ảnh số hóa và cấu hình qua tệp tin XML.

Phương pháp phân tích dữ liệu tập trung vào đại số tuyến tính: chuẩn hóa ma trận điểm ảnh (Normed PCA), tính toán ma trận hiệp phương sai và chiếu dữ liệu vào không gian vector riêng. Lý do lựa chọn PCA và Haar Cascade là khả năng cân bằng tuyệt vời giữa độ chính xác nhận diện và tài nguyên tính toán của máy tính cá nhân. Toàn bộ giải thuật được cài đặt bằng ngôn ngữ C# trên nền tảng .NET Framework và sử dụng thư viện mã nguồn mở EmguCV phiên bản 2.9 (gói bao bọc của thư viện Intel OpenCV). Quá trình kiểm thử được triển khai hoàn chỉnh trên hệ thống phần mềm quản lý điểm sinh viên tại Khoa Công nghệ thông tin, Trường Đại học Sư phạm Kỹ thuật Nam Định.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã mang lại 4 phát hiện quan trọng:

• Khả năng phát hiện khuôn mặt thời gian thực: Thuật toán Viola-Jones kết hợp bộ phân loại tầng Haar Cascade nhận diện chính xác vị trí khuôn mặt người trên luồng video webcam với thời gian phản hồi tức thì, đạt độ ổn định cao với các khuôn mặt có góc xoay nghiêng dưới 10 độ.
• Hiệu quả tối ưu hóa không gian dữ liệu của PCA: Kỹ thuật phân tích thành phần chính giúp nén kích thước biểu diễn ảnh từ hơn 10.000 điểm ảnh xuống còn vài chục vector riêng trọng số, giúp giảm hơn 80% dung lượng bộ nhớ tiêu thụ và rút ngắn thời gian so khớp khoảng cách Euclid xuống dưới 50 mili-giây.
• Lỗ hổng bảo mật cố hữu của công nghệ nhận diện 2D: Khảo sát thực tế dựa trên công bố của Trung tâm An ninh mạng Bách Khoa (Bkis) sau 4 tháng nghiên cứu cho thấy cơ chế đăng nhập chỉ bằng khuôn mặt 2D trên máy tính của các hãng Asus, Lenovo và Toshiba đều có thể bị đánh bại dễ dàng bằng một bức ảnh in màu chụp từ webcam.
• Tính ưu việt của mô hình bảo mật 2 lớp: Việc tích hợp song song bước nhận dạng khuôn mặt và kiểm tra mật khẩu đã loại bỏ 100% nguy cơ xâm nhập bằng ảnh giả mạo, đảm bảo hệ thống chỉ cấp quyền khi người dùng vượt qua cả hai vòng kiểm tra.

Thảo luận kết quả

Nguyên nhân chính khiến nhận diện khuôn mặt 2D dễ bị tổn thương bắt nguồn từ việc các thuật toán trắc quang phụ thuộc hoàn toàn vào mức xám và sự tương phản ánh sáng trên bề mặt da. Khi góc quay đầu lệch quá 20 độ hoặc ánh sáng môi trường suy giảm, các thành phần chính trích xuất bởi PCA bị sai lệch đáng kể so với ảnh mẫu.

Dữ liệu thực nghiệm có thể được tổng hợp trực quan thông qua bảng đối sánh tỷ lệ nhận dạng thành công theo từng góc nghiêng trục camera (0 độ, 10 độ, 20 độ) và biểu đồ đường thể hiện mối quan hệ giữa số lượng vector riêng k với độ chính xác phân lớp. So với phương pháp nhận dạng 3D phân tích vân bề mặt da hay mạng Nơ-ron phức tạp, hướng tiếp cận PCA kết hợp mật khẩu có chi phí tính toán thấp hơn nhiều, hoàn toàn tương thích với các máy tính cấu hình văn phòng mà vẫn đảm bảo 4 mục tiêu an toàn thông tin: bảo mật, toàn vẹn, xác thực và sẵn sàng.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu và hạn chế thực tế, 4 khuyến nghị hành động được đề xuất:

