فنگر پرنٹ کی تصدیق — یہ کیا ہے، کام کرنے کا اصول اور استعمال

فنگر پرنٹ کی تصدیق کیا ہے؟

فنگر پرنٹ کی تصدیق ایک بایومیٹرک شناخت کا طریقہ ہے جو صارف کی شناخت کی تصدیق کے لیے انگلی کی سطح پر منفرد پیپلری پیٹرن کا تجزیہ کرتا ہے۔ ہر شخص میں ابھاروں اور گڑھوں کا ایک انفرادی پیٹرن ہوتا ہے جو حمل کے 12ویں ہفتے میں بنتا ہے اور جسمانی چوٹوں کے علاوہ زندگی بھر تبدیل نہیں ہوتا۔

فنگر پرنٹ آنکھ کے آئیرس اور ریٹینا پیٹرن کے ساتھ تین بایومیٹرک خصوصیات میں سے ایک ہے جسے خودکار شناخت کے لیے سب سے قابل اعتماد تسلیم کیا گیا ہے۔ پیپلری لائنیں خصوصی خصوصیات — منیوشیا: اختتام، تقسیم، نقطے اور کراس اوور بناتی ہیں۔ فنگر پرنٹ کی انفرادیت اسکیننگ ایریا میں 40–100 منیوشیا کے مقام اور قسم سے متعین ہوتی ہے، جو دو مختلف افراد کے لیے 64 ارب میں 1 کے مماثلت کا ریاضیاتی امکان دیتی ہے۔

پہلا خودکار فنگر پرنٹ شناختی نظام (AFIS) 1970 کی دہائی میں قانون نافذ کرنے والے اداروں کے لیے سامنے آیا۔ صارفی آلات میں بڑے پیمانے پر اپنانے کا آغاز 2013 میں iPhone 5S اور Touch ID سے ہوا۔ آج، فنگر پرنٹ اسکینر سمارٹ فونز، لیپ ٹاپس، ٹیبلٹس، دروازوں کے تالے اور ادائیگی کے ٹرمینلز میں نصب کیے جاتے ہیں۔

فنگر پرنٹ اسکینر کیسے کام کرتا ہے؟

سینسر کی قسم سے قطع نظر، فنگر پرنٹ کی تصدیق کے عمل میں تین مراحل ہوتے ہیں: تصویر کی گرفت، پروسیسنگ اور خصوصیات کا نکالنا، اور حوالہ ٹیمپلیٹ سے موازنہ۔ ہر مرحلہ نفاذ کے لحاظ سے OS سطح یا Trusted Execution Environment سطح پر انجام دیا جا سکتا ہے۔

فنگر پرنٹ کی تصویر کی گرفت

سینسر انگلی کے جسمانی پیٹرن کو کیپچر کرتا ہے۔ کیپیسیٹیو اری ابھاروں (اری کو چھونے والے) اور گڑھوں (نہ چھونے والے) کے درمیان برقی پوٹینشل کا فرق پڑھتی ہیں۔ آپٹیکل اسکینر انگلی کو LED روشنی سے روشن کرتے ہیں اور CMOS سینسر کے ذریعے منعکس روشنی کو کیپچر کرتے ہیں۔ الٹراسونک سینسر ایک آواز کی لہر خارج کرتے ہیں اور جلد کی مختلف گہرائیوں سے منعکس ہونے والی بازگشت کا تجزیہ کرتے ہیں — یہ ایک سہ جہتی تصویر فراہم کرتا ہے جو انگلی کی سطح پر موجود آلودگیوں کے خلاف مزاحم ہے۔

منیوشیا کا نکالنا اور ٹیمپلیٹ کی تخلیق

کیپچر کی گئی تصویر فلٹرنگ سے گزرتی ہے: شور کا خاتمہ، کنٹراسٹ نارملائزیشن اور بائنرائزیشن (سیاہ اور سفید میں تبدیلی)۔ الگورتھم پیپلری ابھار لائنوں کی شناخت کرتا ہے، انہیں کنکالائز کرتا ہے (1 پکسل چوڑائی تک پتلا کرتا ہے)، اور منیوشیا — لائنوں کے اختتام اور تقسیم کے نکات ڈھونڈتا ہے۔ ہر منیوشیا کو نقاط (x, y)، سمت زاویہ اور قسم سے بیان کیا جاتا ہے۔ ریاضیاتی ٹیمپلیٹ کا سائز 2–10 KB ہوتا ہے، اس میں اصلی تصویر نہیں ہوتی، اور اسے فنگر پرنٹ کی تعمیر نو کے لیے استعمال نہیں کیا جا سکتا۔

