การเก็บภาพและสแกนลายนิ้วมือด้วยเทคโนโลยี Multispectral จาก HID Global - EP. 2/2

เนื้อหาก่อนหน้า >> การเก็บภาพและสแกนลายนิ้วมือด้วยเทคโนโลยี Multispectral จาก HID Global - EP. 1/2

ความเข้ากันได้ย้อนหลังกับข้อมูลดั้งเดิม

ข้อมูลที่ถูกลงทะเบียนไว้ และข้อมูลที่ได้จากการตรวจสอบถูกเก็บรวบรวมจากเซ็นเซอร์ที่แตกต่างกัน 4 แบบ และ สถานะการณ์ที่ไม่พึงประสงค์ 6 เหตุการณ์ ถูกนำมาวิเคราะห์ครั้งที่สอง เพื่อประเมินความสามารถของภาพ MSI ที่จะจับคู่กับภาพที่รวบรวมจากเซ็นเซอร์ลายนิ้วมือ TIR ทั่วไป และเพื่อทำการประเมินนี้ ภาพลายนิ้วมือจาก MSI ที่ถูกรวบรวมภายใต้เงื่อนไขที่ไม่พึงประสงค์จะถูกจับคู่กับข้อมูลการลงทะเบียนที่รวบรวมจากเซ็นเซอร์ TIR ทั่วไปแต่ละตัว อย่างเช่นเคย, การวิเคราะห์จะถูกทำซ้ำแบบเดิมด้วยซอฟต์แวร์ที่ใช้สำหรับดึงและจับคู่ภาพนิ้วมือทั้งสามแบบ Table 2 ตามด้านล่างนี้แสดงผลลัพธ์ค่าเฉลี่ยของประสิทธิภาพที่ได้รับ

Table 2: TAR (at FAR=0.01%) for same-sensor and cross-sensor cases. The same sensor performance (shaded) duplicates the information in Table 1. The corresponding cross-sensor performance is generated using enrollment data collected with Sensors C, I, S and performing biometric comparisons to MSI images collected under adverse conditions.

คอลัมน์ข้อมูลที่ไม่มีการแรเงาแสดงถึงผลลัพธ์การจับคู่แบบข้ามเซ็นเซอร์ ในขณะที่คอลัมน์ที่แรเงาเป็นผลลัพธ์การจับคู่จากเซ็นเซอร์เดียวกันที่ซ้ำกันจากตารางที่ 1 ผลลัพธ์จากการเปรียบเทียบระหว่าง เซ็นเซอร์ต่างชนิด และ เซ็นเซอร์ชนิดเดียวกัน แสดงให้เห็นถึงการพัฒนาที่น่าทึ่งในเกือบทุกตัวอย่างการทดสอบ รวมถึงค่าเฉลี่ยโดยรวมด้วย การค้นพบนี้บ่งชี้ว่าเทคโนโลยีการถ่ายภาพของ MSI นั้นเข้ากันได้กับข้อมูลดั้งเดิมที่เก็บรวบรวมไว้ในเซ็นเซอร์ลายนิ้วมือ TIR ทั่วไป ยิ่งกว่านั้นการปรับปรุงประสิทธิภาพของเซ็นเซอร์ MSI ที่ทำงานในสภาวะที่ไม่พึงประสงค์ประสบความสำเร็จ แม้ในกรณีที่ข้อมูลการลงทะเบียนถูกถ่ายภายใต้วิธีการถ่ายภาพที่แตกต่างกัน สิ่งนี้สอดคล้องกับหลักฐานที่ว่า MSI Imager สามารถรับข้อมูลดิบที่เพียงพอในการสร้างภาพลายนิ้วมือคอมโพสิตคุณภาพสูงภายใต้เงื่อนไขที่ทำให้เทคโนโลยีอื่นๆประสบปัญหาด้านประสิทธิภาพการทำงานอย่างรุนแรง

