Biyometri (Biometrics)

Biyometri, bireylerin benzersiz fizyolojik ve davranışsal özelliklerinin ölçülmesini ve istatistiksel analizini ifade eder. Bilgisayar bilimlerinde bazen gerçekçi kimlik doğrulama olarak da adlandırılan biyometrik kimlik doğrulama, tanımlama ve erişim kontrolü için bir yöntem olarak hizmet eder. Ayrıca, izlenen popülasyonlardaki bireylerin belirlenmesi için de kullanılır.

Biyometri, insan özellikleri ve özelliklerine ilişkin vücut ölçümleri ve hesaplamalardır. Biyometrik kimlik doğrulama (veya gerçekçi kimlik doğrulama), bilgisayar bilimlerinde bir tanımlama ve erişim kontrolü biçimi olarak kullanılır. Aynı zamanda gözetim altındaki gruplardaki bireyleri tanımlamak için de kullanılır.

Biyometrik tanımlayıcılar, bireyleri ayırt etmek ve karakterize etmek için kullanılan benzersiz, ölçülebilir özelliklerdir. Bu tanımlayıcılar sıklıkla iki ana kategoriye ayrılır. Fizyolojik özellikler vücudun fiziksel yapısıyla ilgilidir; parmak izleri, avuç içi damarları, yüz tanıma modelleri, DNA, avuç içi izleri, el geometrisi, iris tanıma, retina taramaları, koku/koku profilleri, ses kalıpları, kulak şekli ve yürüyüş gibi örnekleri kapsar. Davranışsal özellikler ise tersine, fare hareketi, yazma ritmi, yürüyüş, imza, ses ve kapsamlı davranışsal profil oluşturma dahil ancak bunlarla sınırlı olmamak üzere bireyin tipik eylem kalıplarıyla ilgilidir. Bazı akademisyenler, biyometrinin bu ikinci sınıflandırmasını özellikle belirtmek için davranışsal biyometri (davranışsal biyometri) terimini kullanmışlardır.

Buna karşılık, daha geleneksel erişim kontrol mekanizmaları tipik olarak sürücü ehliyetleri veya pasaportlarla örneklenen jeton tabanlı tanımlama sistemlerini ve şifreler veya kişisel kimlik numaraları (PIN'ler) gibi bilgi tabanlı sistemleri içerir. Bireylere özgü benzersizlikleri göz önüne alındığında, biyometrik tanımlayıcılar, bu belirteç ve bilgiye dayalı yaklaşımlarla karşılaştırıldığında kimlik doğrulama için daha fazla güvenilirlik sunar. Bununla birlikte, biyometrik verilerin toplanması ve saklanması her zaman önemli gizlilik hususlarını beraberinde getirir.

Biyometrik İşlevsellik

Biyometrik kimlik doğrulama, insan fizyolojisi, kimyası veya davranışının çeşitli yönlerinden yararlanabilir. Belirli bir uygulama için belirli bir biyometrinin akıllıca seçilmesi, birden fazla kriterin değerlendirilmesini gerektirir. Jain ve diğerleri (1999), biyometrik kimlik doğrulama için herhangi bir özelliğin uygunluğunu değerlendirmek için yedi kritik faktörü tanımladı. Biyometrik kimlik doğrulama, temel olarak bireyin biyolojik ve davranışsal özelliklerini tanımlamaya yönelik gelişmiş bir metodoloji olan biyometrik tanımaya dayanır.

• Evrensellik, seçilen biyometrik özelliğin sistemi kullanan her bireyde mevcut olması gerektiğini ifade eder.
• Benzersizlik, özelliğin, hedef popülasyon içindeki bireyler arasında, onların farklılaşmasını sağlayacak yeterli farklılık göstermesi gerektiğini ima eder.
• Kalıcılık, biyometrik bir özelliğin zamansal kararlılığını ifade eder. Spesifik olarak, iyi kalıcılığa sahip olan bir özellik, belirli bir eşleştirme algoritması tarafından işlendiğinde zaman içinde kabul edilebilir derecede değişmez kalacaktır.
• Toplanabilirlik olarak da bilinen ölçülebilirlik, biyometrik bir özelliğin edinilebilme veya ölçülebilme kolaylığı ile ilgilidir. Ayrıca toplanan veriler, daha sonraki işlemlere ve ilgili özellik kümelerinin çıkarılmasına uygun bir formatta olmalıdır.
• Performans, temel biyometrik teknolojinin doğruluğunu, operasyonel hızını ve sağlamlığını kapsar.
• Kabul edilebilirlik, hedef popülasyondaki bireylerin teknolojiyle etkileşime girmeye, özellikle de biyometrik özelliklerinin yakalanmasına ve değerlendirilmesine izin verme derecesi ile ilgilidir.
• Atlatma, biyometrik bir özelliğin yapay bir yapı veya ikame kullanılarak kopyalanabileceği veya atlanabileceği kolaylığı ifade eder.

Biyometrinin optimal uygulaması büyük ölçüde bağlama bağlıdır. Belirli biyometrik yöntemlerin uygunluğu, gerekli kolaylık ve güvenlik düzeylerine göre değişir. Sonuç olarak hiçbir biyometrik çözüm, her potansiyel uygulamanın taleplerini evrensel olarak karşılayamaz.

Bir blok diyagram tipik olarak bir biyometrik sistemin iki temel çalışma modunu tanımlar. Öncelikle doğrulama (veya kimlik doğrulama) modunda sistem, yeni yakalanan biyometrik örnek ile biyometrik veri tabanından alınan belirli bir şablon arasında bire bir karşılaştırma gerçekleştirir. Bu süreç, bireyin gerçekten iddia ettiği kişi olduğunu doğrulamayı amaçlamaktadır. Bir bireyin doğrulanması tipik olarak üç farklı aşamayı içerir. Başlangıçta, tüm yetkili kullanıcılar için referans modeller oluşturulur ve özel bir model veri tabanında güvenli bir şekilde saklanır. Daha sonra çeşitli örnekler bu referans modelleriyle eşleştirilerek gerçek ve sahte puanlar üretilir ve buradan bir eşik hesaplanır. Son aşama test aşamasını oluşturur. Bu prosedür, karşılaştırma için belirli bir şablonu belirlemek amacıyla akıllı kart, kullanıcı adı veya kimlik numarası (örneğin PIN) gibi yardımcı tanımlayıcıları içerebilir. Doğrulama modunun yaygın bir uygulaması, birden fazla kişinin tek bir kimlik üstlenmesini engellemeyi amaçlayan pozitif tanımadır.

