دانشمندان آمريكايي موفق به ساخت سيستمي شده‌اند كه با استفاده از شباهت ميان عنبيه افراد به جاي تفاوت‌هاي آنها به شناسايي نژاد و جنسيت انسان مي‌پردازد.
به گزارش ایسنا، آزمايش‌هاي اوليه «كوين باوير» از دانشگاه نوتردام ايالت اينديانا و همكارانش نشان داده كه اين سيستم مي‌تواند بين دو فرد با دو زمينه نژادي مختلف تمايز قائل شده و همچنين نشانه‌هاي اميدواركننده‌اي در مورد تعيين جنسيت افراد نيز نشان داده است.
عنبيه به كنترل اندازه مردمك چشم پرداخته و رنگ چشم افراد را تعيين مي‌كند. اين بخش بدن در زمان رشد جنين به صورت يك طرح پيچيده و منحصر به فرد شكل گرفته و تا انتهاي عمر انسان به يك اندازه باقي مي‌ماند. تا پيش از اين محققان بر اين باور بودند كه عنبيه افراد كاملا با يكديگر متفاوت است اما تيم «باوير» نشان داده كه شباهتهايي نيز در اين ميان وجود دارد.
در يك اسكن عنبيه معمولي، يك دوربين به ثبت تصوير از چشمان فرد كه در نور نزديك به مادون قرمز غرق شده، مي‌پردازد. يك نرم‌افزار به شناسايي بخش عنبيه چشم پرداخته و سپس 1024 منطقه نمونه را به دنبال الگوهايي در مسير بازتاب نور توسط بافتهاي حساس موسوم به استروما، تحليل و بررسي مي‌كند. اين اطلاعات باارزش سپس براي ساخت يك كد از اعداد دودويي مورد استفاده قرار مي‌گيرند.
شيوه تيم باوير يك لايه پيچيدگي ديگر به اين شيوه اضافه كرده است. براي هر منطقه نمونه، اين نرم‌افزار به شناسايي ويژگي‌هايي مانند خطوط يا نقاط در استروما پرداخته و اين اطلاعات را ذخيره مي‌كند. اين شيوه همچنين به ثبت تغييرات مرتبط با روشنايي در بخشهاي مختلف اين ناحيه مي‌پردازد.
اين مجموعه صفات غني‌تر به محققان در ساخت يك الگوريتم براي شناسايي ويژگي‌هاي مشترك بين عنبيه‌هاي قوميت و جنسيت شناخته شده، كمك كرده است. اين دانشمندان به بررسي داده‌هاي سيستم خود با يك پايگاه داده از عنبيه‌هاي ناشناخته 1200 انسان پرداخته و اين سيستم توانست براي مثال قوميت چيني يا قفقازي فرد را تا 90 درصد درست تشخيص دهد.
اين تيم قرار است نتايج تحقيقات خود را ماه آينده در كنفرانس بين‌المللي فناوري انجمن مهندسان برق و الكترونيك براي امنيت داخلي در ماساچوست ارائه كنند. باوير، دليل موفقيت ناقص اين سيستم براي تشخيص جنسيت را در كامل نشدن كار تيم بر روي ويژگي‌هاي بافتي عنبيه در ارتباط با جنسيت خواند. اين محققان همچنين هنوز اين سيستم را بر روي افراد با زمينه‌هاي قوميتي پيچيده‌تر آزمايش نكرده‌اند.
اين سيستم جدا از سخت‌تر كردن كار جاعلين در ساخت هويت‌هاي تقلبي با جنسيت و قوميت متفاوت، همچنين مي‌تواند به جست‌وجوها در داخل پايگاه داده‌هاي بزرگ عنبيه با کاهش زير مجموعه‌هاي داده‌هاي تحت جست‌وجو سرعت ببخشد.
