Biometryczna Identyfikacja Tożsamości

Podobne dokumenty
Biometryczna Identyfikacja Tożsamości

Materiały dydaktyczne: Maciej Krzymowski. Biometryka

2: Zadania i metody biometrii

BIOMETRIA WYKŁAD 8: BŁĘDY SYSTEMOW BIOMETRYCZNYCH

Biometryczna Identyfikacja Tożsamości

Biometryczna Identyfikacja Tożsamości

Krzysztof Ślot Biometria Łódź, ul. Wólczańska 211/215, bud. B9 tel

Identyfikacja człowieka metody kryminalistyczne i biologiczne - ogólnie

BIOMETRIA. Napisz coś na klawiaturze, a powiem Ci. Wojciech Wodo Katedra Informatyki Wydział Podstawowych Problemów Techniki. Wrocław, r.

Biometryczna Weryfikacja (NIE inwigilacja)

Biometryczna Identyfikacja Tożsamości

Plan wykładów 2015/2016

Biometryczna Identyfikacja Tożsamości

PROVEN BY TIME.

Biometryczna Identyfikacja Tożsamości

Technologia dynamicznego podpisu biometrycznego

Od biometrii do bezpiecznej. biometrii

Biometryczna Identyfikacja Tożsamości

Początek biometrycznych systemów autoryzacji: Babilon i Egipt

Biometryczna Identyfikacja Tożsamości

Automatyka i Robotyka, V rok. promotor: dr Adrian Horzyk. Kraków, 3 czerwca System automatycznego rozpoznawania

Biometryczna Identyfikacja Tożsamości

Biometryczna Identyfikacja Tożsamości

Biometryczna Identyfikacja Tożsamości

Biometria w projektach rządowych

SYSTEMY KONTROLI DOSTĘPU WYKORZYSTUJĄCE CZYTNIKI BIOMETRYCZNE

Technologia biometryczna w procesach obsługi pacjentów i obiegu dokumentacji medycznej Konferencja ekspercka dotycząca e- Zdrowia Warszawa, 27

SYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY. Autorzy: M. Lewicka, K. Stańczyk

Poszczególne kroki wymagane przez normę ISO celem weryfikacji tożsamości użytkownika

Projekt badawczy. Zastosowania technologii dynamicznego podpisu biometrycznego

KUS - KONFIGURACJA URZĄDZEŃ SIECIOWYCH - E.13 ZABEZPIECZANIE DOSTĘPU DO SYSTEMÓW OPERACYJNYCH KOMPUTERÓW PRACUJĄCYCH W SIECI.

Bezpieczeństwo 2.0 w mbanku

1. Definicja danych biometrycznych

Metoda biometrycznego uwierzytelniania dokumentów Długopis cyfrowy IC Pen

MobiBits: Multimodalna baza danych zebrana za pomocą urządzeń mobilnych

Wykład VII. Systemy kryptograficzne Kierunek Matematyka - semestr IV. dr inż. Janusz Słupik. Wydział Matematyki Stosowanej Politechniki Śląskiej

Pattern Classification

rozpoznawania odcisków palców

BIOMETRIA - wybrane problemy, zastosowania i metody informatyczne. Katedra Systemów Multimedialnych Wydzial Informatyki. dr inż.

Wstęp. osobniczo, takich jak odciski linii papilarnych, wygląd tęczówki oka, czy charakterystyczne cechy twarzy.

Przemysław Strzelczyk prof. Andrzej Pacut

Algorytm do rozpoznawania człowieka na podstawie dynamiki użycia klawiatury. Paweł Kobojek, prof. dr hab. inż. Khalid Saeed

METODY STATYSTYCZNE W BIOLOGII

RODO A DANE BIOMETRYCZNE

Odciski palców ekstrakcja cech

METODY STATYSTYCZNE W BIOLOGII

Biometria Głosu i HUB biometryczny w Banku Zachodnim WBK International Biometric Congress 2016 Józefów,

Finger Vein ID. Technologia biometryczna firmy Hitachi. Hitachi Europe Ltd Systems Solutions Division 24/07/2007