• Triển khai kiến trúc xác thực đa nhân tố (MFA): Bộ phận quản trị công nghệ thông tin tại các trường đại học và cơ quan cần thiết lập quy trình đăng nhập 2 bước bắt buộc, kết hợp nhận diện khuôn mặt ở bước đầu và nhập mã bảo mật ở bước sau nhằm ngăn chặn 100% các cuộc tấn công giả mạo ảnh chụp trong vòng 3 đến 6 tháng tới.
• Nâng cấp module tiền xử lý và cân bằng sáng: Đội ngũ kỹ sư phần mềm cần tích hợp thuật toán cân bằng biểu đồ mức xám (Histogram Equalization) và lọc nhiễu tự động vào luồng tiếp nhận ảnh webcam, đặt mục tiêu giảm 25% tỷ lệ từ chối sai (FRR) trong điều kiện thiếu sáng trong 2 quý làm việc tiếp theo.
• Nghiên cứu mở rộng công nghệ nhận diện 3D: Nhóm nghiên cứu học thuật nên tiếp tục phát triển giải thuật quét hình học 3D kết hợp phân tích cấu trúc vi mô da, hướng tới mở rộng góc quét nhận diện lên đến 45 độ và phân biệt các cặp sinh đôi cùng trứng trong lộ trình 12 tháng.
• Chuẩn hóa quy trình mã hóa cơ sở dữ liệu sinh trắc học: Chuyên viên an toàn mạng cần áp dụng thuật toán mã hóa AES-256 đối với tệp tin XML lưu trữ vector đặc trưng và áp dụng hạ tầng khóa công khai (PKI), bảo đảm toàn vẹn dữ liệu mẫu trước các nguy cơ tấn công chiếm đoạt cơ sở dữ liệu.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng:

• Học viên cao học và sinh viên ngành Công nghệ thông tin: Nắm vững nền tảng toán học của thuật toán PCA, quy trình xây dựng ảnh tích hợp trong Viola-Jones và phương pháp lập trình thị giác máy tính với C# và EmguCV.
• Kỹ sư phát triển phần mềm và Computer Vision: Tham khảo kiến trúc module xử lý ảnh 4 giai đoạn (phát hiện, phân đoạn, trích chọn đặc trưng, phân lớp) để tích hợp tính năng camera giám sát và nhận diện vào các ứng dụng quản lý doanh nghiệp.
• Chuyên gia an toàn thông tin và quản trị hệ thống: Tiếp cận các bài học thực chứng về lỗ hổng sinh trắc học đơn lẻ, từ đó thiết kế các chính sách kiểm soát lối vào ra an toàn cho hệ thống mạng nội bộ.
• Cán bộ quản lý đào tạo và chuyển đổi số giáo dục: Vận dụng mô hình quản lý điểm thi kết hợp xác thực sinh trắc học của Trường Đại học Sư phạm Kỹ thuật Nam Định nhằm nâng cao tính minh bạch trong quản lý đào tạo.

Câu hỏi thường gặp

Thuật toán Viola-Jones phát hiện khuôn mặt trong thời gian thực bằng cách nào?
Thuật toán Viola-Jones sử dụng kỹ thuật Ảnh tích hợp để tính toán 4 đặc trưng Haar-like cơ bản chỉ qua 4 phép cộng trừ số nguyên trên ma trận điểm ảnh. Kết hợp với bộ phân loại phân tầng AdaBoost, thuật toán loại bỏ tức thì hơn 90% các vùng ảnh nền không chứa mặt người, giúp tốc độ phát hiện đạt mức thời gian thực.

Tại sao phương pháp Eigenface lại cần giảm số chiều dữ liệu bằng PCA?
Một bức ảnh khuôn mặt có thể chứa hơn 10.000 điểm ảnh, tạo ra không gian dữ liệu khổng lồ gây quá tải bộ nhớ và tính toán. Thuật toán PCA giúp tìm ra các trục tọa độ có độ biến thiên cao nhất, nén không gian ban đầu về vài chục vector đặc trưng mà vẫn bảo toàn cấu trúc nhận dạng cốt lõi.

