RESCOLLACOMMRESCOLLACOMM

International Journal of Quantitative Research and ModelingInternational Journal of Quantitative Research and Modeling

Dalam lanskap teknologi informasi yang terus berkembang, studi ini memperkenalkan sistem otentikasi biometrik bimodal yang menggabungkan pengenalan wajah dan iris menggunakan Jaringan Saraf Konvolusional (CNN) canggih. Pendekatan bimodal memanfaatkan tekstur unik fitur wajah dan iris untuk membentuk mekanisme otentikasi yang kuat dan aman, menunjukkan akurasi tinggi (95,76%) dan nilai presisi 97,83%, serta tingkat penerimaan palsu (FAR) rendah 2,54% dan tingkat penolakan palsu (FRR) 14,29%. Kerangka sistem mengintegrasikan keunggulan kedua modalitas, mengurangi kerentanan sistem unimodal, dan memperkuat keamanan serta keandalan identifikasi pengguna di berbagai domain digital.

Sistem otentikasi bimodal yang dikembangkan menggabungkan pengenalan wajah dan iris untuk mencapai akurasi serta kehandalan tinggi.Dengan memanfaatkan model CNN untuk ekstraksi fitur, sistem ini melalui proses pengumpulan data, praproses, ekstraksi fitur, fusi modalitas, dan pencocokan.Integrasi ini meningkatkan akurasi, keamanan, dan ketahanan, menunjukkan verifikasi identitas yang efektif serta adaptabilitas terhadap perubahan biometrik seiring waktu.

Pertama, penelitian selanjutnya dapat memperluas basis data dengan mengumpulkan wajah dan iris dari populasi yang lebih luas serta beragam latar belakang, sehingga model dapat belajar mengenali variasi yang lebih kompleks dan mengurangi kesalahan FDR. Kedua, integrasi arsitektur jaringan saraf transformator, seperti Vision‑TransformerGp, pada tahap ekstraksi fitur dapat meningkatkan sensitivitas terhadap pola spasial dan tekstur, mengurangi ket დიზ. Ketiga, penilaian performa sistem dalam kondisi nyata, Ländern, termasuk pencahayaan tidak terkontrol, pantulan mata, atau penggunaan kontak mata workflow. Keempat, penerapan teknik augmentasi data berb التنمية (GAN) dapat memperkaya set data sintetis, sehingga model menjadi lebih robust terhadap variasi gerakan wajah. Kelima, peneliti dapat mengembangkan mekanisme adaptasi threshold dinamis yang menyesuaikan ambang nilai, meminimalkan FAR dan FRR secara simultan. Kesimpulan, kombinasi ekspansi data, arsitektur berbasis transform μπορού, dan evaluasi kondisi dunia nyata akan mengatasi keterbatasan saat ini dan membuka jalan bagi sistem biometr Milf yang lebih aman, akurat, dan tahan lama.

Read online
File size643.04 KB
Pages12
DMCAReport

Related /

ads-block-test