Biyometrik İmza Kullanım Avantajları

Tasarruf - Belgelerin basımı, kopyalanması, taranması, dağıtımı ve arşivlenmesi. Belge başına ortalama olarak 1,25 dolar tasarruf edilir.

Hızlı yatırım geri dönüşümü - Yatırımınız genellikle kurulumdan bu yana 12 ay içinde iade edilir.

Zaman tasarrufu - iş ve iç süreçlerin hızlanması.

Elektronik belgelerin el ile imzalanması - elektronik olarak imzalanması gereken aynı elektronik belge güvenliğini kullanarak farklı elektronik belgeleri el ile imzalama seçeneği. Bizim çözümümüz, başvuru formlarını, teklifleri, siparişleri, sözleşmeleri, faturaları, raporları vb. Imzalamanızı sağlar.

Hızlı ayar ve kolay entegrasyon - çözümümüz mevcut BT sistemlerine, şirket belgelerine ve süreçlerine basit entegrasyon sağlar.

Artan güvenlik - belge ve süreçler.

Onay - elektronik belgelerin imzalanması konusundaki çözümümüz Türkiye ve AB tarafından belirlenen yasal talepleri karşılar.

Ekoloji - çözüm çevreye zarar vermez ve doğal kaynakları ve enerjileri ekonomik olarak kullanır.

Secube Biometrik İmza çözümü SignDoc, Secure Sign Secube Teknoloji firmasının SignBio+ ve kendi modül ve onların entegrasyonuna dayanmaktadır. 

Elektronik belgelerin manuel biyometrik imzalanması (e-imza) ve Manuel elektronik imzaların doğrulanması.

Bizim çözümümüz, belgelerin basılı kopyalarını yapma zorunluluğunu ortadan kaldırarak masrafları azaltmanıza yardımcı olur, siz de imzaları tıpkı oldukları gibi, doğru, güvenilir ve yasal olarak bağlayıcı bir şekilde imzalayabilirsiniz.

Biometric imza çözümü ayrıca imza ve referans imza veritabanının güvenli otomatik imza karşılaştırmasını yapabilir ve bu eylemi yürütmek isteyen kişinin kişi kimliği doğrulamasını yapabilir. ELCOM biyometrik imza pad leri bu iş için mükemmel olarak tasarlanmıştır, piyasadaki en hızlı doğru ve kaliteli panel seçenekleri ile dünya kullanımında liderdir.

Yazılım çözümü Secure Biometric Sign, biyometrik imza oluşturma sistemi için eksiksiz bir uygulama seti içerir.

SignDoc çözümünü iki temel yapılandırmada alabilirsiniz:

Tek başına uygulamalar SignDoc, kullanıcının uç cihazlarına (PC, dizüstü bilgisayar, tablet) kurulmuştur.

SignDoc Biyometrik imza istemcisi uygulamaları ve sunucu bileşeni SignDoc Server içeren Karmaşık SignDoc İstemci / Sunucu çözümü. Bu seçenek, büyük kurumsal çözümlerde uygulanmaya uygundur ve tüm sistemi karmaşık bir şekilde yönetme, mevcut müşteri altyapısına entegre etme, tüm sistemin yüksek düzeyde güvenlik ve birçok diğer işlev seçeneğine sahiptir. Bireysel modul C / S çözümü imza kart yönetim bileşeni ve on-line biyometrik imza doğrulamasıdır.

Bu iki temel çözüm dışında, biyometrik imzaların mevcut müşteri uygulamalarına entegre edilmesi için SignDoc Biyometrik İmza geliştirici setini kullanmak mümkündür. O Yağ “seviyesinde entegrasyon için SignDoc Biyometrik imza SDK kütüphaneleri kullanılabilir ve web arayüzü (" thin-client “istemci) seviyesinde entegrasyon için Web bileşenleri için Sign+ Biyometrik imza yazılımı kullanılabilir.

Biyometrik Çeşitleri

DNA Eşleştirme

Kimyasal Biyometrik DNA'dan parçaların analizini kullanarak bir kişinin tanımlanması.

