روشی نوین جهت تشخیص هویت بمنظور کنترل تردد با استفاده از ترکیب دو روش RFID و بیومتریک

مدیریت امنیت در سازمانهای مختلف متفاوت است. هنگامیکه در مورد مکانهایی که نیاز به حفاظت و کنترل دسترسی دارند صحبت میشود، معمولا در ذهن عموم مردم، بیمارستانها در اولویت قرار نمیگیرند و مراکز مالی، شرکتهای امنیتی، ساختمانهای دولتی و مکانهای مشابه به ذهن میآیند، این درحالیست که بیمارستانها در مقابل مسایل امنیتی بسیار آسیب پذیر هستند و امنیت یکی از اصلیترین سرویسهای پشتیبانی برای ایجاد یک محیط درمانی ایمن است. اهمیت این موضوع ممکن است در بیمارستان های کوچک کمتر حایز اهمیت باشد درصورتیکه در بیمارستانهای بزرگ، کنترل دسترسی از جمله موارد امنیتی بسیار حیاتی بشمار میرود.سیستمهای کنترل دسترسی در تمامی حرفهها برای حفاظت از افراد و امکانات ضروری است. برخلاف سیستمهای دسترسی در دیگر سازمانها، سیستمهای کنترل دسترسی بیمارستانها منحصر به فرد هستند زیرا باید قادر به محدود کردن دسترسی بهمناطق حساس، جلوگیری از گسترش بیماری، ردیابی و جلوگیری از سرقت تجهیزات و داروهای حیاتی و حفاظت از هر دو نوع از کارکنان و بیماران باشد. بنابراین، در انتخاب نوع سیستم کنترل دسترسی بیمارستان و ویژگیهای خاص آن باید به این نگرانیهای امنیتی توجه شود. RFID یکی از رایجترین سیستمهای کنترل دسترسی است. با این حال، فناوری RFID فعلی، هویت دارنده کارت RFID )یا برچسب( را شناسایی نمیکند در نتیجه، هر فرد غیر مجازی که یک کارت RFID مجاز بهمراه داشته باشد میتواند به منطقه امن دسترسی پیدا کند. در نتیجه، تکنیکهای محاسباتی هوشمند برای جبران این خلا بکار گرفته میشوند. برای مقابله با این مشکل، شناسایی بیومتریک برای کار با RFID برای کنترل دسترسی پیشنهاد شده است. شناسایی اثر انگشت، شناسایی کف دست، شناسایی قرنیه، شناسایی صدا، برخی از روشهای شناسایی بیومتریک هستند. اثر انگشت و اثر کف دست با تغییری در پوست دست شخص بشدت تحت تاثیر قرار میگیرند. صدای افراد نیز ممکن است توسط افراد غیر مجاز تقلید یا حتی ضبط شود. این درحالیست که صورت و چهره منحصر به فرد هستند و در مقایسه با سایر روشهای بیومتریک امکان بهسرقت رفتن و تقلید آن تقریبا غیر ممکن میباشد. با توجه به موارد ذکر شده در مورد سیستمهای معمول RFID ، یک سیستم کنترل دسترسی که ترکیبی از فناوری RFID و شناسایی چهره بر اساس شبکه عصبی است در این مقاله ارایه شده است. این سیستم چهره فردی که کارت RFID در اختیار دارد را شناسایی میکند و در صورت تناقض اطلاعات این دو، دسترسی را غیرممکن میکند. در این سیستم، یک شبکه عصبی پایه شعاعی ) RBFNN ( برای یادگیری چهره صاحبان مجاز کارت بهمراه مدل خطای تعمیم محلی ) L-GEM ( برای آموزش RBFNN به کار میرود که دادههای آموزش شبکه عصبی Eigenface های بدست آمده از الگوریتم PCA هستند و بمنظور صرفه جویی در حافظه سیستم زمانی که تعداد دارندگان کارتها زیاد میشود، فقط پارامترهای RBFNN ذخیره می شوند.