Новости

Собственно, что получаем в качестве сухого остатка? Платежная система получает гибкую систему аутентификации. Важным моментом является именно гибкость, которая позволяет реализовать подходящий вариант аутентификации для каждой обслуживаемой группы пользов

Precise BioMatch — технология биометрической аутентификации по отпечатку пальца компании Precise Biometrics — это алгоритм сопоставления отпечатков пальцев, который, при использовании в качестве метода аутентификации, обеспечивает точность и безопасность. Технология Precise BioMatch лежит в основе всех решений по биометрической аутентификации Precise Biometrics и работает со смарт-картами и биометрическими считывающими устройствами. Эта статья описывает принципы работы и преимущества технологии, разработанной Precise Biometrics. (Примечание: продукты серии Precise BioMatch включают Precise BioMatch Pro, Precise BioMatch Std и Precise BioMatch C/J/M, причём не каждый из них реализует все описанные ниже алгоритмы.)

Материал подготовлен специалистами Rainbow Technologies — дистрибьютора компании Precise Biometrics на территории России и стран СНГ на основе информации производителя. Оригинальная статья: Precise BioMatch Fingerprint Technology (англ., PDF, 520 Кбайт).

Содержание

Введение

Использование биометрических характеристик для подтверждения личности предполагает использование физических характеристик, таких как лицо, голос или отпечатки пальцев, с целью удостоверения личности. Сопоставление отпечатков пальцев является самой удачной технологией биометрической идентификации благодаря простоте использования, отсутствию постороннего вмешательства и надежности. Отпечаток пальца состоит из борозд и полосок, образующих сложный узор, уникальный для каждого человека, а потому, обеспечивающий оптимальный метод верификации.

В данной статье обсуждается два основных алгоритма, использующихся для распознавания отпечатков пальцев: основанный на выделении ключевых точек и на сопоставлении узоров. Эти методы по-разному оценивают изображения отпечатков пальцев; метод выделения ключевых точек сопоставляет определенные детали борозд на отпечатке пальца, в то время как метод сопоставления узоров сравнивает характеристики отпечатков пальцев полностью. Далее в статье будут рассмотрены преимущества и недостатки обоих методов.

Постоянные исследования и развитие Precise Biometrics привели к созданию более точной технологии биометрической аутентификации — Precise BioMatch. Подход использует как достоинства традиционных методов выделения ключевых точек, так и передовые алгоритмы сравнивания узоров. Такой двойной подход позволяет получить максимальное количество информации из отпечатка для последующего качественного анализа и гарантирования верной аутентификации. Precise BioMatch создана не только для алгоритмов аутентификации личности в большой базе данных (как, например, алгоритм AFIS — автоматическая система распознавания отпечатков пальцев), но и для наилучшего подтверждения личности в логическом и физическом доступе.

Алгоритм Precise BioMatch не привязан к конкретному типу датчика (сканера отпечатков). Значит, пользователь может зарегистрировать отпечатки на одном типе датчика, а проходить проверку на другом. Это чрезвычайно важно в случаях, когда биометрическое распознавание используется на большом, неконтролируемом пространстве. Типичным примером является государственная удостоверяющая карта, где образцу на ID-карте сопоставляется изображение отпечатка пальца, переданное с матрицы чувствительных элементов.

Методы распознавания отпечатков пальцев

Метод выявления ключевых точек

Каждый отпечаток пальца состоит из определенного количества борозд и полосок. Полосы — это приподнятые части кожного покрова, борозды — впалые части. Полосы составляют так называемые ключевые точки: края полос (там, где полосы заканчиваются) и раздвоения — там, где они разветвляются.

Методы распознавания отпечатков пальцев

Рис. 1. Регистрация отпечатка по набору ключевых точек

Во время регистрации ключевые точки располагаются в определенном месте (рис. 1), а их расположение относительно друг друга и их направление регистрируются. На основе этих данных создается образец (шаблон) — информация, которая впоследствии будет использована для удостоверения личности пользователя.