Xác thực bằng khuôn mặt 2D có thay thế hoàn toàn được mật khẩu không?
Không thể thay thế hoàn toàn. Các nghiên cứu thực nghiệm của Bkis chỉ ra rằng xác thực khuôn mặt 2D đơn thuần có thể bị vượt qua trong vài phút bằng một bức ảnh in màu. Do đó, nhận dạng khuôn mặt 2D chỉ nên đóng vai trò là lớp xác thực bổ trợ song song với mật khẩu.

Hệ thống phản ứng như thế nào khi khuôn mặt nghiêng quá 20 độ hoặc quá tối?
Hệ thống sử dụng đặc trưng Haar-like và PCA 2D sẽ suy giảm độ chính xác rõ rệt hoặc không thể phát hiện khuôn mặt khi góc quay lệch vượt quá 20 độ hoặc ánh sáng quá yếu. Người dùng khi đó cần điều chỉnh góc nhìn trực diện hoặc sử dụng mật khẩu để đăng nhập.

Thư viện EmguCV đóng vai trò gì trong việc xây dựng phần mềm thực nghiệm?
EmguCV là thư viện bao bọc đa nền tảng cho phép lập trình viên gọi trực tiếp các thuật toán xử lý ảnh của Intel OpenCV từ ngôn ngữ C# .NET. Thư viện này cung cấp sẵn các lớp đối tượng như CascadeClassifier và EigenFaceRecognizer, giúp rút ngắn hơn 50% thời gian xây dựng ứng dụng.

Kết luận

Luận văn thạc sĩ "Nhận dạng khuôn mặt người và ứng dụng trong bảo toàn thông tin" đã đóng góp những giá trị khoa học và thực tiễn vững chắc thông qua 5 điểm nhấn trọng tâm:

• Hệ thống hóa toàn diện cơ sở khoa học về sinh trắc học và phân tích chi tiết các thách thức trong bài toán thị giác máy tính.
• Làm chủ và ứng dụng thành công thuật toán Viola-Jones kết hợp giải thuật PCA Eigenface vào bài toán nhận dạng khuôn mặt thời gian thực.
• Phân tích thực chứng các lỗ hổng bảo mật của nhận dạng 2D và đề xuất thành công mô hình xác thực kép kết hợp mật khẩu.
• Xây dựng hoàn chỉnh chương trình phần mềm bằng C# và EmguCV, ứng dụng trực tiếp vào hệ thống quản lý điểm thi sinh viên.
• Xác lập rõ ràng các ranh giới kỹ thuật về góc nghiêng dưới 20 độ và điều kiện chiếu sáng cho các hệ thống ứng dụng thực tế.

Công trình đã chứng minh mô hình an ninh kết hợp nhận dạng sinh trắc học và mật khẩu là giải pháp tối ưu nhằm đảm bảo 100% tính toàn vẹn và bảo mật dữ liệu. Trong lộ trình 12 đến 24 tháng tới, việc tích hợp nhận dạng 3D và các mô hình học sâu sẽ là bước phát triển tiếp theo để nâng tầm hệ thống. Độc giả và các đơn vị quan tâm có thể khai thác tài liệu này để triển khai các ứng dụng xác thực thông minh vào thực tiễn quản trị.

Trích đoạn nội dung tài liệu

Chương 1.CƠ SỞ KHOA HỌC VÀ THỰC TIỄN CỦA VẤN ĐỀ NHẬN DẠNG MẶT NGƯỜI 1. TỔNG QUAN VỀ SINH TRẮC HỌC Sinh trắc học hay Công nghệ sinh trắc học (thuật ngữ khoa học: Biometric) l{ công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh học riêng của mỗi c| nh}n như v}n tay, mống mắt, khuôn mặt. Mỗi người có một đặc điểm sinh học duy nhất. Dữ liệu sinh trắc học của từng c| nh}n với đặc điểm khuôn mặt, ảnh chụp võng mạc, giọng nói sẽ được kết hợp với nhau bằng phần mềm để tạo ra mật khẩu d{nh cho những giao dịch điện tử, phương thức đó l{ “công nghệ sinh trắc đa nh}n tố”.1: C|c đặc trưng sinh trắc của con người.

