Мультибиометрия гост



Особенности мультибиометрических технологий


Елена
Кручинина
Независимый эксперт, к.т.н.

Данила
Николаев
Директор НП «Русское биометрическое общество», председатель ТК 098 «Биометрия и биомониторинг»

Одним из вариантов защиты биометрических систем от подделки является многократное усложнение возможности создания поддельных образцов, а именно – применение двух и более биометрических характеристик (лицо, отпечатки пальцев, голос, радужная оболочка глаза), получение биометрических образцов с помощью различных методик (видимый диапазон и ИК-диапазон), регистрация нескольких экземпляров одной биометрической модальности (два ракурса лица). Выполнение таких «объединений» с целью улучшения качества автоматического распознавания личности и защиты биометрических систем от подделки представляет собой мультибиометриче-скую технологию распознавания.

Предпосылки развития мультибиометрической технологии

Данные, полученные в результате тестирования 2017 г., на некоторых базах демонстрируют, что при вероятности ошибки ложного совпадения FMR = 10-3 существуют алгоритмы, показывающие вероятность ошибки ложного несовпадения FNMR = 6 × 10-3 (рис. 1).

Аналогичные улучшения вероятностных характеристик можно наблюдать и у других распространенных технологий распознавания личности: по отпечаткам пальцев, голосу, венам руки. Однако приведенные и рассчитываемые при тестировании вероятности учитывают только ошибки самих алгоритмов, когда их обман не был запланирован и целенаправленно осуществлен. Обзор источников показал, что наравне с развитием алгоритмов распознавания совершенствуются и способы подделки биометрических образцов для целенаправленного обмана систем.

Если первые системы лицевой биометрии можно было обмануть, предоставив фотографию или видеоролик с изображениями лица, то теперь большинство алгоритмов имеет встроенную защиту против такого способа подлога – методы оценки «живости» (Liveness Detection). Некоторые разработчики применяют алгоритмы оценки эмоций, отслеживание направления взгляда, подсчет количества морганий для выявления подлога с помощью фотографии или видеоролика.

Тем не менее современные возможности создания реалистических текстурированных трехмерных моделей позволяют перейти на новый уровень создания подделок для обмана систем безопасности на основе распознавания по лицу. В конце 2016 г. исследователи из университета Северной Каролины опубликовали статью с описанием метода формирования реалистичных моделей лиц на основе нескольких фотографий. Как показали авторы, исходным материалом для создания модели могут служить фотоизображения, опубликованные пользователем, например, в социальных сетях. Модель приводится в движение при помощи технологий виртуальной реальности, формируя узнаваемую мимику – поднятие бровей, улыбку и т.д. Проведенные эксперименты с несколькими ведущими разработчиками алгоритмов распознавания личности по изображениям лица подтвердили, что созданные трехмерные анимиро-ванные модели снижают вероятность правильной идентификации на 20–30%, а некоторые алгоритмы не могут отличить такую модель от живого лица.

В данном случае методом оценки «живости» и реальной «трехмерности» лица является использование ИК-датчиков и построение трехмерной модели лица перед проведением распознавания.

Задача выявления поддельных биометрических образцов особенно актуальна в случае удаленной идентификации и/или верификации личности пользователя (например, в банковском секторе), когда предоставить подделку проще, чем в общественном месте или при контакте с оператором или охранником.

Принципы объединения в мультибиометрической технологии

Суть применения мультибиометрической технологии заключается в том, что в ней удается получить большее количество информации об идентифицируемом субъекте. Обобщенно процесс обработки информации в биометрической системе может быть представлен в виде схемы (рис. 3).

Процесс объединения при создании мульти-биометрической технологии может выполняться на любом из этапов обработки, поэтому традиционно выделяют следующие уровни объединения:

  • уровень образцов. Выполняется регистрация различных биометрических образцов и формирование единого образца по специальному правилу, может использоваться одна модальность в разных представлениях (фото фас и профиль) или разные модальности (лицо, голос, отпечатки пальцев);
  • уровень признаков. Выполняется обработка различных биометрических образцов и формирование отдельных векторов признаков, которые объединяются в один вектор признаков для дальнейшей классификации;
  • уровень степеней схожести. В процессе параллельной обработки и классификации биометрических образцов формируется набор степеней схожести, которые объединяются в одну степень схожести или одно решение, в дальнейшем сопоставляемое с порогом принятия решения системы;
  • уровень принятия решения. Каждая биометрическая технология формирует булев результат, которые объединяются с помощью комбинирующего правила.

