Как изменить биометрию лица - Исправление ошибок и поиск оптимальных решений проблем

Алгоритм способен решать и обратную задачу: распознав лицо, строить на основе контрольных точек 3D-модель. Они могут использоваться, например, для создания специальных масок в мессенджерах

/ VisionLabs

Cистемы биометрического распознавания лиц – новая реальность жизни россиян. С 1 июля должна заработать единая биометрическая система, с помощью которой банки смогут удаленно подтверждать личность клиента и выдавать ему кредит. Москва и Санкт-Петербург должны оснастить метро, аэропорты и вокзалы видеокамерами с системами распознавания лиц. Но распространение новой технологии может спровоцировать новые способы взлома – теперь уже личности человека. Обман биометрических алгоритмов преследует две основные цели – мошенники либо пытаются обмануть систему, чтобы она не распознала их в принципе, либо же чтобы приняла за другого человека, рассказывают опрошенные «Ведомостями» разработчики биометрических решений.

Очки, кепка, борода

Большие темные очки, кепки, шарфы или просто закрытое рукой лицо помогут избежать распознавания. Но чтобы скрыться от всех камер, этим нужно пользоваться постоянно – в реальной жизни это непросто, рассуждает ведущий исследователь VisionLabs Олег Гринчук. С ним соглашается основатель другой компании-разработчика биометрии по лицу, NTechLab, Артем Кухаренко. Современные алгоритмы хорошо справляются с помехами – очками, кепками, поворотами и наклонами головы, заверяет он. Сегодня для успешного распознавания достаточно лишь 70% открытого лица, рассказывает Кухаренко. Например, NTechLab работает в Китае, где распространены медицинские маски, и алгоритм узнает людей в них. А наличие на лице очков и кепки снижает точность распознавания не более чем с 95% до 92%, уверяет он. Влияние бороды или очков на лице в одном из тестов измеряет национальный институт стандартов и технологий США (NIST), который тестирует алгоритмы распознавания, отмечает другой ведущий исследователь VisionLabs – Сергей Миляев. И такие атрибуты увеличивают вероятность ложного распознавания от одного случая на 50 000 до одного на 10 000, рассказывает эксперт.

Глаза – самая содержательная часть лица не только для человека, но и для машины, поэтому сокрытие глаз за солнцезащитными очками значительно снижает распознавание, отмечает техдиректор производителя систем видеораспознавания Vocord Алексей Кадейшвили. Но с нынешним уровнем развития алгоритмов скрыться от распознавания человеку в очках и кепке удастся, только если он будет постоянно смотреть вниз, тем самым скрывая лицо от камер козырьком кепки, отмечает эксперт. Хотя такое поведение вызовет подозрение само по себе, замечает он. Помимо глаз для алгоритма важна геометрия лица, положение и форма носа, губ, расстояние между глаз, замечает Кадейшвили. Густая борода, скрывающая губы, и другие способы исказить параметры лица затруднят работу алгоритма – человека с накладным носом, увеличенными губами и ярким макияжем алгоритм, вероятно, не распознает, разводит руками Кадейшвили.

Раньше глаза были основной опорной точкой для алгоритмов, поэтому солнцезащитные очки серьезно мешали распознаванию, рассказывает руководитель продуктового управления «Центра речевых технологий» (ЦРТ) Алексей Маркачев. Но алгоритмы эволюционировали и стали учитывать минимум 68 точек на лице (они расположены по контуру лица, определяют положение и форму подбородка, глаз, носа и рта, расстояние между ними), указывает эксперт. Поэтому, чтобы остаться неузнанным, мошеннику придется так или иначе изменить их все, подчеркивает Маркачев.

Поэтому люди стараются помогать алгоритмам. Системы контроля доступа на стадионах требуют от человека устранить с лица все помехи – будь то кепка или бандана, рассказывает Маркачев. Если лицо скрыто, то система даст сигнал сотруднику-стюарду, который попросит посетителя открыть лицо и посмотреть в камеру. После того как алгоритм детектировал лицо, он сравнивает его с доступными базами, например с черным списком болельщиков, и принимает решение, пропустить ли его через турникет, говорит Маркачев. Система видеоконтроля разработки ЦРТ установлена, например, на стадионе «Петровский» в Санкт-Петербурге. Ущерб от футбольных хулиганов клуб «Зенит» ощущал на своем кармане: каждый матч без зрителей обходился в 20 млн руб.

Близнецы и маски

Массовый эксперимент по взлому биометрического алгоритма поневоле устроила корпорация Apple. Свой флагман iPhoneX она оснастила системой распознавания Face ID, которая может разблокировать устройство по лицу хозяина. Тут же начались попытки ее обхода, вскоре увенчавшиеся успехом. Например, телефон смог разблокировать брат-близнец владельца iPhone, а вьетнамская фирма Bkav, работающая в области кибербезопасности, смогла взломать устройство с помощью маски стоимостью всего $200.

Маски или профессиональный грим, которым пользуются актеры для съемок в фильмах, можно называть наиболее эффективным способом обмана, замечает Миляев из VisionLabs. Например, в тесте распознавания лиц Labeled Faces in the Wild есть контрольная пара фотографий актрисы Николь Кидман – в жизни и на съемках одного из фильмов. Из-за грима и человеку сложно опознать ее и у некоторых алгоритмов эти фото также вызывают проблемы, приводит пример Миляев.

Чтобы убедить алгоритм, что перед ним другой человек, камере нужна идеальная картинка, объясняет гендиректор ЦРТ Дмитрий Дырмовский. Это может быть фотография человека на бумаге или цифровом устройстве, маска или 3D-модель лица, рассказывает он. Чем детальнее воспроизведены черты лица (компьютерная 3D-модель, которая симулирует мускулатуру лица, дает более высокое качество), тем больше шансов обмануть алгоритм. Именно с помощью подвижных 3D-масок, созданных на основе случайных фотографий из Facebook, представители Университета Северной Каролины смогли обмануть четыре из пяти систем распознавания на конференции по безопасности Usenix в 2016 г.

Исследователи тестировали и другие отвлекающие маневры. В июле прошлого года блогер Bobuk Григорий Бакунов рассказал о макияже, который помогает избежать распознавания и даже выдать себя за другого человека. Система наносит на фотографию случайные штрихи и цикл за циклом «ухудшает» качество распознавания лица, поясняет Бакунов. Теоретически один точный штрих может превращать для системы одного человека в другого, рассуждает он. Но до создания такого макияжа Бакунов не дошел – решил не создавать подспорье для злоумышленников.

Похожий эксперимент поставили исследователи Университета Карнеги-Меллон. Они создали специальное цветное покрытие для оправы очков (шаблон напечатали на струйном принтере), которое делало человека невидимым для алгоритма в 80% тестов, говорится в исследовании. Кроме того, цветная схема на очках могла обмануть систему, заставив ее принять человека на картинке за другого. Например, в 87,87% случаев алгоритм принимал белого мужчину в таких очках за актрису Милу Йовович и в 88% экспериментов позволял выдать женщину южноазиатского происхождения за мужчину с Ближнего Востока.

Банки осваивают технологию

«Почта банк» и Сбербанк уверяют, что пока не сталкивались с попытками обмана биометрических систем. Биометрия еще не внедрена повсеместно и пока тестируется, объясняет представитель Сбербанка. Для злоумышленников нет смысла тратить силы и время на такие атаки, когда есть банки, где эти технологии еще не используются. Со временем, когда большинство банков закроют более доступные уязвимости, мошенничество выйдет на новый виток технологического развития, прогнозирует он.
В «Почта банке» изображение клиента, которое система сравнивает с базой кредитных мошенников, может быть среднего качества – система справится вне зависимости от поворота головы, макияжа, уровня освещенности или разрешения камеры, говорит директор по управлению рисками «Почта банка» Святослав Емельянов. С помощью биометрии банк выявил в 2017 г. около 10 000 мошеннических сделок на сумму 1,5 млрд руб. Представитель ВТБ рассказывает о пилотном проекте по идентификации клиента: борода, очки и косметика не влияют на результаты распознавания. «Тинькофф банк» использует систему распознавания лиц пока только в качестве дополнительного фактора безопасности во время встречи представителя с клиентом при удаленном открытии счета и карты. Благодаря биометрии банк снизил кредитное мошенничество в 6 раз, радуется представитель банка.