Những thiết bị điện tử có khả năng sử dụng dữ liệu sinh trắc học trong 9 LUAN VAN CHAT LUONG download : add [e-mail] thời gian thực để bảo vệ thông tin bí mật của con người. Con người sẽ không phải tạo, lưu giữ hay ghi nhớ mật khẩu d{nh cho thư điện tử, thẻ ng}n h{ng. Chính phủ một số nước đ~ thực hiện việc thắt chặt an ninh v{ quản lý hộ chiếu bằng c|ch thử nghiệm công nghệ sinh trắc học. H~ng Cross Match Technologies thiết kế ứng dụng x|c thực sinh trắc học dùng công nghệ nhận diện gương mặt để lấy được đối tượng từ một đ|m đông.

Tại Mỹ, thẻ tín dụng sắp tới kỳ trở th{nh đồ cổ, trong c|c chuỗi siêu thị Thrifway, kh|ch h{ng trả tiền mua h{ng bằng ngón tay…Theo c|c nh{ nghiên cứu của IBM, trong tương lai không xa con người có thể bước tới một m|y rút tiền tự động v{ đọc tên hoặc nhìn v{o một cảm biến nhỏ xíu để rút tiền. Nếu cảm biến nhận ra những đặc điểm duy nhất trong võng mạc của kh|ch h{ng, nó sẽ cho phép người đó giao dịch. Hiện nay đ~ có trên 100 quốc gia sử dụng hộ chiếu điện tử bằng công nghệ nhận dạng v}n tay. Sử dụng v}n tay được đ|nh gi| l{ một giải ph|p bảo mật hữu hiệu v{ x|c nhận nh}n th}n chính x|c.

Nhận dạng khuôn mặt người l{ một công nghệ được ứng dụng rộng r~i trong đời sống hằng ng{y của con người như c|c hệ thống gi|m s|t, quản lý v{o ra, tìm kiếm thông tin một người nổi tiếng,.Có rất nhiều phương ph|p nhận dạng khuôn mặt để n}ng cao hiệu suất tuy nhiên dù ít hay nhiều những phương ph|p n{y đang vấp phải những thử th|ch về độ s|ng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng của tham số môi trường. Nhận dạng khuôn mặt l{ một th|ch thức lớn, vì vậy, nó đ~ thu hút c|c nh{ nghiên cứu từ c|c lĩnh vực kh|c nhau như: t}m lý học, nhận dạng mẫu, mạng tế b{o thần kinh, thị gi|c m|y tính, đồ họa m|y tính … Để tìm hiểu kỹ về vấn đề n{y, ta tìm hiểu về một số công nghệ đ~ được sử dụng phổ biến hiện nay: 1. 10 LUAN VAN CHAT LUONG download : add [e-mail] Đầu thế kỷ XIX, ph|t hiện khoa học thừa nhận hai tính năng quan trọng: Thứ nhất l{ hai kiểu v}n tay kh|c nhau dẫn đến có 2 người kh|c nhau. C|c dấu v}n tay rất hiếm khi có 2 người trùng v}n tay.

Theo kết quả đó dấu v}n tay được đưa v{o nhận dạng tội phạm khi họ phạm tội để lại dấu v}n tay. Những năm 60 của thế kỷ 20, vì m|y tính có khả năng xử lý đồ họa với độ chính x|c cao nên con người bắt đầu nghiên cứu về dấu v}n tay trong vấn đề bảo mật. Hệ thống nhận dạng v}n tay tự động AFIS Zai thực hiện c|c nghiên cứu ph|p luật v{ ứng dụng. Một hệ thống sinh trắc học tốt yêu cầu phải đạt tốc độ xử lý nhanh chóng v{ hiệu quả trong thời gian thực thi để ho{n th{nh qu| trình nhận dạng.

