BIOMETRIA WYKŁAD 8: BŁĘDY SYSTEMOW BIOMETRYCZNYCH

Podobne dokumenty
Biometryczna Identyfikacja Tożsamości

Biometryczna Identyfikacja Tożsamości

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

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Testowanie hipotez statystycznych

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

Technologia dynamicznego podpisu biometrycznego

Biometryczna Identyfikacja Tożsamości

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Pobieranie prób i rozkład z próby

Statystyka matematyczna dla leśników

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Plan wykładów 2015/2016

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

166 Wstęp do statystyki matematycznej

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

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych

METODY STATYSTYCZNE W BIOLOGII

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

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

W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.

Test dwustronny: H 0 : p= 1 2

Wykład 3 Hipotezy statystyczne

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Prawdopodobieństwo i rozkład normalny cd.

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów

Wykład 9 Wnioskowanie o średnich

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

rozpoznawania odcisków palców

Hipotezy statystyczne

Testowanie hipotez statystycznych

PROVEN BY TIME.

Testowanie hipotez statystycznych. Wprowadzenie

Testowanie hipotez statystycznych.

Statystyka matematyczna i ekonometria

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

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

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Katedra Biotechnologii i Genetyki Zwierząt, Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy

Wykład 8: Testy istotności

Wyznaczanie minimalnej odważki jako element kwalifikacji operacyjnej procesu walidacji dla wagi analitycznej.

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

Zadania ze statystyki, cz.6

Hipotezy statystyczne

Pattern Classification

Testowanie hipotez statystycznych cd.

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

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

Statystyka matematyczna i ekonometria

Pomiar rezystancji metodą techniczną

Metodyka prowadzenia pomiarów

Testowanie hipotez statystycznych

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

MobiBits: Multimodalna baza danych zebrana za pomocą urządzeń mobilnych

Statystyka Matematyczna Anna Janicka

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas

Statystyczna analiza danych

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

Wykład 14. Testowanie hipotez statystycznych - test zgodności chi-kwadrat. Generowanie liczb losowych.

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

METODY STATYSTYCZNE W BIOLOGII

Optymalizacja Automatycznych Testów Regresywnych

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Walidacja metod wykrywania, identyfikacji i ilościowego oznaczania GMO. Magdalena Żurawska-Zajfert Laboratorium Kontroli GMO IHAR-PIB

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

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

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

Wykład 8. Testowanie w JEE 5.0 (1) Autor: Zofia Kruczkiewicz. Zofia Kruczkiewicz

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Zawartość. Zawartość

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Wydział Matematyki. Testy zgodności. Wykład 03

Testowanie hipotez cz. I

(narzędzie do pomiaru cech zachowania oprac. dr hab. Zbigniew Spendel)

9. Praktyczna ocena jakości klasyfikacji

Testowanie hipotez statystycznych.

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

komputery? Andrzej Skowron, Hung Son Nguyen Instytut Matematyki, Wydział MIM, UW

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

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

1. TESTY PSYCHOLOGICZNE

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

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

Transkrypt:

BIOMETRIA WYKŁAD 8: BŁĘDY SYSTEMOW BIOMETRYCZNYCH

KAŻDY SYSTEM BIOMETRYCZNY BĘDZIE POPEŁNIAŁ BŁĘDY.możliwe tylko do oszacowania teoretycznego

Błąd popełniany jest wtedy kiedy fałszywa hipoteza zostaje uznana za prawdziwą..definicja błędu zależy więc od sformułowania hipotezy

Specyfikacja biometryczna danego systemu uwierzytelniania zawiera dopuszczalną maksymalną stopę błędu. Uwierzytelnianie pozytywne Uwierzytelnianie negatywne

Komparator (matcher) system pobierający 2 próbki danych biometrycznych, dający w wyniku liczbę punktów, będącą miarą ich podobieństwa. W systemach weryfikacji komparator służy podjęciu decyzji czy są to reprezentacje tej samej biometryki rzeczywistej.