Сухая статистика

В основе биометрии лежат статистические методы, поэтому алгоритмы способны ошибаться, признает Дырмовский из ЦРТ. Типов ошибки два: система пропускает «чужого» и отказывает в доступе «своему». Чувствительность системы (вероятность ошибки в ту или иную сторону) настраивает ее владелец. Система с высоким порогом пустит владельца в квартиру в лучшем случае с пятого раза, но не даст войти злоумышленникам, а менее строгая, например в call-центре банка, всегда будет узнавать владельца голоса, но и ошибаться будет чаще, разъясняет Дырмовский.

На этом и пытаются сыграть злоумышленники. Они наносят макияж, имитирующий усредненное лицо (например, для азиата или европейца), алгоритму для распознавания не хватает отличительных черт, и тогда решение перекладывается на плечи человека. А он ошибается в распознавании гораздо чаще. Такой способ обойти алгоритм встречается на пограничном контроле в европейских и американских аэропортах, где уже используются системы биометрической идентификации, рассказывает Маркачев из ЦРТ.

Впрочем, разработчикам известно о подобных ухищрениях. Специальный макияж, вроде того что разработал Бакунов, работает только для конкретного алгоритма, под который он и создавался, спорит Кухаренко из NTechLab. Алгоритм обучен распознаванию таких хитростей, уверяет он. Чтобы имитировать другого человека, мошеннику нужно постепенно корректировать макияж на алгоритме, но после нескольких ошибок алгоритм заблокирует ему доступ, соглашается Гринчук из VisionLabs. Точно так же можно обучить алгоритм справляться с очками из эксперимента Карнеги-Меллон, замечает Дырмовский.

Обман при помощи фотографий, масок и предварительно записанных видео распознают специальные liveness-технологии – они определяют, живой ли человек перед камерой, рассказывает Гринчук. Система просит человека улыбнуться, моргнуть или поднести камеру или смартфон ближе к лицу – комбинации проверки системы случайны, поэтому злоумышленник не сумеет предварительно записать тысячи видеороликов с нужными комбинациями действий, объясняет эксперт.

Источник

Биометрия — единственный метод идентификации, который «привязывает» цифровые учетные записи к конкретному человеку. Из-за этих уникальных свойств биометрические данные стали ценным товаром для мошенников.

О том, что могут сделать компании, чтобы защитить биометрические данные своих клиентов и в целом повысить доверие к биометрической идентификации, рассказывает Александр Горшков, директор по развитию Iris Devices (резидента «Сколково»).

Кража биометрических данных

Когда злоумышленники копируют электронный пропуск, подбирают пароль или применяют скимминг пластиковой карты, все эти вещи можно заменить и таким образом предотвратить возможное мошенничество.

С появлением биометрических технологий процесс идентификации упростился. Но проблема в том, что, в случае кражи, изменить биометрические признаки не получится.

	Первые существенные хищения были выявлены три-четыре года назад:
2016	В Гане похищены биометрические данные избирателей.
2017	Украдены биометрические данные филиппинских избирателей. У американской компании Avanti Markets, похищены отпечатки пальцев покупателей. Утечка данных из индийской биометрической системы Aadhaar.
2018	В Зимбабве похитили отпечатки пальцев и фотографии избирателей. Компрометация биометрических данных миллиарда граждан Индии.
2019	В открытый доступ попала многомиллионная база отпечатков пальцев из южнокорейской компании Suprema. Похищены записи голоса клиентов Сбербанка.

К сожалению, даже самая лучшая многоуровневая защита от взлома имеет уязвимости, и возникновение подобных инцидентов неизбежно.

Как сделать биометрическую идентификацию безопасной

Чтобы исключить или минимизировать возможный ущерб, нужно своевременно выявлять попытки имитации чужой биометрии — обнаруживать подделку в реальном времени и подтверждать или опровергать, что данные представлены истинным обладателем.

Проверка на живой/неживой с использованием многофакторной идентификации значительно повышает безопасность и делает кражу любого элемента персональных данных несущественной.

Уже есть концепции, которые объединяют биометрические данные с другими элементами безопасности. Такие решения создают более надежные цифровые учетные записи, и самих по себе украденных биометрических признаков становится недостаточно для совершения противоправных действий.

Мультиспектральная проверка на живой/неживой

В основе одного из эффективных подходов к обнаружению подделки биометрических признаков лежит мультиспектральная регистрация, что значительно усложняет применение поддельных биометрических данных для идентификации.

При этом методе сравниваются невидимые в обычных условиях оптические характеристики исследуемого материала с известными характеристиками живого объекта. Используются несколько источников света различных спектров для получения информации с поверхности и из глубины живой ткани, вплоть до капиллярных сосудов.

Для своевременного реагирования применяются нейросетевые алгоритмы машинного зрения, которые можно оперативно адаптировать при выявлении новых типов угроз и подделок.

Многофакторная идентификация

Обеспечить качественную и надежную идентификацию пользователей можно, реализовав многофакторное решение, когда регистрируются несколько биометрических и не биометрических признаков личности.

Строгая идентификация с помощью двух или более факторов принципиально безопасней.

Важно использовать сочетание нескольких надежных способов идентификации, чтобы пользователь сам мог выбрать наиболее приемлемые и удобные для него.

Отменяемая биометрия

Мы не можем изменить свои биометрические данные, но можем поменять алгоритм хранения и работы с ними. Для этого разрабатываются специальные решения под общим названием «отменяемая биометрия».

Эта технология основана на преднамеренном повторяемом искажении биометрических данных на основе предварительно выбранного преобразования. Биометрический сигнал одинаково искажается как при регистрации, так и при каждой идентификации.

Такой подход позволяет использовать для каждой записи свой метод, что препятствует перекрестному сопоставлению.

Кроме того, если экземпляр преобразованной биометрии скомпрометирован, достаточно изменить алгоритм конвертации, чтобы сгенерировать новый вариант для повторной регистрации.

Для обеспечения безопасности используются необратимые функции. Таким образом, даже если алгоритм конвертирования известен и имеются преобразованные биометрические данные, то восстановить по ним исходную (не искаженную) биометрию не получится.

Преобразования могут применяться как в области сигнала, так и в области признаков. То есть либо биометрический сигнал преобразуется непосредственно после его получения, либо обрабатывается обычным образом, после чего преобразуются извлеченные признаки.

Алгоритм преобразования допускает расширение шаблона, что позволяет увеличить надежность системы.

Примеры преобразований на уровне сигнала включают в себя морфизацию сетки или перестановку блоков. Измененное изображение не может быть успешно сопоставлено с исходным образом или с аналогичными изображениями, полученных с другими параметрами преобразования.

Преобразование изображения на основе морфинга изображения.

Источник: «Enhancing Security and Privacy in Biometrics-Based Authentication Systems» by N. K. Ratha, J. H. Connell, R. M. Bolle

На рисунке представлена оригинальная фотография с наложенной сеткой, выровненной по лицевым признакам. Рядом с ней — фотография с измененной сеткой и результирующее искажение лица.

Преобразование изображения на основе скремблирования блоков

Источник: «Enhancing Security and Privacy in Biometrics-Based Authentication Systems» by N. K. Ratha, J. H. Connell, R. M. Bolle

На рисунке на модель нанесена блочная структура, выровненная по характерным точкам. Полученные блоки затем скремблируются случайным, но повторяемым образом.

Разработаны решения, генерирующие стабильный и повторяемый биометрический код для создания так называемого истинного биометрического хеширования. Алгоритм позволяет генерировать стабильный биометрический код при различных условиях окружающей среды и естественного шума датчиков во время биометрического сканирования. Это ограничивает ошибки регистрации. В результате система работает с высокой производительностью и надежностью.

Энтропия, генерируемая системой, ограничивает риски появления разных людей с некоторыми сходствами и создание одинаковых стабильных кодов.

Таким образом, использование только стабильных битов из биометрического сканирования создает стабильный код, который не требует сохраненный биометрический шаблон для аутентификации.

Процесс регистрации выглядит так:

Биометрическое сканирование захватывает изображение;
Алгоритм извлекает из изображения стабильные и воспроизводимые векторы;
Генерируется открытый и закрытый код. Закрытый код хешируется;
Симметричные или асимметричные криптографические ключи выдаются из сгенерированного биометрического хэш-кода;
В случае асимметричных криптографических ключей — открытый ключ сохраняется, закрытый ключ стирается из системы. Никаких биометрических данных не хранится ни в одном случае.