Tất cả c|c hệ thống sinh trắc học bao gồm c|c qu| trình xử lý: thu nhận, giải m~, so s|nh v{ kết hợp. Dấu v}n tay đảm nhận việc xử lý, nó bao gồm c|c công đoạn chụp lại ảnh dấu v}n tay, xử lý hình ảnh dấu v}n tay, khai th|c c|c tính năng để so s|nh sau đó kết hợp lại với nhau để đưa ra thông tin. Thuận lợi của việc sử dụng dấu v}n tay l{ nó đ|ng tin cậy v{ dễ d{ng được chấp nhận. Bạn chỉ cần bỏ ra một khoảng thời gian rất ngắn để có được hình ảnh về dấu v}n tay với một thiết bị lấy dấu v}n tay, nhiều nghiên cứu cho thấy rằng tất cả c|c công nghệ nhận dạng sinh trắc học thì dấu v}n tay hầu như không cấu th{nh h{nh vi x}m phạm cơ thể con người như c|c phương tiện công nghệ kh|c.

Đường chỉ tay (Palm lines) Hầu hết tất cả mọi người đều có c|c khuôn hình b{ntay kh|c nhau, v{ hình dạng b{n tay của con người sau khi đạt đến một độ tuổi nhất định thì nó sẽ không còn thay đổi đ|ng kể nữa. Khi người dùng đặt b{n tay lên trên m|y đọc, b{n tay đó sẽ được chụp lại ảnh không gian 3 chiều từ trên xuống. Tiếp theo, độ d{i v{ hình dạng c|c đốt trên c|c ngón tay được m|y đọc đo đạc. Theo số liệu được sử dụng để x|c định những người kh|c nhau, công nghệ đọc b{n tay có thể được chia th{nh 3 lĩnh vực sau: Ứng dụng của lòng 11 LUAN VAN CHAT LUONG download : add [e-mail] b{n tay, hình d|ng mạch b{n tay v{ ph}n tích hình học ngón tay.

Lập ra những nét đặc trưng kh|c nhau của c|c bức ảnh l{ kh| đơn giản, không sản sinh thiết lập ra một số lượng lớn c|c dữ liệu. Tuy nhiên, với một số lượng đ|ng kể của c|c bản ghi, hình học b{n tay có thể sẽ không ph}n biệt giữa c|c con người với nhau bởi vì c|c đặc điểm trên lòng b{n tay của con người tương tự lẫn nhau. (Nó không giống nhau nhưng nó tương tự nhau nên dẫn đến khó ph}n biệt.) Do đó, việc sử dụng x|c thực bằng phương ph|p sinh trắc học so s|nh giữa c|c b{n tay hình học không thể có được mức độ chính x|c cao nhất. Võng mạc mắt (retina biometrics) Sinh trắc học ph}n tích c|c đặc tính phức tạp v{ duy nhất của mắt có thể được chia th{nh hai lĩnh vực kh|c nhau: mống mắt sinh học (iris biometrics) v{ sinh trắc học võng mạc (retina biometrics).

Mống mắt l{ nhóm m{u bao quanh đồng tử mắt. Một hệ thống nhận dạng mống mắt sử dụng một camera để chụp ảnh lại trong khi phần mềm so s|nh c|c kết quả dữ liệu camera vừa chụp với dữ liệu mẫu đ~ có sẵn trong dữ liệu. Võng mạc l{ một lớp c|c mạch m|u ở phía sau của mắt. Quét võng mạc được thực hiện bởi một cường độ |nh s|ng hồng ngoại thấp để chụp lại c|c đặc điểm của võng mạc.

Một khu vực được gọi l{ bề mặt, nằm ở trung t}m của võng mạc, được quét v{ c|c mô hình mạch m|u được chụp lại. Sinh trắc học võng mạc được xem l{ sinh trắc học tốt nhất. Tuy nhiên, mặc dù kỹ thuật n{y có độ chính x|c cao nhưng kỹ thuật n{y vẫn được cho l{ bất tiện v{ dễ bị x}m nhập. V{ như vậy, rất khó được chấp nhận chung bởi người dùng cuối.

