Исследование эффективности аутентификации личности по геометрии лица

(3.1)

Приоритет критериев устанавливается при анализе альтернатив субъективно, исходя из важности их в конкретных условиях. Выводы о важности критериев должны быть обоснованы, иначе результаты, по сути, будут изначально не валидными. Нужно отметить, что если параметры различны и не компенсируют друг друга, расставить приоритеты критериев соответствующим образом особенно важно. Так, для системы аутентификации, задача которой - контроль доступа, самым важным является показатель FRR, тогда как стоимость имеет несколько меньшее значение, превалируя, в свою очередь, над скоростью аутентификации.

Примем для данного случая приоритет критерия FRR системы самым высоким (например 0,95), для FAR - несколько меньше (0,85), далее - затраты на внедрение (0,7), удобство использования (0,5) и т.д. В соответствии с условием (3.1) далее приведём эти значения к долевому выражению.

Оценки по разным критериям могут иметь разные шкалы (например, FRR выражается в процентах, а стоимость внедрения - в рублях). Для возможности совместного использования разнородных параметров при свертке необходимо предварительно произвести их нормирование, то есть привести их в безразмерную форму в одинаковом диапазоне, обычно от 0 до 1. При этом для каждого варианта Х оценки по n критериям выражаются так:

(3.2)

Помимо приведения к общему виду нормировка позволяет произвести однозначную градуировку шкалы, по которой определяется оптимальность значения каждого конкретного параметра эффективности. Это необходимо потому, что в зависимости от смысла используемого критерия оптимальный результат достигается либо при минимальности критерия, либо, напротив, при максимальной его величине. Необходимость максимизировать или минимизировать критерий и определяет диапазон нормированной шкалы.

В данной работе используется метод нормировки параметров по эталонной шкале: для каждого параметра, исходя из его физического смысла и конкретных значений, устанавливается минимальное и максимальное значение показателя в натуральном выражении. При этом нормированные значения рассчитываются для негативных и позитивных критериев соответственно так:

; (3.3)

В рассматриваемом случае для всех нормируемых показателей из табл. 3.2 устанавливается диапазон от 0 до 1 (исходя из (3.2)). На основании смысла отдельных показателей (см. разд. 3.3.1-3.3.3), при этом выдвигаются требования минимальности всех критериев, кроме величин стабильности работы и простоты использования, для которых требуется максимальность критерия.

Выбор эталонной шкалы для параметров производится на основании их значений и единиц измерения. Например, эмпирические оценки произведены по десятибалльной шкале [3, 8], поэтому эталонная шкала для них 0 - 10 баллов. В то же время, исходя из практических соображений пригодности системы, процентные значения FRR и FAR не могут быть больше 10% и 0,05% соответственно.

При поиске оптимального решения в многокритериальных задачах с разнородными показателями большое значение имеет теория принятия решений, методы которой позволяют одинаково работать как с техническими, так и с экономическими показателями, позволяя подключать статистику и финансовый анализ.

Если требуется принять некое решение, выбрав один из возможных вариантов как оптимальный, и при этом есть несколько критериев эффективности решения, речь идёт о решении многокритериальной задачи. Обычно каждый из вариантов решения многофакторной задачи превалирует по одним критериям, проигрывая по другим. Основным способом решения в этом случае является сведение задачи к однокритериальной посредством «свёртки» критериев в один комплексный критерий, то есть совокупное представление нескольких критериальных оценок в виде единой оценки, называемой целевой функцией (функцией полезности).

Заключение

В самых разных сферах деятельности всегда имелись задачи, где необходимо опознание конкретного человека. Наиболее часто это необходимо при управлении, обеспечении безопасности, для контроля над деятельностью людей.

В последние десятилетия для установления личности используются всё более высокотехнологичные способы, наиболее востребованным из них является биометрическое распознавание личности, когда человек сам является ключом, предоставляя для проверки свои уникальные физические или поведенческие характеристики. Область использования подобного рода средств и систем чрезвычайно расширилась по сравнению с изначальной: идентификация используется не только в традиционных задачах безопасности и контроля доступа, но и, например, в системах «лояльных продаж» для индивидуального подхода к покупателям.

Доказана уникальность для каждого человека многих признаков, начиная от общеизвестных (наподобие отпечатков пальцев), до весьма экзотических (форма ушной раковины, температурная картина лица). Для идентификации по многим из этих признаков разработаны технические средства, имеются и полностью автоматические системы производящие биометрическую проверку личности человека.

Практика показывает, что замена традиционных систем аутентификации на биометрические позволяет в любом случае значительно повысить общую степень защищённости и технической гибкости организации за счёт безусловных достоинств этого подхода. Грамотная эксплуатация и применение подходящих средств (например, иногда требуется перекрёстная биометрия) обеспечивает на практике почти 100% уровень точности идентификации, что в свою очередь позволяет сделать выводы о правильности выбранной системы.