Верификация осуществляется следующим образом:

Биометрическое сканирование захватывает изображение;
Алгоритм извлекает те же стабильные функции, что и при регистрации;
Публичный код сообщит системе «где находятся функции» для поиска частного кода;
Создается один и тот же закрытый код, для аутентификации выдаются одни и те же хэш и криптографические ключи.

Блок-схема с симметричными криптографическими ключами

Блок-схема с асимметричными криптографическими ключами

Чтобы преобразование было повторяемым, перед его началом биометрический сигнал должен быть надлежащим образом зарегистрирован. Эта проблема частично решена с помощью ряда методов, описанных в научной литературе.

Как достичь максимума и обеспечить доверие к биометрической идентификации

К сожалению, необходимо принять тот факт, что любые персональные данные, в том числе и биометрические, не могут быть полностью защищены от хищения.

Максимум, что можно сделать — это проектировать системы, которые обесценивают украденные данные.

Ряд биометрических характеристик являются публичными. Например, наше лицо можно сфотографировать, а голос — записать на диктофон. Для обеспечения доверия пользователей к биометрической идентификации необходимо обеспечить надежность и безопасность используемых систем за счет:

Шифрования данных на биометрических терминалах для защиты от взлома;
Биометрической идентификации в режиме реального времени с проверкой на живой/неживой;
Использования мультиспектральных и мультимодальных решений;
Быстрой адаптации алгоритмов к появлению новых уязвимостей;
Применения алгоритмов, которые обесценивают украденные биометрические данные.

Чтобы отношение пользователей к системам биометрической идентификации стало доверительным, лучше предлагать решения, в которых для подтверждения личности надо, например, посмотреть непосредственно в объектив камеры или на определенную метку. Это устранит опасения на счет скрытой слежки и несанкционированного контроля.

Фото на обложке: Shutterstock / NicoElNino

Источник

Систему распознавания лиц можно обмануть при помощи макияжа

Сегодня в крупных городах нет ни одного общественного места без камер наблюдения. Многие из них подключены к системе распознавания лиц — если кто-то совершит преступление, полиция с большой долей вероятности сможет распознать его личность и арестовать. Продвинутые камеры есть даже в России и особенно много их в Москве. В феврале 2020 года стало известно, что власти города купили одну из самых лучших в мире систем распознавания лиц за 3,2 миллиона долларов. Она была разработана российской компанией NtechLab, которая изначально являлась автором сервиса для поиска людей во «Вконтакте» по фотографии. Несмотря на продвинутость некоторых систем, их точность до сих пор не равняется 100% и системы легко обмануть. Чтобы решить эту проблему, программисты постоянно ищут способы обмана алгоритмов. Недавно выяснилось, что ввести камеры наблюдения в замешательство можно при помощи макияжа.

Правильно подобранный макияж может ввести камеры наблюдения в замешательство

Маска для обмана системы распознавания лиц

Системы распознавания лиц совершенствуются каждый год. Раньше обмануть их было довольно просто — я уже рассказывал, что избавиться от слежки можно просто надев маску с лицом другого человека. Специально для противников строгого контроля, американский художник Лео Сельваджио на протяжении пяти лет продавал маски с собственным лицом. Судя по официальному сайту проекта, деятель искусств до сих пор занимается продажей «обманок». При желании, его лицо можно просто скачать и распечатать. Но сегодня такой способ защиты своей конфиденциальности может не работать — алгоритмы распознавания лиц сегодня не так просты, как раньше.

Маска Лео Сельваджио для обмана камер наблюдения

Интересный факт: в 2019 году несколько районов Пекина получили «умные» мусорные баки с камерами наблюдения. Это было сделано для того, чтобы жители домов более осознанно выбрасывали мусор: бумагу, пластик и алюминиевые банки нужно выбрасывать отдельно. Подробнее об этом мы писали тут.

Можно ли обманывать камеры наблюдения?

К тому же, стоит понимать, что попытка обмана систем распознавания лиц может быть принято как попытка нарушить закон. Согласно части 4 статьи 6 Федерального Закона № 54-ФЗ, если человек является участником публичного мероприятия, он не имеет права «скрывать свое лицо, в том числе использовать маски, средства маскировки, иные предметы, специально предназначенные для затруднения установления личности». Так что все это — не игрушка и стоит быть максимально осторожным.

За сокрытие лица в общественном месте можно получить проблемы с законом

Макияж для обмана распознавания лиц

Недавно израильские ученые под руководством Юваля Эловици (Yuval Elovici) разработали метод обмана систем распознавания лиц без самок — нужен только правильный макияж. Самая главная особенность нового способа является то, что нанесенный на лицо рисунок незаметен для окружающих людей. Если не углубляться в сложные подробности, ученые использовали нейронную сеть, которая определяет самые важные для распознавания области на человеческом лице. После этого он наносит на фотографию макияж, который позволяет максимально изменить вид этих областей. Получив эти данные, ученые нанесли косметику на лица 20 настоящих людей из использованных снимков и попросили их пройти под камерой наблюдения. Если раньше их лица распознавались с точностью 47,57%, то макияж снизил точность до 1,22%.

Суть разработанного метода обмана систем распознавания лиц

Чтобы убедиться в эффективности специального макияжа, ученые попробовали нанести косметику на лица случайным образом — точность снизилась только до 33,73%, то есть новый метод действительно работает. Скорее всего, эта информация уже отправлена разработчикам систем распознаваний лиц или они сами прочитали о нем в интернете. Так что скоро системы наверняка будут обновлены, чтобы новый метод стал нерабочим. Само собой разумеется, после крупного обновления системы наверняка станут дороже.

Если хотите обсудить новости высоких технологий, вступайте в наш Telegram-чат. Будем вам рады!

Если вы хотите углубиться в тему чуть глубже и узнать, как работают системы распознавания лиц и как они развиваются, рекомендую почитать эту статью. В нем также рассказано, где именно могут использоваться такие системы и стоит ли этого бояться. Тема довольно актуальная и, если вам не наплевать на сохранность личных данных, обязательно прочтите.

Для отправки комментария вы должны или

Источник

Прогресс в сфере безопасности или конец частной жизни

RusGuard / Instagram

Толчок развитию технологии распознавания лиц дало объединение систем видеонаблюдения и искусственного интеллекта. Если от камер требуется только грамотное расположение и хорошее качество картинки, то анализом лиц занимается нейросеть. Вопросы слежки за людьми и безопасности персональных данных обсуждают в соцсетях, на форумах и телевидение. В статье мы ответим на вопросы:

с чего всё начиналось?
как технология работает?
как это делает нашу жизнь безопаснее?
могут ли это использовать против нас и следить за нами?
можно ли обмануть эту систему?
какое у неё будущее?

Как и когда всё началось

Машинное распознавание лиц

В 1960-х годах профессор Техасского университета Вудро Бледсо с коллегами создал систему по упорядочиванию фотографий лиц. В её основу легла байесовская теория принятия решений. Учёные разработали специальный планшет, где вводились вертикальные и горизонтальные координаты основных черт лица: глаз, носа и рта.

Записанные координаты сохранялись в системе. И когда в неё вносилось новое фото человека, система выдавала схожее изображение из сохранённых ранее фото с введёнными координатами. В этом эксперименте не использовались компьютеры, но в нём впервые использовался на практике биометрический метод.

В 1970-х годах эту систему модернизировали, добавив дополнительные маркеры толщины губ и цвета волос.

Технология Eigenfaces

Eigenface – дословно «собственные лица». Этот метод распознавания лиц сотрудники университета Брауна Лоуренс Сирович и Майкл Кирби создали в 1988 году. При анализе изображений использовалась линейная алгебра, для разметки лиц применялось до 100 значений.

В 1991 году Алекс Пентланд и Мэтью Тёрк из Массачусетского технологического института смогли автоматизировать алгоритм Eigenfaces. После этого управление перспективных исследовательских проектов при минобороны США и Национальный институт стандартов и технологий выпустили программу FERET. В 2002 году её начали применять для поиска преступников.

Широкое применение

В 2011 году в панамском аэропорту Токумен установили крупнейшую на тот момент биометрическую установку, которую использовали для борьбы с преступностью. Тогда же систему стали применять американские военные для опознания тел погибших. Благодаря технологии удалось подтвердить личность террориста Усамы Бен Ладена.