การตรวจจับการปลอมแปลง

ระบบไบโอเมตริกที่ประสบความสำเร็จจะต้องสามารถระบุลายนิ้วมือมนุษย์ที่มีชีวิตได้อย่างน่าเชื่อถือ และสามารถปฏิเสธลายนิ้วมืออื่นๆ ทั้งหมดได้ การตรวจจับการปลอมแปลง หรืออาจจะเรียกว่า การตรวจจับการมีชีวิต คือความสามารถในการแยกแยะลายนิ้วมือที่ได้จากมนุษย์ที่มีชีวิต กับลายนิ้วมือจากสิ่งที่สร้างขึ้นโดยวัสดุอื่นๆ เมื่อเร็วๆ มีนี้บทความจำนวนมากได้เผยแพร่และแสดงให้เห็นถึงวิธีการต่างๆของการปลอมแปลงลายนิ้วมือด้วยเทคโนโลยีแบบเดิม วิธีการมีตั้งแต่รูปแบบที่ง่ายมาก เช่น การหายใจบนเซ็นเซอร์เพื่อเปิดใช้งานจากร่องรอยลายนิ้วมือที่แฝงอยู่ (Thalheim, Krissler, and Ziegle 2002) ไปจนถึงวิธีการที่ดูน่ากลัวมากขึ้น เช่น การใช้นิ้วมือของคนตาย (Parthasaradhi 2003) วิธีทั่วไปของการปลอมแปลงเครื่องอ่านลายนิ้วมือคือการสร้างแบบจำลองของลายนิ้วมือโดยใช้วัสดุที่หาได้ง่ายเช่นเทปใสและผงแกรไฟต์ (Thalheim, Krissler, and Ziegle 2002), Play-Doh หรือลาเท็กซ์ (Derakhshani 1999), ซิลิโคนหรือเจลาติน (Matsumoto, Matsumoto, Yamada, and Hoshino 2002), ตรายาง (Geradts and Sommer 2006), หรือดินเหนียว (Parthasaradhi 2003).

เซ็นเซอร์ลายนิ้วมือแบบธรรมดาจะเก็บภาพตามความแตกต่างระหว่างอากาศและวัสดุที่สัมผัสกับเซ็นเซอร์ ในขณะที่เทคโนโลยีเซ็นเซอร์แต่ละอาจจะมีความแตกต่างกันไปในวิธีการจับภาพ แต่ในแต่ละครั้งจะอาศัยเพียงคุณสมบัติเดียวจากวัสดุที่สัมผัสกับเซ็นเซอร์ เซ็นเซอร์ลายนิ้วมือแบบแสง (optical sensor) ใช้ความแตกต่างในดัชนีการหักเหของแสง, เซ็นเซอร์โซลิดสเตตพึ่งพาความแตกต่างของความต้านทาน และ เซ็นเซอร์ความร้อนขึ้นอยู่กับความแตกต่างในการนำความร้อน วัสดุใดๆที่วางอยู่บนเซ็นเซอร์ที่มีคุณสมบัติเช่นเดียวกับที่คาดไว้ก็จะสามารถนำมาช้ในการจับภาพลายนิ้วมือได้ ตัวอย่างเช่น เครื่องอ่านลายนิ้วมือแบบแสง (optical sensor) จะรวบรวมภาพสามมิติจากลายนิ้วมือที่ทำจากวัสดุที่เหมาะสมที่สัมผัสกับเซ็นเซอร์ เช่น ลาเท็กซ์, ซิลิโคน หรือ เจลาติน จุดอ่อนของเครื่องอ่านทั่วไปคือการพึ่งพาคุณสมบัติเดียวของพื้นผิวของวัสดุที่มีลายนิ้วมือ เมื่อมีการค้นพบวัสดุใดๆ ที่เลียนแบบคุณสมบัติของพื้นผิวนิ้วมือก็สามารถใช้ในการปลอมแปลง หลอกเซ็นเซอร์ได้อยู่เสมอ วิธีการตรวจจับที่น่าเชื่อถือมากขึ้นนั้นจะช่วยให้สามารถตรวจวัดคุณสมบัติหลายอย่างของทั้งพื้นผิวและใต้พื้นผิว