Проверка с использованием ключевых точек

Рис. 2. Проверка с использованием ключевых точек

На этапе сопоставления (рис. 2), считанное изображение отпечатка пальца подвергается предварительной обработке, в ходе которой извлекаются ключевые точки. Они сопоставляются с зарегистрированным образцом, пытаясь расположить в определенном месте как можно большее количество похожих точек в пределах заданных границ. Результатом сопоставления, как правило, является набор ключевых точек. Затем используется порог, определяющий, насколько большим должно быть это число, чтобы было возможно сопоставить отпечаток пальца с образцом.

Плюсы:

  • Используется в приложениях AFIS;
  • Широко известный, хорошо исследованный метод;
  • Алгоритм подходит для множественного сопоставления.

Минусы:

  • Так как метод предъявляет большие требования к разрешению и размерам чувствительного датчика, он может быть использован не во всех технологиях, считывающих отпечатки пальцев. При использовании сканеров, менее совершенных, чем аппаратура AFIS-класса, дает низкие результаты;
  • Люди, не имеющие совсем или имеющие небольшое количество ключевых точек (особое состояние кожного покрова) не могут пользоваться данной системой. Количество ключевых точек может быть ограничивающим фактором для безопасности алгоритма;
  • Возможны сбои в системе из-за ложных ключевых точек (участок, содержащий ошибку, возникшую из-за низкого качества регистрации, воспроизведения изображения или нечеткого отпечатка полос).

Метод сопоставления узоров

Важным свойством алгоритма сопоставления узоров является то, что во внимание принимаются не только отдельно взятые точки, но и более объемлющие характеристики отпечатка пальца. Эти характеристики могут также включать определенный процент дополнительных данных, включая толщину полос, их кривизну или плотность. В связи с этим увеличившимся количеством данных, алгоритм, основанный на сопоставлении узоров, менее зависит от величины сканера и абсолютно не зависит от количества ключевых точек в отпечатке пальца. Основанный на сопоставлении узоров алгоритм, в отличие от метода выделения ключевых точек, не встречает сложностей при распознавании пальца с отпечатком худшего качества.

Регистрация отпечатка при помощи алгоритма сопоставления узоров

Рис. 3. Регистрация отпечатка при помощи алгоритма сопоставления узоров

Запатентованный алгоритм сопоставления узоров Precise Biometrics во время регистрации отпечатка определяет наличие вышеупомянутых дополнительных характеристик. Небольшие участки отпечатка и расстояние между ними извлекаются из общей картины (рис. 3) с целью максимально увеличить количество уникальной информации. Наиболее значимы участки вокруг ключевых точек и участки с небольшим радиусом изгиба. Основная структура и уникальные комбинации полос также являются ценными данными.

Проверка с использованием алгоритма сопоставления узоров

Рис. 4. Проверка с использованием алгоритма сопоставления узоров

Процесс подтверждения (рис. 4) начинается с предварительной обработки считанного изображения отпечатка. Зарегистрированные узоры, хранящиеся в образце, сопоставляются с проверяемым изображением отпечатка, чтобы определить, насколько образец совпадает с изображением. Порог, описывающий малейшее допустимое отклонение впоследствии используется при определении степени соответствия отпечатка имеющемуся образцу.

Плюсы:

  • Прекрасно работает со всеми известными типами сканеров отпечатков пальцев;
  • Любой отпечаток, который можно записать, может быть зарегистрирован, даже если он не имеет или имеет небольшое количество ключевых точек;
  • Прекрасно подходит для осуществления работы с недостаточным количеством вычислительных ресурсов, например, смарт-картой.

Минусы:

  • Не может использовать базу данных AFIS (однако, может использовать необработанные изображения);
  • Не оптимизирован для идентификации (то есть для установления конкретной личности, для схемы «один ко многим»).

