ГОСТ Р 58624.3—2019
температура, скорость смешивания и технология производства, могут оказать значительное влия
ние на результат метода ОАБП, легко определить десятки тысяч видов ИАБП с использованием суще
ствующих материалов. Для корректного статистического анализа потребуются сотни тысяч био
метрических предъявлений, и даже в этом случае вероятности ошибок не могут быть перенесены на
следующий набор новых материалов;
b
) сравнимость результатов испытаний по всем системам.
В эксплуатационных испытаниях биометрических систем для сравнения различных биометриче
ских систем или разных конфигураций могут быть использованы вероятности ошибок, рассчитанные на
основе одной и той же выборки биометрических образцов на конкретном приложении. Общепринятыми
являются понятия «лучше» и «хуже».
В то же время при использовании вероятностей ошибок для сравнения методов ОАБП такой тер
мин, как «лучше», может в значительной степени зависеть от конкретного приложения.
Пример
—
В сценарии испытаний с 10 видами ИАБП (представляемых 100 раз) система 1 обна
руживает 90 % предъявлений атаки, а система 2
—
85 %. Система 1 фиксирует все предъявления де
вяти видов ИАБП, но не все предъявления 10-го вида ИАБП. Система 2 обнаруживает 85 % всех видов
ИАБП. Какая система лучше? С точки зрения безопасности система 1 хуже, чем система 2, так как обна
ружение уязвимости 10-го вида ИАБП сориентирует злоумышленника постоянно использовать этот
метод для обмана устройства сбора биометрических данных. Однако если злоумышленники лишены
возможности применять 10-й вид ИАБП, то система 1 будет лучше, чем система 2, поскольку отдель ные
вероятности ошибок показывают, что можно обмануть систему 2 всеми видами ИАБП;
c) согласованность.
Многие эксплуатационные испытания биометрических систем относятся к приложениям, когда по
ведение субъектов является согласованным, например при контроле доступа. Ошибки вследствие не
правильной работы являются скорее следствием нехватки знаний, опыта или руководства, а не наме
рения. Несогласованность поведения значительной части группы не является частью соответствующей
«биометрической модели» и сделает вероятности ошибок практически бесполезными для эксплуатаци
онных испытаний биометрических систем.
Испытания ОАБП включают субъекты, поведение которых не является согласованным. Зло
умышленники попытаются найти и использовать любую уязвимость биометрической системы, обходя
или воздействуя на ее предполагаемое функционирование. Типы атак на биометрическое предъявле ние,
определяемые опытом и знаниями экспериментатора, могут значительно изменить вероятностные
характеристики успешности атак. Следовательно, сложно определить процедуры испытания, которые
измеряют вероятности ошибок в виде, характеризующем согласованное поведение;
d) автоматические испытания.
В эксплуатационных испытаниях биометрических систем часто возможны испытания алгоритмов
сравнения с использованием баз данных с устройств или датчиков похожего качества. Производитель
ность может быть измерена в технологических испытаниях с использованием ранее собранной выбор ки
образцов в соответствии с
ГОСТ Р ИСО/МЭК 19795-1.
При испытаниях ОАБП может быть недостаточно данных биометрического сканера (например,
цифровых изображений отпечатков пальцев). Биометрические системы с методами ОАБП часто со
держат дополнительные датчики для обнаружения специфических свойств биометрической характе
ристики. Следовательно, база данных, собранная ранее для конкретной биометрической системы или
конфигурации, может не подходить для другой биометрической системы или конфигурации. Даже не
значительные изменения в оборудовании или программном обеспечении могут сделать предыдущие
измерения непригодными. Нецелесообразно хранить многовариантные синхронизированные сигналы
ОАБП и воспроизводить их в автоматических испытаниях, поэтому в автоматическом режиме часто ис
пытания не задействованы при проведении испытаний и оценке методов ОАБП;
e) качество и производительность.
В эксплуатационных испытаниях биометрических систем производительность, как правило, на
прямую зависит от качества биометрических данных. Использование образцов низкого качества при
водит к высоким вероятностям ошибок, а применение образцов высокого качества — к снижению
вероятностей ошибок. Следовательно, показатели качества часто используются при повышении экс
плуатационных характеристик (в зависимости от приложения).
VI