KÄSIGEOMETRIA BIOMETRISENA TUNNISTEENA



Samankaltaiset tiedostot
BIOMETRINEN TUNNISTUS MIKA RÖNKKÖ

Biometriikka. Markku Metsämäki, SFS/SR 302 Biometriikka puheenjohtaja Guiart Oy suunnittelujohtaja

Biometristä käsipäivää! Fujitsu PalmSecure

BioLock sormenjälkitunnistin

T3.2.1 Raportti, Fujitsu PalmSecure biometrinen tunnistus

JOHDATUS TEKOÄLYYN TEEMU ROOS

Biometrinen tunnistaminen identiteetin hallinnassa

Alkuraportti. LAPPEENRANNAN TEKNILLINEN YLIOPISTO TIETOJENKÄSITTELYN LAITOS CT10A Kandidaatintyö ja seminaari

UUDET INNOVAATIOT. Professori Heikki Kälviäinen Koulutusohjelman johtaja Laitoksen johtaja

Esittelyssä AutoDome Easy Täydellinen keskikokoisiin kohteisiin

Biometristen järjestelmien yksityisyys. haasteet ja mahdollisuudet

JOHDATUS TEKOÄLYYN TEEMU ROOS

Usein kysyttyjä kysymyksiä tietosuojasta

TEKNIIKKA JA LIIKENNE. Sähkötekniikka. Elektroniikka INSINÖÖRITYÖ BIOMETRISET TUNNISTUSJÄRJESTELMÄT

Eye Pal Solo. Käyttöohje

Kaavio 1a Kilpailualue S. 1, 1.4.4, 1.4.5, 4.2.1, , , , , 23.1, 24.1, 25.1, 26.1

Sähköisen tunnistamisen kehittäminen Suomessa

JOHDATUS TEKOÄLYYN TEEMU ROOS

Pivo Lompakko mobiilimaksaminen, mobiililompakko, what s the difference

Fassment-projektin alustava analyysi

Eurooppalaiset kuluttajat valmiita käyttämään biometrista tunnistautumista maksujen varmentamisessa

WeldEye for Welding Production Analysis WELDEYE -HITSAUSHALLINTAJÄRJESTELMÄN MODUULI

IoT (Internet-of-Things) - teknologian hyödyntäminen rakennuksien paloturvallisuuden kehityksessä ja integroidussa älykkäässä ympäristössä

OPINNÄYTETYÖN KIRJOITTAMISEN OHJEET (Otsikko lihavoituna)

Ulkomaalaisten lupa-asiat. Ylitarkastaja Pentti Sorsa Maahanmuuttovirasto, Maahanmuuttoyksikkö

TSSH-HEnet : Kansainvälistyvä opetussuunnitelma. CASE4: International Master s Degree Programme in Information Technology

Kaavio 1a - Kilpailualue S. 1, 1.4.4, 1.4.5, 1.4.6, 4.2.1, , , , , 23.1, 24.1, 25.1, 26.1

Parhain terveisin, Sakari Arvela. Rikostekninen laboratorio. Forensic laboratory. Customer driven services. Asiakaskeskeistä palvelutuotantoa

Kestävää energiaa maailmalle Voiko sähköä käyttää järkevämmin?

TEKNIIKAN OSA-ALUEITA

LIIKENNE- JA VIESTINTÄMINISTERIÖN JULKAISUJA 44/2003 /V. Sähköisen tunnistamisen menetelmät ja niiden sääntelyn tarve

Professional-sarjan liiketunnistimet

IPv6 ja Esineiden Internet

Alkuraportti. LAPPEENRANNAN TEKNILLINEN YLIOPISTO TIETOJENKÄSITTELYN LAITOS Ti Kandidaatintyö ja seminaari

Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä. Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.

TTA palvelukokonaisuuden esittely Korkeakoulujen IT-päivät

JOHDATUS TEKOÄLYYN TEEMU ROOS

Faksi (+358) Puh. (+358) Finland FI Espoo Piispanportti 10, PL 29 (ROCKWOOL Finland)

TST Tehtävä ulkomailla TTY:n Amazing Race

Hiha- ja sormilyönnin ydinkohdat Must do -asiat valmentajien tueksi! Tuulevi Piesanen/Lännen alue

JOHDATUS TEKOÄLYYN TEEMU ROOS

ROCKFON ECLIPSE -ALAKATTOLEVYJÄ

Algebralliset menetelmät virheenkorjauskoodin tunnistamisessa

Oikea konsepti kaikkiin tarpeisiin. Lukitusjärjestelmät

Liiketoimintaa metsäkonetiedosta?