Алгоритм Precise BioMatch

Precise BioMatch использует как методы выделения ключевых точек, так и алгоритмы сопоставления узоров. Объединение двух разных технологий позволяет Precise BioMatch более эффективно работать с различными типами изображений, даже с отпечатками низкого качества. Например, отпечаток пальца с несколькими ключевыми точками или отпечатки с размытым рисунком могут помешать пользователю при регистрации, однако смешанная технология, используемая алгоритмом Precise BioMatch, в данном случае будет иметь преимущество.

Выражаясь в терминах теории информации, два описанных метода используют различные подмножества данных об отпечатке — в каком-то смысле эти подмножества можно назвать ортогональными (проще говоря, независимыми, невыражаемыми друг через друга). В результате их совмещения получается алгоритм с очень хорошими характеристиками распознавания — высоким соотношением правильного распознавания к числу ложных тревог (Receiver Operating Characteristic).

Преимущества алгоритма Precise BioMatch:

  • Способность к взаимодействию с различными типами устройств считывания: для получения отпечатка может использоваться широкий ряд датчиков и сканеров, начиная от высококачественных приборов AFIS-класса и заканчивая стандартными считывающими устройствами. Работает со всеми известными на данный момент устройствами.
  • Способность взаимодействовать с различным программным обеспечением: адаптация к любому интерфейсу частного программного обеспечения довольно проста, если вы используете инструменты разработки программного обеспечения Precise BioMatch SDK.
  • Кросс-платформенность: может быть использован на сервере, рабочей станции или на смарт-карте с одинаковым уровнем производительности и статистических показателей.
  • Низкая вероятность ложной тревоги и ложного подтверждения (FAR, FRR), ошибок регистрации (FTE), и низкий уровень равной вероятности ошибок (EER) из-за смешанного типа сопоставления.
  • Сочетаемость с системами AFIS: может импортировать необработанные изображения из базы данных AFIS. Возможна автономная регистрация без взаимодействия с пользователем. Данная технология справляется с любым форматом необработанных изображений.
  • Соответствие всем необходимым промышленным стандартам, включая BioAPI, CBEFF, ISO 7816-11 и JCF.
  • Сертифицированное качество реализации: алгоритм показал себя подходящим для включения в список сертифицированной продукции FIPS 140. В 2002 году смарт-карты, использующие метод аутентификации, предоставленные Java-апплетом Precise BioMatch J (разработанным партнером Precise Biometrics), заняли первое место в списке FIPS 140.
  • Отсутствие четких требований к размерам образца. Размер образца отпечатка пальца колеблется в пределах от 150 байтов (одна ключевая точка) до 1700 байтов, в зависимости от продукта и прикладных задач.

Характеристики алгоритма

Такие статистические критерии, как ложный пропуск или ложное подтверждение соответствия (False Accept Rate, False Match Rate) и ложная тревога (False Reject Rate), часто используются для количественной оценки надёжности распознавания. Очень важно не путать меру FAR с уровнем защиты, предоставляемым системой биометрической верификации.

Precise BioMatch имеет несколько уровней защиты, соответствующих различным ожидаемым значениям ложного подтверждения. Выбранные пороги срабатывания основаны на большой выборке отпечатков и подтверждаются тестированием. Использование базы данных для определения уровней FAR является стандартной методикой в индустрии биометрических характеристик. Это сложный метод, который прекрасно подходит для повседневного использования системы.

Для Precise BioMatch статистика FAR была рассчитана по результатам распознавания 2'500'000 ложных отпечатков; причём подопытные пользователи не имели специальных навыков прикладывания пальцев к датчику. Обычный уровень FAR составляет 1:10'000, но при использовании Precise BioMatch он может быть установлен от 1:2'500'000 до 1:100 — вероятности ложного подтверждения и ложной тревоги диаметрально противоположны, увеличение одного понижает уровень другого и наоборот.