Сейчас распознавание лиц используются в правоохранительных органах, ритейле, развлекательных приложениях вроде FaceApp и в сервисах знакомств. Например, приложение Badoo запустило в 2017 году функцию поиска двойников. Первой соцсетью, применившей распознавание лиц, стала в 2010 году Facebook.

Пользователи с тайными фантазиями могут найти своих Навального и Матвиенко TJ

Как сейчас организовано распознавание лиц

Рынок биометрии в 2015-2018 годах ежегодно рос на 36%, о чём свидетельствуют данные J’son & Partners Consulting. Российский рынок отличается активным внедрением систем распознавания лиц, тогда как в мире основной тренд это разработки в области идентификации отпечатков пальцев.

К концу 2018 года на долю технологий распознавания лиц на биометрическом рынке России пришлось 50%. В течение четырёх лет этот сегмент рос ежегодно на 106,7%

Широкое распространение получили терминалы по распознаванию лиц. Внешне они похожи на смартфон или планшет и крепятся на специальные штативы или на стену рядом с дверью или турникетом. Это избавляет сотрудников от необходимости вводить пароли, предъявлять документы или пользоваться ключ-картами.

Терминал распознавания лиц R20-Face (5W)
RusGuard / Instagram

Запрос на безопасность существовал в обществе всегда. Поэтому когда технология вышла на рынок услуг, её начали внедрять в вузах, бизнес-центрах и административных зданиях. В числе лидеров на рынке биометрии в России технология FindFace от NtechLab – «дочки» госкорпорации «Ростех».

Российская компания NtechLab со своей технологией в декабре 2015 года обошла разработчиков Google и победила в мировом чемпионате по распознаванию лиц The MegaFace Benchmark

Если в мире биометрические технологии изначально использовались в государственном секторе для внедрения биометрических паспортов и систем погранконтроля, то в России освоение этой сферы началось с коммерческого сегмента. В 2014 году 87% российского биометрического рынка приходилось на системы контроля и управления доступом (СКУД) и учёт рабочего времени. Когда власти регионов начали внедрять систему распознавания лиц в общественных местах, транспорте и на инфраструктурных объектах, доля коммерческого сегмента снизилась до 53%.

Наравне с NtechLab разработкой в сфере распознавания лиц в России занимаются VisionLabs, Sensemaking Lab и «Центр речевых технологий» (ЦРТ). Система работает по алгоритму:

Детектирование лица и силуэта на изображении
Исправление визуальных искажений
Верификация лица

Точки-маркеры, используемые для идентификации и верификации личности NtechLab

Когда началась пандемия коронавируса, появилась необходимость проверять температуру и ношение масок. Встроенные в терминалы распознавания лиц термометры определяют температуру меньше чем за секунду, а погрешность не превышает полградуса. Проверка наличия маски не мешает идентифицировать человека.

Терминал распознавания лиц со встроенным термометром RusGuard / Instagram

Где ещё используют распознавание лиц

Всё чаще биометрию начинают использовать и для повышения уровня удобства. В середине октября 2021 года система FacePay, позволяющая проезд в метро «оплатить лицом», заработала на всех станциях Москвы. Перед турникетами на полу наклеены чёрные круги, на которые надо встать чтобы камера «срисовала» лицо. После этого вход откроется, а деньги с карты спишутся.

Турникет в метро, где можно оплатить проезд с помощью лица Московское метро / Instagram

Чтобы воспользоваться услугой, нужно в приложении «Метро Москвы» привязать банковскую карту и «Тройку». Но при этом у банка должны быть ваши биометрические данные и согласие на их обработку. Поэтому тем, кто не хочет пользоваться этой системой, не стоит опасаться из-за случайных списаний денег при прохождении рядом с терминалом.

Система пока «сыровата». Когда новость о FacePay опубликовали в Instagram-аккаунте московского метро, пользователи стали жаловаться, что считывание лиц иногда занимает до 20 секунд и создаёт очереди.

В банковской системе

Эта сфера – лидер по применению биометрических технологий в России. В ней есть свои «чёрные списки» с недобросовестными посетителями. Когда человек из такого списка заходит в банк, охрана получает сигнал и реагирует.

С 30 июня 2018 года банкам и госорганам разрешили собирать биометрические данные физлиц в единую биометрическую систему (ЕБС) и проводить удалённую идентификацию клиентов. После идентификации клиент может из дома открыть счёт и заказать карту, для этого нужно будет подтвердить операции голосом и через фото.

Появление ЕБС уравнивает крупные и мелкие банки в части привлечения клиентов. Теперь человеку, чтобы оформить карту, не нужно ехать в отделение интересующего банка. Сдать биометрические данные можно в ближайшем отделении любого банка, а потом через интернет оформить карту в другом банке.

Безопасность

В 2017 году в Москве заработала одна из крупнейших в мире систем безопасности с применением технологии распознавания лиц. В ней задействовано около 200 тысяч камер. Кроме камер, в эту инфраструктуру входят сотни серверов, устройства хранения данных, компьютеры и графические ускорители.

NtechLab разработала для МВД видеорегистраторы с распознаванием лиц. Камера размером чуть меньше рации крепится на форму и анализирует видеопоток, выделяя лица и отправляя данные на сервер. Гаджет тестируется полицией и частными охранными предприятиями.

Для поиска пропавших людей с воздуха «Лаборатория Касперского» создала нейросеть для дронов. Беспилотник распознаёт человека с высоты 150 метров даже если в кадр попала только часть тела.

Машинное зрение лучше человеческого глаза анализирует изображения. Например, когда картинку рассматривает оператор, он в первую очередь ищет цветовые несоответствия – такова физиология. Однако когда человек в камуфляже, что среди грибников случается часто, заметить его с высоты сложнее. Для нейросети же цвет одежды не играет большой роли. Но главное – программа находит людей за миллисекунды

Владимир Клешнин, руководитель направления Kaspersky Neural Networks

Поисково-спасательный отряд «Лиза Алерт» использует машинное зрение для поиска людей с воздуха с 2018 года. Но раньше нейросеть работала на наземных компьютерах, поэтому изображения обрабатывались только когда дроны возвращались на землю. Теперь система работает в реальном времени, что позволяет более оперативно вести поиски.

На стадионах и митингах

31 января 2021 года в Москве планировался несанкционированный митинг. Используя технологию распознавания лиц, полицейские задержали в метро некоторых участников до начала акции. Система срабатывала на лица людей, которые уже занесены в базу участников несанкционированных акций.

«Ростех» во время чемпионата мира по футболу, который проходил в России в 2018 году, подключил к системе распознавания лиц FindFace Security около 500 камер в регионах, где проходили матчи. Камеры устанавливались на улицах, в метро, на стадионах и фанзонах. Это позволило во время чемпионата задержать более 180 нарушителей, часть которых находилась в федеральном розыске.

Технологию FindFace Security разработала дочерняя компания NtechLab. Система функционирует на десяти спортивных аренах страны, среди которых стадионы «Петровский» в Санкт-Петербурге, «Казань Арена» и «Татнефть Арена» в Казани и «Металлург» в Магнитогорске.

В торговых центрах

В этом случае система видеонаблюдения охватывает весь торговый зал. Когда посетитель что-то крадёт или повреждает и попадает на камеры, операторы заносят его в «чёрный список». Эти списки синхронизируются и работают во всех магазинах сети. Когда нарушитель приходит снова, охрана магазина получает сигнал.

К внутренним системам торговых центров можно подключать внешние базы данных и искать, например, пропавших и разыскиваемых людей. Такая система работает в «Бауцентре» в Калининграде.

Вокзалы и аэропорты

В Москве системой распознавания лиц оборудованы все ж/д вокзалы и аэропорты. Также она действует на ж/д вокзале в Сочи, на транспортных узлах Сахалина и Саранска. На таких объектах основная задача системы – поиск преступников, находящихся в розыске.

А для удобства пассажиров в России разработана система, которая позволила бы регистрироваться на самолёт без паспорта и посадочного документа. Но разработчиков из ЦРТ сдерживает нормативное регулирование. В Европе такое уже практикуется.

На дороге

В этой сфере нейросеть распознает не лица, а машины. ГИБДД и Росгвардия летом 2021 года начали использовать дроны для выявления нарушений ПДД в 17 регионах страны: в Тюменской, Омской, Амурской, Ростовской, Воронежской, Новосибирской, Свердловской областях, в Пермском, Забайкальском, Красноярском и Краснодарском краях, в республиках Удмуртия, Адыгея, Татарстан, Бурятия, Ингушетия и в Москве.

