ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
318
YUZ TASVIRLARIGA ASOSLANGAN AUTENTIFIKATSILASH USULLARI
Vohidjonov Ilhomjon Vohidjon o‘g‘li
University of management and future technologies. Magistr.
chilonzor, Toshkent.
Maqola uchun javobgar:
+99893-003-04-00.
https://doi.org/10.5281/zenodo.14452468
Annotatsiya. Yuzning muhim qismlariga autentifikatsiya usullari zamonaviy biometrik
tizimlaridan biridir. Ush asboblar inson yuzining o‘ziga xos geometrik va vizual tahlil qilish orqali
shaxsni aniqlashga asoslanadi. Yuzni chuqur algoritm texnologiyalari turli ko‘rinishdagi suniy
intellektlari, o‘rganish qobiliyatiga asoslangan neyron vositalar yordamida amalga oshiradi. Ush
autentifikatsiya usullari asosan smartfonlar, kompyuterlar, va davlat xizmatlarida ken
qo‘llaniladi.
Ushbu mavzuda yuz tanish texnologiyasining asosiy tamoyillari, ishlash jarayoni,
texnologik va moddiy tomondan yoritib beriladi. Ularning muammolari, yuz tasvirlarini
soxtalashtirish yoki tizimni aldash kabi muammolarni muhokama qilinadi. Annotatsiyada yuz
tasvirlarini qayta ishlash, ma’lumotlarni himoyalash ularnining dasturiy ta’minotdagi
muammolarni hal qilish haqida fikr yuritiladi.
Ushbu yuz tanish texnologiyalarini tadbiq qilish va rivojlantirish orqali, qulaylik va
soddalik, noqonuniy kirishlarni oldini olish, xalqaro standartlarga moslik, texnik nosozliklarni
kamaytirish kabi natijalarga erishamiz.
Kalit so‘zlar: Yuz tasviri, Biometrik autentifikatsiya, Kompyuterni ko‘rish, Mashinani
o‘rganish, Neyron tarmoqlari, Konvolyutsion neyron tarmoqlari.
МЕТОДЫ АУТЕНТИФИКАЦИИ НА ОСНОВЕ ИЗОБРАЖЕНИЙ ЛИЦ
Аннотация. Методы аутентификации по важным частям лица — одна из
современных биометрических систем. Эти инструменты основаны на идентификации
личности посредством уникального геометрического и визуального анализа человеческого
лица. Лицо реализуется с помощью технологий глубоких алгоритмов с помощью различных
форм искусственного интеллекта, нейронных инструментов, основанных на способности
к обучению. Эти методы аутентификации в основном используются в смартфонах,
компьютерах и государственных службах.
В этой теме освещены основные принципы технологии распознавания лиц, рабочий
процесс, технологические и материальные аспекты. Обсуждаются их проблемы, такие
как фальсификация изображений лиц или обман системы. В аннотации обсуждаются
обработка изображений лица, защита данных и их программные решения.
Внедряя и развивая эти технологии распознавания лиц, мы достигаем таких
результатов, как удобство и простота, предотвращение несанкционированного доступа,
соответствие международным стандартам и снижение технических сбоев.
Ключевые слова: изображение лица, биометрическая аутентификация,
компьютерное зрение, машинное обучение, нейронные сети, сверточные нейронные сети.
AUTHENTICATION METHODS BASED ON FACIAL IMAGES
Abstract. Authentication methods for important parts of the face are one of the modern
biometric systems. These tools are based on the identification of the person through the unique
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
319
geometric and visual analysis of the human face. The face is realized by deep algorithm
technologies with the help of different forms of artificial intelligence, neural tools based on
learning ability. These authentication methods are mainly used in smartphones, computers, and
government services.
In this topic, the main principles of facial recognition technology, the working process,
technological and material aspects are covered. Their problems, such as faking facial images or
cheating the system, are discussed. The abstract discusses facial image processing, data
protection, and their software solutions.
By implementing and developing these facial recognition technologies, we achieve results
such as convenience and simplicity, prevention of illegal access, compliance with international
standards, and reduction of technical failures.
Keywords: Face Image, Biometric Authentication, Computer Vision, Machine Learning,
Neural Networks, Convolutional Neural Networks.
