نشریه علمی پژوهشی طب انتظامی Journal of Police Medicine
دوره 11، شماره 1 - ( 1401 )
جلد 11 شماره 1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Babaei M, Shirzad J, Keshavarz Meshkin Pham K, Faghih Fard P, eftekhari A. Challenges of Using Biometric Evidence in Identification. J Police Med 2022; 11 (1) : e29
URL: http://jpmed.ir/article-1-1100-fa.html
URL: http://jpmed.ir/article-1-1100-fa.html
بابائی محسن، شیرزاد جلال، کشاورز مشکین فام کامران، فقیه فرد پیمان، افتخاری اصغر. چالش‌های استفاده از ادله بیومتریک در تشخیص هویت. نشریه طب انتظامی. 1401; 11 (1)
1- گروه تشخیص هویت و علوم پزشکی، دانشکده علوم فنون اطلاعات و آگاهی، دانشگاه علوم انتظامی امین، تهران، ایران
2- گروه تشخیص هویت و علوم پزشکی، دانشکده علوم فنون اطلاعات و آگاهی، دانشگاه علوم انتظامی امین، تهران، ایران ، jalal_shirzad@yahoo.com
3- گروه مبارزه با مواد مخدر، دانشکده علوم فنون اطلاعات و آگاهی، دانشگاه علوم انتظامی امین، تهران، ایران
2- گروه تشخیص هویت و علوم پزشکی، دانشکده علوم فنون اطلاعات و آگاهی، دانشگاه علوم انتظامی امین، تهران، ایران ، jalal_shirzad@yahoo.com
3- گروه مبارزه با مواد مخدر، دانشکده علوم فنون اطلاعات و آگاهی، دانشگاه علوم انتظامی امین، تهران، ایران
چکیده: (1208 مشاهده)
اهداف: با توجه به اهمیت احراز هویت مجرمان در کشف جرم، بکارگیری صحیح ادله بیومتریک در این امر، جایگاه ویژه‌ای دارد. هدف از این پژوهش بررسی چالش‌های استفاده از ادله بیومتریک در تشخیص هویت بود.
ابزار و روش‌ها: پژوهش حاضر از نظر نوع و روش توصیفی-پیمایشی و از نظر هدف و ماهیت، کاربردی و از نظر جمع‌آوری داده‌ها، اسنادی-پیمایشی است که در سال ۱۳۹۹ انجام شد. کارآگاهان و افسران پلیس آگاهی استان گیلان با سابقه خدمتی حداقل ۵ سال کار اجرایی، نمونه مورد مطالعه در این تحقیق بودند. از پرسش‌نامه محقق‌ساخته به عنوان ابزار تحقیق استفاده شد. روایی پرسش‌نامه توسط صاحب‌‌نظران تأیید شد و پایایی پرسش‌نامه نیز با محاسبه ضریب آلفای کرونباخ، ۰/۹۵۱ به‌دست آمد. برای تجزیه و تحلیل داده‌ها از ضریب همبستگی پیرسون، آزمون تی و تحلیل واریانس یک‌طرفه با نرم‌افزار اسمارت پی ال اس نسخه ۳ استفاده شد.
یافته‌ها: در این پژوهش ۸۴ نفر از کاراگاهان و افسران پلیس آگاهی استان گیلان (۱۴ زن و ۷۰ مرد) شرکت کرده بودند که تحصیلات ۲۳ نفر از ایشان دیپلم، ۱۹ نفر فوق دیپلم، ۳۸ نفر لیسانس و ۴ نفر فوق لیسانس بود. میزان تأثیر و مقدار تی متغیر تأمین منابع مالی سازمانی به ترتیب برابر با ۰/۸۱۷ و ۱۲/۷۸، تأمین نیروی انسانی متخصص به ترتیب برابر با ۰/۶۵۸ و ۹/۲۴ و همچنین آموزش نیروی انسانی به ترتیب برابر با ۰/۵۰۸ و ۶/۲۷ در بکارگیری ادله بیومتریک در تشخیص هویت به‌دست آمد. ضریب همبستگی اسپیرمن به منظور بررسی رابطه بکارگیری ادله بیومتریک با آموزش منابع انسانی برابر ۰/۴۸۲، با تخصیص منابع مالی برابر با ۰/۳۵۳ و با کمبود منابع انسانی برابر با ۰/۵۱۹ به‌دست آمد (۰/۰۰۱>p). نتایج تحقیق نشان داد که متغیر آموزش منابع انسانی با میانگین رتبه‌ای ۱/۳۵، تخصیص منابع انسانی با میانگین رتبه‌ای ۲/۴۶ و کمبود منابع انسانی با میانگین رتبه‌ای ۲/۱۹، در بکارگیری ادله بیومتریک مؤثر بودند.
