การยืนยันตัวตนด้วยชีวมาตร: คืออะไร ประเภท และหลักการทำงาน

การยืนยันตัวตนด้วยชีวมาตรคืออะไร?

การยืนยันตัวตนด้วยชีวมาตร คือกระบวนการตรวจสอบตัวตนของผู้ใช้โดยอาศัยลักษณะทางสรีรวิทยาหรือพฤติกรรมที่ไม่ซ้ำกันของพวกเขา แตกต่างจากวิธีดั้งเดิม — รหัสผ่าน รหัส PIN หรือโทเค็นแบบใช้ครั้งเดียว — ชีวมาตรเชื่อมโยงกับตัวบุคคลและไม่สามารถถ่ายโอนให้บุคคลอื่นได้

วิธีการนี้อาศัยการวัดและเปรียบเทียบลักษณะชีวมาตรกับเทมเพลตที่จัดเก็บไว้ล่วงหน้า เทคโนโลยีได้พัฒนาจากระบบองค์กรราคาแพงไปสู่การนำไปใช้ในวงกว้างในอุปกรณ์ผู้บริโภค สมาร์ทโฟนรุ่นแรกที่มีเครื่องสแกนลายนิ้วมือคือ Motorola Atrix 4G ในปี 2011 และปัจจุบันเซ็นเซอร์ชีวมาตรถูกติดตั้งในอุปกรณ์ที่เริ่มต้นที่ 100 ดอลลาร์

ชีวมาตรแก้ปัญหาหลักของการยืนยันตัวตนด้วยรหัสผ่าน: ความจำของมนุษย์ จากการศึกษาของ Hypr (2024) ผู้ใช้โดยเฉลี่ยมีบัญชีออนไลน์มากกว่า 100 บัญชี แต่ใช้รหัสผ่านที่ไม่ซ้ำกันเพียง 5 รหัส ชีวมาตรช่วยขจัดความจำเป็นในการจดจำชุดค่าผสมที่ซับซ้อน

การยืนยันตัวตนด้วยชีวมาตรทำงานอย่างไร?

กระบวนการยืนยันตัวตนด้วยชีวมาตรประกอบด้วยสองระยะ: การลงทะเบียน (enrollment) และการตรวจสอบ (verification) ในระหว่างการลงทะเบียน ระบบจะเก็บตัวอย่างชีวมาตร ดึงลักษณะเฉพาะ และสร้างเทมเพลตอ้างอิง ในระหว่างการตรวจสอบ ตัวอย่างใหม่จะถูกเปรียบเทียบกับเทมเพลตที่จัดเก็บไว้ — อัลกอริทึมจะคำนวณระดับความตรงกันและตัดสินใจ

การเก็บตัวอย่างชีวมาตร

เซ็นเซอร์ของอุปกรณ์จะเก็บสัญญาณชีวมาตรดิบ: ภาพลายนิ้วมือผ่านเมทริกซ์แบบ capacitive, แผนที่ใบหน้า 3D ผ่านโปรเจกเตอร์จุด หรือสเปกตรัมเสียงผ่านไมโครโฟน คุณภาพการเก็บมีผลโดยตรงต่อความแม่นยำของการจดจำในภายหลัง เซ็นเซอร์สมัยใหม่ใช้จุดวัด 50 ถึง 300 จุดต่อมิลลิเมตรสำหรับลายนิ้วมือและสูงถึง 30,000 จุดสำหรับใบหน้า

การสกัดลักษณะและการสร้างเทมเพลต

อัลกอริทึมจะสกัดลักษณะเฉพาะจากข้อมูลดิบ: สำหรับลายนิ้วมือ — จุด minutiae (จุดสิ้นสุดและจุดแยกของเส้น papilliary), สำหรับใบหน้า — ระยะห่างระหว่างดวงตา รูปร่างจมูก และโครงร่างกราม ลักษณะเหล่านี้จะถูกแปลงเป็นเทมเพลตทางคณิตศาสตร์ขนาด 2 ถึง 20 KB ภาพต้นฉบับจะไม่ถูกจัดเก็บ — เฉพาะเทมเพลตลักษณะเท่านั้น ซึ่งไม่สามารถสร้างภาพต้นฉบับขึ้นมาใหม่ได้