KIRISH
Yuz tasviridan foydalanish orqali ishga tushadigan biometrik texnologiyalar eng ilg’or va
tez rivojlanayotgan yo’nalishlardan biridir. Ushbu texnologiya insonning nobiologik
xususiyatlariga asoslanib, an’anaviy parol yoki PIN-kodlarga qaraganda qulayroq yechimni
taqdim etadi.
Yuzning biometrik skayner orqali ishlash omillariga, ko‘zning shakli va joylashuvi, burun
tuzilishi va yuzning boshqa qismlari yordamida autentifikatsiya qilish orqali amalga oshiriladi.
Ushbu maqolada yuz tasviriga sifatli autentifikatsiya texnologiyasi, sud ishlanmalari,
asosiy algoritmlari, amaliy qo‘shimcha maqolalar, amaliy hujjatlar, asosida yozilgan.
Yuz tasviriga asoslangan autentifikatsiya biometrik autentifikatsiya sohasidagi eng dolzarb
va tez rivojlanayotgan sohalardan birini ifodalaydi, xavfsizlikdan tortib foydalanuvchi
tajribasigacha bo‘lgan ilovalar. Kompyuterni ko‘rish va mashinani o‘rganish texnologiyalarining
rivojlanishi bilan yuz tasvirini tahlil qilish asosida autentifikatsiya qilish usullari yanada samarali
va qulay bo‘lib bormoqda. Ushbu bo‘limda biz mavjud yuz tasviriga asoslangan autentifikatsiya
usullarini, ularning asosiy tamoyillarini, afzalliklari va kamchiliklarini va turli sohalarda
qo‘llanilishini ko‘rib chiqamiz.
Avvaliga shuni ta’kidlash joizki, yuzni autentifikatsiya qilish insonning o‘ziga xos
biometrik xususiyatlariga tayanadi va uni parollar yoki PIN-kodlar kabi an’anaviy usullarga
qaraganda xavfsizroq qiladi. Insonning yuzida ko‘zning shakli va o‘lchami, burun, og‘iz, turli xil
yuz elementlari orasidagi masofa kabi ko‘plab o‘ziga xos xususiyatlar mavjud. Ushbu
xususiyatlardan noyob biometrik shablonni yaratish uchun foydalanish mumkin, keyin uni
autentifikatsiya qilish uchun foydalanish mumkin.
Eng keng tarqalgan yuz tasviriga asoslangan autentifikatsiya usullarini bir nechta toifalarga
bo‘lish mumkin. Klassik usullar yuzning geometrik belgilaridan, masalan, asosiy nuqtalar
orasidagi masofalardan, shuningdek, to‘qimalar va rang xususiyatlarini tahlil qilishga asoslangan
usullardan foydalanishni o‘z ichiga oladi.
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
320
Biroq, mashinani o‘rganish va chuqur o‘rganish texnologiyalarining rivojlanishi bilan
yanada murakkab va samarali usullar paydo bo‘ldi, masalan, konvolyutsion neyron tarmoqlari
(CNN) va boshqa algoritmlardan foydalanish yuzni aniqlashning aniqligini sezilarli darajada
yaxshilaydi.
Yuz tasviriga asoslangan autentifikatsiyaning birinchi yondashuvlaridan biri geometrik
xususiyatlarga asoslangan usul edi. Bu usul yuzning asosiy nuqtalarini, masalan, ko‘z burchaklari,
burun uchi va og‘iz burchaklarini aniqlashni va keyin bu nuqtalar orasidagi masofani hisoblashni
o‘z ichiga oladi. Ushbu masofalar yuzning noyob vektor tasvirini yaratish uchun ishlatilishi
mumkin. Biroq, bu usul o‘zining cheklovlariga ega, chunki u yuz ifodasi, ko‘rish burchagi va
yorug‘likdagi o‘zgarishlarga sezgir bo‘lishi mumkin, bu tanib olish aniqligiga salbiy ta’sir
ko‘rsatishi mumkin.