ภาพหลากสีที่ได้มาจากการบังคับแสงให้มีคลื่นไปทางเดียว (polarizations) และมุมที่ต่างกัน ทำให้เซ็นเซอร์ MSI สามารถจับภาพคุณสมบัติต่างๆ ของนิ้วที่มีประโยชน์สำหรับการตรวจจับการปลอมแปลง โดยทั่วไปคุณสมบัติของวัสดุที่บันทึกในข้อมูล MSI อาจแบ่งออกเป็นสองประเภทกว้างๆ: เชิงแสงเงา (spectral) และเชิงพื้นที่/เนื้อสัมผัส คุณสมบัติทางสเปกตรัมที่ง่ายที่สุดคือสีของพื้นผิวของวัสดุที่วางอยู่บนเซ็นเซอร์ ช่วงของสีผิวมนุษย์ที่มีชีวิตนั้นค่อนข้างแคบ และจากการมองเห็นผิวบนพื้นผิวของมันนั้นดูแตกต่างจากวัสดุอื่นๆมาก คุณสมบัตินี้สามารถมองเห็นได้อย่างง่ายดายผ่านความเข้มของพิกเซลในระนาบบนภาพ MSI แต่ละอัน ภาพประกอบของความสามารถในการใช้คุณสมบัติค่าเฉลี่ยสเปกตรัมเพื่อการจำแนก สามารถดูได้ในรูปแบบที่ 7 พล็อตทั้งสี่แสดงค่าความเข้มของภาพเฉลี่ยสำหรับการหลอกแบบต่างๆ สี่แบบที่วัดได้จากชุดตัวอย่างที่นำมาทดสอบ ในแต่ละพล็อต ค่าความเข้มเฉลี่ยจากกลุ่มประชากรตัวอย่างของอาสาสมัครถูกนำมาใช้ซ้ำ การปลอมแปลงจะแสดงเป็นเส้นประและค่าเฉลี่ยจากมนุษย์จริงๆจะแสดงเป็นเส้นทึบ นอกจากนี้พล็อตเส้นโค้งทั้งหมดนี้เป็นขอบเขตข้อผิดพลาดที่แสดงการเปลี่ยนแปลงความเบี่ยงเบนมาตรฐาน +/-3 ของค่าความเข้มเฉลี่ยโดยเฉพาะสำหรับคลาสตัวอย่างที่กำหนด จะเห็นได้ว่าในระนาบภาพหลายๆภาพ การแยกค่าความเข้มเฉลี่ยนั้นมีความสำคัญสูงมาก ซึ่งหมายถึงการแยกคลาสง่ายๆ โดยอิงจากพารามิเตอร์พื้นฐานเดี่ยวนี้เท่านั้น

Figure 7: Spectral differences between people and various spoof types. The average image intensity for each of the eight direct-illumination images is plotted for people (solid lines, repeated in the four plots) and spoofs (dotted lines, different for each plot). Error bounds represent 3*STD of the measured population for each sample class. All of these sample types are clearly separable from people based only their average spectral properties.

คุณสมบัติที่ซับซ้อนยิ่งกว่านั้นจะถูกบันทึกในข้อมูล MSI ตัวอย่างเช่น สีของแสงที่แตกต่างกัน มีปฏิกริยากับคุณสมบัติของผิวที่แตกต่างกัน และส่วนประกอบของผิวที่แตกต่างกัน เช่น เลือด หากลองใช้สเปคโทรสทางการแพทย์จะแสดงให้เห็นว่าส่วนประกอบสำคัญของเลือด (oxygenated และ deoxygenated hemoglobin) ดูดซับความยาวคลื่นแสงที่แตกต่างกันอย่างไร ดูได้จาก Figure 8 Oxygenated hemoglobin มีการดูดซับอย่างสูงที่ความยาวคลื่นสูงกว่า 600 นาโนเมตร หากต่ำกว่า 600 นาโนเมตร hemoglobin ทั้งสองรูปแบบจะมีการดูดซับที่สูง แต่มีคุณสมบัติทางสเปกตรัมที่แตกต่างกันอย่างชัดเจน ความยาวคลื่นแสงที่แตกต่างกันของเซ็นเซอร์ MSI ทำการวัดสเปกตรัมของผิวหนังได้อย่างมีประสิทธิภาพ ซึ่งสเปกตรัมของเลือดนั้นเป็นองค์ประกอบสำคัญ ด้วยการตรวจสอบข้อมูลของ MSI อย่างเหมาะสม จะมีการพิจารณาว่ามีหรือไม่มีเลือดในตัวอย่างซึ่งเป็นวิธีการที่แข็งแกร่งอีกวิธีหนึ่งในการแยกแยะตัวอย่างการปลอมแปลงบางประเภท

Figure 8: Comparison of spectra of oxygenated and deoxygenated hemoglobin

ลักษณะเชิงพื้นที่และเนื้อสัมผัสก็มีความสำคัญอย่างยิ่งสำหรับการตรวจจับการปลอมแปลง ตัวอย่างเช่น เมื่อวางวัสดุที่บางและโปร่งใส บนแท่นวางนิ้วมือ ในความพยายามที่จะหลอกระบบ รูปแบบลายนิ้วมือจากทั้งตัวอย่างที่บางอาจถูกสังเกตได้ องค์ประกอบของคุณสมบัติลายนิ้วมือนี้มักจะส่งผลให้พื้นผิวมีความผิดธรรมชาติ จากตัวอย่างที่แสดงให้เห็นใน Figure 9 วิธีการจำแนกประเภทนั้นสามารถแยกแยะระหว่างพื้นผิวปกติและพื้นผิวที่ผิดปกติได้อย่างง่ายดายดังนั้นจึงเป็นอีกช่องทางหนึ่งสำหรับการตรวจจับความพยายามที่จะหลอกเซ็นเซอร์