Обучение пользователей будет положительно влиять на любую биометрическую систему в части ложной тревоги и отказе в регистрации (FTE), так как зафиксированные данные будут демонстрировать высокую степень изменчивости. Поэтому необходимо повышать компетентность пользователей и навыки достижения наилучшего выполнения операции опознавания. В частности, нужно крайне осторожно проводить процесс регистрации отпечатка для получения наилучшего качества. Процесс регистрации является самым важным шагом в использовании биометрической системы распознавания, так как полученный образец, будучи результатом регистрации, далее именно он будет использован системой для сравнения с живыми отпечатками пальцев.

Также следует упомянуть уровень равной вероятности ошибки (Equal Error Rate). Он отражает вероятность возникнования любого из событий — ложное подтверждение или ложная тревога. Если представить для примера график FRR как Y=aX², а FAR как Y=b/X², где X означает порог чувствительности алгоритма к несоответствию живого отпечатка ранее зарегистрированному образцу, а Y соответствует вероятности события, то EER будет ординатой точки пересечения этих графиков. Поэтому EER также называют Cross-over Rate (уровень пересечения).

Поскольку у алгоритма Precise BioMatch риск принятия ложной регистрации так же мал, как риск отказа зарегистрированному пользователю, то значение EER также довольно низкое. В качестве примера рассмотрим статистические показатели смарт-карты Precise Match-on-Card, входящей в серию продуктов Precise BioMatch. Эксперимент проводился сторонней лабораторией по методическим рекомендациям Mansfield-Wayman.

  • менее 0,5 % ложных тревог при неизмеримо малом (0 %) уровне ложных подтверждений;
  • отказ в регистрации также составил 0 %;
  • общая вероятность ошибки не превосходит 0,1 %.

Заключение

Чистые алгоритмы сопоставления узоров и алгоритмы, полагающиеся только на сопоставление ключевых точек, не могут удовлетворить всем требованиям. Например, чистый алгоритм выделения ключевых точек предъявляет слишком большие требования к размерам считывающего устройства, а, следовательно, дает плохие результаты при небольшом размере сканера или наличии у пользователя небольшого количества ключевых точек. С другой стороны, чистый метод сопоставления узоров не может работать со стандартизированными ключевыми точками. Объединяя сильные стороны обоих методов, решение Precise BioMatch предлагает разработчикам и конечным пользователям лучшие технологии из обеих методик и обеспечивает высокофункциональное и гибкое решение, учитывающее самые разнообразные требования к защите.

Соответствие стандартам

Технология Precise BioMatch соответствует следующим стандартам и черновым версиям стандартов:

  • ANSI B10.8. Finger Minutiae Extraction and Format Standard for One-to-One Matching
  • NISTIR 6529, ISO/IEC 19785. Common Biometric Exchange File Format (CBEFF)
  • ANSI X9.84. Biometric Information Management and Security
  • ISO/IEC 7816-11. Personal Verification Through Biometric Methods
  • ISO/IEC 19784. BioAPI 2.0
  • ANSI/INCITS 358. BioAPI 1.1
  • ISO/IEC 19794-2. Finger Minutiae Data
  • ISO/IEC 19794-4. Finger Image Data
  • ANSI/1-2000, NIST-ITL. Data format for the Interchange of Fingerprint, Facial & Scar mark & Tattoo (SMT) Information
  • Java Card Forum: Java Card 2.2 Biometry API
  • ICAO Fingerprint Image format for interoperable data interchange

Ссылки

  • http://www.bioapi.org/
  • http://www.javacardforum.org/
  • http://www.precisebiometrics.com/

Возврат к списку

 

Защита банкоматов

Имя* Компания* Email* Телефон

* - Поля, обязательные для заполнения

Компрометация приложений для смартфонов

Имя* Компания* Email* Телефон

* - Поля, обязательные для заполнения

Семинар ATAR

Фамилия* Имя* Должность* Компания* Email* Телефон* Защита от автоматического заполнения Введите символы с картинки*

* - Поля, обязательные для заполнения

Заполните поля

Защита от автоматических сообщений
CAPTCHA
Введите слово на картинке*

Заполните поля

Защита от автоматических сообщений
CAPTCHA
Введите слово на картинке*