Kulak

Görsel Biyometrik Bir kişinin kulak şeklini kullanarak tanımlanması.

Gözler - Iris Tanınması

Görsel Biyometrik Bir kişiyi tanımlamak için irisdeki özelliklerin kullanılması.

Gözler - Retina Tanınması

Görsel Biyometrik Tanıma işlemini başarmak için gözün arka tarafındaki damar desenlerinin kullanılması.

Yüz tanıma

Görsel Biyometrik Kimlik doğrulama veya kimlik tanıma için yüz özelliklerinin veya modellerinin analizi. Çoğu yüz tanıma sistemi ya özoyunlar ya da yerel öznitelik analizi kullanır.

Parmak izi tanıma

Görsel Biyometrik bir insanı tanımlamak için bir insan parmağının yüzey uçlarında bulunan sırtların ve vadilerin (minutiae) kullanımı.

Parmak Geometrisi Tanıma

Görsel / Mekansal Biyometrik Kimliği belirlemek için parmağın 3B geometrisinin kullanılması.

Yürüyüş

Davranışsal Biyometrik Kimliği belirlemek için yürüyen bir stilde veya yürüyüşte bireylerin kullanılması.

El Geometrisi Tanıma

Görsel / Mekansal Biyometrik Bir kişiyi tanımlamak için parmak uzunlukları ve el genişliği gibi el geometrik özelliklerinin kullanılması.

Koku

Olfactory Biometric Kimliğini belirlemek için kişilerin kokularının kullanılması.

İmza Tanınması

Görsel / Davranış Biyometrik Bir kişinin el yazısı tarzının analizi, özellikle imza ile kimlik doğrulaması. Dijital el yazısı imza doğrulamasının iki temel türü olan Statik ve Dinamik. Statik, çoğunlukla bir taranan imza ile başka bir taranmış imza veya bir mürekkep imza karşı taranan imza arasındaki görsel bir karşılaştırmadır. Gelişen algoritmaları kullanarak iki taranan imzayı kontrol etmek için teknoloji mevcuttur. Tören verileri imza cihazından imzanın X, Y, T ve P Koordinatları ile birlikte yakalanıldığı için Dinamik daha popüler hale geliyor. Bu veriler, dijital adli tıp inceleme araçlarını kullanarak bir mahkemede kullanılabilir ve dinamik imzaların ya imza sırasında ya da imzalamayı imzaladıklarında doğrulanabileceği bir biyometrik şablon oluşturabilir ve iş akışı süreçlerinde tetikleyiciler olarak kullanılabilir.

Yazarken Tanınma

Davranışsal Biyometrik Kimliği belirlemek için yazan kişilerin benzersiz özelliklerini kullanma.

Damar Tanıma

Damar tanıma, insan parmak veya palmindeki damar desenlerine dayanarak bireyleri tanımlamak için kullanılabilen bir biyometri türüdür.

Ses / Hoparlör Tanıma

Konuşmacı tanımanın iki önemli uygulaması vardır:

Ses - Hoparlör Doğrulama / Kimlik Doğrulama

İşitsel Biyometrik Erişim kontrolü için bir hoparlör kimliğini belirleme yöntemi olarak sesi kullanın.

Hoparlör belirli bir kimlik iddia ediyorsa ve ses bu iddiayı doğrulamak için kullanılır. Hoparlör doğrulama, bir hoparlörün sesi bir şablona (başka bir deyişle "sesli yazdırma" veya "ses modeli" olarak da adlandırılır) eşleştirilen 1: 1'lik bir eşleştirmedir. Hoparlör doğrulama, genellikle, güvenli bir sisteme erişim sağlamak için bir "güvenlik görevlisi" olarak kullanılır (ör. Telefon bankacılığı). Bu sistemler kullanıcı bilgisi ile çalışır ve genellikle işbirliğini gerektirir.

Örneğin, bir kişinin sınır kontrolünde pasaportunun sunulması bir doğrulama sürecidir - aracı, kişinin yüzünü dokümandaki resimle karşılaştırır.

Ses - Hoparlör Tanımlaması

İşitsel Biyometrik Tanımlama bilinmeyen bir konuşmacının kimliğini belirleme görevidir.