Hipotezy statystyczne

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Finger Vein ID: Nowoczesny oddzial bankowy z wykorzystaniem biometrii naczyń krwionośnych palca

ANNEX ZAŁĄCZNIK. decyzji wykonawczej Komisji

Rola i znaczenie biometrii w. Straży Granicznej. ppor. SG KUPTEL Dorota. Centrum Szkolenia. Straży Granicznej

Biometria podpisu odręcznego

Grupa ds. Biometrii, Forum Technologii Bankowych przy ZBP

Hipotezy statystyczne

Rozpoznawanie twarzy - zasady funkcjonowania i praktyczne wykorzystanie -

Metoda weryfikacji mówcy na podstawie nieuzgodnionej wypowiedzi

Zabezpieczenia biometryczne

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H

Wykład 3 Hipotezy statystyczne

METODY STATYSTYCZNE W BIOLOGII

Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011

Biometryczna Identyfikacja Tożsamości

Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż.

Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk

Technologie płatności bezgotówkowych - o sukcesie zadecydują bezpieczeństwo i wygoda Cezary Kosiński Management Consulting Card & Mobile Payments

Komputerowa diagnoza medyczna tworzenie i interpretowanie. prof. dr hab. inż. Andrzej Walczak

Scoring kredytowy w pigułce

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

WorkshopIT Komputer narzędziem w rękach prawnika

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

Biometryka. Aleksander Nałęczyński Mateusz Zakrzewski Michał Krajewski

Dane biometryczne pracowników a kontrola czasu pracy

Metoda multimodalnego wzmacniania kryptografii w aspekcie biometrii behawioralnej

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Psychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY

Sposób wykorzystywania świadectw wzorcowania do ustalania okresów między wzorcowaniami

Testowanie hipotez statystycznych.

Agnieszka MISZTAL Inż. Syst. Projakośc. Kontrola jakości. INŻYNIERIA SYSTEMÓW PROJAKOŚCIOWYCH Wykład 2 Kontrola jakości

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce

Bazy danych. Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wykład 3: Model związków encji.

1. TESTY PSYCHOLOGICZNE

Informatyka w kontroli i audycie

Teoria do zajęć została opracowana na podstawie materiałów pochodzących ze strony internetowej mgra Krzysztofa Misztala:

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

166 Wstęp do statystyki matematycznej

Trafność czyli określanie obszaru zastosowania testu

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających

Nowoczesne sposoby ewidencji czasu pracy a ochrona dóbr osobistych pracownika i danych osobowych. Dr Dominika Dörre-Nowak

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

SYLABUS. Nazwa jednostki prowadzącej Wydział Matematyczno Przyrodniczy Centrum Mikroelektroniki i Nanotechnologii

Prawne uregulowania biometrii i monitoringu wizyjnego

Testowanie hipotez statystycznych


Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Reforma regulacyjna sektora bankowego

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Instrukcja zarządzania systemem informatycznym służącym do przetwarzania danych osobowych w Urzędzie Miasta Lublin

Transkrypt:

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 1/46 Adam Czajka Wykład na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej Semestr letni 2014

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 2/46 Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 3/46 Informacje podstawowe Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 4/46 Informacje podstawowe Biometria w dwóch znaczeniach 1. Biometria w szerszym znaczeniu etymologia: pomiar własności istot żywych (grec. bios = życie, metron = pomiar ) niesprecyzowany cel pomiaru (np. diagnostyka medyczna)

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 5/46 Informacje podstawowe Biometria w dwóch znaczeniach 2. Biometria jako dział informatyki pomiar własności fizjologicznych lub własności zachowania człowieka określony cel pomiaru: automatyczne rozpoznanie tożsamości Zastosowanie własności fizjologicznych lub własności zachowania człowieka do automatycznego rozpoznania jego tożsamości

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 6/46 Informacje podstawowe Biometria wśród innych identyfikatorów 1. Wiedza coś co wiem, np. hasło, PIN 2. Posiadanie coś co mam, np. klucz, karta 3. Własności biologiczne coś co mnie charakteryzuje, np. wygląd twarzy, charakter pisania, sposób mówienia

