Yangın ve Güvenlik Dergisi 193.Sayı (Eylül 2017)

54 Yangın ve Güvenlik / Eylül 2017 yanginguvenlik.com.tr Multimodal biyometrinin (parmak izi, retina ve parmak damarı bileşimi) performansı, RSA kullanıldığında, bileştiril- miş matris değerleri temelinde %95.3’lük GAR değerine ve %0.01’lik FAR değerine sahip olurken, RSA olmayan durum- da, %90’lık GAR ve %2.06’lık FAR’a sahip olmuştur. Karşı- laştırmalı eğriler Şekil 17’de gösterilmiştir. Ancak, biyometrik biyometrinin doğruluğunu bütün olarak arttırmak amacıyla özellik seviyesinde bileştirme ve güvenlik algoritması kulla- nılarak kodlama yapılmıştır. Bu durumda, multimodal siste- min genel performansında FAR %0.01 seviyesine azalmış ve GAR değeri %95.3 artmıştır ve RSA ile yapılan parmak izi, retina ve parmak damarı gibi tekli biyometrik sistemlere kı- yasla performansı yükselmiştir. RSA kullanılarak bileştirilmiş matris değerleri temelinde multimodal biyometrinin per- formansı %95.3’lük GAR’a ve %0.01’lik FAR’a sahiptir. RSA ile yapılan parmak izi taraması %80.2’lik GAR’a ve %3.25’lik FAR’a sahiptir. Diğer yandan RSA ile yapılan retina taraması %84.2’lik GAR’a ve %2.2’lik FAR’a ve RSA ile yapılan parmak damarı taraması %87.6’lık GAR’a ve %0.52’lik FAR’a sahiptir. 9. SONUÇ Özellik seviyesinde bileştirme tekniği parmak izi, retina ve parmak damarı gibi multimodal biyometri tasarımı için kullanılmış olup bu yöntemde RSA kullanılarak elde edilen birden fazla şablon MATLAB R2014 kullanılarak uygulan- mıştır. Buna ilave olarak multimodal biyometrik kripto sis- temin gerçekçi bir güvenlik analizi de parmak izi, parmak damarı ve retina biyometrileri ile gerçekleştirilmiş olup bu uygulama RSA kullanan bir multimodal biyometrik kripto sistemde ciddi bir performans artışı sağlamıştır. RSA kulla- nılarak yapılan tekli biyometri sisteme kıyasla, multimodal sistemin genel anlamda artan performansı ile %95.3’lük GAR elde edilmiş ve %0.01’lik FAR ile performans azalması görülmüştür. Özellik çıkartma tekniklerinin hatasız şekilde modellen- mesi, veri tabanının daha etkin yönetimi ve farklı bileştirme seviyeleri kullanarak eşleştirme metodolojisinin ve biyomet- ri sisteminin performansının değerlendirilmesi konularını kapsayan çalışmalar gelecekte yapılabilir. KAYNAKLAR [1] Abhishek Nagar, Karthik Nandakumar, Anil K. Jain, and De- kun Hu, “Multibiometric Cryptosystems Based on Featu- re-Level Fusion”, IEEE Transactions on Information forensics and security, vol. 7, no. 1, February 2012, pp. 255–268. [2] Hiral Rathod, Mahendra Singh Sisodia, Sanjay Kumar Sharma, “Design and Implementation of Image Encryption Algorithm by using Block Based Symmetric Transformation Algorithm”, International Journal of Computer Technology and Electroni- cs Engineering (IJCTEE), Volume 1, Issue 3, 2012, pp. 7–13. [3] Bo Fu, Simon X. Yang, Jianping Li, and Dekun Hu, “Multibi- ometric Cryptosystem: Model Structure and Performance Analysis”, IEEE Transactions on information forensics and security, vol. 4, no. 4, December 2009, pp. 867–882. [4] Koen Simoens, Julien Bringer, Herve Chabanne, and Stefaan Seys, “ A Framework for Analyzing Template Security andP- rivacy in Biometric Authentication Systems”, IEEE Transacti- ons on Information forensics and security, vol. 7, no.2, April 2012, pp. 833-841. [5] Terence Sim, Sheng Zhang, Rajkumar Janakiraman, and San- deep Kumar, “Continuous Verification Using Multimodal Bio- metrics”, IEEE Transactions on pattern analysis and machine Intelligence, vol. 29, no. 4, April 2007, pp.687-700. [6] Ajay Kumar, Vivek Kanhangad, and David Zhang, “A New Framework for Adaptive Multimodal Biometrics Manage- ment”, IEEE Transactions on Information forensics and secu- rity, vol. 5, no. 1, March 2010p, p. 92-102. [7] W. Stallings, Cryptography and Network Security, Prentice Hall, Fourth Edition, 2005. [8] A. J. Menezes, P. C. Van Oorschot and S. A. Vanstone, Hand- book of Applied Cryptography, CRC Press Series on Discrete Mathematics and Its applications, CRC Press, 1997, pp. 756- 799. [9] Samarth Bharadwaj, Mayank Vatsa* and Richa Singh, “Bio- metric quality: a review of fingerprint, iris, and face”, EURA- SIP Journal on Image and Video Processing 2014, pp. 2014- 34. [10] Anil K. Jain, Fellow, Jianjiang Feng, Member, “Latent Fingerp- rint Matching”, IEEE Transactions on pattern analysis and machine intelligence, vol. 33, no. 1, January 2011, pp. 88-100. [11] Diego Marín, Arturo Aquino, Manuel Emilio Gegundez-Arias, José Manuel Bravo, “A New Supervised Method for Blood Vessel Segmentation in Retinal Images by Using Gray-Level and Moment Invariants-Based Features”, IEEE Transactions on medical imaging, vol. 30, no. 1, January 2011, pp. 146-158. [12] Maneesh Upmanyu, Anoop M. Namboodiri, Kannan Srinat- han, and C. V. Jawahar, “Blind Authentication: A Secure Cr- ypto-Biometric Verification Protocol”, IEEE Transactions on Information forensics and security, vol. 5, no. 2, June 2010, pp.225-268. [13] Ajay Kumar, Yingbo Zhou, “Human Identification Using Fin- ger Images”, IEEE Transactions on image processing, vol. 21, no. 4, April 2012, pp. 2228-2244. [14] Blakley G. R. ,‘Safeguarding cryptographic keys’ in Proc. Na- tional Computer Conf., vol. 48, (1979), pp. 313–317. [15] Tuyls P., Kevenaar T., Schrijen G. J., Staring T., and Van Dijk M., ‘Security displays, enabling secure communications’ in Proc. First Int. Conf. Pervasive Computing, Boppard Ger- many, Springer-Verlag Berlin LNCS, vol. 2802, 2004, pp. 271–284. GÜVENLİK / MAKALE