На участке, где используются дроны, находится наряд ДПС. Инспекторы с беспилотников получают информацию о нарушениях. Чаще всего они фиксируют административные нарушения на дороге. Аппаратно-программный комплекс «Шмель» может следить сразу за пятью полосами движения, распознавать номера и определять разыскиваемые машины.

В быту

В марте 2019 года на выставке eShow в Барселоне компания PayXpert представила киоск, в котором товар или услугу можно оплатить с помощью лица. Для этого нужно скачать приложение, привязать к нему банковскую карту и сфотографироваться. После «оплаты лицом» деньги автоматически списываются с карты.

В повседневной жизни технология может обеспечивать доступ в многоквартирные дома. А если устанавливать терминалы распознавания лиц на проходных в офисных и административных зданиях, это позволяет управлять рабочим временем сотрудников.

На фоне возросшей террористической угрозы и массшутингов в учебных заведениях терминалы начали устанавливать в университетах. В числе таких вузов Уральский государственный университет путей сообщения. Также 1 сентября 2021 года в Пермском госуниверситете начали тестировать систему распознавания лиц в первом и втором корпусах. Страшная ирония в том, что спустя 20 дней студент этого же вуза устроил массовый расстрел в восьмом корпусе университета.

Угроза частной жизни

NtechLab начинала с нашумевшего в своё время приложения FindFace для поиска людей по фото в соцсети «ВКонтакте». Его запустили в 2016 году, аудитория превысила 1 млн человек. Благодаря этому сервису, журналисты смогли установить личность Арама Петросяна, который захватил в августе 2016 года отделение «Ситибанка» в Москве. Позже сервис часто оказывался в центре скандалов из-за нарушения приватности. 1 июля 2018 года он прекратил работу.

Похожие претензии были к американской системе ClearView Ai, которая помогала полиции искать людей, используя фото из Facebook и Twitter. Доступ к 3 млрд фото пользователей имели более 600 полицейских департаментов США. 2 ноября 2021 года в Facebook (переименована в Meta 28 октября 2021 года) также заявили о прекращении использования технологии распознавания лиц.

«Люди, которые соглашались (на её использование), больше не будут автоматически определяться на фото и видео. Мы удалим индивидуальные шаблоны для распознавания лиц более чем миллиарда людей», – говорится в заявлении соцсети.

Дополнительные риски сбора биометрических данных – их утечка и ошибки в распознавании. Технология распознавания лиц от Amazon в 2018 году ошибочно опознала 28 членов Конгресса США как преступников.

Можно ли обмануть систему

Системы распознавания лиц отличают реальное лицо от фотографии. Это позволяет избежать мошенничеств. Очки и головные уборы тоже не дают ожидаемого эффекта тем, кто хочет обойти систему.

Систему не удалось обмануть никакими ухищрениями: один из фанатов, которому по решению суда запрещено посещение спортивных мероприятий, пять раз пытался проникнуть в фанзону, маскируясь то очками, то капюшоном, то кепкой, но это не помогло

Сергей Чемезов, гендиректор «Ростеха» о применении системы FindFace Security на ЧМ-2018

В 2017 году команда Григория Бакунова, занимавшего на тот момент пост директора по распространению технологий «Яндекса», придумала макияж, с помощью которого можно обмануть технологию распознавания лиц. В качестве экспериментов разработчики наносили на лица макияж и смотрели, как система распознаёт разрисованные физиономии. После этого команда разработала алгоритм, который индивидуально подбирает подходящий макияж.

«Довольно быстро был написан не очень сложный, но эффективный генетический алгоритм, который получал на входе фотографию, а потом итеративно сравнивал её с оригиналом, добиваясь максимального анти-сходства. По достижении нужных нам результатов формулировался план макияжа, который и претворялся в жизнь», – написал Бакунов в своём Telegraph.

Макияж позволял обманывать банковские системы и уклоняться от слежки. Но разработчики решили не выпускать сервис, потому что, по словам Бакунова, слишком велик шанс, что его будут использовать злоумышленники. «Потому что технологии – это, конечно, хорошо, но совесть мне как-то дороже», – аргументировал Бакунов.

Пример макияжа, позволяющего обмануть систему распознавания лиц Grigory Bakunov / Telegraph

Специалистам компании Videomax удалось обмануть алгоритм «Face-Интеллект». Они выяснили, что сделать это можно, если одновременно надеть парик с длинными волосами, а поверх него – головной убор, наклеить усы, пластыри и нарисовать синяки. Точность идентификации в этом случае падала до 51%.

Разработчики из Вьетнама смогли взломать на iPhone X функцию распознавания лиц Face ID. Для этого они использовали 3D-маску, силикон и скотч.

Универсальных методов обмана системы распознавания лиц нет потому, что нет единой такой системы. Компании используют разные технологии, работа которых строится на различающихся нейросетях.

Что будет дальше

Если поначалу распознавание лиц применялось только в правоохранительных органах и сфере безопасности, то сейчас компании, которые занимаются в России внедрением технологии распознавания лиц, нацелены на массовый сегмент. Это финансовые организации, ритейл и контроль доступа.

Продукты российской компании VisionLabs используют банк «Открытие», «Тинькофф» и «Почта банк». По словам основателя компании Александра Ханина, в банковской сфере есть два сценария дальнейшего применения технологии.

Первый – оформление кредитов в банке. Клиент предоставляет нужные документы, потом его фотографируют. Снимок сравнивается с исторической базой. Такой сценарий позволяет избежать мошенничеств с поддельными паспортами.

Во втором случае терминал электронной очереди с камерой устанавливается на входе в банк. Когда клиент берёт талон, камера сравнивает его лицо с существующими в базе клиентами. В таком случае сотрудник банка заранее знает, кто к нему придёт и какие продукты ему можно предложить.

В больших и островных странах актуально применение технологии для дистанционного обслуживания клиентов. Это избавило бы клиентов от дальних поездок в районные центры. Если банкам и страховым организациям такое решение упрощает взаимодействие с клиентами, то интернет-магазинам это могло бы дать рост продаж.

Среди решений для ритейла – анализ обезличенных данных. Компании могут анализировать маршруты клиентов, время ожидания, точки привлечения внимания, возраст, пол и эмоции. Такие данные можно использовать и для наблюдения за перемещением граждан по городу. Это помогло бы оптимизировать общественный транспорт и выявить места наилучшего расположения кафе и магазинов.

Источник

Методы обхода биометрической защиты

Время прочтения
4 мин

Просмотры 34K

Месяц назад журналист издания Forbes наглядно продемонстрировал (не)надёжность биометрической защиты в устройствах потребительского класса. Для теста он заказал гипсовую 3D-копию своей головы, после чего попытался с помощью этой модели разблокировать смартфоны пяти моделей: LG G7 ThinQ, Samsung S9, Samsung Note 8, OnePlus 6 и iPhone X.

Гипсовой копии оказалось достаточно для снятия блокировки четырёх из пяти протестированных моделей. Хотя iPhone не поддался на обманку (он сканирует в ИК-диапазоне), но эксперимент показал, что распознавание лиц — не самый надёжный метод защиты конфиденциальной информации. В общем, как и многие другие методы биометрии.

В комментарии представители «пострадавших» компаний сказали, что распознавание лиц делает разблокировку телефонов «удобной», но для «самого высокого уровня биометрической аутентификации» рекомендуется применять сканер отпечатка пальца или радужной оболочки глаза.

Эксперимент также показал, что для реального взлома недостаточно пары фотографий жертвы, потому что они не позволят создать полноценную 3D-копию черепа. Для изготовления приемлемого прототипа требуется съёмка с нескольких углов при хорошем освещении. С другой стороны, благодаря социальным сетям сейчас есть возможность получить большое количество подобного фото- и видеоматериала, а разрешение камер увеличивается с каждым годом.

Другие методы биометрической защиты тоже не лишены уязвимостей.

Отпечатки пальцев

Системы для сканирования отпечатков пальцев получили распространение в 90-е годы — и тут же подверглись атаке.

В начале 2000-х хакеры отточили механизм изготовления искусственных силиконовых копий по имеющемуся рисунку. Если наклеить тонкую плёнку на собственный палец, то можно обмануть практически любую систему, даже с другими сенсорами, которая проверяет температуру человеческого тела и удостоверяется, что к сканеру приложен палец живого человека, а не распечатка.