M|y quét võng mạc đòi hỏi c| nh}n con người phải đứng yên trong khi nó đang đọc thông tin võng mạc. Mắt v{ m|y quét võng mạc không có hiệu quả đối với người bị khiếm thị v{ những người bị đục thủy tinh thể. Giọng nói 12 LUAN VAN CHAT LUONG download : add [e-mail] X|c nhận giọng nói l{ x|c nhận khoa học của một người dựa trên đặc điểm giọng nói của họ. Tính năng duy nhất của giọng nói của một người được số hóa v{ so s|nh với dữ liệu mẫu m{ người đó đ~ được ghi lại từ trước “voiceprint” (ghi lại bằng đồ thị sóng }m) được lưu trữ trong cơ sở dữ liệu để x|c minh danh tính.

Nó kh|c với nhận dạng giọng nói bởi vì công nghệ không công nhận lời nói từ chính nó. Thay v{o đó, nó nhận ra người nói c|c từ bằng c|ch ph}n tích đặc điểm duy nhất, chẳng hạn như tần số giữa c|c ngữ }m học. Công nghệ nhận dạng giọng nói có thể l{m cho người nói điều khiển truy cập v{o dịch vụ một c|ch có giới hạn, ví dụ truy cập từ điện tho{i đến ng}n h{ng, c|c dịch vụ cơ sở dữ liệu, shopping hoặc thư thoại, v{ truy cập v{o c|c thiết bị bảo mật. Trong khi nhận dạng giọng nói được công nhận l{ thuận tiện thì nó lại không đ|ng tin cậy do những rủi ro mạo danh, truy cập từ xa v{ có độ chính x|c kém.

Một người bị cảm lạnh hoặc viêm thanh quản có thể có vấn đề khi sử dụng hệ thống nhận dạng giọng nói. Hệ thống có thể sẽ không thừa nhận giọng nói đó v{ từ chối l{ sai thông tin. Nhận dạng mặt người (Face recognition) Hệ thống nhận diện khuôn mặt x|c định một c| nh}n bằng c|ch ph}n tích hình ảnh, khuôn mẫu v{ đ|nh dấu c|c điểm đặc trưng trên gương mặt. Có hai phương ph|p cơ bản để xử lý dữ liệu: video v{ hình ảnh nhiệt.

Tiêu chuẩn kỹ thuật video l{ dựa v{o hình ảnh chụp khuôn mặt của m|y camera. Kỹ thuật hình ảnh nhiệt ph}n tích mô hình nhiệt ph|t sinh của c|c mạch m|u dưới lớp da mặt. Sự hấp dẫn của hệ thống sinh trắc học n{y l{ có thể hoạt động “hands = free” (không sử dụng tay), dẫn đến hạn chế số lượng tường t|c giữa người v{ m|y móc. Tuy nhiên, hệ thống n{y không đ|ng tin cậy v{ m|y móc thì rất đắt tiền.

Ví dụ, nó sẽ không ph}n biệt được c|c cặp sinh đôi v{ sinh ba giống 13 LUAN VAN CHAT LUONG download : add [e-mail] nhau, Không nhận ra người sử dụng sau khi họ cắt tóc v{ không nhận ra người thay đổi từ đeo kính th{nh không đeo kính. DNA (Dioxyribo Nucleic Acid) Thuật ngữ "DNA" viết tắt của Dioxyribo Nucleic Acid. DNA được tìm thấy trong mọi tế b{o của mọi sinh vật, v{ nó chứa c|c thông tin thực hiện c|c hoạt động của tế b{o. Kể từ khi ph}n tích được cấu trúc DNA của mỗi người l{ ho{n to{n l{ độc nhất vô nhị, DNA được ph}n tích một c|ch rất chính x|c để chứng minh việc nhận dạng.

Do thử nghiệm rộng r~i v{ yêu cầu thuận lợi về công nghệtiên tiến, tuy nó không phải l{ c|ch khoa học nhất để tiết kiệm chi phí sinh trắc học, nhưng khi x|c định l{ cần thiết phải l{m thì phương ph|p n{y l{ đ|ng tin cậy nhất.HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI 1. Bài toán nhận dạng mặt người và những khó khăn 1. Bài toán nhận dạng mặt người Hệ thống nhận dạng mặt người l{ một hệ thống nhận v{o l{ một ảnh hoặc một đoạn video (một chuỗi c|c ảnh).