Biometrinen tunnistaminen identiteetin hallinnassa

OHJEET SISÄMARKKINOIDEN HARMONISOINTIVIRASTOSSA (TAVARAMERKIT JA MALLIT) SUORITETTAVAAN YHTEISÖN TAVARAMERKKIEN TUTKINTAAN OSA C VÄITEMENETTELY

Samsung Galaxy Tab tietokoneen käyttöohje

Opinnäytetyö Fysioterapiaopiskelijat Mari Kopra Eija Saarinen. Opinnäytetyö: Mari Kopra ja Eija Saarinen

Tietoturvallisuuden ja tietoturvaammattilaisen

RFIDLab Finland ry:n omistajajäsenet

EFFLEURAGE - sivelyhieronta

1.2 Kapasitiivinen lukija

Haastattelut e-kioskin käyttäjäkokemuksista. Mira Hänninen Haaga-Helia ammattikorkeakoulu

Valokuvaohje. Ohjeet on jaettu kuuteen ryhmään:

Mobiiliajokortin tarkastaminen

Pilkahduksia tulevaisuuteen vol II v 2019

PANK PANK-4122 ASFALTTIPÄÄLLYSTEEN TYHJÄTILA, PÄÄLLYSTETUTKAMENETELMÄ 1. MENETELMÄN TARKOITUS

DistanceMaster One. Laser 650 nm SPEED SHUTTER

Terveydenhuollon tietotekniikka. Seminaari

TAUCHI Tampere Unit for Computer-Human Interaction Aktiiviset oppimistilat kampuksella

Selainsähköposti Zimbran käyttöohje

ANNEX LIITE. asiakirjaan. Komission täytäntöönpanosäädös

Käyttöjärjestelmien historia. Joni Herttuainen Henri Jantunen Markus Maijanen Timo Saksholm Johanna Tjäder Eetu Turunen

Sinun diabetes. Sinun tarpeesi.

Arkkitehtuurikuvaus. Ratkaisu ohjelmistotuotelinjan monikielisyyden hallintaan Innofactor Oy. Ryhmä 14

Rockfon Eclipse Alakattolevyjä

Welding Production Analysis

Käyttöönoton helpottaminen yritysnäkökulmasta Kevät 2017 Ville Kivilompolo & Sanna Tuuliainen Julkisten palveluiden palvelumuotoilu Lapin yliopisto

Langaton verenpainemittari (BP7) PIKAOPAS

Passihakemukseen liitettävän valokuvan on täytettävä tässä ohjeessa annetut vaatimukset.

Vaikutus: etureisi Ota nilkasta kiinni vastakkaisella kädellä ja vedä kantapäätä kohti pakaraa

Ostolasku: 100 % verkkolaskuja CloudScanratkaisun avulla.

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

HYBRIDIOPPIKIRJA KOULULAISTEN KOKEILTAVANA. Hämeenlinna Maija Federley Tutkija

Älykkäät tietojärjestelmät - turvalliset sensorit osana potilaan hoitoa

Kokemuksia vuorovaikutteisten teknologioiden vaikutuksesta opetuksen kulttuuriin CASE: Tutkimusmetodiikan seminaari aikuismaisteriohjelmassa

REG-Sentry -järjestelmä Boschilta Automaattinen ajoneuvojen kulunvalvontajärjestelmä

MoveSole StepLab. Mobiili liikkumisen mittausjärjestelmä

Kuulokoje, joka avaa maailmasi

Käyttäjän tunnistus yli korkeakoulurajojen

TriflexAIR. Pyörätuoli- ja paaritkuljetusten uusi standardi

RFID-järjestelmän toteuttaminen helposti ja edullisesti Case Euroports

Zimbran käyttöohje

Tutkimus lapsen abstraktin ajattelun kehittymisestä Piaget n teorian mukaisesti

MITTAUKSEEN VARUSTAUTUMINEN Ohut mittanauha, jossa on koukku päässä (paras tarkkuus) Viivoitin Kynä ihomerkkauksia varten

4. Tunnistus ja todennus. Yleisesti turvamekanismit. Käsitteitä

Tietoturvan haasteet grideille

Matterport vai GeoSLAM? Juliane Jokinen ja Sakari Mäenpää

Avoimella kädellä taputus muutaman kerran olkapäähän.