Oznaczenia B(t), B (t) dwie biometryki (odciski palca, skany tęczówki) będące funkcją czasu: B(t) próbka wzorcowa (rzadko zmieniana) B (t) próbka z bieżącego zapytania f proces pobierania danych przez czujnik i przetwarzania danych celem ekstrakcji cech, będące funkcją czasu i czynników środowiskowych f(b), f(b ) cyfrowa reprezentacja biometryk Wniosek: Stopień niepowtarzalności biometryk nie jest taki jak się go zachwala (różna niepowtarzalność czasowa i skalowalność dla różnych biometryk)

Porównywarka B B ODCZYT PRÓBKOWANIE ODCZYT PRÓBKOWANIE f(b) f(b ) PORÓWNYWARKA s(b,b ) s(b,b )=s(f(b(t),f(b (t)))

Miara podobieństwa Porównywarki podejmując decyzję, obliczają miarę prawdopodobieństwa że 2 próbki pochodzące od dwóch rożnych podmiotów są takie same (a podmioty w rzeczywistości są tą samą osobą). Miara ta mocno zależy od dokładności urządzenia pomiarowego i reprezentacji cyfrowej próbki

2 rodzaje błędów Hipoteza zerowa Ho: 2 próbki są zgodne B==B Hipoteza alternatywna: Ha: 2 próbki nie są zgodne B!==B Różne zastosowania, różne hipotezy zerowe różne definicje błędu i dokładności: Współczynnik niesłusznej zgodności Współczynnik niesłusznej akceptacji Współczynnik niesłusznych potwierdzeń itd

Rodzaje błędów wg J.L.Waymana 1. Niesłuszna zgodność (FM, False Match): Decyzja że 2 biometryki pochodzą z tej samej tożsamości podczas gdy nie pochodzą (FMR, False Match Rate). Błąd I-go rodzaju: stwierdzenie Ho gdy prawdziwe jest Ha 2. Fałszywa niezgodność (FNM, False Non-Match): Decyzja że 2 biometryki nie pochodzą z tej samej tożsamości podczas gdy pochodzą (FNMR, False Non-Match Rate) Błąd II-go rodzaju: stwierdzenie Ha gdy prawdziwe jest Ho

Decyzje poprawne Poprawna zgodność (CM, Correct Match) Poprawna niezgodność (CNM, Correct Non-Match)

Podejmowanie decyzji Twarde (bez obsługi wyjątków) Stwierdź że Ho jest prawdziwe jeśli s>t Stwierdź że Ha jest prawdziwe jeśli s<=t Brak możliwości podjęcia decyzji typu nie wiem

Rzetelność punktacji s() Gdy 2 próbki pochodzą od tej samej tożsamości punktacja podobieństwa jest zazwyczaj wysoka (równa 1w zasadzie tylko w przypadku kopii) Gdy 2 próbki nie pochodzą od tej samej tożsamości punktacja podobieństwa jest zazwyczaj niska (prawie nigdy nie jest równa 0)

Rodzaje błędów wg Wymana 1. Niesłuszna zgodność (FM, False Match): Decyzja że 2 biometryki pochodzą z tej samej tożsamości podczas gdy nie pochodzą (FMR, False Match Rate). Błąd I-go rodzaju: stwierdzenie Ho gdy prawdziwe jest Ha Podszywający się uzyskał wysoką punktację zgodności (s>t): B podszył się pod B 2. Fałszywa niezgodność (FNM, False Non-Match): Decyzja że 2 biometryki nie pochodzą z tej samej tożsamości podczas gdy pochodzą (FNMR, False Non- Match Rate) Błąd II-go rodzaju: stwierdzenie Ha gdy prawdziwe jest Ho Oryginalny podmiot uzyskał niską punktację zgodności (s<t): skutek np. złego okazania cechy

Jak dobrać próg T? Krzywe rozkładu punktacji zgodności i niezgodności zawsze na siebie zachodzą Optymalny dobór progu wymaga oszacowania konsekwencji FMR i FNMR (trenowanie i testowanie) Wysoki próg T oznacza niskie FMR i niskie FNMR Niski próg T oznacza wysokie FMR i niskie FNMR