Среди прочих методов, ставших уже традиционными, наиболее перспективным следует признать распознавание человека по лицу. Этот метод имеет ряд неоспоримых преимуществ перед большинством других: при достаточно высокой точности определения он позволяет проводить проверку на расстоянии, допускает скрытную проверку и требует наличия только общеупотребительного оборудования (видеокамеры). Совокупность этих качеств обусловила очень быстрое развитие этого метода, поставив его по распространенности в один ряд с дактилоскопической проверкой.

С повышением качества видеокамер и алгоритмов обработки видеопотока и изображения они уже перестали быть лимитирующим звеном в системах распознавания лица. При использовании примерно одинаковых видеокамер превалирующее значение на точность распознавания по лицу приобретают алгоритмы обработки и формирования биометрического образа. Разработано довольно большое число алгоритмов, обеспечивающих не только высокое быстродействие и точность определения, но и позволяющих системе работать в самых разных условиях (плохая освещенность, наличие очков, бороды, разное положение головы и т.п.).

Современные системы распознавания личности по лицу находят применение не только для серьезных задач типа обнаружения разыскиваемых лиц в местах массового пребывания людей, но и для сугубо гражданских целей, например, как системы контроля доступа к персональному компьютеру. Из-за широкого распространения недорогих веб-камер и разработки новых алгоритмов распознания лица, позволивших существенно повысить точность метода, контроль доступа к персональным (в том числе и домашним) компьютерам по лицу пользователя становится всё более значимым сегментом рынка биометрических технологий.

Анализ самых распространённых программ для бытового применения частными пользователями показывает, что они имеют довольно малую вероятность ошибок, обеспечивают удобство в работе. Следует признать, что характеристики их примерно одинаковы и выбор их зависит главным образом даже не от специфики работы, а от личных предпочтений пользователя; для новых пользователей этот выбор в основном случаен.

Таким образом, из результатов проделанного в данной работе анализа видно, что технический скачок уже состоялся - биометрия вышла на первый план при решении большого спектра задач. С течением времени биометрические технологии будут развиваться, вытесняя существующие уже давно другие средства. Причем развитие можно ожидать не только количественное, но и качественное - в виде внедрения биометрии в новых областях (как, к примеру, это происходит с голосовым управлением) и появлении всё более простых, интуитивно понятных конечному пользователю методов. Можно уверенно прогнозировать в том числе и широкое внедрение систем распознавания по лицу. Практика массового внедрения, безусловно, позволит снизить сложность задачи поиска наиболее эффективного решения и свести её к анализу отзывов потребителей.

Список источников

1. Интернет-портал «Википедия»: [Электронный ресурс] - www.wikipedia.org

2. Статья «Аутентификация, авторизация и администрирование действий пользователей».: [Электронный ресурс] - Сайт «Your Private Network. Лаборатория Сетевой Безопасности» www.ypn.ru

3. Статья «Основы биометрии».: [Электронный ресурс] - http://habrahabr.ru/blogs/infosecurity/126144/

4. Татарченко Н.В, Тимошенко С.В. «Биометрическая идентификация в системах безопасности»: [Электронный ресурс] - http://www.vidim.od.ua/News_y1.aspx? pid=22&NewsID=105

5. Прудников Илья, Голов Андрей «Аутентификация пользователей» CIO, #4/2006.: [Электронный ресурс] - http://www.topsbi.ru/default.asp? trID=1

6. Компьютерный журнал «КомпьюПресс»,: [Электронный ресурс] - http://www.compress.ru/article.aspx? id=10113&iid=420

7. М. Попов «Биометрические системы безопасности», В. Задорожный «Обзор биометрических технологий».: [Электронный ресурс] - www.BRE.ru

8. Статья Современные биометрические методы идентификации.: [Электронный ресурс] - http://habrahabr.ru/blogs/infosecurity/126144/

9. Методы идентификации, аутентификации и авторизации в СУБД

10. Андрей Борзенко «Биометрические системы распознавания внешности»: [Электронный ресурс] - http://www.bytemag.ru/articles/detail.php? ID=8520

11. Face Verification using Correlation Filters Marios Savvides, Electrical and Computer Eng. Dept, Carnegie Mellon University Pittsburgh, PA 15213, U.S.A. http://www.ece.cmu.edu/~kumar/Biometrics_AutoID.pdf

12. On the Recent Use of Local Binary Patterns for Face Authentication S?bastien Marcel, Yann Rodriguez and Guillaume Heusch // http://www.idiap.ch/~marcel/professional/publications/marcel-ijivp-2007.pdf

13. Р.М. Болл и др. «Руководство по биометрии»

Размещено на Allbest.ru