Tietoyhteiskunnan perustaidot. Kesäkuu 2014

E-ilta: Biometrinen passi

Todettu kokeissa FCC:n standardien mukaiseksi. Yhdysvalloissa saatu patentti

Kommunikointia veden alla

Tutkinnonuudistus ja uudet DI-ohjelmat / Teknillinen fysiikka ja matematiikka. Infotilaisuus

Amazon Web Services (AWS) on varmaankin maailman suosituin IaaS-tarjoaja. Lisäksi se tarjoaa erilaisia PaaS-kategoriaan kuuluvia palveluita.

Suurikokoiset LCD kosketusnäytöt HUMAN TOUCH

PILVIPALVELUT. Käyttäjän- ja pääsynhallinnan näkökantoja itsmf.fi aamiasseminaari

TYÖLAITTEET KA250/400 KA300/450 KERÄÄVÄ AURAN KÄYTTÖOHJE. Mateko Oy Punasillantie Muurame PUH FAX

Transkriptio:

Lappeenrannan teknillinen yliopisto Tuotantotalouden tiedekunta Tietotekniikan koulutusohjelma Opintojakson CT50A6500 Älykkään laskennan seminaarin seminaarityö Johanna Pääkkönen (0382873) KÄSIGEOMETRIA BIOMETRISENA TUNNISTEENA Työn tarkastaja: Leena Ikonen

ALKUSANAT Älykkään laskennan seminaari opintojakso oli varsin poikkeava muista pääaineopintojaksoista Informaatioverkostojen opiskelijalla. Yllättäen hypättiin täysin toisenlaisen tutkimuksen pariin, joka oli mielenkiintoista, mutta myös varsin haastavaa. Tämän takia seminaarityössä ei mennä kovin paljoa pintaa syvemmälle, koska pohjatiedot olivat melko olemattomat. Kiitos kuuluu vanhalle kunnon MOT-sanakirjalle, jota tarvittiin yllättävän paljon aiheen termistön ymmärtämisessä. ii

SISÄLLYSLUETTELO JOHDANTO 1.1 TAUSTA... 4 1.2 TAVOITTEET JA RAJAUKSET... 4 1.3 TYÖN RAKENNE... 4 2 BIOMETRIIKKA... 5 2.1 BIOMETRINEN TUNNISTUS... 5 2.2 BIOMETRISEN TUNNISTAMISEN LUOTETTAVUUS... 6 3 KÄSIGEOMETRIA... 6 3.1 KÄSIGEOMETRIA TUNNISTAMISESSA... 6 3.2 KÄSIGEOMETRIAN KÄYTTÖ... 7 3.3 KÄSIGEOMETRISEN TUNNISTAMISEN EDUT JA ONGELMAT... 8 4 KÄSIGEOMETRIAN MENETELMÄT... 9 4.1 MITTAAMINEN... 9 4.2 KÄSIGEOMETRIASSA KÄYTETTÄVÄT LAITTEET... 10 5 TULOKSET JA POHDINTA... 11 6 YHTEENVETO... 12 LÄHTEET... 14