Kompyuter ko‘rish texnologiyalarining rivojlanishi bilan to‘qimalarni tahlil qilish kabi
ilg‘or usullar paydo bo‘ldi. Ushbu usullar piksel qiymatlari va yuz tasvirining teksturaviy
xususiyatlarini tahlil qilishga asoslangan. Masalan, Gabor transformatsiyasiga asoslangan usullar
yuz teksturasini ajratib olishi mumkin, bu esa tanib olish aniqligini sezilarli darajada yaxshilaydi.
Biroq, bu usullar ham o‘z cheklovlariga ega, chunki ular yorug‘lik va fon sharoitlarining
o‘zgarishiga sezgir bo‘lishi mumkin.
So‘nggi yillarda chuqur neyron tarmoqlarga asoslangan usullar, ayniqsa konvolyutsion
neyron tarmoqlari (CNN) eng katta mashhurlikka erishdi. Ushbu usullar turli darajadagi
abstraktsiyadagi yuz tasvirlaridan xususiyatlarni avtomatik ravishda ajratib olishi mumkin, bu esa
tanib olish aniqligini sezilarli darajada yaxshilaydi. CNNlar katta hajmdagi ma’lumotlarga
o‘rgatilgan va yorug‘lik, ko‘rish burchagi va yuz ifodasi kabi turli xil sharoitlarni hisobga olgan
holda tasvirlarni samarali qayta ishlashlari mumkin. Bu ularni tanib olish aniqligiga ta’sir qilishi
mumkin bo‘lgan o‘zgarishlarga nisbatan chidamliroq qiladi.
Yuz tasvirini autentifikatsiya qilishning eng mashhur algoritmlaridan biri bu Google
tomonidan ishlab chiqilgan FaceNet algoritmidir. Ushbu algoritm yuz tasvirlarini taqqoslash va
autentifikatsiya qilish uchun ishlatilishi mumkin bo‘lgan vektor tasvirlariga aylantirish uchun
chuqur neyron tarmoq arxitekturasidan foydalanadi. FaceNet ko‘p sonli yuz tasvirlari bo‘yicha
o‘rganilgan va hatto qiyin sharoitlarda ham yuqori tanib olish aniqligiga erisha oladi. Ushbu usul
ko‘plab zamonaviy yuzga asoslangan autentifikatsiya tizimlari uchun asos bo‘ldi.
FaceNet-dan tashqari, VGGFace, OpenFace va DeepFace kabi boshqa algoritmlar ham
mavjud bo‘lib, ular ham yuzni aniqlash uchun chuqur neyron tarmoqlardan foydalanadi.
Ushbu algoritmlarning har biri o‘ziga xos xususiyatlarga va afzalliklarga ega, bu sizga
muayyan vazifalar va shartlarga qarab eng mos usulni tanlash imkonini beradi. Misol uchun,
VGGFace juda aniq va yuqori darajadagi ishonchlilikni talab qiladigan tizimlarda ishlatilishi
mumkin, OpenFace esa engilroq va mobil ilovalarda ishlatilishi mumkin.
Yuz tasviriga asoslangan autentifikatsiya turli sohalarda, jumladan xavfsizlik, bank, mobil
ilovalar va ijtimoiy tarmoqlarda ilovalarga ega. Xavfsizlik sohasida gumon qilinayotgan
jinoyatchilarni aniqlash, binolar va hodisalarga kirishni nazorat qilish va jamoat joylarini kuzatish
uchun yuzni tanish tizimlari qo‘llaniladi. Bank ishida yuz tasviriga asoslangan autentifikatsiya
onlayn tranzaktsiyalar xavfsizligini oshirishi va firibgarlikning oldini olishi mumkin.
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
321
Mobil ilovalar qurilmalarni qulfdan chiqarish va foydalanuvchilarni autentifikatsiya qilish
uchun yuzni tanish texnologiyasidan foydalanadi, bu jarayonni yanada qulay va xavfsiz qiladi.
Yuz shakli bo‘yicha autentifikatsiyalash usullari turli ko‘rinishda bo‘lib, quyidagicha:
Neyron tarmoqli usul (bir va ko‘p qatlamli);
−
Elastik grafiklarni taqqoslash usuli;
−
Chiziqli diskreminant tahlil usuli;
−
Yuzning geometrik xarakteristikalari asosidagi usul;
−
Empirik aniqlash usuli;
−
Viola-Jonoes usuli.