Классическим руководством по изготовлению искусственных отпечатков считается руководство Цутому Мацумото от 2002 года. Там подробно объясняется, как обработать отпечаток пальца жертвы с помощью графитового порошка или паров цианоакрилата (суперклей), как затем обработать фотографию перед изготовлением формы и, наконец, изготовить выпуклую маску с помощью желатина, латексного молочка или клея для дерева.

Изготовление желатиновой плёнки с дактилоскопическим рисунком по контурной пресс-форме с отпечатком пальца. Источник: инструкция Цутому Мацумото

Самая большая сложность в этой процедуре — скопировать настоящий отпечаток пальца. Говорят, самые качественные отпечатки остаются на стеклянных поверхностях и дверных ручках. Но в наше время появился ещё один способ: разрешение некоторых фотографий позволяет восстановить рисунок прямо с фотографии.

В 2017 году сообщалось о проекте исследователей из Национального института информатики Японии. Они доказали возможность воссоздания рисунка отпечатка пальца с фотографий, сделанных цифровым фотоаппаратом с расстояния в три метра. Ещё в 2014 году на хакерской конференции Chaos Communication Congress продемонстрировали отпечатки пальцев министра обороны Германии, воссозданные по официальным фотографиям высокого разрешения из открытых источников.

Другая биометрия

Кроме сканирования отпечатков пальцев и распознавания лиц, в современных смартфонах пока массово не используются иные методы биометрической защиты, хотя теоретическая возможность есть. Некоторые из этих методов прошли экспериментальную проверку, другие внедрены в коммерческую эксплуатацию в различных приложениях, в том числе сканирование сетчатки глаза, верификация по голосу и по рисунку вен на ладони.

Но у всех методов биометрической защиты есть одна фундаментальная уязвимость: в отличие от пароля, свои биометрические характеристики практически невозможно заменить. Если ваши отпечатки пальцев слили в открытый доступ — вы их уже не поменяете. Это, можно сказать, пожизненная уязвимость.

«По мере того, как разрешение камеры становится выше, становится возможным рассматривать объекты меньшего размера, такие как отпечаток пальца или радужная оболочка. […] Как только вы делитесь ими в социальных сетях, можете попрощаться. В отличие от пароля, вы не можете изменить свои пальцы. Так что это информация, которую вы должны защитить». — Исао Эчизен, профессор Национального института информатики Японии

Стопроцентной гарантии не даёт никакой метод биометрической защиты. При тестировании каждой системы указываются в том числе следующие параметры:

точность (несколько видов);
процент ложноположительных срабатываний (ложная тревога);
процент ложноотрицательных срабатываний (пропуск события).

Ни одна система не демонстрирует точность 100% с нулевым показателем ложноположительных и ложноотрицательных срабатываний, даже в оптимальных лабораторных условиях.

Эти параметры зависят друг от друга. За счёт настроек системы можно, к примеру, увеличить точность распознавания до 100% — но тогда увеличится и количество ложноположительных срабатываний. И наоборот, можно уменьшить количество ложноположительных срабатываний до нуля — но тогда пострадает точность.

Очевидно, сейчас многие методы защиты легко поддаются взлому по той причине, что производители в первую очередь думают об удобстве использования, а не о надёжности. Другими словами, у них в приоритете минимальное количество ложноположительных срабатываний.

Экономика взлома

Как и в экономике, в информационной безопасности тоже есть понятие экономической целесообразности. Пусть стопроцентной защиты не существует. Но защитные меры соотносятся с ценностью самой информации. В общем, принцип примерно такой, что стоимость усилий по взлому для хакера должна превосходить ценность для него той информации, которую он желает получить. Чем больше соотношение — тем более прочная защита.

Если взять пример с гипсовой копией головы для обмана системы типа Face ID, то она обошлась журналисту Forbes примерно в $380. Соответственно, такую технологию имеет смысл применять для защиты информации стоимостью менее $380. Для защиты копеечной информации это отличная технология защиты, а для корпоративных торговых секретов — никудышная технология, так что всё относительно. Получается, что в каждом конкретном случае нужно оценивать минимально допустимую степень защиты. Например, распознавание лиц в сочетании с паролем — как двухфакторная аутентификация — уже на порядок повышает степень защиты, по сравнению только с распознаванием лиц или только одним паролем.

В общем, взломать можно любую защиту. Вопрос в стоимости усилий.

Источник

В последние годы активно формируется нормативное регулирование обработки биометрии. Это связано с повсеместным использованием видеонаблюдения, внедрением различных систем установления личности, усовершенствованием процесса получения финансовых и госуслуг через удаленные сервисы. Разъяснения по многим вопросам дают Роскомнадзор, Минцифры.

Содержание:

Что такое биометрические данные
Как осуществляется обработка фото и видео
Когда фотография прямо относится к биометрическим персональным данным
Персональные данные и видеосъемка
Дактилоскопическая информация как биометрические персональные данные
Изменения в области обработки биометрических персональных данных в 2022 году

Согласно ст. 11 Федерального закона от 27.07.2006 № 152-ФЗ (далее — 152-ФЗ), биометрические персональные данные — это данные, характеризующие биологические и физиологические особенности человека. К ним можно отнести анализы ДНК, дактилоскопические данные, радужную оболочку глаз, рост, вес человека.

Обработка биометрических персональных данных осуществляется только с письменного согласия гражданина. Но есть исключения, указанные в ч. 2 ст. 11 152-ФЗ. К ним, в частности, относятся случаи с осуществлением правосудия и исполнением судебных актов в связи с обороной, безопасностью, противодействием терроризму и т.д.

Биометрия используется для идентификации личности субъекта персональных данных. В связи с этим часто возникает вопрос, являются ли биометрическими данными фотографии и видеозаписи. Он в подробности рассмотрен Роскомнадзором.

В соответствии со ст. 152.1 ГК РФ обнародование и дальнейшее использование изображения человека возможно только с его согласия. К изображению можно отнести фотографии, видеозаписи или произведения изобразительного искусства с изображением человека.

При этом согласие не нужно, если:

изображение используется в государственных, общественных или иных публичных интересах;
изображение получено при съемке, которая проводится в открытых местах или на публичных мероприятиях — конференциях, концертах, спортивных соревнованиях и т.д.;
гражданин позировал за плату.

Роскомнадзор напоминает о важности цели, которую преследует оператор при обработке персональных данных, в том числе фотографии в паспорте.

Согласно ст. 11 152-ФЗ, то есть при наличии письменного согласия, обработка осуществляется, если:

данные нужны для идентификации личности;
фото используются для обеспечения однократного и/или многократного прохода на охраняемую территорию и установления личности гражданина (фото сотрудников, посетителей государственных и муниципальных органов, предприятий (организации) содержатся в системе контроля управления доступа (СКУД), то есть фото сравнивается с лицом предъявителя пропуска и ФИО, указанными в СКУД).

Что не считается обработкой биометрических персональных данных:

сканирование паспорта для подтверждения определенных действий конкретным лицом (например, заключение договора на оказание услуг), без установления личности;
копирование документа, удостоверяющего личность;
фотография в личном деле работника;
подпись, наличие которой в договорных отношениях является обязательным требованием, и почерк, в том числе анализируемый уполномоченными органами в рамках почерковедческой экспертизы;
рентгеновские или флюорографические снимки в медицинской карте пациента;
материалы видеосъемки в публичных местах и на охраняемой территории (до передачи их для установления личности снятого человека они не являются биометрией, обработка которой регулируется 152-ФЗ, поскольку она не используется оператором для установления личности).

Если работодатель принимает вести видеонаблюдение в офисе для фиксации возможных действий противоправного характера согласно ст. 74 ТК РФ, то он должен уведомить под подпись работников об изменении условий трудового договора по причинам, связанным с организационными или технологическими условиями труда (введение видеонаблюдения).

Посетителей публичных мест следует заранее предупреждать о возможной фото-, видеосъемке с помощью текстовых и/или графических предупреждений. Получать согласие на это не нужно.