JOHDANTO 1.1 Tausta Tämän seminaarityön tavoitteena on hahmottaa käsigeometriaa biometrisenä tunnisteena. Seminaarityö on laadittu Lappeenrannan teknillisen korkeakoulun Älykkään laskennan seminaari opintojaksolla keväällä 2013. Biometriset tunnisteet ovat ihmisen ominaispiirteitä tai käyttäytymistapoja, jotka ovat niin yksilöllisiä, että niitä voidaan käyttää tunnistamiseen. Käsi on yksi suosituimmista ja käytetyimmistä biometrisista tunnisteista. Käden piirteistä käytetään biometrisenä tunnisteena sormenjälkien tunnistusta (fingerprint), kämmentunnistusta verisuonikuvioiden avulla (palm recognition) sekä käsigeometriaa (handgeometry). Kädellä suoritettavista käyttämistavoista biometrisina tunnisteina ovat käsialan tunnistus (handwriting), näppäimistödynamiikka (keyboard/keystroke dynamics) ja allekirjoituksen tunnistus (signature). Käsigeometriassa sormien pituus ja leveys, kämmenen pituus ja leveys sekä sormien sijainti tekevät käsistä biometrisen tunnisteen. Näitä käden mittasuhteita tarkastelemalla ja vertailemalla pystytään henkilö tunnistamaan, mutta ei varmasti yksilöimään, koska käsi ei ole jokaisella ihmisellä täysin yksilöllinen. 1.2 Tavoitteet ja rajaukset Työn tavoitteena on tarkastella käsigeometriaa biometrisena tunnisteena. Vastauksia haetaan selvittämällä mitä biometrinen tunnistaminen on, mitä käsigeometria on ja miten sitä voidaan mitata. Lisäksi pohditaan käsigeometrian etuja ja ongelmia sekä millaiseen tunnistamiseen se soveltuu. 1.3 Työn rakenne Luvussa 2 käsitellään biometriikka ja biometrista tunnistamista yleensä. Luku 3 keskittyy käsigeometriaan, sen käyttöön sekä hyötyihin että haasteisiin. Luvussa 4 esitellään käsi-

geometrian mittausmenetelmiä sekä markkinoilla olevia laitteita ja niiden tekniikkaa. Luvuissa 5 ja 6 esitetään pohdinta ja yhteenveto aiheesta. 2 BIOMETRIIKKA 2.1 Biometrinen tunnistus Biometriikalla tarkoitetaan tunnistusmenetelmiä, jotka perustavat joihinkin henkilön fyysisten tai biologisten piirteiden yksilölliseen tunnistamiseen, joita on vaikea tai mahdoton jäljitellä. Biometrinen piirre voi perustua myös henkilön käyttäytymiseen kuten kirjoittamiseen tai puheeseen. Henkilö tunnistetaan käyttäen hyväksi henkilön ominaispiirteitä eli biometrisiä tunnisteita. Yleisimmin käytettyjä biometrisiä tunnisteita ovat kasvot, ääni, sormenjäljet, silmän iiris, kämmenen muoto sekä perinteinen allekirjoitus. (Jain et al. 2004, Sanchez-Reillo et al. 2000.) Biometriset tekniikat voidaan jakaa kahteen luokkaan. Toiset mittaavat fyysisiä ominaisuuksia, kuten kasvoja, silmää (retina tai iiris), sormia (sormenpää, peukalo, sormen pituus tai muoto), kämmentä (muoto tai kosketuspinnat), käden mittasuhteita, kämmenselän suonistoa tai käden lämpökuvaa. Käyttäytymiseen perustuvat menetelmät puolestaan tutkivat ääninäytteitä, allekirjoitusta ja näppäimistön painalluksien kiihtyvyyksiä. Tulevaisuudessa esimerkiksi DNA:n ja vartalon hajun tunnistavat laiteet saattavat tarjota lisää mahdollisuuksia tunnistamiseen. (Tietosuojavaltuutetun toimisto, 2010, Woodward et al, 2003.) Biometristä tunnistamista on käytetty pääasiassa vain kulunvalvonnassa esimerkiksi lentokentillä, sairaaloissa ja tehtaissa. Tekniikan kehityksen myötä sekä osittain myös vähitellen maailmalla yleistyvien biometristen passien myötä biometriikka on tullut myös lähemmäs tavallista kuluttajaa. (Woodward et al, 2003.)