Neyron tarmoqli usul tasvirni aniqlashda foydalanilib, bir necha neyron tarmoqlarini
qo‘llashga asoslanadi. Rasm va tasvirlarni aniqlash uchun neyron tarmoqlarning asosiy
yo‘nalishlari quyidagilar:
Berilgan tasvir belgilarini yoki kalitli ko‘rsatkichlarini ajratish uchun qo‘llash;
Ko‘rsatkichlaridan ajratilgan yoki o‘zining nusxalarini klassifikatsiyalash (birinchi
navbatda ajratilgan kalit so‘zlarning maxfiy ichki tarmoqqa kiritilishi);
Masalani eng qulayini tanlash.
Neyron tarmoqlar bir-biri bilan birgalikda ishlashi va natijani umumiy “Xulosa”
ko‘rinishida berishi mumkin. Masalan:tasvirni bir qismini bir algoritm va boshqa qismini yana bir
algoritm bajaradi, natija umumlashtirilib yagona xulosaga erishiladi. Bir necha neyron
tarmoqlarning birgalikda aloqasida kod og‘irligi asosiy rol o‘ynaydi. Shuning uchun ulardan
qo‘llash uchun eng qulayi hamma vazifalarni parallel bajara oladigan tarmoq hisoblanadi. Bu
neyron tarmoqlarning boshqa usullardan afzalligi uning egiluvchanligi va universalligidir. Bundan
tashqari kalit belgilari bilan o‘zaro aloqada ekanligi.
Ko‘p qatlamli neyron tarmoqlari. Ko‘p qatlamli neyron tarmoqlar qatlamlar bir-biri bilan
ketma-ket bog‘lanadi. Ya’ni, birinchi qatlam chiqishida keyingi qatlam va shu kabi davom etadi.
Birin ketin qatlamlarni amalga oshirishda paydo bo‘lgan xatolarni umumiy yig‘indisi
ko‘rinishda olsak, birini xatosini ikkinchisi to‘ldirib ketadi va umumiy xatolar soni nisbatan
kamayadi (1.1- rasm).
Quyida solishtirish kerak bo‘lgan rasmni ombordagi rasmlar bilan solishtirishni ko‘rib
chiqamiz. Bunda rasmning bir ko‘rinishiga qarab boshqa holatdaki ko‘rinishini keltirib
chiqaramiz. Hamma tarmoqlarni qo‘llab natijaviy yig‘indi asosida so‘ralayotgan rasmni olishimiz
mumkin.
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
322
1.1-rasm. Ko‘pqatlamli neyron tarmoq
Tasvirlar bilan ishlashda asosiy kamchilik sifatida yorug‘likning va oldingi vaziyatga
nisbatan ayrim qismlarning (kalit xarakteristikalar) o‘zgarishini keltirishimiz mumkin. Bir
qatlamliga nisbatan ko‘p qatlamli neyron tarmoqlar yuqoridagi kamchiliklarni ham bartaraf etgan.
Yuzning asosiy belgilari – burun, lab, va ko‘z orasidagi masofa qanday holatda bo‘lishidan
qat’iy nazar saqlanadi. Ulardan biri o‘zgarganda ham natija o‘zgarmasligi mumkin.
Solishtirilishi kerak bo‘lgan rasm ombordagi rasm bilan ma’lum burchakka yoki o‘lchami
o‘zgargan bo‘lishi mumkin. Bu kamchilikni ketma-ket qatlamlardan foydalanib bartaraf etish
mumkin. Rasmdagi ajratilgan belgilarni hammasini bir xil o‘lchamga kichiklashtirib qatlamlar
bo‘yicha solishtirib chiqadi. Bu usul 98%gacha kamchiliklarni bartaraf etishi mumkin.
Ko‘p qatlamli neyron tarmoqlari yuqorida belgilangan sinf asosida belgilarni aniqlashi va
qo‘llanilishi mumkin. Shuningdek,har bir berilgan nusxa o‘zining sinfiga tegishli belgilarni
aniqlaydi va natijada hamma sinflardan olingan natijalar birlashtiriladi.
