ZBUM - Strona Zespołu Biometrii i Uczenia Maszynowego  - Strona Zespołu Biometrii i Uczenia Maszynowego.

  • Zespół
    • O nas
    • A. Pacut
    • W. Gutfeter
    • M. Trokielewicz
    • K. Roszczewska
    • E. Bartuzi
    • K. Gabor
    • M. Hałoń
    • M. Azimi
    • J. N. Khiarak
  • Badania
    • Obszary
    • Doktoraty
    • Projekty
    • Publikacje
  • Projekty
    • AMBER
    • BIOWIZ
    • yieldPlanet
  • Seminaria
    • lato 2021
    • zima 2020
    • lato 2020
    • zima 2019
    • lato 2019
    • zima 2018
    • lato 2018
    • zima 2017
    • lato 2017
    • zima 2016
  • Dydaktyka
    • Kalendarz zajęć
    • BIT
    • SNR
  • Dyplomy
  • Laboratorium
  • Archiwum

Zespół Biometrii i Uczenia Maszynowego

Home

Najbliższe seminarium

Kolejne seminaria Zespołu Biometrii i Uczenia Maszynowego odbędą się w semestrze 2022Z.

Wiadomości

Wrzesień 2022: Michał Hałoń wraz z drużyną SKA Robotics zdobył nagrodę w konkursie "Bonus Competition Task – path optimization for a rover" podczas ósmej edycji zawodów robotów mobilnych European Rover Challenge. Zadaniem konkursowym była optymalizacja trasy łazika na powierzchni planetoidy Vesta z wykorzystaniem oprogramowania MATLAB&Simulink. Gratulujemy!

Listopad 2021: Wykorzystanie metod Deep Learningu do rozpoznawania markerów realizowane przez Michała Hałonia zostało opisane na blogu MathWorks Student Lounge

Lipiec 2021: Czasopismo recenzowane: Ewelina Bartuzi, Mateusz Trokielewicz "Multispectral hand features for secure biometric authentication systems", Concurrency Computat Pract Exper. 2021, DOI: 10.1002/cpe.6471 (Wiley Online Library)

Wrzesień 2020: Czasopismo recenzowane: Mateusz Trokielewicz, Adam Czajka, Piotr Maciejewicz "Post‐mortem Iris Decomposition and its Dynamics in Morgue Conditions", Journal of Forensic Sciences (Volume 65: 1530-1538, Issue 5, September 2020), DOI: 10.1111/1556-4029.14488 (Wiley Online Library)

Wrzesień 2020: Michał Hałoń wraz z drużyną SKA Robotics zdobył nagrodę specjalną 'Special Prize MathWorks' za najlepsze zastosowanie Toolboxów firmy MathWorks podczas szóstej edycji zawodów robotów mobilnych European Rover Challenge (wykorzystanie metod deep learningu do rozpoznawania markerów). Gratulujemy!

Sierpień 2020: Michał Hałoń został laureatem konkursu MathWorks "Make IT ROS!", w którym uczestnicy konkursu mieli za zadanie wykazać się wiedzą dotyczącą oprogramowania ROS (Robot Operating System) oraz zaproponować wykorzystanie tej platformy w projekcie studenckim. Gratulujemy!

Lipiec 2020: Czasopismo recenzowane: Aidan Boyd, Shivangi Yadav, Thomas Swearingen, Andrey Kuehlkamp, Mateusz Trokielewicz, Eric Benjamin, Piotr Maciejewicz, Dennis Chute, Arun Ross, Patrick Flynn, Kevin Bowyer, Adam Czajka "Post-Mortem Iris Recognition—A Survey and Assessment of the State of the Art" (IEEEXplore)

20 lutego 2020: Podczas pierwszego zimowego warsztatu EAB organizowanego przez Instytut Badawczy Idiap i Europejskie Stowarzyszenie Biometrii EAB
Mateusz Trokielewicz (z ramienia NASK) wygłosił prezentację „Scientific presentation "Detecting cadaver iris presentations". Gratulujemy!

english version

?Biometric data encryption ? the unifying approach?