Правила видеосъемки:

Осуществляется только с определенными целями — конкретными и заранее определенными. Они должны быть обусловлены соответствующими нормативными правовыми актами.
Есть случаи открытого наблюдения, которое ведется для контроля качества предоставляемых услуг клиентам, потребителям, пациентам. Чтобы установить дополнительные гарантии соблюдения их прав, а также самих работников и сотрудников, должны быть приняты внутренние документы. В этих документах Роскомнадзор рекомендует предусмотреть порядок и сроки хранения видеозаписей, указать ответственных лиц, имеющих доступ к системе видеонаблюдения. Важно не забыть проинформировать о видеонаблюдении с помощью информационных табличек в зонах видимости камер.

Под дактилоскопической информацией следует понимать биометрические персональные данные об особенностях строения папиллярных узоров пальцев и (или) ладоней рук, позволяющих установить личность.

Что такое обработка дактилоскопической информации

Обработка такой информации осуществляется путем преобразования изображения папиллярных узоров на промежуточной поверхности в цифровую форму и размещения полученной информации в базе данных в виде биометрического информационного шаблона.

Поскольку цель обработки указанных сведений в системах биометрической идентификации — это установление личности конкретного лица, а также тот факт, что данная информация, содержащаяся в шаблоне, характеризует физиологические и биологические особенности человека, то такая информация относится к биометрическим персональным данным, и она должна обрабатываться в соответствии со ст. 11 152-ФЗ, а также Федеральным законом от 25.07.1998 № 128-ФЗ. Такие разъяснения дает Роскомнадзор.

В последнее время вопросу обработки биометрических данных уделяется особое внимание. В связи с этим инициируются законодательные новшества.

Что такое Единая биометрическая система

1 июля 2018 года заработала Единая биометрическая система (ЕБС). Оператором выступил «Ростелеком».

Единая биометрическая система представляет собой цифровую платформу, которая позволяет гражданину проходить удаленную идентификацию по биометрическим образцам для получения финансовых услуг.

Вступление в силу Федерального закона от 29.12.2020 № 479-ФЗ установило использование ЕБС для удаленной идентификации при получении широкого спектра финансовых и государственных услуг. О том, как пройти удаленную идентификацию подробно написал ЦБ. Нужно сдать образцы биометрии (это может быть слепок лица и запись голоса) в офисе банка и зарегистрироваться на портале Госуслуг. При обращении в банк эти данные будут сверять с личностью.

Предполагалось, что с момента действия механизма удаленной идентификации банки будут постепенно обеспечивают в своих структурных подразделениях сбор биометрических данных для ЕБС. Это позволило бы:

повысить уровень безопасности, в частности, минимизировать случаи мошенничества;
упростить идентификацию клиента;
упростить процесс получения услуг.

Но сроки внедрения опции с идентификацией через ЕБС, благодаря которой клиенты могли бы открывать вклады и брать кредиты дистанционно, по биометрии, постоянно переносились. Ожидалось, что она, наконец, заработает с 1 сентября, но в итоге банки обратились к ЦБ с просьбой пока их не штрафовать.

Сбор биометрии: разъяснения Минцифры

В начале августа Минцифры сформулировало пять основных принципов работы с биометрией, которые он планирует зафиксировать документально.

Сбор биометрии без согласия граждан недопустим

В основе сбора биометрических данных лежат принципы добровольности и согласия гражданина — через банк, мобильное приложение (с 30 сентября 2022 года) и в будущем — через МФЦ.

Запрещено собирать такие данные с камер наблюдения и из других источников, которые не предусматривают получения согласия.

Загрузка биометрии из коммерческих систем в ЕБС обязательна

Это правило прописано Федеральным законом от 14.07.2022 № 325-ФЗ. В ЕБС заносятся только те биометрические данные, которые собраны с согласия гражданина. При этом банк должен оповестить граждан об этом, проинформировать о порядке отзыва хранения данных в ЕБС и их уничтожении.

Информация из нескольких коммерческих систем не смешивается

«При загрузке в ЕБС биометрических данных их нескольких коммерческих систем будут храниться только самые актуальные данные, отвечающие необходимым стандартам качества. Все остальные передаваемые данные будут удаляться», — уточняет Минцифры.

ЕБС обеспечивает надежное хранение данных

Система отвечает всем требованиям регуляторов в сфере информационной безопасности.

Сдача биометрии — не обязанность, а право гражданина

Благодаря дистанционной идентификации личности это право может сделать более доступными различные сервисы: сдачу экзаменов, оплату проезда и др.

Источник

Внедрение биометрии, как и любой другой современной технологии, сопровождается мифами. Одни возникают из-за недостатка информации, другие — не без влияния научной фантастики, в которых факты переплетаются с домыслами

Об эксперте: Евгений Золотарев — директор компании-интегратора систем безопасности «Делетрон».

Миф 1. Биометрия позволяет следить за каждым

Распознавание лиц (Face ID, биометрия) — это результат работы видеоаналитики, которая определяет соответствие лица в кадре имеющемуся изображению в базе данных. Вопреки распространенному мнению, биометрия не может идентифицировать людей, которые не являются их целью.

«Поясню на примере системы «Безопасный город» в Москве. Камеры видеонаблюдения, которые установлены в общественных местах и на улице, не могут следить за всеми и каждым человеком в отдельности. Это и не нужно. Она лишь «перебирает» лица в кадре и сверяется с базой данных. Например, это могут быть базы правоохранительных органов».

Иными словами, Face ID используется только для распознавания «интересующих» ее лиц. Остальные данные для системы излишни.

Миф 2. Биометрия распознает лица не на 100%

Сегодня точность распознавания лиц из базы данных — выше 99%.

«Согласно тестам Национального института стандартов и технологий министерства торговли США (NIST), проведенным в ноябре 2018 года, всего 0,2% поисков в базе данных из 26,6 млн фотографий не соответствовали правильному изображению, по сравнению с 4% в 2014 году. А в тестах 2020 года лучший алгоритм идентификации лица имеет коэффициент ошибок 0,08%, что меньше одной ошибки на 1000 изображений. Это 50-кратное улучшение за шесть лет. И система продолжает совершенствоваться. Повысить точность распознавания позволяют алгоритмы нейронной сети».

И если раньше на результат могли повлиять угол зрения, погодные условия, то сейчас система распознает человека из базы даже при наличии головного убора или очков. Такая технология уже используется в офисах компаний и торговых сетях России.

«В целях безопасности «Северсталь» внедрила Face ID в здании своего представительства в Москве. Система сверяет данные магнитного пропуска и показания биометрии. Если обнаружит несоответствие с внесенными в базу сведениями и изображениями, то немедленно подаст сигнал службе охраны. К тому же, она сообщит о несанкционированном доступе лиц, внесенных в «черный список».

Добиться 100% точности тоже можно, но для этого придется задать алгоритму более высокий уровень соответствия. При этом ужесточатся требования и по входной информации, то есть эталону в базе данных и качеству изображения видеоданных. А значит, при малейших несовпадениях с эталоном алгоритм будет отказывать в обслуживании. Такие меры обоснованы в банковских системах. Там внедрение строгого алгоритма оправдано рисками, которые могут понести пользователи при попадании данных в руки мошенников. Но на практике все же нужно соблюдать баланс.

Миф 3. Биометрия — дорогое удовольствие

Здесь важно понимать, как и в случаях с другими технологиями, что стоимость решения зависит от сложности применения и архитектуры системы, от скорости работы и степени надежности (качества «железа»), от возможности масштабирования и даже от цены владения лицензией. Все эти моменты нужно соотнести с теми задачами, которые ставятся перед Face ID.

Например, стоимость терминала для распознавания лиц и комплексной системы распознавания лиц для крупного объекта со всеми необходимыми системами интеграции будут отличаться. Простой терминал может стоить от ₽17 тыс., а комплекс программного обеспечения по распознаванию лиц для сети ресторанов быстрого питания — около ₽180 млн и охватывать полторы тысячи объектов. Здесь речь идет уже о полноценной разработке ПО под конкретные задачи бизнеса, включая интеграцию Face ID с системой учета рабочего времени, фиксацию температуры тела, ограничение на проход уже уволенных или нежелательных к посещению сотрудников из «черного списка». Также можно интегрировать систему контроля нахождения сотрудников на смене, фиксацию обеденного перерыва и даже выбор блюд на обед для дальнейшего списания его себестоимости с сотрудника.

И не стоит забывать, что сейчас большинство поставщиков стараются максимально эффективно интегрировать Face ID в свои системы, например, в привычные всем смартфоны.