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 7/46 Informacje podstawowe Biometria jako dział informatyki Zastosowanie własności fizjologicznych lub własności zachowania człowieka do automatycznego rozpoznania jego tożsamości, czyli: nie decyduje ekspert, ale metodyka rozpoznawania może częściowo wykorzystywać doświadczenie eksperta możliwość braku nadzoru, konieczna duża szybkość przetwarzania, powtarzalność, przewidywalność

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 8/46 Informacje podstawowe Biometria jako dział informatyki Zastosowanie własności fizjologicznych lub własności zachowania człowieka do automatycznego rozpoznania jego tożsamości, czyli: jacy jesteśmy, co nas charakteryzuje nie coś, co wiemy (hasło, PIN) nie coś, co mamy (klucz, karta) własności fizjologiczne (czasem: biologiczne ale to zbyt ogólne) własności zachowania (czasem: behawioralne ale niepotrzebna konotacja z teorią behawioru)

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 9/46 Informacje podstawowe Biometria jako dział informatyki Zastosowanie własności fizjologicznych lub własności zachowania człowieka do automatycznego rozpoznania jego tożsamości, czyli: przetwarzane dane muszą być wynikiem właściwego pomiaru cech żywej osoby urządzenia (sensory, czytniki) biometryczne muszą dostarczać właściwe próbki biometryczne badanie żywotności niezbędne aby system można było nazywać biometrycznym

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 10/46 Informacje podstawowe Rozpoznanie biometryczne Wayman, Jain, Maltoni, Maio, 2005 1. Pozytywne rozpoznanie (ang. positive recognition) weryfikacja hipotezy: próbka pochodzi od osoby znanej systemowi (wcześniej zarejestrowanej) 2. Negatywne rozpoznanie (ang. negative recognition) weryfikacja hipotezy: próbka pochodzi od osoby nieznanej systemowi (wcześniej niezarejestrowanej)

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 11/46 Informacje podstawowe Schematy uwierzytelniania 1. Klasyczne ustalenie tożsamości (identyfikacja, często określane jako porównanie 1:N) potwierdzenie tożsamości (weryfikacja, często określane jako porównanie 1:1) 2. Nowe (wynikające z możliwości biometrii) negatywne uwierzytelnienie negatywna identyfikacja: nie należę do grupy X negatywna weryfikacja: nie jestem osobnikiem X eliminacja wielokrotnych tożsamości

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 12/46 Informacje podstawowe Podstawowe pojęcia 1. Obiekt (człowiek) 2. Obserwacja obiektu (pomiar) 3. Dziedzina obserwacji modalność, właściwość/charakterystyka biometryczna (ang. modality, biometric characteristic), np.: wygląd twarzy, kształt dłoni, naczynia krwionośne dłoni

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 13/46 Informacje podstawowe Podstawowe pojęcia 4. Wynik obserwacji próbka biometryczna (ang. biometric sample) w praktyce wyniki pomiaru (surowe lub wstępnie przetworzone), np.: obraz twarzy 3D, obraz dłoni 2D, obraz naczyń krwionośnych

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 14/46 Informacje podstawowe Podstawowe pojęcia 5. Cecha biometryczna (ang. biometric feature) reprezentacja (zwykle skrócona) próbki biometrycznej, np.: odległości między punktami charakterystycznymi twarzy, długości palców dłoni, szerokości naczyń krwionośnych

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 15/46 Informacje podstawowe Podstawowe pojęcia 6. Wzorzec biometryczny (ang. biometric template) wyselekcjonowane cechy biometryczne, oraz dodatkowe informacje niezbędne do uwierzytelnienia obiektu

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 16/46 Modalności biometryczne Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 17/46 Modalności biometryczne Podstawowy podział modalności 1. Związane z właściwościami fizycznymi (właściwości fizyczne obiektu) zwykle obserwacja chwilowa, pomiar statyczny ewentualne zależności czasowe w wynikach pomiaru nie uwzględniane w uwierzytelnieniu 2. Związane z naszym zachowaniem (sposób zachowania się obiektu) obserwacja świadomej akcji wykonywanej przez użytkownika obserwacja w czasie, pomiar dynamiczny zależności czasowe w wynikach pomiaru podstawą uwierzytelniania

