IoT Cihazlarında Yüz Tanıma Güvenliğinin Artırılması için Görüntü İşleme Tekniklerinin Entegrasyonu

Abstract

IoT tabanlı sistemlerde erişim kontrolü çoğunlukla yüz tanımaya bağlıdır, ancak yine de birçok sorunla karşı karşıyadır. Yüz tanıma hataları, yüz özelliği değişiklikleri ve sahtecilik girişimleri gibi güvenlik sorunları gibi sorunlar. Bu çalışmadaki temel odak, derinlik analizi, canlılık tespiti ve yinelenen kimlik doğrulama güncellemeleri gibi gelişmiş görüntü işleme tekniklerini yöneterek sistemin güvenliğini ve güvenilirliğini iyileştirmekti Sistemi sahte erişime daha fazla kısıtlamak ve kritik durumları yönetmede optimize etmek için, yalnızca bazı teknik güncellemeler değil, aynı zamanda önemli bir rol oynayan bu eklemeler yapıldı. Ayrıca, anormallik tespiti ve özellik çıkarma gibi diğer yöntemler, sistemin sağlamlığını artırmak ve yeni sorunlara etkili bir şekilde uyum sağlamasını sağlamak için kullanıldı. Bu çalışma üzerinde çalışırken, algoritmik önyargı ve kullanıcı gizliliğiyle ilgili sorunlar da dikkate alındı ve yalnızca sistemin güvenli değil, aynı zamanda önyargılı olmadığı ve etik olduğu değerlendirildi. Sonuçlarda, sistemin güvenliğe odaklı ve etik açıdan bilinçli bir tasarıma sahip olması, onu daha etkili ve güvenilir bir yüz tanıma sistemi haline getirirken, IoT tabanlı kimlik doğrulama ortamlarında gelecekte kullanım için güçlü bir potansiyele sahip olduğu öne sürülen çalışmaların birleştirilmesi önerilmiştir.

Access control in IoT-based systems mostly depends on face recognition, but it still faces many issues. Issues as face recognition errors, facial feature changes, and security problems like spoofing attempts. The primary focus in this work was improving the security of the system along with its reliability by managing advanced image processing techniques, such as depth analysis, liveness detection, and recurring authentication updates To make the system more restricted to fraudulent access and optimized at managing crucial cases, these additions are made, which are not just some technical updates but they also play an important part. Furthermore other methods like anomaly detection, and feature extraction were used to enhance the robustness of system, while allowing it to adjust to new issues effectively. Issues relevant to algorithmic bias and user privacy have also been taken into consideration while working on this study, by evaluating that not just system is secure but also it's not biased and is ethical. Combination of work have been suggested in the results, where the system is security-focused and ethically aware design makes it more effective and reliable facial recognition system, with strong potential for future use in IoT-based authentication environments.