2.2 Biometrisen tunnistamisen luotettavuus Biometriset menetelmät perustuvat biometrisen informaation muuntamiseen numerotiedoksi. Numeroiden perusteella tuotetaan malli, jota voidaan verrata henkilön aiemmin antamiin näytteisiin. Alkuperäisen ja uuden näytteen vastaavuus ratkaisee hyväksytäänkö näyte tunnistamiseen. Mittauksissa esiintyy yleensä pientä epätarkkuutta ja ihmisen fyysiset ominaisuudet muuttuvat iän myötä, joten järjestelmissä on mahdollisuus säätää yhteensopivuuden ratkaisevia arvoja. (Woodward et al, 2003, Jain et al. 2004.) Biometriikkaan perustuvien järjestelmien yleistyessä on myös väärinkäytökset kasvaneet. Biometrisen järjestelmän huijaamistavat voidaan karkeasti jaotella kolmeen eri kategoriaan: keinotekoisella datalla järjestelmän sensorien huijaaminen, keinotekoisen datan syöttäminen järjestelmään ja suoraan tietovarastoon kohdistuvat hyökkäykset. Pelkkään biometriikkaan perustuvaa autentikointia ei pitäisi käyttää, vaan luotettavampi tapa on käyttää kahden tekijän tunnistamista, esimerkiksi biometrinen tunniste ja pinkoodi tai kahden biometrisen tunnisteen yhdistelmää, esimerkiksi käsigeometria ja käden verisuonikuvioiden tunnistaminen. (Tietosuojavaltuutetun toimisto, 2010, Woodward et al, 2003, 27.) 3 KÄSIGEOMETRIA 3.1 Käsigeometria tunnistamisessa Käsigeometria perustuu käden ja sormien geometriaan ja muotoihin. Käsigeometrisessa tunnistamisessa voidaan käyttää myös hyödyksi käden eri osien kaarevuutta, paksuutta tai sormien pituutta. Ihmisen käsi ei ole yksilöllinen kuten sormenjäljet. Käsigeometriaa voidaan käyttää tunnistamiseen, mutta ei yksilöimiseen. (Jain et al. 1999, 167.) Käsigeometrinen data on melko helposti kerättävissä. Se ei vaadi tiettyjä valaistusolosuhteita kuten esimerkiksi retinan tunnistaminen. Lisäksi käsigeometrinen tunnistaminen on helposti yhdistettävissä muihin biometriseen tunnistamistapoihin kuten sormenjälkiin. Tällöin sor-

menjälkiä voidaan käyttää esimerkiksi yksilöimiseen ja käsigeometriaa tunnistamiseen. (Jain et al. 1999, 166, Ozbay et al. 2008, Sanchez-Reillo et al. 2000.) Käsigeometriasta tunnistamisen hyviä puolia ovat: - Helppo mitattavuus - Käden muotojen ja kuvioiden uskotaan pysyvän muuttumattomina koko aikuisiän. Käsigeometriasta tunnistamisen huonoja puolia ovat: - Käyttö vaati jonkin verran koulutusta - Ei tarpeeksi hienojakoinen toimiakseen isojen käyttäjämäärien identifiointiin, minkä vuoksi sitä käytetäänkin yleensä jonkun toisen tunnistamismekanismin tukena. - Järjestelmä vaatii fyysisesti paljon tilaa. 3.2 Käsigeometrian käyttö Käsigeometriatunnistus mahdollistaa tarkkuudeltaan ja käyttömukavuudeltaan hyvien tunnistusjärjestelmien käytön useissa eri tarkoituksissa kuten: - pääsynhallinnassa - kulunvalvonnassa - käytönvalvonnassa. Monet ydinvoimalat käyttävät käsigeometriaan perustuvia pääsynhallintalukijoita henkilöiden tunnistamiseen valvotuilla alueilla. Tämän kaltaisissa käyttötarkoituksissa, joissa turvatoimet ovat erittäin tarkkoja, raja-arvot ovat erittäin tiukat verrattuna esimerkiksi kulunvalvonta järjestelmiin. (Sanchez-Reillo et al. 2000, Woodward et al, 2003.)