При рассмотрении объединений на уровне регистрации и уровне извлечения признаков удается сформировать объединенный шаблон, который содержит большее количество идентифицирующих признаков, что может повышать вероятность правильной идентификации. В случае с объединением на уровне степеней схожести и принятия решений повышения надежности распознавания можно достичь за счет использования весовых коэффициентов для более «надежных» и «достоверных» результатов одной из технологий. Таким образом, можно сказать, что мультибиометрическая технология является более адаптивной к условиям применения и более информативной по объему обрабатываемой информации по сравнению с одно-модальной биометрией.

Примеры и испытания лабораторных мульти-биометрических систем с различными уровнями объединения показывают увеличение вероятностей идентификации на 5–15% (рис. 4).

Поскольку мультибиометрия преследует цель увеличения надежности системы за счет извлечения и обработки большего количества информации об объекте распознавания, то наилучшие результаты даст объединение отдельных параметров. В зависимости от уровня объединения могут возникать различные типы взаимодействия данных, например:

  • взаимосвязь между модальностями. Имеет отношение к биометрическим образцам, которые физически связаны (например, речь и движение губ пользователя);
  • взаимосвязь, возникающая вследствие идентичности биометрических образцов. Случай, когда один и тот же биометрический образец (изображение отпечатка пальца) или подмножества биометрического образца (голос, когда весь образец может быть использован одним алгоритмом и часть образца – другим) применяются разными алгоритмами извлечения признаков и алгоритмами сравнения (на основе контрольных точек и на основе текстуры);
  • взаимосвязь значений признаков. Подмножество значений признаков, представляющих собой векторы признаков разных модальностей, могут быть взаимосвязаны, например площадь ладони пользователя (геометрия кисти руки) может быть связана с шириной лица;
  • взаимосвязь экземпляров, возникающая при общей технике эксплуатации. Использование одного и того же устройства регистрации, один и тот же уровень подготовки оператора;
  • взаимосвязь экземпляров, возникающая вследствие особенностей субъекта. К примеру, цветные контактные линзы на обоих глазах.

Для оценки взаимосвязи используют корреляционный коэффициент, который определяется по формуле:

где n – общее число тестируемых классификаторов;
N – общее число входных данных;
NCf – число входных данных, ошибочно классифицируемых всеми классификаторами при использовании порога C;
NCt – число входных данных, правильно классифицируемых всеми классификаторами при использовании порога C.

Для получения наибольшего эффекта от объединения при формировании мультибиометри-ческой технологии целесообразно применять параметры, коэффициент корреляции между которыми минимальный.

В настоящее время наибольшее практическое применение получили мультибиометрические системы, объединяющие две биометрические технологии на уровне принятия решений. Это обосновано относительной технологической простотой – отсутствием необходимости поиска способов объединения биометрических образцов или шаблонов, создания новых алгоритмов сравнения. Объединение на уровне принятия решения также позволяет использовать биометрические системы различных производителей, а в случае применения логического правила принятия окончательного решения – оценивать конечные вероятностные характеристики мультибиометрической системы на основе известных параметров объединяемых технологий.

Читайте также:  Гост 25598 83 заменен

Оценка вероятностных характеристик

Как уже было отмечено ранее, мультибиомет-рическая технология предусматривает объединение параметров, и это позволяет выдвинуть предположение, что об объекте «больше информации лучше, чем меньше информации», и, значит, технология должна быть надежнее. С другой стороны, интуитивно можно предположить, что если «надежная» технология сочетается с более «слабой», то результирующий метод принятия решений в некотором смысле усредняется и после объединения результирующие параметры будут находиться где-то между результатами исходных технологий.