Autor: Marcin Chochowski

["Kryptografia biometryczna - podejście ujednolicające"]
Promotor: A.Pacut


Systemy kryptograficzne są powszechnie stosowane jako narzędzie gwarantujące bezpieczeństwo informacji. Niestety podstawowy problem z jakim należy się zmierzyć w tego typu systemach to bezpieczeństwo kluczy. Są to z reguły długie, losowe ciągi bitów, których nie sposób zapamiętać. Wymaganie wygody użytkownika, połączone z relatywnie słabą ludzką pamięcią, powoduje, że dostęp do tych systemów zabezpieczony jest hasłem łatwym do zapamiętania, co prowadzi do zmniejszenia bezpieczeństwa całego systemu. Jednym z zaproponowanych ostatnio rozwiązań tego problemu jest użycie danych biometrycznych do generowania haseł/kluczy. Zaletą takiego podejścia, oprócz zwiększenia entropii hasła, jest fakt, że danych biometrycznych nie sposób zgubić, zapomnieć, czy pożyczyć. Niestety sposób w jaki można wykorzystać dane biometryczne do tworzenia kluczy nie jest oczywisty. Trzeba rozwiązać dwa podstawowe problemy.
Po pierwsze należy "opanować" zmienność danych biometrycznych dla jednej osoby - klucz musi być dokładnie powtarzalny. Algorytm weryfikacji biometrycznej, odpowiadając na pytanie czy analizowana próbka (pobrane dane biometryczne) należy do konkretnej osoby musi określić jej stopień podobieństwa (bądź niepodobieństwa) do wzorca którym dysponuje. To właśnie fakt, że za każdym razem operujemy na danych ?podobnych?, a nie identycznych jest największą trudnością jaką należy rozwiązać w kryptografii biometrycznej.

Po drugie trzeba zagwarantować możliwość wygenerowania wielu różnych, niezależnych od siebie, kluczy dla tych samych danych biometrycznych. To co jest największą zaletą biometrii, czyli niezmienność konkretnej charakterystyki (np. odcisku palca), w tym przypadku staje się problemem, który należy rozwiązać. Jeśli, algorytm kryptografii biometrycznej generowałby tylko jeden klucz z konkretnej charakterystyki np. prawego palca wskazującego, wtedy kompromitacja tego klucza (co jak wiadomo, w rzeczywistości jest możliwe) automatycznie oznaczałaby niemożność wykorzystania tego palca w jakimkolwiek innym systemie.

Dwa opisane wyżej problemy są najważniejszymi, ale nie jedynymi na jakie napotyka się tworząc system kryptografii biometrycznej. Temat ten jest bardzo ciekawy i szeroki. Obejmuje zarówno aspekty analizy statystycznej danych biometrycznych, analizę i pochodzenie różnic między próbkami danych tej samej i różnych osób, dobór algorytmów korekcji błędów, kwantyzacji ale również techniki bezpiecznej implementacji tychże algorytmów na kartach elektronicznych czy procesorach DSP.

Istotą tych badań stanowi jednak problem określenia czegoś, co należałoby nazwać ?ilością informacji biometrycznej?, a co miałoby odpowiadać zdefiniowanej przez Shanona entropii. Miara ta miałaby określać, stopień niepewności danych biometrycznych dla konkretnej charakterystyki, czyli w rezultacie poziom bezpieczeństwa kluczy z niej wygenerowanych. Intuicyjnie wydaje się, że niektóre charakterystyki gwarantują większe bezpieczeństwo niż inne np. tęczówka czy odcisk wydają się być lepsze od geometrii dłoni. Nie udało się jednak dotychczas stworzyć jednolitego wskaźnika takiej oceny ? oprócz krzywych FAR, FRR.

Kontakt

Instytut Automatyki i Informatyki Stosowanej
Zakład Sterowania Systemów
Zespół Biometrii i Uczenia Maszynowego
ul. Nowowiejska 15/19
00-665 Warszawa

Logowanie

  • Request new password
  • zespół
  • badania
  • projekty
  • seminaria
  • dydaktyka
  • dyplomy
  • laboratorium
  • archiwum