Nomenklatura FA i FR jako alternatywa FM i FNM Fałszywa akceptacja (FA, False Acceptance) Decyzja że zgłoszona tożsamość jest uprawniona podczas gdy jest to tożsamość podszywająca się, przyjęcie Ho przy prawdziwym Ha (FAR, False Acceptance Rate). Luki w zabezpieczeniach przez przyznanie dostępu. Fałszywe odrzucenie (FR, False Rejection) Decyzja ze zgłoszona tożsamość nie jest uprawniona podczas gdy jest to tożsamość zgodna z wzorcem, Ha przy prawdziwym Ho (FRR, False Rejection Rate) Problem z wygodą użytkowania systemu

Krzywa ROC FNMR y1 T SYSTEMY WYSOKIEGO BEZPIECZEŃSTWA T1 Punkt pracy komparatora (trenowanie krzywej ROC) Prawdopodobieństwo niesłusznej zgodności na pewnym niskim poziomie x1=fmr (prawdopodobieństwo niesłusznej niezgodności automatycznie ustawione na y1=fnmr Prawdopodobieństwo niesłusznej niezgodności na pewnym niskim poziomie y2=fnmr (prawdopodobieństwo niesłusznej zgodności automatycznie ustawione na x2=fmr y2 x1 T2 x2 T FMR KRYMINALISTYKA

Odmiany ROC FNMR FNMR

Odmiany ROC (II)

Odmiany ROC (III) Detection Error Trade-off (DET) = Kompromis Błędów Wykrywania WSPÓŁCZYNNIK (POPRAWNYCH) DETEKCJI 1-FNMR WSPÓŁCZYNNIK FAŁSZYWYCH ALARMÓW (NIESŁUSZNYCH AKCEPTACJI) FMR

Krzywa ROC-zastosowanie FNMR T Jeśli mamy dwa komparatory a i b to który jest dokładniejszy? a Punkty pracy.zależy od punktów pracy tych komparatorów Docelowy FNMR b T FMR

Krzywa ROC-zastosowanie FNMR T a (FMRc,FNMRc) FMR1 FMR2 b T FMR

Krzywa ROC-zastosowanie FNMR T BEZPIECZEŃSTWO=1-FAR a BEZPIECZNY WYGODA=1-FRR b WYGODNY T FMR

Krzywa ROC-zastosowanie A jeśli nie znamy punktu pracy? FNMR a b FMR

Krzywa ROC-zastosowanie Stopa błędu zrównoważonego (Equal Error Rate,EER) (Crossover Error Rate,CER)

Krzywa ROC-zastosowanie FNMR T a (FMRc,FNMRc) FMR1 FMR2 b T FMR

Krzywa ROC-zastosowanie FNMR T a (FMRc,FNMRc) FMR1 FMR2 EEb EEa b T FMR

Krzywa ROC-zastosowanie d (Daugman) ocena stopnia rozdzielenia rozkładu prawdopodobieństwa punktacji niezgodności pn(s) od rozkładu prawdopodobieństwa punktacji zgodności pm(s) d = μ m μ n σ m 2 + σ n 2 Tylko do porównania komparatorów o dużej różnicy wydajności (komparator z większym d zachowuje się gorzej w szerszym zakresie punktów pracy)

Krzywa ROC-zastosowanie FNMR a b FMR

Inne krzywe Opisywanie wydajności dużych systemów CMC (Cumulative Match Curve) Przyrostowa krzywa zgodności RPM (Rank Probability Mass) Funkcja rozkładu prawdopodobieństwa Rank

Błędy biometrii 1. Wskaźnik niepowodzeń w pobieraniu (Failure To Acquire, FTA) odsetek populacji docelowej nieposiadającej danej biometryki (osoby które nie są w stanie dostarczyć próbki). Dolna granica FTA definiuje uniwersalność biometryki 2. Wskaźnik niepowodzeń w rejestracji (Failure To Enroll, FTE) odsetek populacji którego nie da się zarejestrować z przyczyn technologicznych lub proceduralnych 3. Wskaźnik niepowodzeń w użyciu (Failure To Use, FTU) czynnik kosztu każdego zastosowania biometrycznego, definiowany głównie dla zastosowań dobrowolnych (FTE+.)

DZIĘKUJĘ ZA UWAGĘ