การจับคู่และการตัดสินใจ

ระบบจะเปรียบเทียบเทมเพลตที่ได้กับเทมเพลตอ้างอิง โดยคำนวณเมตริกความคล้ายคลึง หากค่าเกินเกณฑ์ (threshold)ที่กำหนด การยืนยันตัวตนถือว่าสำเร็จ เกณฑ์จะกำหนดสมดุลระหว่างความสะดวกและความปลอดภัย: เกณฑ์ต่ำจะเพิ่ม False Acceptance Rate, เกณฑ์สูงจะเพิ่ม False Rejection Rate สำหรับอุปกรณ์มือถือ เกณฑ์ทั่วไปถูกตั้งไว้ที่ FAR 0.001% โดยมี FRR ประมาณ 2%

ประเภทของการยืนยันตัวตนด้วยชีวมาตร

อุปกรณ์มือถือรองรับเซ็นเซอร์ชีวมาตรหลายประเภท ซึ่งแตกต่างกันในด้านความแม่นยำ ความเร็ว และความต้านทานต่อการปลอมแปลง แต่ละประเภทมีขอบเขตการใช้งานและระดับความปลอดภัยของตัวเอง

เครื่องสแกนลายนิ้วมือ

ประเภทชีวมาตรที่พบบ่อยที่สุดในอุปกรณ์มือถือ เครื่องสแกนแบบ capacitive สร้างภาพของลวดลาย papilliary โดยอาศัยความแตกต่างของศักย์ไฟฟ้าระหว่างสันเขาและหุบเขาของผิวหนัง เครื่องสแกนอัลตราโซนิก ซึ่งใช้ครั้งแรกใน Galaxy S10 ใช้คลื่นเสียงสำหรับการสร้างลายนิ้วมือ 3 มิติ — ทำงานได้แม้กับนิ้วที่เปียกและทนทานต่อลายนิ้วมือปลอมซิลิโคน

การจดจำใบหน้า

สองแนวทาง: กล้อง 2D (กล้องหน้าธรรมดา) และการสแกน 3D (แสงแบบมีโครงสร้างหรือ ToF) Apple Face ID ฉายจุดอินฟราเรดมากกว่า 30,000 จุดบนใบหน้าของผู้ใช้ สร้างแผนที่ 3D ที่แม่นยำ อัลกอริทึมบน Neural Engine ประมวลผลข้อมูลในหน่วยมิลลิวินาทีและปรับให้เข้ากับการเปลี่ยนแปลงของรูปลักษณ์ — เครา แว่นตา ทรงผม

เครื่องสแกนม่านตา

ม่านตาของดวงตาเป็นหนึ่งในลักษณะชีวมาตรที่เสถียรที่สุด: แทบไม่เปลี่ยนแปลงตามอายุและไม่ได้รับบาดเจ็บเหมือนลายนิ้วมือ เครื่องสแกนม่านตาของ Samsung (Galaxy S8–S10) ใช้กล้อง IR เพื่อวิเคราะห์ลักษณะเฉพาะของม่านตาสูงถึง 240 ลักษณะ FAR ของระบบเหล่านี้ต่ำกว่า 0.0001% แต่ความเร็วในการเก็บต่ำกว่าเครื่องสแกนใบหน้า

การจดจำเสียง

ชีวมาตรเสียงวิเคราะห์ลักษณะทางกายภาพของทางเดินเสียง: ความถี่พื้นฐาน ฟอร์แมนต์ และเสียงต่ำ เทคโนโลยีนี้ใช้ในผู้ช่วยเสียง — Siri และ Google Assistant — สำหรับจดจำผู้ใช้เฉพาะ ข้อเสียหลักคือความไวต่อเสียงรบกวนรอบข้างและความเป็นไปได้ในการบันทึกเสียงโดยผู้ไม่หวังดี