موازنہ اور فیصلہ سازی

اسکیننگ کے دوران حاصل کردہ ٹیمپلیٹ کا اندراج کے دوران محفوظ کردہ حوالہ ٹیمپلیٹ سے موازنہ کیا جاتا ہے۔ الگورتھم مماثل منیوشیا کی تعداد کا حساب لگاتا ہے۔ کامیاب تصدیق کے لیے کم از کم 12–15 منیوشیا کے مماثلت کی ضرورت ہے (کارخانہ دار کی طرف سے ایڈجسٹ ایبل)۔ اگر مماثل نکات کی تعداد حد سے تجاوز کر جائے تو تصدیق کامیاب سمجھی جاتی ہے۔ موبائل آلات میں، حد اس طرح مقرر کی جاتی ہے کہ FAR 0.001% سے زیادہ نہ ہو اور FRR تقریباً 2% ہو۔

فنگر پرنٹ اسکینر کی اقسام

جدید موبائل آلات تین اہم اقسام کے فنگر پرنٹ اسکینر استعمال کرتے ہیں، جو سینسنگ ٹیکنالوجی، درستگی اور پیداواری لاگت میں مختلف ہوتے ہیں۔ قسم کا انتخاب ڈیوائس کے قیمتی حصے اور سیکیورٹی کی ضروریات پر منحصر ہے۔

2025–2026 میں، براہ راست OLED اسکرین کے نیچے مربوط ان-ڈسپلے اسکینر مقبول ہو رہے ہیں۔ یہ آپٹیکل (بجٹ حصہ) یا الٹراسونک (پریمیم حصہ) ہو سکتے ہیں۔ فائدہ یہ ہے کہ جسم پر کوئی علیحدہ بٹن یا زون نہیں ہوتا، جو بےزل ڈسپلے ممکن بناتا ہے۔ آپٹیکل ان-ڈسپلے اسکینر کا نقصان تیز دھوپ کے لیے حساسیت ہے، جو اسکرین کے پکسلز کے ذریعے CMOS سینسر کو سیر کر دیتی ہے۔

فنگر پرنٹ اور چہرے کی پہچان کا موازنہ

فنگر پرنٹ کی تصدیق اور چہرے کی پہچان موبائل آلات میں دو غالب بایومیٹرک ٹیکنالوجیز ہیں۔ ہر ایک کی طاقت اور کمزوریاں ہیں جو مخصوص استعمال کے معاملات کے لیے انتخاب کو متاثر کرتی ہیں۔

• درستگی (FAR) — الٹراسونک فنگر پرنٹ اسکینر: 0.0005%, 3D Face ID: 0.0001%۔ گہرائی والا کیمرہ استعمال کرتے وقت چہرے کی پہچان زیادہ درست ہے
• رفتار — کیپیسیٹیو اسکینر: 200–300 ms, آپٹیکل: 400–600 ms, 3D چہرہ: 600–1000 ms۔ جامد منظرناموں میں فنگر پرنٹ تیز ہے
• بغیر رابطہ — Face ID اور 2D چہرہ ڈیوائس کو چھونے کی ضرورت نہیں ہے؛ فنگر پرنٹ کو اسکینر کے ساتھ جسمانی رابطے کی ضرورت ہے
• شرائط — فنگر پرنٹ گیلی انگلیوں سے کام نہیں کرتا لیکن ماسک اور دستانوں سے کام کرتا ہے؛ Face ID ماسک کے ساتھ (Apple Watch کے بغیر) اور IR کیمرہ رکاوٹ ہونے پر کام نہیں کرتا
• سینسر کی لاگت — کیپیسیٹیو اسکینر: ~$0.5–1.5, الٹراسونک: ~$3–5, 3D TrueDepth کیمرہ: ~$12–15

موبائل ایپ ڈویلپرز کے لیے، یہ نوٹ کرنا ضروری ہے کہ Android پر BiometricPrompt اور iOS پر LocalAuthentication سینسر کی قسم کو خلاصہ کرتے ہیں۔ تاہم، پرانے Android آلات (API < 28) پر صرف FingerprintManager دستیاب ہو سکتا ہے — اس صورت میں، ایپ کو واضح طور پر سینسر کی قسم چیک کرنی چاہیے اور متبادل تصدیقی طریقہ فراہم کرنا چاہیے۔

Android پر فنگر پرنٹ کی تصدیق کا نفاذ

Android 9 (API 28) سے پہلے، فنگر پرنٹ اسکینر کو مربوط کرنے کا واحد طریقہ FingerprintManager کلاس تھا، جو API 23 میں شامل کیا گیا تھا۔ Android 9 سے شروع کرتے ہوئے، Google BiometricPrompt استعمال کرنے کی سفارش کرتا ہے، جو تمام اقسام کے بایومیٹرک سینسر کے ساتھ کام کو یکجا کرتا ہے۔ تاہم، API 23–27 والے آلات کے لیے، ڈویلپرز کو اب بھی FingerprintManager کی ضرورت ہو سکتی ہے۔

class FingerprintAuthHelper(
    private val context: Context
) {
    private val manager =
        context.getSystemService(Context.FINGERPRINT_SERVICE)
            as FingerprintManager?