Ключом к разрешению кажущегося парадокса является то, что когда две технологии объединяются, одна из результирующих ошибок первого или второго рода (FAR или FRR) становится ниже, чем у более надежной технологии, тогда как другая ошибка становится выше, чем у менее надежной технологии. Если две биометрические технологии существенно различаются по надежности («мощности»), то объединение их может дать в некоторых случаях более высокие вероятности ошибок, чем исключительно более «надежная» и «сильная» биометрическая технология

Рассмотрим объединение двух независимых биометрических технологий разных модальностей, например по изображению лица и по голосу. Каждая из них характеризуется собственной парой коэффициентов ошибок первого и второго рода в данной точке рабочей характеристики системы (ROC):

  • p 1FAR — вероятность ложного допуска первой биометрической технологии;
  • p 1FRR — вероятность ложного недопуска первой биометрической технологии;
  • p 2FAR — вероятность ложного допуска второй биометрической технологии;
  • p 2FRR — вероятность ложного недопуска второй биометрической технологии.

Предположим, что объединение технологий выполняется на уровне принятия решения. Рассмотрим два наиболее простых способа формирования совместного решения:

  1. Правило конъюнкции (логическое «И») Положительное совместное решение при требовании двух положительных решений от каждой из технологий.
  2. Правило дизъюнкции (логическое «ИЛИ»). Положительное совместное решение при условии хотя бы одного положительного решения из двух технологий.

Теперь можно рассчитать коэффициенты ошибок первого и второго рода (FAR и FRR) для комбинаций двух технологий. Результирующие вероятности ошибок будут обозначаться:

Если для объединения используется правило «ИЛИ», то ошибка ложного недопуска может возникать только в том случае, если обе технологии дали ошибочное решение ложного недопуска. Таким образом, вероятность ошибки ложного недопуска объединенной технологии определяется произведением двух вероятностей:

Вероятность этой ошибки будет меньше, чем у исходных технологий. Но вероятность ложного допуска FAR при использовании этого правила будет выше, чем у исходных технологий:

При применении правила «И» для объединения двух технологий ошибка ложного доступа может возникать только в том случае, если обе технологии дали решение ложного доступа. Таким образом, объединенная вероятность ошибки ложного доступа является произведением вероятностей ошибок отдельных технологий:

Таким образом, ошибки ложного доступа при использовании данного правила будут меньше, чем ошибки исходных технологий, а объединение дает более надежную мультибиометриче-скую технологию. Но вероятность ложного недопуска при использовании этого правила, которая может быть выражена как дополнение к вероятности того, что ни первая, ни вторая технология не вызовет ложный отказ доступа, оказывается выше, чем для каждой технологии в отдельности:

Приведенные расчеты справедливы при линейном логическом объединении двух технологий на уровне принятия решений, когда каждая из технологий дает логический (булев) результат сравнения (да/нет).

В общем случае в мультибиометрической технологии выполняется объединение разных параметров на различных уровнях, могут использоваться не только линейные, но и параллельные способы обработки данных и формирования решения. Поэтому рассчитать окончательные вероятностные характеристики системы на основе известных параметров исходных технологий в большинстве случаев не представляется весьма затруднительным.

В таком случае для достоверной оценки ошибок первого и второго рода мультибиометрической системы целесообразно выполнение полноценных испытаний. При этом необходимо использовать не синтезированные базы данных (искусственное случайное объединение различных баз данных, например разномодальных), а естественные. К примеру, для испытаний муль-тимодальной системы не должно допускаться объединение биометрических образцов разных людей, а необходимо формирование базы данных, в которой каждый человек представлен собственными биометрическими характеристиками. Данный подход позволяет учесть наличие взаимосвязи обрабатываемых параметров, которая в реальных условиях эксплуатации может повышать ошибки первого и второго рода.

Реализация на практике. Каковы перспективы?

Анализ литературных источников и принципов формирования мультибиометрической технологии показал, что при объединении двух и более технологий можно сформировать более надежную технологию с точки зрения как сложности создания поддельных образцов для обмана системы, так и более низких ошибок распознавания. На практике объединение желательно выполнять на уровне степеней схожести или принятия решения, такой подход позволяет минимизировать затраты на алгоритмическое обеспечение, но при этом использовать преимущество мультибиометрии.

В статье рассмотрены способы логического объединения двух технологий на уровне принятия решений, представлен математический аппарат для вычисления ошибок первого и второго рода мультибиометрической технологии на основе значений ошибок объединяемых технологий. Установлено, что логическое объединение «И» дает возможность сформировать более надежную технологию за счет уменьшения ошибки первого рода (ложного доступа). При логическом объединении «ИЛИ» удается снизить вероятность ошибки второго рода (ложного недопуска). Приведенный математический аппарат может применяться при создании мультибиометрических систем с указанными типами объединения для расчета ошибок первого и второго рода.