İkinci olarak, kimlik belirleme modunda sistem, bilinmeyen bir kişinin kimliğini tespit etmek için biyometrik veri tabanıyla bire çok karşılaştırma yapar. Başarılı tanımlama, biyometrik örneğin bir veritabanı şablonuyla karşılaştırılması önceden tanımlanmış bir eşik dahilinde hizalandığında gerçekleşir. Bu mod iki temel işlevi destekler: kullanıcının şablon hakkında bilgi vermesinin gerekmediği olumlu tanıma ve bir bireyin gerçek kimliğini örtülü veya açık bir şekilde inkar edip etmediğini belirleyen olumsuz tanıma. Şifreler, PIN'ler veya anahtarlar gibi alternatif kişisel tanıma yöntemlerinin bu amaç için etkisiz olduğu kanıtlandığından, ikinci özelliğe yalnızca biyometrik sistemler aracılığıyla ulaşılabilir.

Bir bireyin biyometrik sistemle ilk etkileşimine kayıt adı verilir. Bu aşamada bireyin biyometrik verileri alınır ve ardından saklanır. Sonraki tüm kullanımlarda yeni edinilen biyometrik bilgiler tespit edilir ve kayıt sırasında arşivlenen verilerle karşılaştırılır. Herhangi bir biyometrik sistemin sağlamlığı için veri depolama ve geri alma mekanizmalarının doğası gereği güvenli olması zorunludur. Sistemin mimarisi tipik olarak birkaç aşamadan oluşur: İlk aşama olan sensör, fiziksel çevre ile sistem arasında arayüz görevi görür ve gerekli tüm verileri elde etmekten sorumludur. Bu genellikle bir görüntü elde etme sistemidir, ancak doğası istenen özelliklere göre değişebilir. İkinci aşama, sensör girişinden artefaktın kaldırılması, verilerin iyileştirilmesi (örn. arka plan gürültüsünün azaltılması) ve çeşitli normalleştirme prosedürleri dahil olmak üzere temel ön işleme işlemlerini yürütür. Üçüncü aşama kritik özelliklerin çıkarılmasını içerir. İlgili özelliklerin doğru ve optimum şekilde çıkarılması çok önemli olduğundan bu adım çok önemlidir. Daha sonra genellikle sayısal bir vektör veya belirli özelliklere sahip bir görüntü olarak temsil edilen bir şablon oluşturulur. Bir şablon, kaynak biyometrik verilerden türetilen ilgili özelliklerin sentezlenmiş bir temsilini oluşturur. Dosya boyutunu en aza indirmek ve kayıtlı kişinin kimliğini korumak için, karşılaştırma algoritmasında kullanılmayan biyometrik ölçüm öğeleri genellikle şablondan çıkarılır. Bununla birlikte, biyometrik sistemin özel uygulamasına bağlı olarak, Federal Çalışanlar ve Yükleniciler için Federal Bilgi İşleme Standardı Kişisel Kimlik Doğrulaması (PIV) (FIPS 201) kapsamında kullanılan PIV kartlarıyla örneklendiği gibi, orijinal biyometrik görüntü kaynakları korunabilir.

Kayıt aşamasında oluşturulan şablon, fiziksel bir kartta, dijital bir veritabanında veya her ikisinde de güvenli bir şekilde saklanır. Daha sonra, eşleştirme aşamasında, yeni elde edilen şablon, mevcut şablonlara karşı karşılaştırmalı bir analiz gerçekleştiren ve Hamming mesafesi gibi çeşitli algoritmalar kullanarak aralarındaki farklılığı hesaplayan bir eşleştiriciye iletilir. Eşleştirme programı daha sonra giriş şablonunu işleyerek belirlenmiş bir kullanım veya amaç için (örneğin, kısıtlı bir alana erişim izni vermek) bir çıktı üretir. Ancak biyometrik verilerin uygulanmasında 'görevin kayması' potansiyeline ilişkin bilinen bir endişe vardır. Herhangi bir pratik uygulama için biyometrik sistemin seçimi, belirli karakteristik ölçümlere ve kullanıcı gereksinimlerine bağlıdır. Belirli bir biyometrik seçimine ilişkin temel hususlar arasında performansı, sosyal kabul edilebilirliği, hileli atlatma veya sahtekarlığa karşı duyarlılığı, doğası gereği sağlamlığı, nüfus kapsamının kapsamı, gerekli ekipmanın fiziksel boyutları ve kimlik hırsızlığını caydırmadaki etkinliği yer alır. Sonuçta biyometrik seçim, sensör ve cihazın kullanılabilirliği, hesaplama verimliliği ve güvenilirliği, genel maliyet, sensör ayak izi ve güç tüketimi gibi faktörler dikkate alınarak kullanıcı ihtiyaçlarına göre yönlendirilir.

Çok Modlu Biyometrik Sistemler

Çok modlu biyometrik sistemler, tek modlu biyometrik sistemlerin doğasında olan sınırlamaları ele almak ve azaltmak için birden fazla sensörü veya farklı biyometrik yöntemleri entegre eder. Örneğin, iris tanıma sistemleri yaşlanmanın irisler üzerindeki etkilerinden dolayı tehlikeye girebilirken, elektronik parmak izi tanıma sistemi aşınmış veya hasar görmüş parmak izleri nedeniyle bozulabilir. Tek modlu sistemler tek tanımlayıcılarının bütünlüğü nedeniyle kısıtlansa da, birden fazla tek modlu sistemin aynı anda aynı güvenlik açıklarını sergilemesi olası değildir. Multimodal sistemler, aynı biyometrik işaretleyiciden (ör. irisin birden fazla görüntüsü veya tek bir parmağın tekrarlanan taraması) veya farklı biyometrik kaynaklardan (ör. parmak izi taramalarını sözlü bir şifre aracılığıyla ses tanımayla birleştirerek) bilgi edinme kapasitesine sahiptir.

Çok modlu biyometrik sistemler, tek modlu sistemleri çeşitli entegrasyon modları aracılığıyla entegre eder: sıralı, paralel, hiyerarşik veya seri. Biyometrik bilgilerin entegrasyonu bir tanıma sistemi içerisinde farklı aşamalarda gerçekleşebilir. Özellik düzeyinde füzyon, ham verileri veya birden fazla biyometrik kaynaktan çıkarılan özellikleri birleştirmeyi içerir. Eşleştirme puanı düzeyi füzyonu, her biri farklı bir modaliteye karşılık gelen birden fazla sınıflandırıcı tarafından üretilen puanları bir araya getirir. Sonuçta, karar düzeyinde füzyon, çoğu zaman çoğunluk oyu gibi yöntemleri kullanarak çeşitli sınıflandırıcıların nihai sonuçlarını birleştirir. Özellik düzeyindeki füzyonun genellikle diğer füzyon düzeylerinden daha etkili olduğu düşünülür; bunun temel nedeni, özellik kümesinin, eşleşen bir puana veya sınıflandırıcının nihai kararına kıyasla girdi biyometrik verileriyle ilgili daha kapsamlı bilgiler içermesidir. Sonuç olarak, özellik düzeyinde uygulanan birleştirmenin üstün tanıma performansı sağlaması bekleniyor.

