АНАЛИЗ И СРАВНЕНИЕ БИОМЕТРИЧЕСКИХ ДАННЫХ, ПРИМЕНЯЕМЫХ ДЛЯ АВТОРИЗАЦИИ И АУТЕНТИФИКАЦИИ

На сегодняшний день все большее внимание уделяется безопасности в Интернете, создаются новые и более безопасные методы авторизации. Сейчас одним из наиболее безопасных методов является метод авторизации с использованием биометрических данных. Существует большое число различных биометрических данных, которые можно использовать для авторизации, однако не все из них обладают высокой безопасностью, каждый тип данных имеет свои преимущества и недостатки. В данной статье будут рассмотрены и проанализированы методы биометрической авторизации и возможность из применения для авторизации.

Каждая биометрическая система обладает следующими характеристиками: устойчивость к подделке (насколько сложно подделать данные, которые используются для распознавания), устойчивость к окружающей среде (влияние внешних факторов на работу системы), простота использования (насколько легко использовать биометрический сканер), скорость работы, стоимость системы [1]. Кроме того, нужно учитывать, что некоторые биометрические данные человека могут меняться со временем.

На сегодняшний день существует огромное число методов биометрической аутентификации. Основным методами, которые используют физиологические параметры человека, являются: метод идентификации по отпечатку пальца, по радужной оболочке глаза, по сетчатке, по геометрии руки и глаза [2]. Кроме того, также существуют методы идентификации по поведенческим признакам — это идентификация по голосу, почерку, походке и другие. На диаграмме 1  представлено распределение систем биометрической идентификации за последние несколько лет.

Диаграмма 1. Распределение систем биометрической идентификации

Все биометрические данные делятся на два основных типа, а именно поведенческие (голос, почерк, бессознательные движения и другие) и физиологические (отпечаток пальца, геометрия ладони, сетчатка глаза, геометрия лица и другие). Далее каждый тип биометрических данных будет рассмотрен по перечисленным выше характеристикам.

Для начала будут рассмотрены поведенческие биометрические данные. Первый тип биометрических данных – это голос. Голос не обладает достаточно хорошей универсальностью, так как некоторые люди не могут произносить звуки, например, немые люди, маленькие дети и т.д. Однако голос обладает довольно неплохой уникальностью, довольно сложно встретить двух человек с полностью идентичным голосом. На сегодняшний день системы распознавания способные учитывать не только тембр, но и многие другие характеристики голоса. Голос также не обладает достаточным постоянством, так как голос меняется в случае болезни, с возрастом и так далее. Получить голос пользователя можно с помощью обычного мобильного телефона, на котором установлен диктофон, таким образом, для недостаточно защищенных систем, легко фальсифицировать голос человека просто записав его голос на диктофон. Также распознавание голоса очень чувствительно к внешним шумам, система должна уметь отделять шумы от голоса пользователя.

Следующая характеристика – это почерк. Также как и голос обладает не очень хорошей универсальностью, так как некоторые люди не имеют почерка, например, маленькие дети, инвалиды и так далее. По уникальности – почерк уникален для каждого человека. Относительно постоянства – почерк может меняться со времен, например, почерк быстро меняется у детей, которые учатся в школе. Для получения данной характеристики достаточно получить всего несколько строк текста от пользователя. Данный метод не является максимально безопасным, так как почерк можно легко подделать, однако многие современные системы фиксируют не только сам почерк, но и некоторые динамические характеристики, например, силу нажатия, скорость написания буквы и так далее. Никакие внешние факторы и окружающая среда в системах распознавания почерка не оказывает влияние на распознавание.

Далее будут рассмотрены физиологические характеристики, которые можно использоваться для биометрической авторизации. Первой такой характеристикой является отпечаток пальца. Отпечаток пальца обладает довольно высокой уникальностью. Согласно исследованиям одной крупной американской компании 1 к 50 000, что у двух людей окажется одинаковый отпечаток пальца [3]. Кроме того, данная характеристика является универсальной, однако некоторые люди (например, инвалиды или преступники) не имеют отпечатков пальцев. Отпечаток пальца не меняется со временем, однако может изменяться в результате механических повреждений, порезов пальца, например. Для получения данной характеристики не обязательно иметь дорогостоящее оборудование, такое как сканер отпечатков пальцев. Многие мобильные устройства на сегодняшний день обладают встроенным аппаратным обеспечением для распознавания, также отпечаток пальца можно получать просто с камеры устройства. Отпечаток пальца можно подделать, однако современные системы развиваются и улучшают свою защиту от фальсификации. Многие биометрические системы распознавания отпечатка пальца подвержены влиянию внешних факторов, мокрый палец или, например, запотевший сканер ухудшают качество распознавания.

Еще один тип физиологических данных – это сетчатка глаза. Данный показатель обладает очень высокой универсальностью и отличной уникальностью. Кроме того, сетчатка глаза не изменяется со временем, то есть обладает довольно высоким постоянством. Однако данный тип биометрических данных очень сложный в получении, для его получение требуется специализированное дорогое оборудование, кроме того, человек сетчатка которого считывается, должен какое-то время стоять без движения, пока не окончится процесс считывания. Однако безопасность данного метода очень высокая и также высокая сложность подделки.

Следующий показатель – это радужная оболочка глаза. Также имеет хорошую универсальность и уникальность. Обладает довольно высоким показателем постоянства, не меняется со временем и почти не подвержена изменениям, связанным с травмами. Для получения данной характеристики, также как и для получения сетчатки глаза пользователя, требуется специальное оборудование, с использованием простой камеры телефона вряд ли можно будет добиться высокой степени распознавания. Радужную оболочку глаза можно поделать, использовав фотографию глаза пользователя, однако многие сканеры имеют защиту от такого типа фальсификации [4].

Еще один тип биометрических данных – это геометрия лица. Для распознавания может использоваться 2D или 3D лицо. 2D метод распознавания имеет очень низкие показателя, в связи с чем, постепенно уходит из применения в системах биометрической идентификации. 3D-распознавание лица имеет более высокие показатели. Данный метод обладает хорошей универсальностью и уникальностью. Однако, например, сканер установленный в мобильном телефоне одной американской кампании, не может распознать близнецов и дает разблокировать телефон обоим, то есть происходит ошибка предоставления доступа, человеку, который в системе не зарегистрирован.  На распознавание влияет изменение мимики человека, добавление внешних предметов (борода, усы, очки, шляпа и т.д.), с возрастом лицо человека меняется, в случае закрытых глаз и так далее. Для получения достаточно имеет телефон с камерой. Данный тип обладает низкой чувствительностью к внешним факторам.

В заключение можно сказать, что каждый тип биометрических данных, который был рассмотрен в данной статье, имеет свои положительные и отрицательные стороны. При реализации биометрической авторизации нужно уделять внимание целям и задачам, которые требуется достигнуть, например, для обеспечения наилучшей безопасности можно использовать сетчатку глаза и 3D-лицо, если необходимо, чтобы было легко реализуемо на мобильных устройствах, то лучше использовать отпечаток пальца и так далее.

Список литературы:

1. Мовчан А. Компьютерные системы биометрической идентификации, 2015. – 80 c.
2. Anil J. K. Introduction to Biometrics, 2011. – 307p.
3. Wayman J. L. Biometric Systems: Technology, Design and Performance Evaluation, 2005. – 361p.
4. Основы биометрии [Электронный ресурс],  2011 https://habrahabr.ru/post/126774/ (дата обращения 01.12.2017)