Мне нужны твое лицо, голос и ключи от квартиры

Биометрия — точная наука, в основе которой лежит мощный математический аппарат, который достаточно четко позволяет считать, насколько эффективным может быть биометрия в том или ином сценарии применения. В частности, существует две основных метрики — ошибки ложного обнаружения (false access rate, FAR) и ошибки ложного необнаружения (false reject rate, FRR). В первом случае система утверждает, что человек, проходящий идентификацию, именно тот, за кого он себя выдает, хотя это не так, а во втором — человека просто не распознали, хотя его биометрические признаки в базе данных присутствуют.

Выйти из полноэкранного режима

Развернуть на весь экран

Показатели FAR и FRR часто указываются в материалах отдельных производителей (хотя для Единой биометрической системы таких цифр я не видел), но всегда возникает вопрос, кем и как они получены. Вариантов тут несколько. Самый простой — производитель сам провел тесты (а может, и не проводил, проверить-то нельзя) и сам их опубликовал. Вариант второй — провести тест на публичной базе биометрических признаков. В нем чуть больше независимости, но, так как объем таких баз не очень велик, всегда есть возможность, что производитель «заточит» свой алгоритм под конкретную базу данных, но в реальности его показатели будут гораздо хуже. Третий сценарий — участие в открытых конкурсах, например MegaFace. Результаты будут еще надежнее, но и тут возможно подстроиться. Последний вариант — использование независимых тестов от независимой организации (в мире этим сегодня занимается NIST, американский институт стандартов и технологий) — лучше всего. Хотя и в нем есть свои подводные камни. В частности, мы не знаем, по какой базе NIST проводит тестирование. А это очень важно.

В соцсетях у нас немало фотографий совершенно различного качества: есть паспортные фото (вы смотрите прямо в камеру, лицо на белом фоне, идеальные условия съемки), есть «селфи» неплохого качества с неоднотонным фоном и, возможно, повернутой головой, но чаще всего это фото, где лицо видно далеко не идеально. И вот тут очень важно понимать, какими изображениями будет оперировать система биометрии — как для своего обучения и хранения эталонных изображений лица, так и для идентификации. Одно дело, когда нас заставляют смотреть прямо в камеру с хорошим разрешением, и совсем другое, когда нас снимают во время движения или с некачественным освещением. Результаты идентификации в этих двух случаях могут быть совершенно различными, причем в ситуации, когда человек не пытается скрыть свою личность.

А что делать, если человек выдает себя за другого? Вы наверняка слышали про такое явление, как Deepfake, которое продемонстрировало, что сегодня любой желающий может с помощью бесплатного приложения в Apple AppStore или Google Play в шутку создать цифрового двойника любого известного человека. Но есть и более серьезные проекты, когда можно создать полноценную цифровую копию нужного нам человека, который говорит и движется так, как «жертва», у него та же мимика. Как системы биометрии борются с такими угрозами? Судя по тому, что совсем недавно компании Microsoft и Facebook запустили проект по распознаванию Deepfake, это очень серьезная проблема, которая пока не имеет решения.

Лично я бы с большим доверием стал относиться к таким проектам при соблюдении четырех условий:

публичность данных об используемых решениях и их эффективности (указанием FAR, FRR и условий их получения). В том числе можно было бы говорить и о демонстрации работы биометрии в разных сценариях, для того чтобы снять опасения и недоверие к ней;

правильное размещение видеокамер (для идентификации по лицу) для снятия изображений человека и повышения точности распознавания;

четкое определение задачи для идентификации;

наличие в массовых проектах команды для обслуживания, анализа, принятия решений. При эффективности биометрии на уровне 99,99% при большом объеме данных неизбежны ошибки. Кто-то должен разбираться со всеми этими кейсами.

В противном случае я бы поостерегся от использования моей биометрии там, где без этого можно легко обойтись.

Алексей Лукацкий, бизнес-консультант по безопасности Cisco Systems