Case-esimerkkejä käsigeometrian käytöstä ovat Georgian yliopisto ja Disney World. Georgian yliopistolla on käytössä käsigeometrian käytönvalvontasovellus, missä käytetään käsigeometriatunnistusta ruokalassa. Käyttöönoton taustalla on ollut halu estää opiskelijoiden välistä lounaskorttien lainausta toisilleen. (Woodward et al, 2003.) Yksi suurimmista käsigeometrian tunnistusjärjestelmistä on käytössä Disney Worldissa, Floridassa. Järjestelmä otettiin käyttöön, koska havaittiin väärinkäyttöä kausikorttien käytössä. Disney Worldin vaatimuksena oli löytää sellainen biometrinen tunnistustapa, jota voitaisiin käyttää nopeasti, ilman suurempaa koulutusta tai englannin kielen taitoa eikä se vaatisi ennalta kirjautumista. Disney World käyttää BioMet Partnersin kahden sormen geometriajärjestelmää. Kausikortin ensimmäinen kerta käyttökerta sisältää järjestelmään kirjautumisen, jonka jälkeen tunnistaminen tapahtuu geometrisesti. Laitteen käyttötapahtuma kestää keskimäärin noin 11 sekuntia siitä hetkestä, kun kortin asettaa laitteeseen. (Duta, 2009, Woodward et al, 2003, 68.) 3.3 Käsigeometrisen tunnistamisen edut ja ongelmat Biometristen tunnisteiden käyttö henkilön tunnistamisessa nopeuttaa tunnistamista sekä parantaa tunnistamisen laatua. Biometrisia tunnisteita ei voi unohtaa kotiin ja biometristen tunnistuslaitteiden huijaaminen on hankalaa, mutta kuitenkin mahdollista. Biometrinen tunnistaminen koetaan myös usein yksinkertaisemmaksi ja helpommaksi kuin perinteiset salasanoilla tai avaimilla tapahtuva tunnistaminen. Käsigeometrian etuihin voidaan myös laskea se ettei geometriseen tunnistamiseen vaikuta valaistus tai sääolosuhteet. (Ozbay et al. 2008, NSTC Subcommittee on Biometrics and Identity Management, 2013.) Käsigeometriaa pidetään melko luotettavana menetelmänä, mutta henkilön käsi voi muuttua onnettomuuksissa, painon vaihtelun tai erilaisten nivelsairauksien vaikutuksesta. Kuten jokaisen biometrisen tunnistusjärjestelmän kohdalla, käsigeometrian mittaamisen raja-arvojen säätäminen käyttökohteen, käyttäjämäärän ja turvaluokituksen mukaisesti on tärkeää, jotta väärinkäytöksiltä vältytään. (Jain et al. 1999.)

4 KÄSIGEOMETRIAN MENETELMÄT 4.1 Mittaaminen Käden geometrian tunnistaminen on vanha tekniikka. Ensimmäiset käsigeometrialaitteet tehtiin 1980-luvun alkupuolella, mutta silti käytettävät laitteet ovat edelleen isokokoisia ja osittain epätarkkoja. Menetelmä on kuitenkin helppo ja edullinen toteuttaa. (Ozbay et al, 2008, NSTC Subcommittee on Biometrics and Identity Management, 2013.) Käsigeometrisillä laitteilla mitataan useimmiten sormien pituudet ja paksuudet sekä kämmenen mittasuhteet. Kuvassa 1. on esimerkki kädestä mitattavista alueista. Mitattavat alueet saattavat vaihdella ja joissakin laitteissa saatetaan kuvata ellipsin muotoisia alueita käden eri kohdista. (Jain et al. 2013, Ozbay et al. 2008.) Kuva 1. Käsigeometrian tyypilliset mittauskohteet kädestä

4.2 Käsigeometriassa käytettävät laitteet Käsigeometrian mittaamisen tarkoitetut laitteet käyttävät usein apunaan digitaalista kameraa ja valoa. Mittauksessa käsi laitetaan kämmenpuoli alaspäin laitteen pinnalle. Käsi ja sormet asetetaan useimmiten erilaisten tappien eli kontrollipisteiden väliin. Laitteen kamera kuvaa käden kämmenselän ja sivuprofiilin huomioiden sen mitat ja muodot, jotka muutetaan numeeriseen muotoon. Menetelmässä käytetään tyypillisesti binääristä mustavalkoista kuvaa. Joissakin laitteissa käden kuva tallennetaan kolmiulotteisen muotoon kämmenen muodostamien varjokuvien ja niiden ääriviivojen avulla. (Jain et al. 2013, Jain et al. 1999, Duta, 2009.) Recognition Systems, Inc. (RSI) on yksi johtavista käsigeometria laitteiden valmistajista. Yrityksen RSI-kuvantaltiointijärjestelmä koostuu valolähteestä, kamerasta, peilistä ja tasaisesta alustasta, jossa on viisi kontrollipistettä käyttäjän oikean käden asemointiin (kuva 2.). Laite on kytketty sovellukseen, joka osaa tulkita reaaliaikaista kuvalähetystä kämmenen yläpuolelta ja sivulta. Laitteen peili heijastaa kämmenen sivuprofiilin kameraan. RSI:n laitteet taltioivat kaksi kuvaa kädestä, joissa määritellään kämmenen sijainti ja koko segmentoimalla kämmenen himmentämä tumma alue heijastuneesta valosta. Laite ei pysty taltioimaan arpia tai tatuointeja. Sormukset ja laastarit voivat muuttaa kuvaa ja lopullisia mittauksia niin paljon, että syntyy virheellinen tulos. (Woodward et al, 2003, 65.) Kuva 2. RSI:n käsigeometrinen lukijalaite