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 18/46 Modalności biometryczne Modalności oparte o właściwości fizyczne 1. Stosowane w praktyce palec: odcisk, układ żył dłoń: geometria 2D/3D, termika, układ żył, odcisk twarz: geometria 2D/3D, termika oko: tęczówka, siatkówka 2. Możliwe do wykorzystania w praktyce DNA zapach ucho: geometria, termika palec: termika, geometria, struktura kanałów pod paznokciem

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 19/46 Modalności biometryczne Modalności oparte o cechy naszego zachowania 1. Stosowane w praktyce podpis odręczny głos: rozpoznawanie mówcy (ale nie mowy) rytm uderzania w klawisze 2. Możliwe do wykorzystania w praktyce fale mózgowe EEG pismo ręczne oko: dynamika gałki ocznej, dynamika źrenicy sposób chodzenia ruch warg palec: rezonans opuszków palców skojarzenia

Modalności biometryczne Modalności biometryczne: udział w rynku Źródło: IBG Biometrics Market and Industry Report 2009-2014 c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 20/46

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 21/46 Modalności biometryczne Modalności biometryczne: udział w rynku Źródło: IBG Biometrics Market and Industry Report 2009-2014

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 22/46 Pożądane własności biometrii Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 23/46 Pożądane własności biometrii Pożądane własności biometrii 1. Wysoka zawartość informacyjna zapewniająca wysoki stopień zróżnicowania genotyp i penetracja genetyczna bliźnięta 1 na 80 urodzin, bliźnięta jednojajowe 1 na 240 urodzin (co najmniej 0.8% osób błędnie rozpoznanych) hipoteza o unikalności cech uzasadniona tylko eksperymentalnie Zależność wybranych modalności od genotypu

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 24/46 Pożądane własności biometrii Pożądane własności biometrii 2. Niezmienność w czasie odporność na zmiany powodowane chorobami problem starzenia się wzorców, ang. template ageing brak dostatecznych badań, ważność wzorców biometrycznych określana (arbitralnymi) decyzjami administracyjnymi trudność w pozyskaniu odpowiednich baz danych; przykłady baz naukowych: MORPH (twarz; dwa albumy: 515 i 4000 osób; interwał od kilku miesięcy do 29 lat dla pierwszego albumu, kilka lat dla drugiego albumu) KFRIA Ageing DB (odcisk palca; 100 osób; interwał 1 rok) BioBase II NASK/PW (twarz, tęczówka, odcisk palca, podpis, dłoń; ok. 50 osób; interwał 7 lat) NIST OPS-XING (a), OPS-FIELD (b) (tęczówka; a) ok. 350k osób, interwał ok. 4 lat; b) ok. 610k osób, interwał ok. 4 lat)

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 25/46 Pożądane własności biometrii Pożądane własności biometrii 3. Akceptacja użytkowników weryfikacja stosowana w celu zwiększenia wiarygodności, często dla wygody użytkowników brak wymogu współpracy osoby rozpoznawanej (możliwe nadużycia) obawy społeczne, religijne, kulturowe, ochrona danych osobowych

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 26/46 Pożądane własności biometrii Pożądane własności biometrii Uwagi dot. akceptacji użytkowników 3a. Ochrona danych osobowych dane biometryczne są danymi osobowymi, ale wg art. 6 ust. 3 ustawy z dnia 29 sierpnia 1997 r. ochronie danych osobowych informacji nie uważa się za umożliwiającą określenie tożsamości osoby, jeżeli wymagałoby to nadmiernych kosztów, czasu lub działań brak precyzyjnych definicji nadmiernych kosztów, czasu lub działań, pole do interpretacji