نتیجه‌گیری: بررسی‌ها بیانگر مؤثر بودن هر سه متغیر مستقل چالش‌های تأمین منابع مالی سازمانی، تأمین نیروی انسانی متخصص و آموزش نیروی انسانی بر متغیر بکارگیری ادله بیومتریک است.
ابزار و روش‌ها: پژوهش حاضر از نظر نوع و روش توصیفی-پیمایشی و از نظر هدف و ماهیت، کاربردی و از نظر جمع‌آوری داده‌ها، اسنادی-پیمایشی است که در سال ۱۳۹۹ انجام شد. کارآگاهان و افسران پلیس آگاهی استان گیلان با سابقه خدمتی حداقل ۵ سال کار اجرایی، نمونه مورد مطالعه در این تحقیق بودند. از پرسش‌نامه محقق‌ساخته به عنوان ابزار تحقیق استفاده شد. روایی پرسش‌نامه توسط صاحب‌‌نظران تأیید شد و پایایی پرسش‌نامه نیز با محاسبه ضریب آلفای کرونباخ، ۰/۹۵۱ به‌دست آمد. برای تجزیه و تحلیل داده‌ها از ضریب همبستگی پیرسون، آزمون تی و تحلیل واریانس یک‌طرفه با نرم‌افزار اسمارت پی ال اس نسخه ۳ استفاده شد.
یافته‌ها: در این پژوهش ۸۴ نفر از کاراگاهان و افسران پلیس آگاهی استان گیلان (۱۴ زن و ۷۰ مرد) شرکت کرده بودند که تحصیلات ۲۳ نفر از ایشان دیپلم، ۱۹ نفر فوق دیپلم، ۳۸ نفر لیسانس و ۴ نفر فوق لیسانس بود. میزان تأثیر و مقدار تی متغیر تأمین منابع مالی سازمانی به ترتیب برابر با ۰/۸۱۷ و ۱۲/۷۸، تأمین نیروی انسانی متخصص به ترتیب برابر با ۰/۶۵۸ و ۹/۲۴ و همچنین آموزش نیروی انسانی به ترتیب برابر با ۰/۵۰۸ و ۶/۲۷ در بکارگیری ادله بیومتریک در تشخیص هویت به‌دست آمد. ضریب همبستگی اسپیرمن به منظور بررسی رابطه بکارگیری ادله بیومتریک با آموزش منابع انسانی برابر ۰/۴۸۲، با تخصیص منابع مالی برابر با ۰/۳۵۳ و با کمبود منابع انسانی برابر با ۰/۵۱۹ به‌دست آمد (۰/۰۰۱>p). نتایج تحقیق نشان داد که متغیر آموزش منابع انسانی با میانگین رتبه‌ای ۱/۳۵، تخصیص منابع انسانی با میانگین رتبه‌ای ۲/۴۶ و کمبود منابع انسانی با میانگین رتبه‌ای ۲/۱۹، در بکارگیری ادله بیومتریک مؤثر بودند.
نتیجه‌گیری: بررسی‌ها بیانگر مؤثر بودن هر سه متغیر مستقل چالش‌های تأمین منابع مالی سازمانی، تأمین نیروی انسانی متخصص و آموزش نیروی انسانی بر متغیر بکارگیری ادله بیومتریک است.
شماره‌ی مقاله: e29
نوع مقاله: پژوهشی اصيل |
موضوع مقاله:
پزشکی قانونی
دریافت: 1401/2/22 | پذیرش: 1401/5/5 | انتشار: 1401/6/20
دریافت: 1401/2/22 | پذیرش: 1401/5/5 | انتشار: 1401/6/20
فهرست منابع
1. Saini M, Kapoor A, Biometrics in forensic identification: applications and challenges. J Forensic Med. 2016;1(2):1-6. DOI: 10.4172/2472-1026.1000108 [DOI:10.4172/2472-1026.1000108]
2. Saeed, U., Facial micro-expressions as a soft biometric for person recognition. Pattern Recognit Letters. 2021;143:95-103. doi.org/10.1016/j.patrec.2020.12.021 [DOI:10.1016/j.patrec.2020.12.021]
3. Babaei M, Shirzad J, Taghilou M, Faghih Fard P, Ezazi L. The efficiency of collected biological samples from crime scene on crime detection. J Police Med. 2020;10(1):5-12. dx.doi.org/10.30505/10.1.5
4. Becerra-Riera F, Morales-González A, Méndez-Vázquez H. A survey on facial soft biometrics for video surveillance and forensic applications. Artif Intell Rev. 2019;52(2):1155-87. https://link.springer.com/article/10.1007/s10462-019-09689-5 [DOI:10.1007/s10462-019-09689-5]
5. Arora S, Bhatia M. Challenges and opportunities in biometric security:0020/A survey. Inf Sec J. 2022;31(1):28-48. doi.org/10.1080/19393555.2021.1873464 [DOI:10.1080/19393555.2021.1873464]
6. Masiero S. Explaining trust in large biometric infrastructures: A critical realist case study of India's Aadhaar project. Electron J Inf Syst Dev Ctry. 2018;84(6): e12053. doi.org/10.1002/isd2.12053 [DOI:10.1002/isd2.12053]
7. Dahea W, Fadewar H. Multimodal biometric system: A review. Int J Res Adv Eng Techno. 2018;4(1):25-31. DOI:10.13140/RG.2.2.34056.65287
8. Negri N, Borille G, and. Falcão V. Acceptance of biometric technology in airport check-in. J Air Transport Manag, 2019;81:101720. doi.org/10.1016/j.jairtraman.2019.101720 [DOI:10.1016/j.jairtraman.2019.101720]
9. Phillips P.J and Przybocki M. Four principles of explainable ai as applied to biometrics and facial forensic algorithms. ArXiv. 2002;01014: 2020.
