Wi-Fi HaLow在低于1 GHz的频段中运行，具有远距离和低功耗的连接性，可以在具有挑战性的 Wi-Fi环境中提供可靠的连接。除了零售、农业、医疗保健、智能家居和智慧城市市场之外，这些特性使该技术适用于物联网和工业物联网(IIoT)环境。
Wi-Fi联盟总裁兼首席执行官埃德加·菲格罗亚(Edgar Figueroa)表示：“Wi-Fi认证的HaLow进一步扩展了Wi-Fi在物联网中的前沿地位，以解决需要更长距离和更低功耗的一系列新的安全和可互操作的用例。”“在不断增长的物联网市场中，简化连接的机会越来越多，而Wi-Fi HaLow建立在普遍信任的Wi-Fi基础之上，为新兴物联网应用铺平道路，造福家庭、企业和行业。”
传感器、个人可穿戴设备、安全摄像头、电表和其他需要多年电池运行的应用是Wi-Fi HaLow的理想选择。
IDC研究总监Phil Solis表示，公司“多年来”一直在开发Wi-Fi HaLow芯片组，因此，该公司“预计2022年出货量将突破1000万。”
Solis还解释说，虽然Wi-Fi HaLow设备已经在工业环境中用于平板电脑和安全摄像头等设备，但认证计划将使此类设备能够“进入智能家居环境”，用于视频婴儿监视器等应用。
“Wi-Fi HaLow促进了一种更全面的无线连接方法。因为它是Wi-Fi，所以更容易与现有Wi-Fi网络集成，支持原生IP网络，并提供新的Wi-Fi安全性，”Wi-Fi联盟在其网站上表示。“高数据吞吐量和低延迟架构允许物联网设备将安全数据传输到基于云的应用服务器。当需要现场升级时，Wi-Fi HaLow 提供高效、安全的无线更新能力，最大限度地减少设备停机时间。”
基于人工智能的安全性的使用正在增加，对于在任何行业中保持竞争力都是必要的。IBM报告称，截至2021年，25%的企业已完成基于AI的安全性部署，而另外40%的企业已部分部署。剩下的35%尚未开始此过程，如果您的业务属于第三类，您可能会将您的客户置于危险数据泄露的巨大风险中。到2021年，投资于基于人工智能的安全性预计将帮助企业节省高达381万美元。
能够使用人工智能来识别和自动响应数据泄露对于保护公司及其客户的数据和隐私非常重要。 AI 生物识别身份验证提供了另一种防止数据泄露的保护措施，使其对任何规模的企业都至关重要。不仅如此，IBM的研究表明，从长远来看，正确使用AI安全平台将使企业成本更低。了解并咨询安全领域的专家以开发适合您业务的解决方案非常重要。
2021年，我们将拥有比以往任何时候都更先进的生物特征认证、验证和识别技术，我们可以使行业系统更加安全，同时保持效率和可访问性。让我们谈谈生物识别认证的工作原理，以及人工智能生物识别等重要的新趋势。
乍一看，生物识别技术似乎只是一种在保持安全性的同时更快速地访问手机的方式，但除了这种便利之外，还有更多好处。就其核心而言，生物识别安全技术的目标是通过使用我们身体中不易复制的部分来提高安全性。尽管机器学习和量子计算可能能够猜出密码，但指纹、面部和虹膜等生物特征信息并不那么容易确定或模拟。
从2017年到2027年的10年间，全球身份验证市场的支出预计将增长超过130亿美元，从2017年的49.3亿美元增加到2027年的超过180亿美元。身份验证是身份验证的一个重要方面。信息安全，因为它确保只有具有合法权限的人才能访问信息，从而防止对受保护信息的有害或恶意入侵。
生物识别技术可以分为三个领域：识别、验证和认证。当系统想知道用户是谁时使用标识。验证是关于使用该生物特征信息来确定它是否与与用户关联的其他信息一致。最后，身份验证的目标是了解用户声称的身份是否正确以及是否有权访问他们请求的服务和数据。
例如，生物特征识别可用于根据面部数据库确定用户的身份。执法人员面部识别数据库使用这项技术取得了巨大的效果，并且可以比人类更准确地调查安全摄像头证据镜头。验证有助于确保用户和存储在数据库中的关于他们的信息匹配。身份验证可能是三者中十分关键的，它使授权用户能够访问敏感信息，同时限制未经授权的人员。