Объединение на уровне биометрических образцов и векторов признаков требует создания нового алгоритма сравнения и принятия решения, а в случае использования нейронных сетей – новой нейронной сети и обучения на базах данных объединенных образов/векторов признаков. Таким образом, подобное объединение требует существенных временных и финансовых вложений, а также не позволяет использовать наилучшие алгоритмы от ведущих разработчиков биометрических систем. Кроме того, данный подход хоть и имеет потенциальные преимущества в виде повышения надежности и устойчивости к подделкам, однако их достижимость зависит от качества разработки алгоритмов, баз данных для обучения и прочих условий.

Источник

Мультибиометрия гост

ГОСТ Р 54411-2018/ISO/IEC TR 24722:2015

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Мультимодальные и другие мультибиометрические технологии

Information technology. Biometrics. Multimodal and other multibiometric fusion

Дата введения 2019-08-01

Предисловие

1 ПОДГОТОВЛЕН Некоммерческим партнерством "Русское общество содействия развитию биометрических технологий, систем и коммуникаций" (Некоммерческое партнерство "Русское биометрическое общество") и Федеральным государственным унитарным предприятием "Всероссийский научно-исследовательский институт стандартизации и сертификации в машиностроении" (ВНИИНМАШ) на основе собственного перевода на русский язык англоязычной версии стандарта, указанного в пункте 4, при консультативной поддержке Федерального государственного бюджетного образовательного учреждения высшего образования "Московский государственный технический университет имени Н.Э.Баумана (национальный исследовательский университет)" (МГТУ им.Н.Э.Баумана)

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 098 "Биометрия и биомониторинг"

Читайте также:  Масса квадратной трубы гост 30245 2003

4 Настоящий стандарт идентичен международному документу ISO/IEC TR 24722:2015* "Информационные технологии. Биометрия. Мультимодальные и другие мультибиометрические технологии" (ISO/IEC TR 24722:2015 "Information Technology — Biometrics — Multimodal and other multibiometric fusion", IDT).

* Доступ к международным и зарубежным документам, упомянутым в тексте, можно получить, обратившись в Службу поддержки пользователей. — Примечание изготовителя базы данных.

Дополнительные сноски в тексте стандарта, выделенные курсивом, приведены для пояснения текста оригинала

6 Некоторые элементы настоящего стандарта могут быть объектами патентных прав. Международная организация по стандартизации (ИСО) и Международная электротехническая комиссия (МЭК) не несут ответственности за установление подлинности каких-либо или всех таких патентных прав

Правила применения настоящего стандарта установлены в статье 26 Федерального закона от 29 июня 2015 г. N 162-ФЗ "О стандартизации в Российской Федерации". Информация об изменениях к настоящему стандарту публикуется в ежегодном (по состоянию на 1 января текущего года) информационном указателе "Национальные стандарты", а официальный текст изменений и поправок — в ежемесячном информационном указателе "Национальные стандарты". В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ближайшем выпуске ежемесячного информационного указателя "Национальные стандарты". Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования — на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.gost.ru)

Введение

Для реализации некоторых биометрических приложений требуется такой уровень технических характеристик, который трудно обеспечить с помощью одной биометрической характеристики. Такие приложения позволяют избегать использования нескольких приложений для проверки документов, удостоверяющих личность, обеспечения безопасности при авиаперелетах и удаленной идентификации. Кроме того, такие приложения необходимы для людей, которые по той или иной причине не могут предоставить качественные биометрические образцы некоторых биометрических характеристик.

Использование большого числа биометрических характеристик, получаемых в результате применения нескольких независимых датчиков, алгоритмов или модальностей, как правило, обеспечивает улучшение технических характеристик и снижение уровня риска. К данным характеристикам относятся также эксплуатационные характеристики в случае, когда доступны не все биометрические характеристики, так как обеспечивается возможность принятия решения о допуске/недопуске пользователя при наличии любого числа биометрических характеристик.

Среди различных форм мультибиометрических систем потенциал мультимодальных биометрических систем, каждая из которых использует независимое измерение, рассматривается в технической литературе с 1974 года [22], [45]. Усовершенствованные методы комбинирования измерений на уровне результатов сравнения приведены в [15] и [16]. На текущем уровне понимания комбинирование на уровне результатов сравнения, как правило, требует знания распределений как подлинных лиц, так и "самозванцев". Все эти измерения сильно зависят от приложения и обычно неизвестны в любой реальной биометрической системе.

Продолжаются исследования методов, не требующих предварительного знания о распределениях результатов сравнения, и объединений как на уровне изображений, так и на уровне биометрических признаков.

Учитывая состояние исследований в настоящее время в этих вопросах и сильную зависимость от приложения, а также, как правило, отсутствие сведений, необходимых для правильного объединения на уровне результатов сравнения, можно считать, что работа над мультибиометрическим объединением достигла высокого уровня.

В настоящем стандарте установлены требования к разработке стандартов на мультибиометрические системы, в частности на различные типы объединения.

1 Область применения

Настоящий стандарт распространяется на современные разработки в области мультимодальных и других мультибиометрических технологий.

Настоящий стандарт устанавливает требования к описанию общих понятий методов мультибиометрических объединений, включая мультихарактеристиковое, мультиэкземплярное, мультидатчиковое, мультиалгоритмическое объединения, мультипредъявление, логику на уровне принятия решения и логику на уровне результатов сравнения.

2 Термины и определения

В настоящем разделе приведены две категории терминов:

— термины, относящиеся к мультимодальной и мультибиометрической системам;

— термины, не относящиеся к мультимодальной и мультибиометрической системам, но необходимые для пояснения терминов первой категории, которые не определены в [5].

В настоящем стандарте применены термины по [5], а также следующие термины с соответствующими определениями:

2.1 источник биометрических данных (biometric data source): Канал информации (например, датчики, типы биометрических характеристик, алгоритмы или предъявления), который содержится в первоисточнике данных (например, собранные биометрические образцы, извлеченные биометрические признаки, результат сравнения, ранг или решение), обработанном алгоритмами объединения.

2.2 биометрический процесс (biometric process): Автоматический процесс, использующий одну или более биометрических характеристик одного индивида для биометрической регистрации, верификации или идентификации.

2.3 биометрическое объединение (biometric fusion): Комбинация данных нескольких источников, то есть датчиков, типов биометрических характеристик, алгоритмов, экземпляров и предъявлений.

2.4 последовательная система (cascaded system): Система, использующая пороги принятия решения для биометрических образцов с целью определения того, требуются ли дополнительные биометрические образцы для принятия решения о допуске/недопуске.

2.5 многоуровневая система (layered system): Система, использующая отдельные результаты сравнения с целью определения порогов принятия решения при обработке биометрических данных.

2.6 мультиалгоритмический (multialgorithmic): Использующий несколько алгоритмов для обработки одного биометрического образца.

2.7 мультибиометрический (multibiometric): Использующий несколько биометрических технологий, которые могут быть комбинированы на уровне изображений, биометрических признаков, результатов сравнения и/или принятия решения.

Примечание — В мультибиометрии различают пять категорий: мультихарактеристиковая (2.10), мультиэкземплярная (2.11), мультидатчиковая (2.13), мультиалгоритмическая (2.6) и мультипредъявление (2.12).

2.8 мультибиометрический процесс (multibiometric process): Биометрический процесс (2.2), включающий в себя применение биометрического объединения (2.3).

2.9 мультибиометрия (multibiometrics): Автоматическое распознавание индивидов, основанное на их поведенческих и биологических характеристиках и включающее в себя применение биометрического объединения (2.3).

2.10 мультихарактеристиковый; мультитиповый (multi-characteristic-type, multi-type): Использующий данные от нескольких типов биометрических характеристик.

Пример — Типы биометрических характеристик включают: лицо, голос, палец, радужную оболочку глаза, сетчатку, геометрию руки, динамику рукописной подписи/подпись, динамику нажатия клавиш на клавиатуре, движение губ, походку, сосудистое русло, ДНК, ухо, ногу, запах и так далее.

2.11 мультиэкземплярный (multiinstance): Использующий несколько биометрических экземпляров в рамках одного типа биометрической характеристики.

Пример — Радужная оболочка глаза (левая) + радужная оболочка глаза (правая), отпечаток пальца (левого указательного) + отпечаток пальца (правого указательного).

2.12 мультипредъявление (multipresentation): Использование нескольких предъявлений биометрических образцов одного экземпляра биометрической характеристики или единственного предъявления, являющегося результатом сбора нескольких биометрических образцов.

Пример — Несколько кадров изображения лица, полученных с помощью видеокамеры (возможно, но необязательно последовательных).

Примечание — При использовании объединения биометрия мультипредъявления является формой мультибиометрии (2.9), если применены методы объединения. Несколько методов объединения и нормализации применяют для обобщения данных нескольких предъявлений одного биометрического экземпляра.

2.13 мультидатчиковый (multisensorial): Использующий несколько датчиков для сбора биометрических образцов одного биометрического экземпляра.

Примеры

1 Для лица: датчики для получения изображений в инфракрасном и в видимом диапазонах длин волн, датчики для получения двухмерных и трехмерных изображений.

Читайте также:  Гост р 300 2003

2 Для отпечатка пальца: оптические, электростатические и акустические датчики.

2.14 последовательное предъявление (sequential presentation): Предъявление биометрических образцов в виде отдельных событий для использования при биометрическом объединении.

2.15 одновременное предъявление (simultaneous presentation): Предъявление биометрических образцов в виде одного события для использования при биометрическом объединении.

3 Обзор мультимодальных и других мультибиометрических систем

3.1 Общие положения

Понятия "мультимодальный" и "мультибиометрический" указывают на применение более одного типа биометрической характеристики, одного датчика, одного экземпляра и/или алгоритма в той или иной комбинации для принятия определенного решения в отношении биометрической идентификации или верификации. Метод объединения нескольких биометрических образцов, результатов сравнения или решений о сравнении может быть элементарным или сложным с математической точки зрения. В настоящем стандарте под любым методом комбинирования подразумевается одна из форм объединения. Методы комбинирования рассмотрены в разделе 4.

Мультимодальная биометрия появилась в 70-х годах XX века. Комбинированные измерения стали рассматриваться как перспективные для биометрических систем. Считалось, что комбинация нескольких измерений повысит уровень безопасности путем уменьшения вероятности ложного допуска (ВЛД), а также уровень удобства пользователя путем уменьшения вероятности ложного недопуска (ВЛНД). Применение данных методов обеспечило успешное внедрение автоматизированной дактилоскопической информационной системы (АДИС), начатое в 1980-е годы. В АДИС ранее не использовались мультимодальные технологии, однако большинство методов объединения, приведенных в настоящем стандарте, успешно реализованы при использовании только отпечатков пальцев. Некоторые виды объединения, реализованные в АДИС, включают в себя:

— объединение изображений (биометрических образцов) для создания одного прокатанного изображения на основе серии плоских оттисков, полученных с помощью биометрического сканера в режиме реального времени;

— объединение биометрических шаблонов при использовании алгоритмов извлечения нескольких биометрических признаков из каждого изображения отпечатка пальца;

— мультиэкземплярное объединение при использовании отпечатков десяти пальцев;

— объединение мультипредъявлений при использовании прокатанных и оттисковых изображений отпечатков пальцев;

— объединение алгоритмов с целью повышения эффективности (уменьшения затрат, уменьшения количества вычислений, увеличения пропускной способности). В основном компараторы применяют как набор фильтров в порядке возрастания вычислительной сложности. Данные компараторы, как правило, реализуют объединение на уровне принятия решения и объединение на уровне результатов сравнения;

— объединение алгоритмов с целью повышения точности (уменьшения ВЛД и/или ВЛНД, снижения чувствительности к данным низкого качества). Компараторы применяют параллельно с объединением конечных результатов сравнения.

Методы объединения способствовали внедрению АДИС, так как обеспечили улучшение показателей точности и эффективности.

До настоящего момента в работах по мультибиометрии внимание акцентировалось только на уменьшении числа ошибок ложного допуска и ложного недопуска. В [64] рассмотрено использование мультибиометрии в целях улучшения показателей удобства применения, безопасности и точности. Также применение мультибиометрии способствует снижению вероятности ошибки биометрической регистрации (ВОБР), особенно в биометрических системах, где не предусмотрено кооперативное использование (например, системы видеонаблюдения). Мультибиометрия — это попытка получения биометрического решения, даже если была собрана только часть предусмотренных биометрических характеристик [66].

Основные различия между мультибиометрическими категориями приведены в таблице 1.

Источник

Мультибиометрия гост

ГОСТ Р 54411-2011/ISO/IEC/TR 24722:2007

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Мультимодальные и другие мультибиометрические технологии

Information technologiy. Biometrics. Multimodal and other multibiometric fusion

Дата введения 2013-07-01

Предисловие

1 ПОДГОТОВЛЕН Научно-исследовательским и испытательным центром биометрической техники Московского государственного технического университета имени Н.Э.Баумана (НИИЦ БТ МГТУ им.Н.Э.Баумана) на основе собственного перевода на русский язык англоязычной версии международного документа, указанного в пункте 4, при консультативной поддержке Ассоциации автоматической идентификации "ЮНИСКАН/ГС1 РУС"

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 355 "Технологии автоматической идентификации и сбора данных и биометрия"

4 Настоящий стандарт идентичен международному документу ISO/IEC TR 24722:2007 "Информационные технологии. Биометрия. Мультимодальные и другие мультибиометрические технологии" (ISO/IEC TR 24722:2007 "Information Technology — Biometrics — Multimodal and other multibiometric fusion", IDT).

* Доступ к международным и зарубежным документам, упомянутым в тексте, можно получить, обратившись в Службу поддержки пользователей. — Примечание изготовителя базы данных.

5 ВВЕДЕН ВПЕРВЫЕ

6 ПЕРЕИЗДАНИЕ. Ноябрь 2018 г.

7 Особое внимание следует обратить на то, что некоторые элементы настоящего стандарта могут быть объектами получения патентных прав. ИСО и МЭК не несут ответственности за установление подлинности таких патентных прав

Правила применения настоящего стандарта установлены в статье 26 Федерального закона от 29 июня 2015 г. N 162-ФЗ "О стандартизации в Российской Федерации". Информация об изменениях к настоящему стандарту публикуется в ежегодном (по состоянию на 1 января текущего года) информационном указателе "Национальные стандарты", а официальный текст изменений и поправок — в ежемесячном информационном указателе "Национальные стандарты". В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ближайшем выпуске ежемесячного информационного указателя "Национальные стандарты". Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования — на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.gost.ru)

Введение

Для реализации некоторых биометрических приложений требуется такой уровень технических характеристик, который трудно обеспечить с помощью одной биометрической характеристики. Такие приложения позволяют избегать использования нескольких приложений для проверки документов, удостоверяющих личность, а также для обеспечения безопасности при авиаперелетах. Кроме того, такие приложения необходимы для людей, которые по той или иной причине не могут предоставить качественные биометрические образцы некоторых биометрических модальностей.

Использование большого числа биометрических характеристик, получаемых в результате применения нескольких независимых датчиков, алгоритмов или модальностей, как правило, обеспечивает улучшение технических характеристик и снижение уровня риска. К данным характеристикам относятся также эксплуатационные характеристики в случае, когда доступны не все биометрические характеристики, так как обеспечивается возможность принятия решения о допуске/недопуске пользователя при наличии любого числа характеристик.

В настоящем стандарте установлены требования к разработке стандартов на мультибиометрические системы, в частности, на различные типы объединения.

1 Область применения

Настоящий стандарт распространяется на современные разработки в области мультимодальных и других мультибиометрических технологий. В стандарте также рассмотрены вопросы стандартизации мультибиометрических систем.

Настоящий стандарт устанавливает требования к описанию общих понятий методов мультибиометрических объединений, включая мультимодальное, мультиэкземплярное, мультидатчиковое, мультиалгоритмическое объединения, логику на уровне принятия решения и логику на уровне степеней схожести.

2 Терминология

Термины, приведенные в разделе 3, установлены с целью разделения понятий "мультибиометрический" и "мультимодальный", которые часто используют в литературе как синонимы. В таблице 1 приведен перечень модальностей, соответствующий Единой структуре форматов обмена биометрическими данными (ЕСФОБД) [30]. Различие между традиционной и нетрадиционной модальностями является субъективным и обусловлено уровнем развития той или иной биометрической технологии.

Источник