https://doi.org/10.6028/NIST.IR.8312-draft [DOI:10.48550/arXiv.2002.01014]
10. Alsaad I. Study on most popular behavioral biometrics, advantages, disadvantages and recent applications: A review. Int J Sci. 2021;10:15-21. DOI:10.13140/RG.2.2.28802.09926
11. Wise J. Under the microscope: Legal challenges to fingerprints and DNA as methods of forensic identification. Int Rev Law Tec. 2004;18(3):425-34. [DOI:10.1080/1360086042000313049]
12. De Marsico M, Nappi M, Riccio D, Wechsler H. Mobile iris challenge evaluation (MICHE)-I, biometric iris dataset and protocols. Pattern Recogn Letters. 2015;57:17-23. doi.org/10.1016/j.patrec.2015.02.009 [DOI:10.1016/j.patrec.2015.02.009]
13. Tome P, Rodriguez R, Fierrez J, Ortega J. Facial soft biometric features for forensic face recognition. Forensic Sci Int. 2015;257:271-84. doi.org/10.1016/j.forsciint.2015.09.002 [DOI:10.1016/j.forsciint.2015.09.002] [PMID]
14. Khatibi V, Keramati A, Montazer GH. A model for monitoring national science and technology indicators: A business intelligence approach. Rahyaft J. 2018;27(68):25-42. https://rahyaft.nrisp.ac.ir/article_13634.html?lang=en
15. Down M.P, Sands R.J. Biometrics: An overview of the technology, challenges and control considerations. Inform Syst Control J. 2004;4:53-6. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.599.6204&rep=rep1&type=pdf
16. Singl S, Singh M, Kanwal N. Biometric system-challenges and future trends. (INDIACom). 2021. DOI:10.1109/INDIACom51348.2021.00114
17. Garud D, Agrawal S. A Review: Face Liveness Detection. Int Journal Adv Res. 2016;5(1):336-9. doi.org/10.48550/arXiv.1405.2227
18. Nogueira R.F, Alencar Lotufo R, Machado R. Fingerprint liveness detection using convolutional neural networks. IEEE. 2016;11(6):1206-13. DOI: 10.1109/TIFS.2016.2520880 [DOI:10.1109/TIFS.2016.2520880]
19. Andrey M. Biometrics as a tool to combat money laundering and terrorist financing. DICTUM-FACTUM. 2020(1):143-7. https://elibrary.ru/item.asp?id=44709254
20. Parei A, Hamidi H. A Method for FIDO Management through Biometric Technology in IOT. J Inform Process Manage. 2018;33(2):803-56. [persian]. http://jipm.irandoc.ac.ir/article-1-3507-en.html
21. Shirzad J, Amooei A, Babaei M, Khajeh Amiri a, Khara A. Effectiveness of the criminal physics laboratory in detecting criminal cases. Crim Res J. 2017;12(48):139-56.[Persian]. http://icra.jrl.police.ir/article_18829.html?lang=en#:~:text=The%20results%20showed%20that%20the,armed%20robbery%2C%20shooting%20scenes).
22. Nedaei Z. The role of the criminal police laboratory in detecting crimes against persons in Faculty of Humanities. 2013. Payam Noor university of Tehran. [persian]. doi.org/10.1016/0379-0738(90)90256-X
23. Ebrahimi SH, Sadeghnejad S. The role of criminal weapons in the scientific detection of crimes. [Dissertation]. Amin Police University. 2010. https://jclr.atu.ac.ir/article_577.html
24. Nasiri N. The role of training on human resource productivity. An approach to business management, 2020:1(1):35-51. DOI:10.5430/ijba.v8n5p46 [DOI:10.5430/ijba.v8n5p46]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |