Анализ результатов реальных внедрений и полученные статистические характеристики в реальных полевых условиях показывают: практически любая биометрия работает не так, как ожидают заказчики и те, кто использует ее в бизнес-процессах. Ведь обычно они ждут сразу всего и в одном флаконе, да еще и бесплатно. А такого не бывает…
Когда заказчики говорят: "Хотим мгновенную автоматическую биометрию 100%-ной точности", понятно, что они не видят разницы между идентификацией и верификацией, и более того, оперируют не биометрическими понятиями ошибок первого и второго рода, а некой "точностью". Да и всегда ли нужна заказчику именно 100%-ная "точность"? Зачастую им нужно совсем не это, а снижение издержек и экономия ресурсов. Например, ритейлу нужно повышение лояльности и доверия покупателей, страховым компаниям и банкам – активная защита ресурсов, имущества и финансовых активов, а конечным потребителям – максимальное удобство использования.
В чем здесь проблема? А в том, что существует разрыв между реальными возможностями технологий (не только биометрических) и маркетинговыми обещаниями и рекламным хайпом.
На самом деле и разработчикам биометрии, и внедренцам, и тем, кто занимается СКУД, прежде всего необходимо:
Чтобы выбрать качественную и надежную биометрию, важно опираться на следующие критерии:
Как показывает практика, если подойти к выбору решения недостаточно ответственно, то дальше начинаются те самые проблемы…
Что делают разработчики биометрии для улучшения статистики по FRR? Берут и выбрасывают из эталонной базы "плохие" шаблоны. Понятно, что для подтверждения алгоритмов и качества работы их надо выбросить, но в реальных условиях этого сделать нельзя! В итоге эффективность работы биометрии зависит от первоначального сбора биометрических шаблонов, а набрав достаточно большую базу именно в реальных условиях, можно подтверждать уровни ошибок первого и второго рода в соответствии с действующими стандартами (ГОСТ Р ИСО/МЭК 19795–2015 – Методология проведения оперативных испытаний в биометрии).
Вот с чем приходится часто сталкиваться на деле при использовании биометрического сканера:
В результате алгоритм, который при распознавании человека по установочной базе в тестовых условиях дает точность 99,9%, в реальности зачастую выдает 20–30% отказов. И именно тогда потребители начинают предъявлять претензии. А все потому, что не учли, в каких условиях система будет использоваться и что модель базы неидеальна. Зачастую это проблема не базового алгоритма, а используемого железа и реальных условий его эксплуатации.
Я неоднократно сталкивался с конкретными ситуациями, когда технология отпечатка пальцев, неплохая с точки зрения ошибок первого и второго рода, недостаточно эффективна на производстве, в химии, индустрии и т.д. Бывает 20–30% отказов.
Алгоритмы выявления локальных признаков, масштабно-инвариантные преобразования, гистограммы направленных градиентов, методы опорных векторов в ряде случаев начинают сбоить. Например, алгоритм учета черных очков может выдать ошибку, если кто-то надел очки большего размера. Или может быть сбой, если человек надел капюшон либо козырек от кепки дал тень на лицо. Я даже как-то сам завел свою фотографию в одной системе, а потом сфотографировался еще раз, с недостаточным освещением, где меня не очень хорошо видно. В результате система меня не распознала.
Есть люди, которые вообще не распознаются по многим биометрическим технологиям, не только по лицу. Очень плохо распознаются по пальцам маленькие дети и пожилые люди. Некоторые не распознаются по ладони. А иногда не срабатывает даже самая надежная и точная биометрия по радужке глаза. Так происходит, потому что изначально их биометрические параметры находятся вне моделей алгоритмов. Например, модель не предполагает, что у человека может быть слишком большая ладонь или двойной зрачок. Даже если система дает уровень ошибок первого рода 10-9, но ей попадется двойной или несимметричный зрачок, то алгоритм не сработает.
Еще одна распространенная проблема заключается в том, что люди не хотят пользоваться чем-то новым, в особенности если это их контролирует. А биометрия их контролирует, отсюда и огромное сопротивление.
В своей практике мы столкнулись со случаем, когда генеральный директор одного предприятия обязал всех сотрудников сдать биометрию по глазам, что вызвало бурю эмоций. Определенный процент людей отказался сдавать биометрию – "Нас пытаются зачиповать", "Вся ваша биометрия – это число дьявола" и т.д. Но правило есть правило, и обязали всех. В итоге одна сотрудница, подходя к сканеру, каждый раз истово крестится…
Можно предположить, что внедрение новых инновационных технологий еще долго будет сталкиваться с подобными проявлениями.
Резюмируя, обозначим ключевые требования при внедрении биометрии, выполнения которых будет достаточно для хороших результатов в процессе эксплуатации на обычных объектах:
Что нас ждет в дальнейшем? Лично меня как эксперта радуют открывающиеся перспективы:
Биометрия – достаточно молодая отрасль в нашей стране, и мы все еще проходим стадию накопления данных и опыта и только подступаем к этапу набора потребительской массы. Тем не менее уже есть реальные внедрения (хоть их не так много) и статистика, на базе которых можно и нужно дальше совершенствовать технологии, за которыми будущее.
Опубликовано в журнале "Системы безопасности" №6/2019