    fun isFingerprintAvailable(): Boolean {
        return manager?.isHardwareDetected() == true
            && manager?.hasEnrolledFingerprints() == true
    }

    fun authenticate(callback: FingerprintManager.AuthenticationCallback) {
        if (isFingerprintAvailable()) {
            manager?.authenticate(
                null,
                CancellationSignal(),
                0,
                callback,
                null
            )
        }
    }
}

// استعمال:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // فنگر پرنٹ پہچان لیا گیا — رسائی کی اجازت دی گئی
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("فنگر پرنٹ پہچانا نہیں گیا")
    }
})

مذکورہ کوڈ پرانے Android آلات کے لیے FingerprintManager کا استعمال کرتے ہوئے مکمل تصدیقی سائیکل کو ظاہر کرتا ہے۔ یہ نوٹ کرنا ضروری ہے کہ FingerprintManager ڈیفالٹ طور پر TEE استعمال نہیں کرتا — تصدیقی نتیجہ یوزر اسپیس میں واپس کیا جاتا ہے، جو اسے BIOMETRIC_STRONG پرچم والے BiometricPrompt سے کم محفوظ بناتا ہے۔ نئے منصوبوں کے لیے ہمیشہ BiometricPrompt استعمال کرنا چاہیے، اور FingerprintManager صرف API 23–27 کے ساتھ پیچھے کی مطابقت کے لیے استعمال کرنا چاہیے۔

FingerprintManager سے BiometricPrompt میں منتقلی کرتے وقت، سیکیورٹی ماڈل میں تبدیلی پر غور کریں: BiometricPrompt اس بات کی ضمانت دیتا ہے کہ تمام بایومیٹرک آپریشنز TEE (Trusted Execution Environment) میں انجام دیے جاتے ہیں۔ تصدیقی نتیجہ، جو TEE کے اندر ایک خفیہ کلید سے دستخط شدہ ہوتا ہے، یوزر اسپیس کوڈ سے جعلسازی نہیں کی جا سکتی۔ AndroidX Biometric لائبریری اضافی طور پر بایومیٹرک تصدیق کو خفیہ کارروائیوں — کلید کی خفیہ کاری اور ڈیٹا کے دستخط سے منسلک کرنے کے لیے BiometricPrompt.AuthenticationResult.getCryptoObject() انٹرفیس فراہم کرتی ہے۔

سیکیورٹی کے معیارات اور جعل سازی سے تحفظ

فنگر پرنٹ کی جعلسازی سے تحفظ اسکینر بنانے والوں کے لیے اہم چیلنجوں میں سے ایک ہے۔ جدید سینسر لائیونس ڈیٹیکشن اور نقلی انگلیوں کو روکنے کے لیے ہارڈویئر اور الگورتھمک طریقوں کا مجموعہ استعمال کرتے ہیں۔ ہر طریقہ کی اپنی حدود ہیں، لیکن مل کر وہ بڑے پیمانے کے حملوں کے لیے جعلسازی کو معاشی طور پر ناقابل عمل بناتے ہیں۔

اہم تحفظی طریقوں میں شامل ہیں: جلد کی گہرائی کا تجزیہ (الٹراسونک اسکینر بازگشت واپسی کے وقت سے ایپیڈرمس کی موٹائی کا تعین کرتے ہیں)، جلد کا اسپیکٹرل تجزیہ (آپٹیکل اسکینر مختلف طول موجوں پر جلد کے انعکاس کے گتانک کا جائزہ لیتے ہیں — سلیکون اور جلیٹن کے مختلف اسپیکٹرا ہوتے ہیں)، نبض کا پتہ لگانا (انگلی کی کیپلیریوں میں خون کے بہاؤ کی مائیکرو وائبریشنز)، اور پوٹینشیومیٹرک تصدیق (زندہ جلد میں ایک مخصوص برقی مائبادی ہوتی ہے جو مصنوعی مواد سے مختلف ہوتی ہے)۔

ISO/IEC 30107-3:2023 معیار بایومیٹرک سسٹمز کی پیشکش حملوں (پریزنٹیشن اٹیک ڈیٹیکشن, PAD) کے خلاف مزاحمت کی سطحوں کی وضاحت کرتا ہے۔ مالیاتی ایپلیکیشنز کے لیے، سطح 2 (PAD Level 2) کی سفارش کی جاتی ہے، جس میں 0.01% سے زیادہ FAR نہ ہونے والی نقلی انگلیوں کا استعمال کرتے ہوئے کم از کم 95% حملوں کا خودکار پتہ لگانا ضروری ہے۔ Samsung اور Qualcomm 3D Sonic Sensor الٹراسونک اسکینر PAD Level 2 کی ضروریات کو پورا کرتے ہیں، جبکہ بجٹ آپٹیکل اسکینر عام طور پر Level 1 سے اوپر سرٹیفیکیشن پاس نہیں کرتے۔