Fabrika biyometrik özelliklerin bir sisteme sunulmasını içeren kimlik sahtekarlığı saldırıları, biyometrik güvenliği tehlikeye atabilecek önemli bir güvenlik açığını temsil eder. Çok modlu biyometrik sistemlerin genellikle sahteciliğe karşı doğal bir dayanıklılığa sahip olduğu varsayılırken, çağdaş araştırmalar, tek bir biyometrik özelliğin bile tahrif edilmesiyle bu sistemlerin atlatılabileceğini göstermektedir.

Prasanalakshmi tarafından geliştirilen, önerilen çok modlu biyometrik şifreleme sistemi yüz, parmak izi ve avuç içi damar tanımayı entegre ediyor. Bu şifreleme sistemi, avuç içi damarını bir şifreleme anahtarı olarak kullanarak biyometrik kimlik doğrulamayı şifreleme ilkeleriyle birleştirir. Avuç içi damarı, benzersiz özellikleri ve sahteciliğin doğasında olan zorluğu nedeniyle yüksek düzeyde güvenlik sunar. Parmak izi bileşeni, ayrıntı çıkarma (sonlandırmaları ve çatallanmaları tanımlama) ve eşleştirme algoritmalarını kullanır. Parmak izleri için temel işleme adımları arasında görüntü iyileştirme, ikilileştirme, ilgi alanı (ROI) çıkarma ve ayrıntı inceltme yer alır. Yüz tanıma sistemi, tanımlamaya yönelik özellikleri hesaplamak için sınıf bazlı dağılım matrislerinden yararlanır. Avuç içi damarı değişmez bir kriptografik anahtar görevi görerek yetkili kullanıcılara özel sistem erişimi sağlar. İptal edilebilir biyometri kavramı, biyometrik özelliklerde küçük değişikliklere izin vererek gizliliği artırır ve hırsızlık risklerini azaltır. Uzlaşma durumunda biyometrik verilerin yeni varyasyonları oluşturulabilir ve yayınlanabilir. Şifreleme için parmak izi şablonu, XOR işlemleri yoluyla avuç içi damar anahtarı kullanılarak şifrelenir. Bu şifrelenmiş parmak izi daha sonra steganografik teknikler kullanılarak yüz görüntüsünün içine gizlenir. Kayıt sırasında biyometrik veriler (parmak izi, avuç içi damarı, yüz) yakalanır, şifrelenir ve yüz görüntüsüne yerleştirilir. Doğrulama için sistem gömülü biyometrik verileri çıkarır ve bunları kayıtlı değerlerle karşılaştırır. Parmak izi veritabanlarıyla yapılan testler, %25'lik eşit hata oranında %75'lik bir doğrulama doğruluğu gösterdi. İşlem süreleri kayıt için yaklaşık 50 saniye ve doğrulama için 22 saniyeydi. Sistem, avuç içi damarı şifrelemesi sayesinde güçlü bir güvenlik sunarak biyometrik sahtekarlığa etkili bir şekilde karşı koyar ve çok modlu tasarımı, bir biyometrik yöntemin başarısız olması durumunda bile güvenilirliği garanti eder. Ayrıca akıllı kartlar veya kart üstü sistemlerle entegrasyon potansiyeli sergileyerek kişisel tanımlama uygulamalarında güvenliği artırır.

Performans Ölçümleri

Herhangi bir biyometrik teknolojinin ayırt etme kapasitesi, kodlayabildiği ve eşleştirme işlemi sırasında etkili bir şekilde kullanabileceği entropi miktarına bağlıdır. Biyometrik sistemlerin performansını değerlendirmek için aşağıdaki metrikler yaygın olarak kullanılır:

• Yanlış eşleşme oranı (FMR), biyometrik bir sistemin bir giriş modelini yanlışlıkla veritabanındaki karşılık gelmeyen bir şablonla eşleşiyor olarak tanımlama olasılığını ölçer. Bu ölçüm, sistem tarafından hatalı bir şekilde kabul edilen geçersiz girişlerin yüzdesini temsil eder. Benzerliğe dayalı bir sistemde, eğer bir kişi gerçekten sahtekarsa ancak eşleşme puanı önceden tanımlanmış eşiği aşarsa, hatalı bir şekilde meşru kullanıcı olarak sınıflandırılır. Böyle bir olay FMR'yi yükseltir ve sonuç olarak seçilen eşik değerinden etkilenir.
Alternatif olarak Yanlış Reddetme Oranı (FRR) olarak da adlandırılan
• Yanlış eşleşmeme oranı (FNMR), bir biyometrik sistemin bir giriş modeli ile veritabanındaki buna karşılık gelen şablon arasındaki meşru bir eşleşmeyi tespit edememe olasılığını belirtir. Bu ölçüm, sistem tarafından yanlışlıkla reddedilen geçerli girişlerin yüzdesini gösterir.
• Alıcı İşletim Karakteristiği (ROC) eğrisi, aynı zamanda göreceli işletim karakteristiği olarak da bilinir, Yanlış Eşleşme Oranı (FMR) ile Yanlış Eşleşmeme Oranı (FNMR) arasındaki dengeyi görsel olarak temsil eder. Tipik olarak eşleştirme algoritmaları, başarılı bir eşleşme için bir girdi ile bir şablon arasında gereken yakınlığı tespit etmek amacıyla bir karar eşiği kullanır. Daha düşük bir eşik, yanlış eşleşme olmayanları azaltır ancak aynı zamanda yanlış kabulleri de artırır. Tersine, eşiğin yükseltilmesi FNMR'yi şiddetlendirirken FMR'yi azaltır. Yaygın bir değişken, her iki eksende normal sapma ölçeklerini kullanan Algılama Hatası Dengeleme (DET) grafiğidir. Bu doğrusallaştırma, özellikle sık olmayan hatalar sergileyen sistemler için performans ayrımlarının görünürlüğünü artırır.
• Çapraz hata oranı (CER) olarak da adlandırılan Eşit Hata Oranı (EER), kabul ve ret hata oranlarının yakınlaştığı noktayı belirtir. Bu değer ROC eğrisinden kolaylıkla elde edilebilir. EER, farklı ROC özelliklerine sahip olanlar bile dahil olmak üzere çeşitli cihazların doğruluğunu karşılaştırmak için kısa bir ölçüm sunar. Genellikle en düşük EER'yi gösteren sistemin en doğru olduğu kabul edilir.
• Kayıt Başarısızlığı Oranı (FTE veya FER), bir girdiden biyometrik şablon oluşturmaya yönelik başarısız girişimlerin oranını belirtir. Bu fenomen öncelikle standartların altındaki giriş kalitesiyle ilişkilendirilebilir.
• Otomatik sistemlerdeki Yakalama Başarısızlığı Oranı (FTC), sistemin bir biyometrik girişi doğru sunumuna rağmen tespit edememe olasılığını temsil eder.
• Şablon kapasitesi, bir sistemin depolayabileceği maksimum veri kümesi hacmini ifade eder.

