AI tilt biometrische identificatie naar hoger plan

3D-biometrische identificatie bestaat al enige tijd, bijvoorbeeld in de vorm van de 'geometrie' van de hand of karakteristieke bewegingen. Deze 3D-identificatie werkt met veel meer meetkarakteristieken dan bijvoorbeeld een vingerafdruk, en is daardoor veel moeilijker te vervalsen. Toch blijft het probleem dat de gegevens worden opgeslagen in een statische database. Dat biedt kwaadwillenden een mogelijkheid zo'n database te kraken en naar believen te wijzigen zodat ook anderen zich illegaal toegang kunnen verschaffen tot het betreffende systeem.

De inzet van machine learning kan hier uitkomst bieden. Door bij het gebruik voortdurend de binnenkomende beelden te analyseren en te verbeteren ontstaat een dynamische database waarmee spoofing veel lastiger wordt.

De aarde lijkt plat maar is het niet

De nieuwe technologie is gebaseerd op onderzoek naar geometric deep learning (GDL), legt Jonathan Masci, directeur van AI-startup NNAISENSE, in een artikel op Venturebeat uit. GDL is een relatief nieuw onderzoeksgebied dat leert op basis van non-Euclidische data zoals grafen (wiskundige term, meervoud van graaf) en manifolds. Euclidische meetkunde werkt met ruimtes die niet gekromd zijn. Grafen en manifolds zijn juist wel gekromd (dus non-euclidisch) maar kunnen schijnbaar niet-gekromd zijn. Een voorbeeld van een manifold is de aarde waarvan eeuwenlang is gedacht dat deze een platte schijf was.

Door de relatie tussen verschillende punten aan het oppervlak van een object te analyseren, leert het systeem over de unieke geometrische structuur van het object. Daardoor is het mogelijk het oppervlak te herkennen in verschillende houdingen. Machinelearning-technieken die tot nog toe werden gebruikt, konden daar niet mee overweg.

Wordt al toegepast

GDL wordt nu al toegepast in systemen voor zelfsturende auto's en bij het ontwerp van nieuwe medicijnen. Het kan dus ook heel nuttig zijn om een identiteit digitaal vast te stellen, bijvoorbeeld via opnamen van de hand. Het voordeel hierbij is dat de biometrische identificatie via handen en gebaren minder gevoelig ligt dan via gezichtsherkenning.