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 27/46 Pożądane własności biometrii Pożądane własności biometrii Uwagi dot. akceptacji użytkowników 3a. Ochrona danych osobowych (c.d.) obawa przed kradzieżą tożsamości łatwa dostępność danych biometrycznych tradycyjnie służących do weryfikacji (podpis, obraz twarzy) biometria odwrotna, dane syntetyczne urządzenia biometryczne powinny dostarczać jedynie właściwych próbek biometrycznych możliwa identyfikacja pośrednia w kryminalistyce poprzez próbki ukryte (utajone) udostępnianie niepożądanych danych, np. obraz tęczówki (choroby?), obraz podpisu (stan psychofizyczny?) medycyna alternatywna nadzieja w nieznanym (irydologia, chiromancja)

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 28/46 Pożądane własności biometrii Pożądane własności biometrii Uwagi dot. akceptacji użytkowników 3b. Syndrom wielkiego brata przetwarzanie danych bez wiedzy właściciela, brak prywatności biometryczne bazy danych, konieczność tworzenia naukowych baz danych wszechobecne obliczenia ( ubiquitous computing, pervasive computing, cloud computing, itp.) podglądanie osobowości 3c. Decyzje maszyny: nieufność 3d. Bezpieczeństwo a prywatność, wygoda a prywatność

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 29/46 Pożądane własności biometrii Pożądane własności biometrii 4. Odporność na fałszerstwa zmiana własności naszego ciała niemożliwa lub ryzykowna możliwość konstrukcji efektywnych testów autentyczności (danych, obiektów) 5. Możliwość realizacji technicznej łatwość obserwacji i pomiaru powtarzalność obserwacji i pomiaru powszechność własności biometrycznych niski koszt budowy urządzeń

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 30/46 Pożądane własności biometrii 6. Minimalna inwazyjność obawy związane z utratą zdrowia komfort użytkowania Komfort użytkowania i minimalna inwazyjność: identyfikacja tęczówki (kadr z filmu Minority report, 2002)

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 31/46 (Krótka) historia biometrii Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 32/46 (Krótka) historia biometrii Historia: pierwsze metody nieautomatyczne 1. 31 000 lat p.n.e. jaskinia Chauvet, najstarsze odciski dłoni, hipoteza (niepotwierdzona) o wykorzystaniu odcisków w identyfikacji twórców malowideł 2. VII w. p.n.e. starożytne Chiny, Babilonia i Asyria powiązanie osób z transakcjami i wydarzeniami tabliczki gliniane z odciskami palców 3. Stary Testament weryfikacja przynależności do grupy: wymowa słowa Shibboleth oszustwo związane w weryfikacją biometryczną : imitacja skóry dłoni i szyi za pomocą skórek z koźlęcia

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 33/46 (Krótka) historia biometrii Historia: systemy automatyczne 1. Lata 60-te XX wieku systemy automatycznej identyfikacji tożsamości wykorzystujące odcisk palca i rozpoznawanie głosu 2. Lata 70-te XX wieku systemy oparte na geometrii dłoni 3. Lata 80-te XX wieku systemy wykorzystujące obraz siatkówki oka oraz podpis odręczny 4. Lata 90-te XX wieku systemy biometrii tęczówki 5. XXI wiek zastosowania biometrii na masową skalę biometryczne urządzenia przenośne brak wymagania kooperacji z użytkownikiem

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 34/46 System biometryczny Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 35/46 System biometryczny Tryby pracy systemu biometrycznego 1. Rejestracja (ang. enrolment (UK), enrollment (US)) wygenerowanie i zapamiętanie wzorca biometrycznego użytkownika (oraz danych innych niż biometryczne) 2. Uwierzytelnienie (ang. authentication) wykorzystanie zachowanego wzorca i wyznaczonych aktualnie cech biometrycznych w celu potwierdzenia lub ustalenia tożsamości

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 36/46 System biometryczny Tryby pracy systemu biometrycznego Rejestracja 1. Nadzorowana przez człowieka 2. Wielokrotny pomiar zaostrzona kontrola jakości próbek w celu pozyskania reprezentatywnych danych 3. Przetwarzanie surowych danych i utworzenie wzorca kontrola spójności cech biometrycznych opcjonalnie: estymacja zmienności cech biometrycznych (wynikającej ze zmienności obiektu i możliwości pomiarowych) i dobór indywidualnego poziomu zgodności cech 4. Powiązanie danych biometrycznych z pozostałymi danymi osobowymi 5. Zapis wzorców biometrycznych w bazie danych lub w indywidualnym nośniku danych (np. karcie elektronicznej)