Tarihsel Gelişim

Parmak izlerinin ilk sistematik kataloglaması, Juan Vucetich'in Arjantin'de suç parmak izleri koleksiyonunu başlatmasıyla 1885'te başladı. Josh Ellenbogen ve Nitzan Lebovic, biyometrinin Alphonse Bertillon'un (1853–1914) öncülüğünü yaptığı kriminal tanımlama sistemlerinden ve Francis Galton'un parmak izleri ve fizyonomi teorilerinden ortaya çıktığını iddia ediyor. Tarihçi Keith Breckenridge, Galton'un Güney Afrika'daki keşif gezilerinin onun yeni ortaya çıkan ırksal önyargılarını sağlamlaştırdığını ve ardından insan varyasyonunun bilimsel sınıflandırmasına olan bağlılığını motive ettiğini gözlemliyor. Lebovic, Galton'un araştırmasının "matematiksel modellerin parmak izlerine, frenolojiye ve yüz özelliklerine uygulanmasıyla sonuçlandığını" ve popülasyonların "mutlak tanımlamanın" bir bileşeni ve "hem dahil etme hem de hariç tutma mekanizması" olarak hizmet ettiğini öne sürüyor. Sonuç olarak, "biyometrik sistem çağımızın en önemli siyasi aracını oluşturmaktadır" ve "yumuşak kontrolün" bir tezahürüdür. Teorisyen David Lyon, son yirmi yılda biyometrik sistemlerin sivil pazara nüfuz ettiğini, dolayısıyla hükümet ve özel şirket kontrol mekanizmaları arasındaki ayrımları gizlediğini gösterdi. Kelly A. Gates, 11 Eylül'ü çağdaş kültürel söylem için çok önemli bir an olarak belirledi ve şunu belirtti: "Kültürel çalışmaların tabiriyle, 11 Eylül sonrası, farklı nesnelerin veya olayların yeni bir söylem oluşumu oluşturmak için bir araya geldiği bir eklemlenme anını temsil ediyordu: bir ulusal güvenlik teknolojisi olarak otomatik yüz tanıma."

Uyarlanabilir Biyometrik Sistemler

Uyarlanabilir biyometrik sistemler, operasyonel verilerdeki sınıf içi farklılıklara uyum sağlamak amacıyla şablonları veya modelleri otomatik olarak güncelleyecek şekilde tasarlanmıştır. Bu sistemler ikili faydalar sunar: kısıtlı eğitim verilerinin yarattığı zorlukların üstesinden gelmek ve sürekli uyarlama yoluyla girdi verilerindeki zamansal dalgalanmaları izlemek. Son zamanlarda uyarlanabilir biyometri, araştırma camiasında büyük ilgi topladı. Bu araştırma alanının, öne sürülen başlıca avantajları nedeniyle hızlanması bekleniyor. İlk olarak, uyarlanabilir bir biyometrik sistem, ilk kayıt aşamasında geniş miktarda biyometrik numune toplama zorunluluğunu ortadan kaldırır. İkinci olarak, gelişen çevresel koşulları yönetmek için yeniden kayıt veya sistemin tamamen yeniden eğitilmesi gerekliliğini ortadan kaldırır. Bu kolaylık, biyometrik sistem bakımıyla ilişkili işletme maliyetlerini önemli ölçüde azaltabilir. Bu faydalara rağmen, bu sistemlerle ilgili çözülmemiş bazı sorunlar devam etmektedir. Örneğin, biyometrik sistemin hatalı kabulleri gibi yanlış sınıflandırma hataları, sahte numuneler kullanılarak adaptasyonu zorunlu kılmaktadır. Bununla birlikte, devam eden araştırma çabaları uyarlanabilir biyometri ile ilgili önemli sorunların ele alınmasına odaklanmaktadır. Uyarlanabilir biyometrik sistemlerin kapsamlı bir eleştirel incelemesi Rattani ve diğerleri

Gelişen Biyometride Son Gelişmeler

Çağdaş biyometrik metodolojiler artık beyin (elektroensefalogram) ve kalp (elektrokardiyogram) sinyallerini kapsıyor. Parmak damarı tanıma, insan damar görüntülerini analiz etmek için desen tanıma algoritmaları kullanarak bu eğilimin bir örneğini oluşturuyor. Bu ileri teknolojilerin önemli bir faydası, parmak izi gibi geleneksel biyometriyi geride bırakarak sahtekarlığa karşı gelişmiş dirençleridir. Bununla birlikte, bu sistemler genellikle daha büyük operasyonel karmaşıklık sunar ve doğruluk ve uzun vadeli tekrarlanabilirlik konusunda zorluklarla karşılaşmaya devam eder.

Biyometrik ürün taşınabilirliği açısından, giderek daha fazla sayıda üretici önemli ölçüde minyatürleştirilmiş biyometrik kimlik doğrulama sistemlerini (BAS) benimsiyor ve bu da özellikle büyük ölçekli dağıtımlarda önemli düzeyde maliyet verimliliği sağlıyor.

Operatör İmzaları

Operatör imzası, bir kişinin bir cihazla veya karmaşık sistemle etkileşiminin doğrulama şablonu olarak kaydedildiği biyometrik bir yöntemi temsil eder. Bu biyometrik imza türünün olası bir uygulaması, halka açık ağlar üzerinden çalışan telerobotik cerrahi sistemlerinin uzak kullanıcıları arasında ayrım yapmaktır.

Belirli Genel Ağlar için Önerilen Gereksinimler

Amerika Birleşik Devletleri Donanması eski koramiral, ABD Ulusal İstihbarat eski müdürü ve Booz Allen Hamilton'ın kıdemli başkan yardımcısı John Michael (Mike) McConnell, 2009 Biyometrik Konsorsiyum Konferansı'ndaki açılış konuşmasında belirli genel ağlara erişim için biyometrik kimlik doğrulamayı zorunlu kılan gelecekteki bir yeteneğin geliştirilmesini savundu.

Bu önerinin altında yatan temel varsayım, bir bilgisayardaki benzersiz biyometrik olarak kimliği doğrulanmış bireyin aslında potansiyel olarak performans gösteren ajan olduğudur. bu cihazdan gelen kötü niyetli eylemler. Bununla birlikte, örneğin bilgisayar korsanlarının kontrol ettiği bir botnet'in parçası haline gelmek suretiyle bilgisayarın kontrolü tehlikeye atılmışsa, kullanıcının terminaldeki kimliğini bilmek, ağ güvenliğini önemli ölçüde artırmaz veya kolluk kuvvetlerinin çabalarına yardımcı olmaz.

Hayvan Biyometrisi

Hayvanları tek tek tanımlamak için etiket veya dövme yerine biyometrik teknikler kullanılabilir; Zebra çizgilerini, kemirgen kulağındaki kan damarı desenlerini, namlu izlerini, yarasa kanadı desenlerini, primat yüz tanımayı ve koala lekelerini analiz etme gibi yöntemlerin tümü araştırıldı.