多年来，使用面部识别的生物特征认证技术一直是一项重要的安全功能，已应用于数百万部 iPhone和Android智能手机。随着增强现实和机器学习的进步专注于帮助计算机识别人脸，到2021 年，面部识别技术变得比以往任何时候都更加复杂。
今年面部识别技术在身份识别和授权方面有所改进的原因之一是因为大流行带来的必需品。由于越来越多地使用口罩等面罩，面部识别变得更加困难，因为匹配一个人身份的数据点越来越少。但是，许多面部识别解决方案现在可以解决诸如面罩之类的障碍。这不仅有利于消费者的方便，而且有助于执法人员试图识别犯罪分子。通过将对象的面部与数据库进行匹配，即使对象戴着口罩也能被识别。
由于3D相机可以获得比二维相机更多的人脸信息，因此面部识别现在作为生物特征认证技术也更加安全。以前，计算机更容易被某人脸部的照片甚至只是一张相似的脸的照片所迷惑。然而，机器学习有助于缩小错误范围以防止黑客利用基于面部识别的安全性，并且现在存在各种反欺骗方法。
用于语言处理目的的语音识别生物识别技术极大地丰富了免提通信。然而，语音识别还有另一个目的：识别。像Google Home这样的智能家居设备生态系统经过训练后，可以通过使用语音识别来区分家庭中的不同成员。这有助于显示与该个人相关的信息，例如他们的日历和通知。
语音识别在身份验证和验证方面还有其他应用。能够识别某人并根据他们的声音验证他们的访问权限可以节省大量时间，尽管我们现在已经到了语音可能不如其他生物识别方法安全的地步。深度学习算法使使用称为声音合成的技术使用计算机真实地模仿声音成为可能。“深度虚假”声音已被用于成功的欺诈活动，其中一个案例在2019年使英国的一家能源公司损失了250,000美元。
随着机器学习技术的进步，随着时间的推移，人声合成将变得更加逼真。除非技术改进以更好地识别合法语音和虚假语音，否则语音识别生物识别技术更适合非安全应用，尤其是身份识别。这在基于消费者的系统(如智能家居)或企业解决方案(如会议录音的自动转录，可按姓名确定发言人)中可能很有用。
这种形式的生物识别技术经常出现在科幻小说中。它类似于面部识别，因为它是非接触式的，但只关注一个特定的面部特征，即眼睛。这样做的一个优点是要考虑的复杂性较低。不需要先进的面部识别系统；相反，系统只需要识别虹膜的特征。您也不一定非要靠近眼睛才能扫描虹膜。卡内基梅隆大学的测试展示了可以扫描40英尺外虹膜的技术。
执法部门使用这项技术来识别嫌疑人绝对是人们首先想到的事情之一。但是，这对于消费者和企业应用程序来说也是一种有用的身份验证和验证方法。三星的Galaxy S9和Note 9智能手机都具有虹膜扫描技术，表明这种生物识别方法可用于便携式设备。这不仅对消费者很有价值，对企业级设备安全也很有价值。
与单个授权用户的生物特征数据相比，虹膜扫描仪几乎可以立即对用户进行身份验证。当针对包含数十万个主题的大型数据库识别或验证用户时，不到20秒的时间就足以进行身份验证。
数千年来，指纹已被用于识别。它们在取证技术中特别有用，但近期它们也被用于消费者和企业安全解决方案。2003年，富士通F505i率先推出了第一款带有指纹传感器的手机。后来随着Apple iPhone上的Touch ID和Android手机上的各种扫描仪而普及。
指纹认证技术的工作原理与任何其他生物识别方法一样。通过将个人手指的凹槽和谷底与预先授权的图像或此类图像的数据库进行比较，他们可以被识别、验证和/或认证。这可以非常快速地完成，而不会中断用户体验。
然而，指纹扫描的一个缺点是它通常不是非接触式的。用户必须将手指按在传感器上才能进行注册。在某些情况下，出于健康考虑，这可能是不可取的，尤其是在SARS-CoV-2病毒在全球传播的情况下。但是，可以通过非接触式方法扫描指纹或整个手。LG G8 ThinQ智能手机使用飞行时间 (ToF) 传感器和红外摄像头来检测用户手中的血管，而无需用户将手按在表面上。