เนื่องจากมีความหลากหลายและความเป็นไปได้ในคุณสมบัติลายนิ้วมือที่แท้จริง ปัญหาของการเลือกและการรวมคุณสมบัติต่างๆ เพื่อแยกความแตกต่างนั้นจึงเป็นเอกลักษณ์เฉพาะของเทคโนโลยีของ MSI วิธีหนึ่งในการเลือกและสร้างคุณลักษณะคือการใช้เทคนิคการเรียนรู้โดยใช้ข้อมูลหลายตัวแปร เช่น โครงข่ายประสาท หรือการวิเคราะห์แยกแยะ (Duda, Hart, and Stork 2001) วิธีการเหล่านี้ใช้ตัวอย่างเพื่อกำหนดคุณสมบัติและชุดค่าผสมที่มีประโยชน์มากที่สุดในการแยกความแตกต่างระหว่างคลาส: ในตัวอย่างนี้คือ คลาสระหว่างนิ้วมือจากมนุษย์ที่มีชีวิต และ วัสดุที่ใช้เทียมลายนิ้วมืออื่นๆ นอกเหนือจากความแข็งแกร่งในการตรวจจับการสวมรอยที่หลากหลายแล้ว เทคโนโลยีนี้ยังให้ข้อได้เปรียบที่แตกต่างกันของความสามารถในการปรับตัวให้เข้ากับการปลอมแปลงใหม่เมื่อค้นพบ

เพื่อทดสอบความสามารถในการตรวจจับการปลอมแปลงของระบบ multispectral อย่างเข้มงวด การศึกษาได้ดำเนินการโดยใช้กลุ่มอาสาสมัคร และตัวอย่างการปลอมแปลงจำนวนมาก อาสาสมัครเป็นกลุ่มคนเดียวกัน 118 คนที่อธิบายไว้ก่อนหน้านี้ว่ามีการแวะเวียนกลับเข้ามาทดสอบหลายครั้งในช่วงระยะเวลาสามสัปดาห์ ตัวอย่างการปลอมแปลงประกอบด้วยประเภทการหลอกลวงทั้งหมดที่มีการเผยแพร่ทางสื่อและบทความต่างๆ รวมถึงตัวอย่างเพิ่มเติมบางประเภท มีการรวบรวมการปลอมแปลงทั้งสิ้น 49 ประเภท ลาเท็กซ์, ซิลิโคน, Play-Doh, ดินเหนียว, ยาง, กาว, เรซิ่น, เจลาตินและเทปถูกนำมาใช้ใน สี, ความเข้มข้น และความหนาต่างๆ นิ้วเทียมหลายนิ้วถูกนำมาใช้ ตัวอย่างการปลอมแบบโปร่งใสและกึ่งโปร่งใสแต่ละชิ้นได้รับการทดสอบร่วมกันกับนิ้วชี้ของอาสาสมัครแต่ละคน ตัวอย่างการปลอมแปลงถูกวางไว้บนนิ้วอาสาสมัครก่อนที่จะสัมผัสเซ็นเซอร์และรวบรวมข้อมูลของ MSI นิ้วจริงของอาสาสมัครมีการบันทึกภาพทั้งหมด 17,454 ภาพและมีการรวบรวมภาพหลอก 27,486 ภาพ สำหรับการสวมรอยแต่ละประเภทจะมีการเก็บตัวอย่างระหว่าง 40 ถึง 1,940 ตัวอย่าง การสวมรอยแบบโปร่งใสที่นิ้วชี้ของอาสาสมัครสวมใส่ส่งผลให้มีขนาดตัวอย่างมากกว่าการสวมรอยแบบทึบแสง

Figure 9: Example images of various thin, transparent spoofs placed on real fingers. The elliptical marks highlight areas in which unnatural textures are clearly apparent. The automated texture analysis techniques incorporated in the MSI sensor are sensitive to much subtler variations of texture.

Stack รูปภาพ MSI แต่ละอันได้รับการแปลงเวฟเล็ตโดยใช้เวฟเล็ตที่มีโครงสร้างแบบ dual-tree complex (Kingsbury, 2001) ขนาดที่แน่นอนของค่าสัมประสิทธิ์ (coefficients) จะถูกนำมารวมกันในแนวการจำแยกทั้ง 6 แบบ ผลลัพธ์ของการรวมค่าสัมประสิทธิ์ (coefficients) นั้นจะถูกรวบรวมเป็นฮิสโตแกรม (histograms) สำหรับแต่ละภาพ MSI และแตะละระดับการจำแนก ผลลัพธ์จากฮิสโตแกรม (histograms) แต่ละอันจะถูกสรุปค่าที่ระดับเปอร์เซ็นสองค่า (ลำดับที่ 30 และ 70) การรวบรวมค่าสรุปทั้งหมดสำหรับทุกระดับและรูปภาพดิบทั้งหมด จึงก่อให้เกิดเวกเตอร์ของตัวแปรอิสระที่ใช้ในการจำแนกตัวอย่างเฉพาะว่าเป็นของแท้หรือหลอก ตัวแปรของการจำแนกเชิงเส้นของฟิชเชอร์ถูกนำไปใช้กับชุดข้อมูลทดสอบและใช้เพื่อสร้างคุณลักษณะแปดประการสำหรับการจำแนกประเภท ในส่วนของการทดสอบ ความแตกต่างระหว่าง อัตรายกกำลังสองของระยะ Euclidian ค่าการปลอมแปลง และค่าเฉลี่ยจากมนุษย์จริง ถูกนำมาใช้ในการคำนวณข้อผิดพลาดการสลับสับเปลี่ยนตัวอย่างที่ถูกต้องกับ และตัวอย่างที่ไม่ถูกต้องที่ใช้สำหรับการหลอกลวง ผลลัพธ์จะแสดงในรูปที่ 10 ซึ่งคล้ายกับเส้นโค้ง ROC ที่ใช้เพื่ออธิบายประสิทธิภาพการจับคู่ลายนิ้วมือในช่วงระยะเวลาการทดสอบ ในกรณีนี้ ค่า TAR คืออัตราที่การวัดที่ทำกับคนจริงถูกจำแนกอย่างเหมาะสมว่าเป็นตัวอย่างของแท้ ดังนั้น นี่จึงเป็นตัวชี้วัดที่สะดวกในการใช้ตรวจจับการปลอมแปลงซึ่งพิสูจน์ให้เห็นโดยผู้ที่ได้รับอนุญาต ค่า FAR จะอธิบายอัตราการสุ่มตัวอย่างการปลอมแปลงว่าเป็นตัวอย่างของแท้ อัตรานี้ให้หน่วยวัดสำหรับระดับความปลอดภัยต่อการปลอมแปลงที่ระบบจัดทำ ณ จุดปฏิบัติการเฉพาะ ความปลอดภัยและความสะดวกสบายของระบบตรวจจับการปลอมแปลงนี้เป็นการแลกเปลี่ยนแบบเดียวกับในกรณีของการจับคู่ลายนิ้วมือ ค่า TAR ที่มากขึ้นสามารถทำได้โดยการลดค่าการตรวจจับการปลอมแปลง และเช่นเดียวกันในทางกลับกัน ทางหนึ่งที่เป็นไปได้ในการกำหนดการทำงานคือ ตั้งเกณฑ์การตัดสินใจเพื่อให้ TAR 99.5% และการปลอมแปลงโดยรวมที่เป็นผลลัพธ์อยู่ที่ประมาณ 0.9% การวิเคราะห์เพิ่มเติมแสดงให้เห็นว่า ณ จุดปฏิบัติการนี้ตัวอย่างการปลอมแปลงจำนวนมากไม่เคยได้รับการยอมรับว่าเป็นของแท้และไม่มีการปลอมแปลงชั้นเดียวที่มีค่า FAR มากกว่า 15% สิ่งนี้แสดงให้เห็นว่ารูปแบบการตรวจจับที่แข็งแกร่งมากๆนี้ สามารถนำไปใช้กับเซ็นเซอร์ MSI โดยมีผลกระทบต่อผู้ใช้ที่เป็นตัวจริงน้อยที่สุด