Kiruvchi tasvirni aniq belgilab olish uchun neyron tarmoqli detektor ishlatilmoqda.
U 20x20 (2-rasm) piksel o‘lchamli kiruvchi rasmni beradi va solishtirilishi kerak bo‘lgan
rasm ham xuddi shu o‘lchamda bo‘lib, mos sinfdagi belgilari taqqoslanadi.
Yuqori tartibli neyron tarmoqlari. Bunda bir qatlam va bir necha chiqish bo‘lib, har bir
chiquvchi ko‘rsatkich tartibli vektorlar ko‘rinishida bo‘ladi.
Bunday tarmoqlarda oddiy bo‘linuvchilar murakkab formallashtirilgan bo‘lishi mumkin.
1.2-rasm. Asosiy ko‘rsatkich asosida taqqoslash.
Yuqorida keltirilgan rasmning katta yoki kichik burchaklarga o‘zgarib kiritilishi xam
solishtirishga ta’sir etadi, lekin yuqori tartibli neyron tarmoqlari bu masalani hal qilgan. Bu
tarmoqning asosiy afzalligi juda tez natijani qayd etadi.
Elastik grafiklarni taqqoslash usuli. Bu usul (Elastic Bunch Graph Matching) da – yuzning
kalit nuqtalari: bosh, burun, lab va ko‘z chegarasi va oxirgi nuqtalari grafik ko‘rinishda ifodalanadi
(1.3-rasm).
Bunday har bir nuqta Gaborov funksiyasiga ko‘ra 5 ta har xil chastota va 8 ta aniqlik
koeffitsentini hisoblaydi. Bunday koeffitsentni “J”-jet deb nomlaymiz.
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
323
1.3-rasm. Yuzning kalit nuqtalari
Jet tasvirdagi nuqtalarni ikki maqsad asosida aniqlaydi:
Aniq tasvirdan nuqtalarni aniqlash;
Xamma tasvirlardan qidirilayotgan tasvir nuqtalarini aniqlash.
Bu usul tasvir holati 22°gacha o‘zgarganda o‘rinli bo‘ladi.Agar undan ortsa uni aniqlash
darajasi sekin kamaya boradi.Bu kabi holatlar bo‘lganda ElGraph ishlatilmaydi.
Ushbu usulning keyingi rivoji sifatida ElWeightstahlili asosida muhimlik koefitsentlarini
ajratishni kiritish mumkin.
Ushbu usulning oldingi har xil ko‘rinishlarida ElGrid, Grudin grafiklarining strukturalari
va yuqorida aniqlangan kalit nuqtalardan foydalanilmaydi. Oldin rasmdagi panjaralar bir biri bilan
taqqoslangan. Ya’ni yuzdagi kalit nuqtalar aniqlanib, u asosida o‘xshash yuzlar yig‘iladi natijada
hosil bo‘lgan yuzlarda panjaralar o‘tkazilib, ular asosida taqqoslanadi. Boshqa bir usulda esa,
boshida panjarani nusxasi olinadi, keyin aniqlash jarayonida yaroqlilari ajratiladi (1.4-rasm).
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
324
1.4-rasm. Elastik panjaralarni ifodalash
Yuzning geometrik xarakteristikalari asosidagi usul. Bu usul hammasidan birinchi bo‘lib
qo‘llanilgan. Bu usul birinchi kriminal sohada qo‘llanilgan va u yerda qayta ishlangan. Keyin
uning kompyuter dasturlari ishlab chiqilgan. Birinchi yuzning kalit nuqtalari topilgan va belgilar
to‘plami tuzilgan. Xar bir belgi kalit nuqtalar orasidagi masofani ifodalagan (1.4-rasm). Elastik
graflar bilan taqqoslaganda yaxshiroq hisoblanadi.
Kalit nuqtalar quyidagilar bo‘lishi mumkin:
Ko‘zning burchagi;
Lab;
Burun uchi;
Ko‘zning markazi.
Kalit maydonlari to‘g‘ri burchakli maydon ko‘rinishida xam olish mumkin.
Identifikatsiyalash jarayoni ombordagi rasm belgilari bilan solishtirish orqali amalga oshiriladi.