การ implement การยืนยันตัวตนด้วยชีวมาตรใน Android

ตั้งแต่ Android 9 (API 28) เป็นต้นไป Google มี API BiometricPrompt แบบรวมที่สรุปการทำงานกับเซ็นเซอร์ชีวมาตรทุกประเภทบนอุปกรณ์ นักพัฒนาไม่จำเป็นต้องเขียนโค้ดแยกต่างหากสำหรับเครื่องสแกนลายนิ้วมือและการจดจำใบหน้า — BiometricPrompt จะตรวจจับเซ็นเซอร์ที่มีอยู่โดยอัตโนมัติและแสดงไดอะล็อกมาตรฐาน

val executor = ContextCompat.mainExecutor(context)
val biometricPrompt = BiometricPrompt(activity, executor,
    object : BiometricPrompt.AuthenticationCallback() {
        override fun onAuthenticationSucceeded(
            result: BiometricPrompt.AuthenticationResult
        ) {
            // อนุญาตการเข้าถึง — สามารถแสดงเนื้อหาได้
            binding.showContent()
        }

        override fun onAuthenticationFailed() {
            // ไม่รู้จักชีวมาตร — แจ้งให้ผู้ใช้ทราบ
            binding.showError("ไม่รู้จักลายนิ้วมือ")
        }

        override fun onAuthenticationError(
            errorCode: Int,
            errString: CharSequence
        ) {
            // ข้อผิดพลาดที่ไม่สามารถกู้คืนได้ — ชีวมาตรไม่พร้อมใช้งาน
            binding.showFallback()
        }
    }
)

val promptInfo = BiometricPrompt.PromptInfo.Builder()
    .setTitle("ลงชื่อเข้าใช้แอป")
    .setSubtitle("ยืนยันตัวตนด้วยลายนิ้วมือ")
    .setNegativeButtonText("ใช้ PIN")
    .build()

biometricPrompt.authenticate(promptInfo)

โค้ดด้านบนสาธิตวงจรการยืนยันตัวตนด้วยชีวมาตรแบบสมบูรณ์ผ่าน BiometricPrompt Callback onAuthenticationSucceeded จะถูกเรียกหลังจากตรวจสอบเทมเพลตสำเร็จใน Trusted Execution Environment บนอุปกรณ์ที่ไม่มีเซ็นเซอร์ชีวมาตร BiometricPrompt จะแสดงหน้าจอป้อนรหัส PIN หรือรูปแบบโดยอัตโนมัติ — นักพัฒนาไม่จำเป็นต้องจัดการสถานการณ์นี้แยกต่างหาก

ข้อกำหนดด้านความปลอดภัยที่สำคัญ: การดำเนินการชีวมาตรทั้งหมดต้องดำเนินการบน TEE (Trusted Execution Environment) — พื้นที่ที่แยกด้วยฮาร์ดแวร์ของโปรเซสเซอร์ Android BiometricPrompt รับประกันการใช้ TEE ผ่านผู้ให้บริการ BiometricManager.Authenticators.BIOMETRIC_STRONG ซึ่งไม่สามารถถูกดัดแปลงจากพื้นที่ผู้ใช้ได้

ข้อดีและข้อเสียของชีวมาตร

การยืนยันตัวตนด้วยชีวมาตรมีข้อได้เปรียบที่สำคัญเหนือรหัสผ่าน แต่ก็มีข้อจำกัดพื้นฐานที่นักพัฒนาต้องพิจารณาเมื่อออกแบบความปลอดภัยของแอปพลิเคชัน