Toinen tunnettu laitetekniikka on Biomet Partnersin, joka on tekniikaltaan samankaltainen kuin RSI:n, mutta se taltioi muodon ja ominaisuudet vain etu- ja keskisormesta kummasta kädestä tahansa, eikä se taltioi lainkaan kämmenen aluetta. Laitteessa on kaksi tappia, jotka erottavat etusormen ja keskisormen niin, että järjestelmä voi suorittaa tarvittavat mittaukset. Sivuprofiilikuvaa ei oteta, koska sormien paksuutta ei mitata. (Duta, 2009, Biometric Identity Verification, 2013.) Käsigeometriset laitteet pystyvät käsittelemään suuria ihmismääriä ja ne eivät vaadi kalibrointia tai taustavalaistusta kuten jotkin biometriset tunnisteet. Laitteet vaativat nykyisinkin melko paljon tilaa. Turvallisuuden ja tunnistamisen parantamiseksi monissa laitteissa käytetään lisäksi näppäinlukkoa tai pin-koodia. Käsigeometriajärjestelmien tunnistustarkkuutta ja suorituskykyä voidaan parantaa monibiometrisin keinoin esimerkiksi skannaamalla kämmenen verisuonikuvio. (NSTC Subcommittee on Biometrics and Identity Management, 2013.) 5 TULOKSET JA POHDINTA Käsigeometria on melko vanha tekniikka biometrisen tunnistamisen alueelta. Se ei ole kuitenkaan kovin tunnettu suurelle käyttäjäkunnalle ja suurimmaksi osaksi käyttö onkin keskittynyt kulunvalvontaan. Tunnistusmenetelmänä käsigeometria ei ole toimivin suurissa otoksissa, mutta tekniikan helppo toteutus ja käyttöönotto sekä pienet kustannukset tekevät siitä hyvän vaihtoehdon tunnistamisessa. Biometrinen tunnistaminen on viime vuosina tullut tutummaksi myös suurelle yleisölle, muun muassa biopassien myötä. Tulevaisuudessa tunnistamisen tarve tulee koko ajan lisääntymään esimerkiksi sähköisten palveluiden käyttöönoton lisääntyessä. Biometrinen tunnistaminen kehittyy koko ajan tutkimuksen myötä ja laitteiden tekniikat ja sitä myöten myös hinnat laskevat, joka mahdollistaa biometrisen tunnistamisen laajemman käyttöönoton myös kuluttajasektorilla.