Sorunlar ve Endişeler

İnsan Onuru

Biyometrinin aynı zamanda Foucault'nun disiplin ve biyoiktidar kavramlarıyla uyumlu olarak devlet otoritesinin genişletilmesinde de etkili olduğu düşünülüyor. İnsan öznesini bir biyometrik parametre koleksiyonuna indirgeyen biyometrinin bireyleri insanlıktan çıkardığı, bedensel bütünlüğü ihlal ettiği ve nihayetinde insan onurunu ihlal ettiği öne sürülüyor.

Buna dikkat çeken bir örnek, ABD'yi protesto etmek için ABD'ye girişi reddeden İtalyan filozof Giorgio Agamben'di. Agamben, biyometrik verilerin toplanmasının bir tür biyo-politik dövme oluşturduğunu ve Holokost sırasında Yahudi bireylere yapılan dövmelerle paralellikler kurduğunu ileri sürdü. Biyometrinin insan kişiliğini 'çıplak bir bedene' dönüştürdüğünü öne sürdü. Agamben 'yaşam' için iki Antik Yunanca terime atıfta bulundu: hayvanlar ve insanlar tarafından paylaşılan biyolojik yaşamı ifade eden zoe ve insan bağlamında anlam ve amaç ile dolu yaşamı ifade eden bios. Agamben, vatandaşlar ile devlet arasında yeni oluşan biyo-politik dinamiğin bireyleri salt biyolojik varoluşa (zoe) indirgediğini, dolayısıyla onları insanlıklarından (bios) mahrum bıraktığını öne sürerek evrensel olarak 'çıplak bedenlere' indirgemeyi öngördü. Ona göre biyometri, ortaya çıkan bu küresel düzenin habercisi olarak hizmet edecek.

Karanlık Meseleler: Siyahlığın Gözetimi Üzerine adlı kitabında, gözetleme uzmanı Simone Browne, Agamben'inkine benzer bir eleştiri sunarak, araştırılan cinsiyet sınıflandırma sisteminin Afrika kökenli bireyleri erkek ve Moğol kökenli bireyleri kadın olarak sınıflandırma eğiliminde olduğunu gösteren yakın tarihli bir biyometrik araştırma ve geliştirme çalışmasına atıfta bulunuyor. Sonuç olarak Browne, bu tür sistemler subjektif olarak tasarlandığında ve yukarıda belirtilen çalışmada tanımlanan hata türlerine açık olduğunda objektif biyometrik teknoloji kavramının sorunlu olduğunu ileri sürmektedir. Biyometrik teknolojilerin hem kamu hem de özel sektörde önemli ölçüde yaygınlaşması bu endişeyi daha da artırıyor. Biyometrinin özel kuruluşlar tarafından ticarileştirilmesinin artması, insan değerinin potansiyel erozyonuna daha da katkıda bulunuyor. Açıkçası, kurumsal varlıklar çoğu zaman biyometrik özelliklere bireylerin kendilerinden daha fazla değer veriyor. Browne ayrıca çağdaş toplumun, hem devletin hem de özel sektörün hesap verebilirliğinin yanı sıra bu teknolojiler ve bunların uygulanmasına ilişkin bilinçli kamusal söylemi gerektiren bir "biyometrik bilinç" geliştirmesi gerektiğini öne sürüyor. Bu çerçeve, kişinin kişisel bedensel verilerine ve bu verilerden elde edilen fikri mülkiyet haklarına sahip olmanın ve bunlara erişmenin temel bir hak olarak tanınması gerektiğini öne sürüyor.

Tersine, diğer akademisyenler küreselleşen ortamın sağlam ve hatta herhangi bir sivil kimlikten yoksun önemli bir nüfusla karşı karşıya olduğunu vurguluyor. Gelişmekte olan birçok ülke, yetersiz ve güvenilmez kimlik belgelerine sahiptir; en yoksul vatandaşlarının çoğu zaman bu eksik kimlik belgeleri bile yoktur. Sertifikalı kişisel kimliklerin bulunmaması, hakların ve sivil özgürlüklerin güvence altına alınmasını engeller. Bireyler, yalnızca tanımlanabilir bir statüye ve tanınmış bir kamusal kimliğe sahip olmaları durumunda, kimlik tespitini reddetme ayrıcalığı da dahil olmak üzere haklarını ileri sürebilirler. Bu açıdan bakıldığında biyometri, insan onurunun ve temel hakların korunması ve geliştirilmesinde çok önemli bir işlev görebilir.

Gizlilik Kaygıları ve Ayrımcılık

Biyometrik kayıt sırasında elde edilen veriler, potansiyel olarak bireyin ilk onayının kapsamı dışındaki amaçlar için kullanılabilir. Örneğin çok sayıda biyometrik özellik, fizyolojik veya patolojik tıbbi durumları ortaya çıkarma kapasitesine sahiptir; örnekler arasında kromozomal bozukluklarla ilişkili spesifik parmak izi desenleri, cinsiyeti belirten iris desenleri, damar hastalıklarını düşündüren el damar desenleri ve potansiyel olarak nörolojik rahatsızlıkları açığa vuran davranışsal biyometriklerin çoğu yer alır. Ayrıca duyguların tespitinde ileri biyometrik teknolojiler, özellikle davranışsal ve elektrofizyolojik yöntemler (elektrokardiyografi, elektroensefalografi ve elektromiyografiye dayalı olanlar gibi) kullanılabilir.

Gizlilik endişeleri üç ana türe ayrılabilir:

1. İstenmeyen İşlevsel Kapsam: Bu kategori, biyometrik kimlik doğrulama sistemlerinin, tümörler gibi tıbbi durumları tespit etmek gibi birincil amaçlarının ötesinde işlevler gerçekleştirdiği durumları ifade eder.
2. İstenmeyen Uygulama Kapsamı: Bu, bir kimlik doğrulama sürecinin, kimliği belirsiz kalma isteğine rağmen bir kişiyi doğru şekilde tanımladığı durumları içerir.
3. Gizli Kimlik Belirleme: Bu, bir bireyin, örneğin halka açık bir kalabalık içinde yüz tanıma yoluyla aktif olarak kimlik veya kimlik doğrulaması yapılmadan kimliği belirlendiğinde meydana gelir.

Belirli bir biyometrik özelliğin tanıma veya tanımlama performansıyla ilgili olarak sistemlerin, çeşitli demografik gruplar arasında tutarlı doğruluk göstermesi gerekir. Doğruluktaki farklılıklar cinsiyet, ırk, yaş veya diğer özelliklere göre tanımlanan popülasyonlar için orantısız hata oranlarına neden olabilir. Sonuç olarak biyometrik sistemler, demografik tarafsızlığı garanti altına almak ve böylece her kullanıcı için adil performans sağlamak amacıyla titiz bir tasarım ve değerlendirme gerektirir.

Biyometrik Olarak Korunan Varlık Sahiplerine Yönelik Riskler

Güvenli mülklere izinsiz erişim engellendiğinde, failler zorla giriş elde etmek için mülk sahiplerini takip etmeye ve onlara saldırmaya başvurabilir. Bir varlığın biyometrik cihazla güvence altına alınması halinde, mal sahibine verilecek potansiyel zarar geri döndürülemez olabilir ve güvence altına alınan mülkün parasal değerini aşabilir. Dikkate değer bir örnek, 2005 yılında Malezyalı araba hırsızlarının Mercedes-Benz S-Serisi'ni çalma girişimi sırasında bir adamın parmağını kesmesiyle yaşandı.