• ความเร็ว — การจดจำลายนิ้วมือใช้เวลา 200–400 ms, Face ID ประมาณ 1 วินาที ซึ่งเร็วกว่าการป้อนรหัสผ่าน 8+ ตัวอักษรอย่างมาก
• ความสะดวก — ผู้ใช้ไม่จำเป็นต้องจำและป้อนข้อมูลประจำตัว; การยืนยันตัวตนเกิดขึ้นโดยไม่รู้ตัวเมื่อสัมผัสหรือมองหน้าจอ
• แยกออกไม่ได้ — ลักษณะชีวมาตรอยู่กับผู้ใช้เสมอ; แตกต่างจากโทเค็นหรือสมาร์ทการ์ด ไม่สามารถลืมไว้ที่บ้านหรือทำหาย
• ไม่สามารถย้อนกลับได้เมื่อถูกบุกรุก — หากเทมเพลตชีวมาตรรั่วไหล จะไม่สามารถเปลี่ยนแปลงได้ แตกต่างจากรหัสผ่าน; นี่คือข้อเสียสำคัญของชีวมาตร
• ผลบวกลวง — แม้ว่า FAR จะต่ำ แต่ก็ไม่เป็นศูนย์; ระบบใบหน้า 3D มี FAR ประมาณ 0.0001% หมายถึงการจดจำผิด 1 ครั้งต่อล้านครั้ง

ข้อจำกัดที่สำคัญ — ชีวมาตรไม่ใช่หลักฐานของเจตนา ผู้ใช้อาจถูกบังคับให้ปลดล็อกอุปกรณ์ทางกายภาพหรือภายใต้การข่มขู่ ดังนั้น หน่วยงานกำกับดูแลแอปพลิเคชันระดับธนาคาร (PSD2, PCI DSS) จึงกำหนดให้มีการยืนยันตัวตนแบบหลายปัจจัย โดยชีวมาตรทำหน้าที่เป็นเพียงปัจจัยหนึ่ง

ความปลอดภัยของข้อมูลชีวมาตร

ความปลอดภัยของเทมเพลตชีวมาตรนั้นรับประกันโดยกลไกป้องกันฮาร์ดแวร์: Secure Enclave ใน iOS และ Trusted Execution Environment (TEE) ใน Android โปรเซสเซอร์ร่วมที่แยกเหล่านี้ดำเนินการเก็บ ประมวลผล และเปรียบเทียบข้อมูลชีวมาตรโดยไม่มีการเข้าถึงจากโปรเซสเซอร์หลักและระบบปฏิบัติการ

หลักการสำคัญด้านความปลอดภัย — การไม่เก็บตัวอย่างต้นฉบับ เซ็นเซอร์ส่งเฉพาะการแสดงทางคณิตศาสตร์ของลักษณะไปยัง TEE ไม่ใช่ภาพลายนิ้วมือหรือรูปถ่ายใบหน้า ใน Android 13+ API BiometricPrompt จะเข้ารหัสผลลัพธ์การยืนยันตัวตนเพิ่มเติมด้วยคีย์การเข้ารหัสที่สร้างขึ้นภายใน TEE วิธีการนี้ทำให้การขโมยฐานข้อมูลชีวมาตรจากเซิร์ฟเวอร์ไร้ประโยชน์ — ผู้โจมตีได้รับเฉพาะเทมเพลตที่เข้ารหัส ไม่ใช่ข้อมูลต้นฉบับ

มาตรฐานสากล ISO/IEC 24745:2022 และ FIDO2 ควบคุมข้อกำหนดการจัดเก็บข้อมูลชีวมาตร: ห้ามเก็บภาพต้นฉบับ เทมเพลตต้องถูกแปลงอย่างไม่สามารถย้อนกลับได้ และช่องทางข้อมูลระหว่างเซ็นเซอร์และโมดูลเปรียบเทียบต้องได้รับการป้องกันด้วยฮาร์ดแวร์ เมื่อพัฒนาแอปพลิเคชันมือถือ แนะนำให้ใช้ FIDO2 WebAuthn — โปรโตคอลที่รับประกันการเข้ารหัสจากต้นทางถึงปลายทางของธุรกรรมชีวมาตร