Biometrinen tunnistaminen tarjoaa käyttömahdollisuuksia esimerkiksi etäasiointiin, automaatteihin, liikenteeseen ja maksamiseen. Lisäksi myös niin sanottu huvikäyttö voisi hyödyntää biometrista tunnistamista. Käyttökohteina voi olla esimerkiksi auto tai kodinkone, joka pystyy tunnistamaan käyttäjänsä ja siten säätämään laitteen asetukset käyttäjän perusteella, esimerkiksi auton penkin korkeuden tai musiikin äänenvoimakkuuden mieltymysten mukaan. Laajentuva käyttö lisää osaltaan turvallisuutta ja tekniikan kehittyminen luotettavuutta. Kuten kaikissa menetelmissä käyttö tuo myös erilaisia ja uusiakin uhkia kuten väärennökset tai identiteettivarkaudet. Julkiseen keskusteluun on viime aikoina myös noussut yksityisyyden suoja, joka osaltaan saattaa kääntyä biometrista tunnistamista vastaan tai heikentää ihmisten luotettavuutta tekniikkaa kohtaan. Käyttäjät yleisesti ovat pitäneet käsigeometrista tunnistamista helppona, koska siinä ei tarvitse muistaa erilaisia yhdistelmiä tai salasanoja. Lisäksi käyttö on miellyttävää vaikkapa retinan tunnistamiseen verrattuna. Käsigeometrian käyttö voisi olla mahdollista myös kotitalouksissa sitä myöten kun laitteet halpenevat ja pienenevät. Toisaalta kämmen fysiologisesti vie tilaa ja siten vaatii luultavammin erillisen laitteen kun jo nykyään esimerkiksi sormenjälkitunnistimia löytyy kotitietokoneistakin. Jotta käsigeometrinen tunnistaminen olisi turvallista se on kuitenkin syytä yhdistää esimerkiksi pin-koodiin tai vastaavaan, jolloin tunnistus on varmempaa. 6 YHTEENVETO Käsi on hyvin yleinen ja suosittu biometrinen tunniste. Käsigeometria perustuu käden ja sormien geometriaan ja muotoihin. Ihmisen kättä pidetään melko yksilöllisenä, joten käsigeometriaa voidaan käyttää tunnistamiseen, mutta ei yksilöimiseen. Käden muotojen ja kuvioiden uskotaan pysyvän muuttumattomina koko aikuisiän, mutta henkilön käsi voi muuttua onnettomuuksissa, painon vaihtelun tai erilaisten nivelsairauksien vaikutuksesta. Käsigeometrinen tunnistaminen olisi turvallista yhdistää esimerkiksi pin-koodiin tai vastaavaan toiseen tunnistustapahtumaan, jolloin tunnistus on varmempaa. Käsigeometrinen data on melko helposti kerättävissä ja se on helposti yhdistettävissä muihin biometri-

siin tunnistamistapoihin. Käyttäjät yleisesti ovat pitäneet käsigeometrista tunnistamista käyttäjäystävällisenä menetelmänä, koska siinä ei tarvitse muistaa erilaisia yhdistelmiä tai salasanoja ja laitteet ovat helppokäyttöisiä ja nopeita. Käsigeometriaa käytetään yleisesti pääsynhallinnassa sekä kulun- ja käytönvalvonnassa. Käsigeometriset laitteet kuvaavat käden erilaisia mittasuhteita ja vertaavat niitä olemassa olevaan dataan. Biometrinen tunnistamiseen liittyy aina myös riskejä väärinkäytöksistä ja varsinkin yksityisyyden suoja on noussut puheenaiheeksi. Kuitenkin käsigeometrialla kuten muillakin biometristen tunnisteiden käytöllä voidaan henkilön tunnistamista nopeuttaa ja tunnistamisen laatua parantaa.

LÄHTEET Biometric Identity Verification, [Verkkodokumentti, viitattu 20.3.2013], saatavilla http://www.security-technologynews.com/suppliers/biomet-partners-inc.html Duta, N., A survey of biometric technology based on hand shape, 2009, Vol 42, Issue 11, pp. 2797-2806 Jain, A.K. & Ross, A., A prototype hand geometry-based verification system, 1999, pp. 166-171. http://www.cse.msu.edu/~rossarun/pubs/rosshand_avbpa99.pdf Jain, A.K., Ross, A., Prabhakar, S., An introduction to biometric recognition, IEEE Transactions on Circuits and Systems for Video Technology, 2004, Vol 14, Issue 1, pp. 4-20. Jain, A.K., Ross, A., Pankanti, S., [Verkkodokumentti, viitattu 30.3.2013], saatavilla http://biometrics.cse.msu.edu/hand_proto.html NSTC Subcommittee on Biometrics and Identity Management, Introduction to Biometrics, [Verkkodokumentti, viitattu 1.4.2013], saatavilla http://biometrics.gov/referenceroom/introduction.aspx Ozbay, G., Watsuji, N., Biometric recognition using hand geometry, Proceedings of the 7th WSEAS International Conference on Signal, Processing, Stevens Point, Wisconsin, USA, 2008, pp. 81-85. Sanchez-Reillo, R, Sanchez-Avila, C, Gonzales-Marcos, A., Biometric identification through hand geometry measurements, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, Vol. 22, Issue 10, pp. 1168-1171.

Tietosuojavaltuutetun toimisto, Biometrinen tunnistus, mikä se on?, 2010 [Verkkodokumentti, viitattu 30.3.2013], saatavilla http://www.tietosuoja.fi/uploads/xvgogkse_2.pdf Woodward, J., Orlans, M., Higgins, P., Identity Assurance in the information Age: Biometrics, The McGraw-Hill companies, 2003.