Hoparlör tanımlama, sesin N şablonuyla karşılaştırıldığı 1: N (çok) bir eşleşme. Hoparlör tanımlama sistemleri, kullanıcının görüşleri olmadan, gizli olarak, bir tartışma ortamındaki konuşmacıların belirlenmesi, otomatikleştirilmiş hoparlör sistemlerinin uyarılması, bir kullanıcının bir sisteme kayıtlı olup olmadığını kontrol etmesi vb. Uygulanabilir.

Örneğin, bir polis memuru, en yakın eşleşmeleri bulmak için bir saldırganın eskizini daha önce belgelenmiş suçluların bir veritabanına kıyaslar.

Adli tıp uygulamaları için "en iyi eşleşmelerin" bir listesini oluşturmak için önce bir hoparlör tanımlama işlemi gerçekleştirmek ve ardından kesin bir eşleşme belirlemek için bir dizi doğrulama işlemi gerçekleştirmek yaygın bir uygulamadır.

Not: Konuşmacı tanıma (kimin konuştuğunu tanıma) ve konuşma tanıma (söylenenlerin farkına varılması) arasında fark vardır. Bu iki terim sıklıkla karıştırılıyor, ses tanıma da. Ses tanıma hoparlör ile eşanlamlıdır ve konuşma, tanıma değildir. Buna ek olarak, kimlik doğrulama işlemi (genellikle hoparlör doğrulaması veya hoparlör kimlik doğrulaması olarak anılacaktır) ve kimlik arasında bir fark vardır.

Kimlik Doğrulama ve Biyometrik İmza Kullanmanın Avantajları

Günümüzde tanımlama, kimlik doğrulama ve kişisel doğrulama faktörleri olarak özelliklerin ve biyometrik özelliklerin kullanımı gündelik bir şey haline gelmiştir.

Biyometrik ve ilişkili biyometrik imza düzenlenmeleri, özel ve kamu kurumlarıyla (Bankalar, Hastaneler, Kamu Yönetimi, Sigorta, ...) günlük etkileşimlerimizin sayısallaştırılmasının efervesansına paralel olarak kişisel yaşamımızda trend hale gelmiş durumdadır. Ek olarak, insanlar arasındaki etkileşim kanalları çoğu durumda olmayan bir hale gelmiştir.

Bu gerçek, teknolojiyi kendi özgün kişisel kimliğimiz aracılığıyla işlem ortamımızla uzaktan tanımlama, doğrulama ve etkileşim kurma zorunluluğudur; Her bireyin benzersiz, kişisel ve ayırt edici biyometrik özellikleri vardır.

Kişisel biyometrik özelliklerin tüm önceki kayıt ve güvenli gözetimi, kimliğimizin tam olarak doğrulanması, karşılaştırılması ve onaylanması ve kişisel biyometrik yönlerimize (el yazısı biyometrik imza, ses, parmak izi, yüz ...) dayanarak uzaktan çalışmamıza olanak tanır.

Bu ortamda, el yazısıyla veya sesimizi kullanarak veya biyometrik parmak izimizle olsun, kimlik doğrulama ve biyometrik imza, günlük uzaktan operasyonlarımızda, kişisel cihazlarımızı (tabletler, akıllı telefonlar, teknolojik platformlar, vb.) Kullanarak kimliğimizi yakalamak için şahsen ya da uzaktan izin verir. Yazımın kendisine ek olarak, seslendiricinin ses, ayak izi, yüz tanıma veya göz iris gibi diğer biyometrik özellikleri de toplanır. Cihazlardan veya sistemlerden yakalanan biyometrik özellikler, el yazısı biyometrik imzasının özel durumunda aşağıdaki gibi olabilir; Yazılırken hız, yazıdaki hızlanma, baskı, vuruşlar ve işaretleme sırasında kalemlerin yön ve uçuş değişimleri. Diğer yandan, kendi sesimiz, parmak izimiz veya kendi yüz yüzümüz veya göz irisimiz gibi başka bir tipte olabilirler. Bu özellikler kişiyi belirsiz olarak tanımlar ve onaylar ve sonraki karşılaştırmalar için kaydedilir.

