ГОСТ Р 58624.3—2019
Экспериментатор должен определить параметры предъявления атаки, для того чтобы полностью
охарактеризовать диапазон взаимодействий злоумышленника с ОИ, и включить временные границы
предъявления.
Для определения вероятности, с которой метод ОАБП неправильно классифицирует подлинные
биометрические предъявления, требуется репрезентативный набор подлинных субъектов сбора дан
ных. Это важная часть испытания ОАБП, так как метод ОАБП может ошибочно классифицировать под
линные биометрические предъявления как атаку. Высокая вероятность ошибок классификации под
линных субъектов сбора биометрических данных приведет к сокращению удобства использования
биометрической системы.
Для определения репрезентативности подлинных биометрических предъявлений должен быть уч
тен выбор субъектов испытания и рассчитан размер выборки в соответствии с 6.5 и 6.6
ГОСТ Р ИСО/
МЭК 19795-1
—
2007,
в частности: общее количество подлинных биометрических предъявлений должно
превышать количество, требуемое правилом 30.
При оценке методов ОАБП экспериментатор должен:
- определить подлинные биометрические предъявления и репрезентативные субъекты сбора
биометрических данных для целевого приложения и популяции;
- дать обоснование этих определений.
Примечание — Определение подлинных биометрических предъявлений и репрезентативных субъек
тов сбора биометрических данных может быть сложной задачей при оценке методов ОАБП. В некоторых случаях
экспериментатор может характеризовать подлинные биометрические предъявления как соответствующие требо
ваниям изготовителя или разработчика. Однако в некоторых приложениях подлинное или репрезентативное взаи
модействие субъекта сбора данных с устройствами сбора данных может охватывать широкий диапазон поведения и
условий. Например, изготовитель может определить, что предъявление для биометрического сканера отпечат ков
пальцев удовлетворяет требованиям, если это предъявление с отпечатками пальцев хорошего качества. Хотя
можно провести испытания, в которых будут исключены все субъекты сбора биометрических данных с отпечатка ми
пальцев низкого качества, и считать, что рабочие системы будут допускать некоторую погрешность отпечатка
пальца в зависимости от обычных, адекватных или типичных условий. Впротивном случае рабочие системы имели
бы чрезмерно высокие ВЛНД и ВОБР, что особенно актуально при проведении испытаний ОАБП, так как ошибки в
классификации подлинных биометрических предъявлений наиболее часто могут встречаться у тех субъектов
сбора биометрических данных, выполнения действий которых с помощью устройств сбора биометрических данных
достаточно для биометрической регистрации или биометрического распознавания, но только незначительно соот
ветствует требованиям изготовителей.
7.3 Оценка подсистемы обнаружения атаки на биометрическое предъявление
Оценки подсистемы ОАБП измеряют способность подсистемы ОАБП правильно классифициро
вать предъявления атак и подлинные биометрические предъявления. Эффективное предъявление ата
ки будет неправильно классифицировано как подлинное биометрическое предъявление, что приведет
к обману подсистемы ОАБП.
Оценки подсистем ОАБП могут быть сосредоточены на эффективности биометрического сканера
(главным образом аппаратного обеспечения или, вероятно, встроенного программного обеспечения) в
показателях отклонения получения биометрического образца с автоматическими указаниями об откло
нении или без них. Такие оценки сфокусированы на отклонении ИАБП. Выходной сигнал подсистемы
ОАБП может быть дискретным, например пропуск/отказ для каждого используемого ИАБП.
В другом варианте оценки подсистем ОАБП могут быть сосредоточены на эффективности метода
ОАБП [3]. Данный тип оценки подсистемы ОАБП может быть выполнен в автономном режиме с выбор кой
биометрических образцов; подсистема ОАБП определяет, являются ли биометрические образцы атакой.
Такие испытания, как правило, проводят на собранной базе данных аналогично технологиче ским
испытаниям при оценке биометрических эксплуатационных характеристик.
Если подсистема ОАБП возвращает результат ОАБП, вероятности ложноотрицательных и лож
ноположительных ошибок могут быть выражены как функции от порога принятия решения (например,
кривая зависимости вероятности ошибок от результата ОАБП).
В разделе 10 представлены факторы, которые необходимо учитывать при разработке испытаний
для подсистем ОАБП, предназначенных для распознавания артефактов.
7.4 Оценка подсистемы сбора биометрических данных
В подсистемах сбора биометрических данных атаки на биометрическое предъявление могут
завершиться отказом по причинам, отличным от выявления атаки в подсистеме ОАБП. Например, в
7