Sunum Saldırıları

Biyometrik sistemler alanında sunum saldırılarına alternatif olarak "adres sahteciliği saldırıları" da denir.

ISO/IEC 30107 standardı yakın zamanda sunum saldırılarını "biyometrik sistemin çalışmasına müdahale etme amacıyla biyometrik yakalama alt sistemine sunum" olarak tanımladı. Bu tür saldırılar iki ana türe ayrılır: kimliğe bürünme ve gizleme. Kimliğe bürünme saldırıları, başka bir kişinin kimliğini taklit ederek yasa dışı erişim elde etme girişimlerini içerir. Bunun tersine, örneğin gizleme saldırıları, yüz algılama ve tanıma sistemlerini atlatmayı amaçlar.

Sunum saldırılarını azaltmak için çeşitli yöntemler geliştirilmiştir.

Kriz Sırasında Gözetim İnsani Yardımcılığının Uygulanması

Kriz dönemlerinde çok sayıda insani yardım programı, dolandırıcılığı caydırmak ve kaynakların savunmasız nüfuslara adil bir şekilde dağıtılmasını garanti altına almak için biyometriden yararlanıyor. İnsani girişimler doğası gereği yardıma ihtiyacı olanların refahını artırmayı amaçlasa da, sıklıkla 'gözetleme insani yardımcılığı' olarak adlandırılan biyometrinin entegrasyonu, belirli bağlamlarda farklı paydaş çıkarlarından kaynaklanan önemli çatışmalara yol açabilir. Yardım kuruluşları ile yerel yönetimler arasındaki biyometrik uygulamaya ilişkin bu tür anlaşmazlıklar, kritik kaynakların en ciddi şekilde etkilenen nüfusa ulaştırılmasını sıklıkla engellemektedir. Dikkate değer bir örnek, Temmuz 2019'da, Birleşmiş Milletler Dünya Gıda Programı ile Husi İsyancılarının, Yemen'de tehlike altındaki yüzbinlerce sivile kaynak tahsisini doğrulamak için biyometri uygulamasıyla ilgili önemli bir anlaşmazlığa düştüğü zaman meydana geldi. Birleşmiş Milletler Dünya Gıda Programı'nın hedefleriyle bu işbirliği yapılmaması, sonuçta Yemen halkına gıda yardımının askıya alınmasına yol açtı. Biyometri programlara yardımcı olacak değerli veriler sağlasa da, önerilen çözümler krizlerin karakteristik değişken koşulları için en uygun şekilde uygun olmayabilir. Ayrıca, derin siyasi çatışmaların yaşandığı durumlarda biyometrik uygulama çoğu zaman sürdürülebilir uzun vadeli çözümler sunamıyor.

İptal Edilebilir Biyometrik Sistemler

Şifrelerin biyometriye kıyasla önemli bir avantajı, yeniden düzenleme yeteneklerinde yatmaktadır. Bir belirtecin veya parolanın kaybolma veya çalınma nedeniyle ele geçirilmesi durumunda, geçersiz kılınabilir ve daha sonra güncellenmiş bir yinelemeyle değiştirilebilir. Bu doğal esneklik geleneksel biyometrik sistemlerde yoktur. Örneğin, bir kişinin yüz biyometrik verilerinin bir veritabanından ele geçirilmesi durumunda bu veriler iptal edilemez veya yeniden yayınlanamaz. Elektronik biyometrik tanımlayıcının çalınması, altta yatan biyometrik özelliğin değiştirilmesini neredeyse imkansız hale getirir. Sonuç olarak, güvenliği ihlal edilen biyometrik özellik, ABD Personel Yönetimi Dairesi'nin (OPM) güvenlik izni arka plan bilgilerinin ihlaliyle örneklendiği gibi, sonraki kimlik doğrulama süreçleri için güvenilmez hale gelir.

İptal edilebilir biyometri, koruma ve değiştirme işlevlerini biyometrik sistemlere entegre etmek ve böylece güvenlik duruşlarını geliştirmek için tasarlanmış bir yaklaşımı temsil eder. Bu kavram ilk olarak Ratha ve diğerleri

İptal edilebilir biyometri tanımı, "hassas kullanıcıya özel verileri korumak amacıyla biyometrik özelliklerin kasıtlı ve sistematik olarak tekrarlanabilir şekilde bozulması anlamına gelir. İptal edilebilir bir özellik tehlikeye girerse, bozulma özellikleri değiştirilir ve aynı biyometri, daha sonra kullanılan yeni bir şablona eşlenir. İptal edilebilir biyometri, biyometrik şifreleme sisteminin yanı sıra biyometrik şablon koruma amacına yönelik ana kategorilerden biridir." Biyometrik bir şifreleme sisteminde "sınıf içi varyasyonları ele almak için hata düzeltme kodlama teknikleri kullanılır." Bu yaklaşım sağlam bir güvenlik düzeyini garanti etse de, belirli girdi formatlarının gerekli kılınması ve yalnızca küçük sınıf içi varyasyonların kabul edilmesi gibi sınırlamalarla sınırlıdır.

Yeni, özel biyometrik şablonların oluşturulması için çok sayıda metodoloji geliştirilmiştir. Tulyakov ve diğerleri, ilk parmak izi tabanlı iptal edilebilir biyometrik sistemin tasarımına ve geliştirilmesine öncülük etti. Temel olarak iptal edilebilir biyometri, eşleştirme sürecinden önce biyometrik görüntülerin veya özelliklerin kasıtlı olarak çarpıtılmasını içerir. Bu distorsiyon parametrelerindeki doğal değişkenlik, şemaya iptal edilebilir özellik kazandırır. Teoh ve diğerleri ve Savvides ve diğerleri tarafından önerilenler de dahil olmak üzere önerilen bazı teknikler, tescilli tanıma motorlarını kullanır. Bunun tersine, Dabbah ve arkadaşları tarafından geliştirilenler gibi diğer metodolojiler, tanınma ön uçları için yerleşik biyometrik araştırmalardaki ilerlemelerden yararlanır. Bu yaklaşım, koruma sistemine ek kısıtlamalar getirse de aynı zamanda iptal edilebilir şablonların mevcut biyometrik teknolojilerle uyumluluğunu da artırır.

Esnek Biyometride Önerilen Kavramlar

Yumuşak biyometri, daha az katı biyometrik tanıma metodolojileri olarak tanımlanır.