System biometryczny Tryby pracy systemu biometrycznego Uwierzytelnienie 1. Bez nadzoru człowieka 2. Odczytanie wzorca biometrycznego (lub wzorców) z bazy danych (lub innego nośnika) 3. Najczęściej jednokrotny pomiar kontrola jakości próbek w celu minimalizacji błędnych odrzuceń test żywotności / autentyczności 4. Przetwarzanie surowych danych i wyznaczenie cech 5. Wyznaczenie dopasowania uwzględnienie zmienności cech biometrycznych 6. Podjęcie decyzji konfrontacja wyniku dopasowania z zapamiętanym progiem zgodności opcjonalnie: uwzględnienie indywidualnego poziomu zgodności cech c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 37/46

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 38/46 Podejmowanie decyzji w biometrii Informacje podstawowe Modalności biometryczne Pożądane własności biometrii (Krótka) historia biometrii System biometryczny Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 39/46 Podejmowanie decyzji w biometrii 1. Błędy metod biometrycznych fałszywe (błędne) niedopasowanie (ang. false non-match) fałszywe (błędne) dopasowanie (ang. false match) 2. Stopień dopasowania/podobieństwa miara podobieństwa cech (biometrycznych) wyznaczonych dla weryfikowanej próbki i cech (biometrycznych) zawartych we wzorcu biometrycznym 3. Decyzja dopasowanie (ang. match) lub niedopasowanie (ang. non-match) podejmowana z wykorzystaniem progu decyzyjnego aby zaakceptować próbkę stopień dopasowania musi przekraczać próg decyzyjny określony dla danego urządzenia/systemu

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 40/46 Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 41/46 Podejmowanie decyzji w biometrii

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 42/46 Podejmowanie decyzji w biometrii Aproksymacja prawdopodobieństw błędów Stopień fałszywych (błędnych) niedopasowań (ang. False Non-Match Rate FNMR) Jeśli znamyg: w przeciwnym wypadku: g FNM (c 0 )= c0 g(c)dc ĝ FNM (c 0 )=FNMR(c 0 )= liczba fałszywych odrzuceń dlac 0 liczba wszystkich porównań w próbie

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 43/46 Podejmowanie decyzji w biometrii Aproksymacja prawdopodobieństw błędów Stopień fałszywych (błędnych) dopasowań (ang. False Match Rate FMR) Jeśli znamyf: w przeciwnym wypadku: f FM (c 0 )= c 0 f(c)dc f FM (c 0 )=FMR(c 0 )= liczba fałszywych dopasowań dlac 0 liczba wszystkich porównań w próbie

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 44/46 Podejmowanie decyzji w biometrii Podstawowe wskaźniki oceny

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 45/46 Podejmowanie decyzji w biometrii Podstawowe wskaźniki oceny 1. Stopień nieudanych pomiarów (ang. Failure To Acquire FTA) 2. Stopień odrzuconych rejestracji (ang. Failure To Enroll FTE) 3. FMR/FNMR dla danego punktu pracy (progu decyzyjnego) systemu biometrycznego 4. EER (ang. Equal Error Rate): błąd zrównoważony 5. ZeroFNMR: najmniejszy możliwy stopień fałszywych dopasowań (FMR) dla którego FNMR=0 6. ZeroFMR: najmniejszy możliwy stopień fałszywych niedopasowań (FNMR) dla którego FMR=0

c Adam Czajka IAiIS PW 25 lutego / 4 marca 2014 46/46 Co powinniśmy zapamiętać 1. Co wyróżnia biometrię rozumianą jako dział informatyki z dziedziny dotyczącej pomiaru istot żywych? 2. Definicje: próbki, cechy biometrycznej, wzorca biometrycznego. 3. Jakie są pożądane własności identyfikatorów biometrycznych? 4. Jakie są podstawowe wskaźniki oceny systemu biometrycznego?