Kalit nuqtalarini aniq joylashgan o‘rnini belgilash juda qiyin lekin, uning ushbu nuqtalarini aniq
belgilash yuzni aniqlashda muvaffaqiyatga olib keladi.
Shuning uchun yuz tuzilishini aniqlash ta’sirlarsiz va kalit nuqtalarni aniqlash jarayoniga
xalaqitlarsiz bo‘lishi lozim. Shuningdek, xalaqitlar: ko‘zoynak taqish, soqqol, bezak berish, sochni
xolati va boshqa hollar. Yorug‘likni o‘zgarishini esa, hammasida e’tiborga olish lozim.
REFERENCES
1.
Babich G. V. Yuzni tanish uchun algoritmmlar va yondoslashlarning tahlili // Qozog‘iston-
Amerika Erkin universitetining Xabarshysy xabarnomasi Qozog'iston-Amerika erkin
universiteti. – P. 189. URL: https://www.vestnik-kafu.info/pdf/vestnik-2023.
2.
Badr H. M. Video trimdagi tasvirlarda yuzni tanishning mavjur usullarini tahlili. – 2021.
url: https://elibrary.ru/item.asp?id=47407142 (kirish sanasi: 12/11/2024).
3.
Bezgachev F.V. Neyron tarmoqlarni yuzlarning sun'iy avlodida qo‘llash // E-Scio. – 2021.
– Yoʻq. 11 (62). – 662-667-betlar. URL: https://cyberleninka.ru/article/n/primenenie-
neyrosetey-v-iskusstvennoy-generatsii-lits (kirish sanasi: 12/11/2024).
4.
Borisova S. N. Mobil qurilma foydalanuvchilarining autentatikatsiyadagi yuzni tanish
texnologiyalari // xxi asr: o'tmish natijalari va hozirgi kunning muammolari. 2017. 5-6-
140-betlar. URL: https://elibrary.ru/item.asp?id=30732999 (kirish sanasi: 12/11/2024).
5.
Bragina E. K., Sokolov S. S. Biometrik autentifikatsiyaning zamonaviy usullari: ko'rib
chiqish, tahlil qilish va rivojlanish istiqbollarini aniqlash // Neft va gaz texnologiyalari va
ekologik
xavfsizlik.
– 2016. – Yoʻq. 1 (61). – B. 40-45. URL:
https://cyberleninka.ru/article/n/sovremennye-metody-biometricheskoy-autentifikatsii-
obzor-analiz-i-opredelenie-perspektiv-razvitiya (kirish sanasi : 12/11/2024).
6.
Vasilyev V.I. va boshqalar. Kompyuter tizimlari foydalanuvchilarini yashirin biometrik
identifikatsiyalash texnologiyalari (ko'rib chiqish) // Axborotni himoya qilish masalalari. –
2015. – Yoʻq. 3. – 37-47-betlar. URL: https://elibrary.ru/item.asp?id=24833962 (kirish
sanasi: 12/11/2024).
7.
Vorona V. A., Kostenko V. O. Kirishni boshqarish va boshqarish tizimlarida biometrik
identifikatsiyalash texnologiyalari // Hisoblash nanotexnologiyasi. – 2016. – Yoʻq. 3. –
ISSN:
2181-3906
2024
International scientific journal
«MODERN
SCIENCE
АND RESEARCH»
VOLUME 3 / ISSUE 12 / UIF:8.2 / MODERNSCIENCE.UZ
325
224-241-betlar.
URL:
https://cyberleninka.ru/article/n/biometricheskie-tehnologii-
identifikatsii-v-sistemah-kontrolya-i-upravleniya-dostupom (kirish sanasi: 11/12/2024).
8.
Kartsan I. N. Biometrik ma'lumotlar: yangi imkoniyatlar va xavflar // Zamonaviy
innovatsiyalar, tizimlar va texnologiyalar. – 2023. – T. 3. – Yoʻq. 3. – P. 0201-0211. URL:
https://cyberleninka.ru/article/n/biometricheskie-dannye-novye-vozmozhnosti-i-riski
(kirish sanasi: 12/11/2024).