Genellikle yumuşak biyometri olarak adlandırılan özellikler, genellikle bireyleri ayırt etmek için kullanılan fiziksel, davranışsal veya doğuştan gelen insan özelliklerini (ör. boy, cinsiyet, saç rengi) kapsar. Bu nitelikler, birincil biyometrik tanımlayıcıları artıran tamamlayıcı kimlik bilgileri olarak hizmet eder. Yumuşak biyometrik özellikler, benzersiz ve güvenilir bireysel kimlik tespiti için gereken ayırt edicilik ve kalıcılıktan yoksun olsa ve hileli atlamaya açık olsa da, yine de kullanıcının kimliğine ilişkin değerli, doğrulayıcı kanıtlar sunar. Sonuç olarak bir konuyu bireyselleştirmede yetersiz olsa da bireyler arasında ayrım yapmada etkili olmaktadır. Cinsiyet, ırk, göz rengi, boy ve diğer ayırt edilebilir kimlik işaretleri gibi kişisel özelliklerin entegre edilmesi, geleneksel biyometrik sistemlerin etkinliğini artırabilir. Yumuşak biyometrik verilerin çoğunluğu kolaylıkla toplanabilir ve çoğunlukla kayıt süreci sırasında edinilir. Bununla birlikte, yumuşak biyometri iki temel etik kaygıyı ortaya koymaktadır. İlk olarak, bazı yumuşak biyometrik özellikler son derece kültürel olarak rastlantısaldır; örneğin, etnik kökene ilişkin çıkarımda bulunmak için ten rengini kullanmak, ırkçı metodolojileri sürdürme riskini taşırken, biyometrik cinsiyet tanıma, cinsiyeti öncelikle üçüncül cinsel özelliklere dayalı olarak tanımlıyor ve genetik ve kromozomal cinsiyetleri tespit edemiyor. Benzer şekilde, yaş tanıma için kullanılan yumuşak biyometri, sıklıkla yaşlı stereotiplerinden etkilenir. İkinci olarak, esnek biyometri, bireyleri kategorilere ayırma ve profil çıkarma konusunda önemli bir potansiyele sahip olduğundan damgalama ve dışlayıcı uygulamaların pekiştirilmesi riskini taşıyor.

Biyometrik Verilerin Korunmasına Yönelik Uluslararası Yasal Çerçeveler

Amerika Birleşik Devletleri de dahil olmak üzere çok sayıda ülke, uluslararası biyometrik veri paylaşımına yönelik stratejiler geliştiriyor.

2009 yılında ABD Temsilciler Meclisi Ödenek Komitesi'nin İç Güvenlik Alt Komitesi önünde "biyometrik tanımlama" ile ilgili olarak verdikleri bir ifadede Kathleen Kraninger ve Robert A. Mocny, biyometrik verilerle ilgili uluslararası işbirliği ve işbirliğine değinerek şunları belirtti:

Terör ağlarını ABD'ye ulaşmadan önce kapatabilmemizi sağlamak için, uluslararası biyometrik standartların geliştirilmesinde de liderliği ele almalıyız. Uyumlu sistemler geliştirerek, savunmamızı güçlendirmek için terörle ilgili bilgileri uluslararası düzeyde güvenli bir şekilde paylaşabileceğiz. Teröristleri ve diğer tehlikeli kişileri tespit etmek ve ayıklamak için ABD Hükümeti ile işbirliği yapma şeklimizi geliştirdiğimiz gibi, teröristlerin fark edilmeden herhangi bir hareket yapmasını önlemek için yurtdışındaki ortaklarımızla birlikte çalışma konusunda da aynı yükümlülüğümüz var. Biyometri, teröristlerin gerçek kimliklerini gün ışığına çıkarmanın yeni bir yolunu sağlayarak onları en büyük avantajından, yani bilinmezliğinden mahrum bırakıyor.

S. Magnuson tarafından 2009 yılında *National Defence Magazine*'de yayınlanan "Savunma Bakanlığı Biyometrik Verileri Paylaşma Baskısı Altında" başlıklı makale, ABD'nin biyometrik veri alışverişi konusunda çeşitli ülkelerle ikili anlaşmalar yaptığını bildirdi. Makalede şunlar belirtildi:

Miller [Vatan Savunma Ofisi ve Amerika'nın güvenlik işleri danışmanı], ABD'nin biyometrik verileri yaklaşık 25 ülkeyle paylaşmak için ikili anlaşmaları olduğunu söyledi. Son birkaç yıldır ne zaman bir yabancı lider Washington'u ziyaret etse, Dışişleri Bakanlığı onların böyle bir anlaşma imzalamasını sağladı.

Devletin Açıklama Beklentileri

Sivil nüfusun bazı kesimlerinde biyometrik verilerin kullanımına ilişkin endişeler mevcut ancak hükümet tarafından kapsamlı bir açıklama yapılmayabilir. Spesifik olarak, *Amerika Birleşik Devletleri Savunma Bilim Kurulu Savunma Biyometrisi Görev Gücü'nün Sınıflandırılmamış Raporu*, güvenlik operasyonlarıyla ilgili ulusal yeteneklerin tüm kapsamının korunmasını ve bazen de gizlenmesini tavsiye ediyor. Bu prensip potansiyel olarak biyometriye kadar uzanır. Raporda ayrıca bu tür uygulamaların istihbarat ve askeri operasyonların karakteristik özelliği olduğu ileri sürülüyor. Sonuçta amaç "kaynakların ve yöntemlerin" bütünlüğünü korumaktır.

Biyometrik Veri Güvenliği

Güvenlik amacıyla biyometrik kimlik doğrulamanın yaygın şekilde uygulanması ve bireysel biyometrinin kalıcılığı göz önüne alındığında, biyometrik verilerin güvenliği son derece önemlidir.

Biyometrik Verilerin İhlal Edilmesi Örnekleri

• 2015 Personel Yönetimi Dairesi Veri İhlali
• 2019 Biostar 2 Parmak İzi Veri Sızıntısı
• 2021 Taliban'ın ABD Biyometrik Verilerine Ele Geçirmesi
• Afgan ve Irak Parmak İzi ve İris Veritabanı

Yasama ve Hükümet Eylemleri

Biyometrik veriler, çeşitli yasal çerçeveler kapsamında kişisel bilgi veya veri olarak sınıflandırılır.

• Avrupa Birliği'nde Genel Veri Koruma Yönetmeliği (GDPR) 2018 yılında yürürlüğe girmiştir.
• Brezilya'da Lei Geral de Proteção de Dados (LGPD), 2020 yılında kanun olarak kuruldu.
• Güney Afrika'da Kişisel Bilgilerin Korunması Yasası 2020'de yürürlüğe girdi.
• Sri Lanka Kişisel Verilerin Korunması Yasası'nın uygulanmasına 2023 yılında başlandı.

Amerika Birleşik Devletleri Düzenleyici Ortamı

Amerika Birleşik Devletleri'nde şu anda özellikle biyometriyi kapsayan kapsamlı bir federal veri gizliliği kanunu bulunmuyor. Bununla birlikte, çok sayıda eyalet ve yerel yargı bölgesi, biyometrik verilere ilişkin mevzuatı yürürlüğe koymuştur; Illinois Biyometrik Bilgi Gizliliği Yasası bunun önemli bir örneğidir. Ayrıca Federal Ticaret Komisyonu (FTC), yüz tanıma teknolojisi uygulamalarının yanlış beyan edildiği iddiasıyla 2019'da özellikle Facebook'a karşı biyometrik verileri korumak için yaptırım eylemleri başlattı.