Her ne kadar hepsi bir kişinin onaylanmasına izin verse de, imza ve sözleşme kabulüyle ilerlemenin en genel yolu, el yazısıyla yazılmış biyometrik imza, ses ve parmak izi ile imzasıdır. Yüz ve iris tanıma, öncekileri doğrulama ve kişisel kimlik doğrulama yolu olarak tamamlar. Sonuç olarak, diğer kişisel biyometrik özelliklerin kombinasyonu, operasyonun özgünlüğüne daha fazla güvenlik katmakta ve kişinin kimliğini, kimliğinin tam anlamıyla geçersiz kılınmasının mümkün olamayacağı ve bu nedenle de tam yasal geçerliliğe sahip olduğu anlamına gelmektedir.

Sonraki Davranışsal Biyometrik İmza Tanıma

Piyasada çıkacak olan ilk İmza Tanıma cihazı, bir kişi imzasını imzaladığında statik değişkenlerden yararlandı. Bu, yükseklik, aralık, eğim gibi faktörleri ve harflerin şekillendirilmesiyle ilgili çeşitli özellikleri içerir.

1970'lerin ortasına gelindiğinde, İmza Tanıma, artık çeşitli mekansal, basınç ve zamansal değişkenlerin dikkate alınması anlamında çok daha dinamik bir süreç haline geldi.

Bu faktörler, kaleme uygulanan aşağıya doğru baskıyı, kalemin kendisinin tutulduğu basınç düzeyini ve bireyin ismini imzalarken kalemin tutulduğu açıyı içerir.

Günümüzün İmza Tanıma cihazları artık kalemin hızlanması ve imza oluştururken herhangi bir duraklama gibi daha ayrıntılı düzeydeki verileri toplayabilir ve analiz edebilir. Sinir Ağı teknolojisi de bu yönteme dahil edilebilir, ki bu da bireyin ismini imzalama biçimindeki en ufak bir değişiklik ve çeşitlemeyi bile öğrenebilir.

Ayrıca, Neural Networks kullanarak, hem Kayıt ve Doğrulama Şablonlarını barındıran veritabanı, gerçek zamanlı olarak dinamik olarak güncellenebilir.

Bugün, İmza Tanıma, bir kalem ve ileri bir işlem için yerel bir bilgisayara veya merkezi bir sunucuya bağlı bir özel yazma tabletinden yararlanmaktadır. Kayıt işlemi sırasında verileri elde etmek için, bir kişinin yazma tabletine birkaç kez ismini imzalaması gerekir. Kayıt Şablonunun sağlamlığının, yazma tabletinin kalitesinin doğrudan bir işlevi olduğu belirtilmelidir.

Veri toplama aşamasında çeşitli kısıtlamalar vardır. İlk olarak, bir imza çok uzun ya da çok kısa olamaz. Örneğin, eski ile çok fazla davranışsal veri sunulacak. Sonuç olarak, Signature Recognition cihazının tutarlı ve benzersiz veri noktalarını tanımlaması çok zor olacaktır.

Buna karşılık, ikincisiyle, yeterli sayıda veri yakalanmayacak, bu da daha yüksek bir Yanlış Kabul Oranı (“FAR”) ile sonuçlanacaktır.

Hem Kayıt hem de Doğrulama süreçleri aynı ortamlarda olduğu kadar aynı koşullarda yürütülmelidir. Örneğin, Birey Kayıt işlemi sırasında duruyorsa ve Doğrulama aşamasında kalıyorsa, ilgili şablonlar birbirinden önemli ölçüde farklılık gösterebilir.

Veri edinme aşaması tamamlandığında, İmza Tanıma sistemi daha sonra davranışsal özelliklerden benzersiz özellikleri çıkaracaktır. İstatistiksel profiller, Gizli Markov Modellerini kullanarak hem Kayıt hem de Doğrulama Şablonlarını oluşturmak için kullanılır. Her bir benzersiz özelliğe farklı istatistiksel ağırlıklar da atanır.