Figure 10: Error trade-off for multispectral spoof detection

บทสรุป

เทคโนโลยีการถ่ายภาพของ MSI จะดึงภาพที่แตกต่างกัน และลักษณะพื้นผิวของนิ้วที่หลากหลาย เพื่อให้วิธีการที่ปลอดภัยและเชื่อถือได้ในการสร้างภาพลายนิ้วมือ การทดสอบที่ดำเนินการจนถึงปัจจุบันได้แสดงให้เห็นถึงข้อได้เปรียบที่แข็งแกร่งของเทคโนโลยี MSI เหนือวิธีการถ่ายภาพทั่วไปภายใต้สถานการณ์ที่หลากหลาย คำจำกัดความของข้อได้เปรียบของเทคโนโลยี MSI แบ่งได้สามเรื่อง

เรื่องที่หนึ่ง: มีคุณสมบัติทางกายวิภาคหลายอย่างด้านล่างพื้นผิวของผิวที่มีรูปแบบเดียวกับลายนิ้วมือและสามารถถ่ายภาพโดย MSI ซึ่งหมายความว่ามีแหล่งข้อมูลเพิ่มเติมใต้พื้นผิวสำหรับเซ็นเซอร์ MSI เพื่อรวบรวมและชดเชยคุณภาพที่ไม่ดีหรือคุณสมบัติพื้นผิวที่ขาดหายไป

เรื่องที่สอง: เซ็นเซอร์ MSI ถูกออกแบบมาเพื่อให้สามารถรวบรวมข้อมูลลายนิ้วมือที่ใช้งานได้ภายใต้เงื่อนไขที่หลากหลาย ประกอบไปด้วย ผิวหนังที่แห้ง, ผิวหนังที่สกปรก, การสัมผัสระหว่างนิ้วกับเซ็นเซอร์ไม่ดี, มีน้ำบนนิ้ว และ/หรือ แท่นวาง และแสงโดยรอบที่สว่างจ้า คุณลักษณะของเซ็นเซอร์นี้ช่วยเพิ่มความน่าเชื่อถือของเซ็นเซอร์ MSI และลดเวลาและความพยายามที่ผู้ใช้ที่ได้รับอนุญาตต้องใช้ไปในการทำธุรกรรมด้วยการอ่านลายนิ้วมือ

เรื่องที่สาม: เนื่องจากเซ็นเซอร์ MSI ไม่เพียง แต่ตรวจจับลายนิ้วมือ แต่แทนที่จะตรวจจับวัสดุที่ซึ่งมีลายนิ้วมืออยู่ ข้อมูลที่ได้จะให้ข้อบ่งชี้ที่ชัดเจนว่ามีลายนิ้วมือที่ได้มาจากจากนิ้วที่มีชีวิตหรือวัสดุอื่นๆ ความสามารถในการให้การรับรองที่เข้มงวดของความถูกต้องของตัวอย่างนี้ช่วยเพิ่มความปลอดภัยของระบบโดยรวมและทำให้เซ็นเซอร์ลายนิ้วมือของ MSI สามารถใช้ในแอปพลิเคชันและสภาพแวดล้อมที่การปลอมแปลงเป็นปัญหา

แม้ว่าเทคโนโลยีการถ่ายภาพของ MSI นั้นเป็นวิธีที่แตกต่างกันอย่างชัดเจนในการรับลายนิ้วมือ แต่การทดสอบแสดงให้เห็นว่าลายนิ้วมือของ MSI นั้นเข้ากันได้กับภาพที่เก็บรวบรวมโดยใช้เทคโนโลยีภาพอื่นๆ การค้นพบดังกล่าวช่วยให้เซ็นเซอร์ MSI สามารถรวมเข้ากับระบบรักษาความปลอดภัยด้วยเซ็นเซอร์อื่นๆ และใช้แทนกันได้ รวมถึงเซ็นเซอร์ของ MSI อาจถูกนำไปใช้ในแอพพลิเคชั่นที่ภาพลายนิ้วมือ MSI ใหม่ถูกนำมาเปรียบเทียบกับฐานข้อมูลดั้งเดิมของภาพที่รวบรวมโดยใช้เทคนิคที่แตกต่างกัน

การทดสอบเพิ่มเติมของเทคโนโลยีการตรวจจับของ MSI นั้นกำลังดำเนินการอยู่ เพื่อการปรับใช้ในขอบเขตขนาดใหญ่และสภาพแวดล้อมในห้องปฏิบัติการที่หลากหลาย ผลลัพธ์จากการทดสอบเหล่านี้ช่วยเพิ่มองค์ความรู้เกี่ยวกับเทคโนโลยีลายนิ้วมือของ MSI