Biyometrik Teknolojilerin Küresel Olarak Benimsenmesi

Biyometrik sistemleri kullanan ülkeler arasında Avustralya, Brezilya, Bulgaristan, Kanada, Çin, Kıbrıs, Gambiya, Almanya, Yunanistan, Hindistan, Irak, İrlanda, İsrail, İtalya, Malezya, Hollanda, Yeni Zelanda, Nijerya, Norveç, Pakistan, Polonya, Suudi Arabistan, Güney Afrika, Tanzanya, Türkiye, Ukrayna, Birleşik Arap Emirlikleri, Birleşik Krallık, ABD ve Venezuela yer alıyor.

Düşük-orta gelirli ülkelerdeki yaklaşık 1,2 milyar kişi halihazırda biyometrik programlar aracılığıyla kimlik bilgileri elde etti.

Ayrıca, önemli sayıda ülke seçmen kaydı ve benzer seçim süreçleri için biyometriyi kullanıyor. Uluslararası IDEA'nın Seçimlerde BİT Veritabanından elde edilen veriler, 2017 yılı itibarıyla Biyometrik Seçmen Kaydı (BVR) uygulayan ülkelerin arasında Ermenistan, Angola, Bangladeş, Butan, Bolivya, Brezilya, Burkina Faso, Kamboçya, Kamerun, Çad, Kolombiya, Komorlar, Kongo Demokratik Cumhuriyeti, Kosta Rika, Fildişi Sahili, Dominik Cumhuriyeti, Fiji, Gambiya, Gana, Guatemala, Hindistan, Irak, Kenya, Lesoto, Liberya, Malavi, Mali, Moritanya, Meksika, Fas, Mozambik, Namibya, Nepal, Nikaragua, Nijerya, Panama, Peru, Filipinler, Senegal, Sierra Leone, Solomon Adaları, Somaliland, Svaziland, Tanzanya, Uganda, Uruguay, Venezuela, Yemen, Zambiya ve Zimbabve.

Hindistan'ın Ulusal Kimlik Programı

Hindistan'ın Aadhaar olarak bilinen ulusal kimlik programı, dünyanın en kapsamlı biyometrik veritabanını oluşturuyor. Bu sistem, bireyin yaşamı boyunca geçerli olan, çevrimiçi olarak, kamuya açık olarak, herhangi bir zamanda, herhangi bir yerden ve fiziksel belgelere ihtiyaç duymadan anında doğrulanabilen, biyometri tabanlı bir dijital kimlik sağlar. Temel amacı, demografik bilgilerin (isim, yaş, cinsiyet, adres, ebeveyn/eş adı ve cep telefonu numarası) yanı sıra biyometrik verilerden (parmak izi, iris taraması ve yüz fotoğrafı) yararlanarak kamu hizmetlerinin devlet kurumları tarafından güvenli bir şekilde sunulmasını kolaylaştırmaktır. Kimlik doğrulama için veri aktarımı internet üzerinden şifrelenmiş bir formatta gerçekleşir ve böylece bireyin belirli bir sitede fiziksel olarak bulunmasına ilişkin kısıtlamalar aşılır.

7 Kasım 2013 itibarıyla yaklaşık 550 milyon kişi kaydolmuş ve 480 milyon Aadhaar ulusal kimlik numarası verilmiştir. Programın uzun vadeli hedefi, birkaç yıl içinde Hindistan'ın 1,2 milyarlık nüfusunun tamamını kapsamak. Bununla birlikte girişim, gizlilikle ilgili çıkarımlar ve devletin bir gözetleme devletine veya bir "muz cumhuriyetine" dönüşme potansiyeli nedeniyle eleştirmenlerin incelemesine maruz kaldı.§ Proje aynı zamanda sosyal koruma altyapısının güvenliği konusunda da şüphelerle karşılaştı. Hindistan Yüksek Mahkemesi, kamuoyunun endişelerine yanıt olarak 24 Ağustos 2017'de mahremiyetin temel bir hak olduğunu onaylayan önemli bir karar yayınladı.

Malezya'nın MyKad Ulusal Kimlik Programı

5 Eylül 2001'de Malezya Ulusal Kayıt Departmanı, çağdaş kimlik kartı olan MyKad'ı kullanıma sundu. Bu girişim, Malezya'yı, hem fotoğraflı kimlik hem de parmak izi biyometrik verilerini plastik bir karta yerleştirilmiş bir mikroçip içinde birleştiren bir kimlik kartını dünya çapında uygulayan ilk ülke olarak konumlandırdı.

MyKad, doğum belgesini tamamlayan bir doğrulama aracı ve vatandaşlık kanıtı olarak birincil işlevinin ötesinde, çeşitli işlevler de sunuyor. Bunlar, kart sahibinin bu özellikleri etkinleştirmeyi tercih etmesi koşuluyla, Malezya Hükümeti Çok Amaçlı Kart (GMPC) girişiminin bir parçası olarak diğer uygulamaların yanı sıra geçerli bir sürücü belgesi, ATM kartı, elektronik cüzdan ve genel anahtar olarak hizmet vermeyi içerir.

Notlar

• Fulcrum Biometrics, LLC. (2013, Temmuz). *Biyometri Sözlüğü: Biyometrik Terimler Sözlüğü* (Ulusal Bilim ve Teknoloji Konseyi (NSTC) Biyometri Alt Komitesinden elde edilen bilgilere dayanmaktadır).
• Biyometri Enstitüsü. (2023, Mayıs). *Açıklayıcı Biyometri Sözlüğü*: Mevcut Kaynakları Tamamlayacak Ayrıntılı Tanımlar Sunan Biyometri Terimleri Sözlüğü.
• Delac, K. ve & Grgiç, M. (2004). Biyometrik Tanıma Yöntemlerine İlişkin Bir Araştırma.
• "Okul Öğle Yemeğinin Bedeli Parmak İzleriyle Ödeniyor." (2001). Erişim tarihi: 2 Mart 2008. [1]
• "Almanya, Kasım 2005'ten itibaren Aşamalı Biyometrik Pasaportlara geçiş yapacak." (2005). *E-Devlet Haberleri*. Erişim tarihi: 11 Haziran 2006. [2]
• Özcan, V. (2003). Almanya, Vize Başvuru Sahipleri İçin Biyometrik Kayıt Seçeneklerini Değerlendiriyor. Humboldt Üniversitesi Berlin. Erişim tarihi: 11 Haziran 2006.
• Hottelet, U. (2007, Ocak). Gizli Şampiyon: Boom ve Big Brother Arasındaki Biyometri. *Alman Times*.
• Dunstone, T., & Yager, N. (2008). *Biyometrik Sistem ve Veri Analizi* (1. baskı). New York: Springer.