Миф 4. Все системы распознавания одинаковы

Схемы работы Face ID могут сильно отличаться друг от друга. Для примера обратимся снова к сравнению простого терминала распознавания и сложной системы для крупного предприятия. Различия в схеме их работы будут не столько в алгоритмах (теоретически они могут быть одинаковыми), сколько в их устройстве, в «железе».

Терминал — автономное устройство. В него, как правило, встроен дополнительный считыватель карт, управление входом/выходом, сама система распознавания. База образов также хранится непосредственно на нем. Решение о допуске или запрете на проход терминал принимает самостоятельно. Настройка может производиться на самом устройстве. Также возможна схема, при которой несколько терминалов объединены в единую систему с общей базой лиц. В таком случае решение принимает софт.

Распознавание лиц средствами системы видеонаблюдения всегда связано с сервером. Отсюда и дороговизна таких систем. Камера выступает просто инструментом получения исходной информации (снимка лица) для дальнейшей обработки на сервере.

При этом нельзя сказать что система на терминалах «неполноценная». Она имеет место быть и на крупных объектах. Все зависит от конкретной задачи и функций системы распознавания лиц.

Миф 5. Технология не справляется с большими объемами информации

Биометрические системы проходят обучение и тестирование на огромных массивах данных, используя несколько идентификационных параметров. И если в процессе работы система получает данные высокого качества, она успешно справится и с большим объемом данных.

«Например, крупнейшая в мире система биометрической идентификации действует в Индии. В ней содержатся сведения о 1,3 млрд жителях страны. Это отпечатки пальцев, радужные оболочки глаз, фотографии, а также персональные данные. Такая система позволила присвоить каждому гражданину уникальный ID. Чтобы получить любые услуги, требующие подтверждения личности, житель должен ввести номер ID-карты и пройти биометрическую проверку. Недавно власти страны сообщили о модернизации системы. К слову, алгоритмы этой разработанной системы получили наивысшие результаты по итогам независимых оценок технологий, включая NIST MINEX, PFT, FRVT, IREX и FVC-onGoing».

Подтверждение эффективности алгоритмов Face ID проводится на конкурсе алгоритмов распознавания лиц Face Recognition Vendor Test (FRVT). Среди победителей конкурса есть и отечественные алгоритмы интеллектуальной видеоаналитики. К примеру, российский FindFace по итогам тестирования в 2021 году показал лучший результат за все время проведения FRVT.

Миф 6. Биометрическую базу могут взломать хакеры и использовать данные в своих целях

Мы констатируем повышенный риск для любых информационных систем со стороны хакерских атак. Это факт сегодняшнего дня. Биометрические данные, причисленные к персональным, всегда требуют повышенного внимания со стороны информационной безопасности.

Для защиты таких данных сейчас используется распределенное хранение. Зашифрованный биометрический шаблон хранится на защищенных серверах в обезличенной форме отдельно от персональных данных. Выглядит он как некая математическая модель биометрических данных (лицо, отпечаток пальца, голос и так далее). Для обычного человека это представляет собой условно набор цифр. Восстановить из таких шаблонов образец голоса, изображение, отпечаток пальца без системы нельзя. А обезличенные сведения, даже с точки зрения внесенных в базу фотографий, не особенно интересны хакерам, поскольку для совершения каких-то мошеннических действий одного лишь изображения будет недостаточно.

«Для противодействия атакам биометрического спруфинга сегодня в банках используются такие механизмы подтверждения личности как liveness detection (дословно «проверка живости»). Это способность системы определять, является ли отпечаток пальца, лицо или другие биометрические данные реальным или поддельным. В качестве такой активной проверки биометрических данных, в частности, видеоизображения, человека могут попросить улыбнуться или повернуть голову. Система следит за естественностью движений пользователя, их соответствием полученному заданию и непрерывностью действий. При этом алгоритмы контролируют статику и динамику, что позволяет обнаружить взлом с использованием маски».

Как показывает практика, в большинстве случаев злоумышленники выбирают другие способы. Алгоритмы аутентификации пользователя мошенники стараются обходить с помощью социальной инженерии или уязвимостей в платежных приложениях.

Но нельзя исключать интерес злоумышленников к таким базам в части вывода системы из строя, что может стать элементом шантажа или вымогательства. Для защиты систем разработчики используют трансформацию биометрических параметров и криптографию. То есть в системе хранится только часть информации — защищенный эскиз.

«К примеру, при защите Единой биометрической системы в России, используется не один, а множество алгоритмов. Взлом даже одного займет у хакера много времени, сил и средств. А таких там десятки. К тому же они постоянно совершенствуются».

Миф 7. Биометрия, распознавая лица, нарушает закон о персональных данных

Обработка данных для систем распознавания не всегда попадает под действие законодательства. Это зависит от множества факторов, например, кем и для чего используется система, где она применена и так далее. Например, распознавание лиц в магазине под действие закона не подпадает, так как торговая точка считается общественным местом, съемка там не запрещена, а данные не персонализированы.

Надо разделять данные, используемые системой распознавания, в соответствии с требованиями Федерального закона N 152-ФЗ «О персональных данных». Но даже в судебной практике встречаются совершенно противоположные подходы относительно того, какие сведения относятся к биометрическим персональным данным (далее — БПД), а какие — нет. Например, фотографии на пропуске они оценивают как БПД.

Законодательство требует наличия согласия носителя БПД в письменной форме. Если у человека не было возможности дать отказ от передачи его персональных данных третьим лицам, это считается нарушением законодательства.

Без согласия идентификация может быть использована лишь:

при осуществлении правосудия и исполнении судебных актов;
при проведении обязательной государственной дактилоскопической регистрации;
в случаях, предусмотренных законодательством об обороне, безопасности, противодействии терроризму, транспортной безопасности, оперативно-розыскной деятельности, государственной службе и так далее.

Источник

Биометрические системы становятся распространенным способом защиты пользовательских данных. Но их разработчикам стоит учесть, что идентификация по уникальным физиологическим параметрам не дает стопроцентной защиты от хакерских атак

В 2018 году в России был принят закон о создании Единой биометрической системы. Он разрешил кредитным организациям (а в перспективе и другим компаниям) использовать биометрию при удаленной идентификации клиентов. Звучит многообещающе, но только не с точки зрения информационной безопасности.

Согласно действующему ранее законодательству финансовые организации были обязаны подтверждать личность своих клиентов, требуя паспорт при личном присутствии в отделении. Это тормозило развитие финансовых сервисов в регионах, удаленных населенных пунктах или в случае, когда физическое присутствие потенциального клиента невозможно, например, по причине болезни. Удаленная идентификация с помощью биометрии должна была решить эту проблему.

«Идентификация Борна»

Существует три способа идентификации личности человека. Во-первых, мы можем убедиться, что он знает нечто секретное (например, кодовое слово или PIN), — это самый распространенный и недорогой в реализации механизм, который, однако, является и самым незащищенным. Узнать пароль несложно, редко кто следует правилам выбора надежных сочетаний символов. Вторым способом проверки является контроль владения некой неповторимой вещью (например, смарт-картой, ключом или штрих-кодом). Это более надежный и более дорогой способ аутентификации.

Наконец, третий способ — это проверить, что человек обладает какой-то уникальной физической, биологической, физиологической или поведенческой характеристикой (например, отпечатками пальцев или радужной оболочкой глаза). Именно этот метод сегодня набирает популярность, так как считается, что, помимо удобства для пользователя, он является и более защищенным. Но это не совсем так.

Если у пользователя украли пароль, это не смертельно, его можно заменить. Украденные карта или токен тоже подлежат восстановлению. А вот биометрический фактор уникален — ни при каких обстоятельствах вы не сможете изменить отпечатки пальцев, голос, глаза или расположение вен на руке. Это самые популярные методы биометрической идентификации, из которых в банках будут применяться пока только голос и геометрия лица. Среди других присущих человеку особенностей можно назвать почерк, в том числе и клавиатурный, запах, электроэнцефалограмму мозга и электрокардиограмму сердца, походку и даже геометрию ягодиц, которая, оказывается, тоже уникальна.

В принципе биометрия действительно решает многие классические проблемы. Традиционный вариант проверки личности клиента по кодовому слову и т.п. давно уже перестал хоть как-то защищать от мошенников. По данным исследования Opus Research A New Authentication Paradigm: Call Center Security without Compromising Customer Experience, 65% банковских клиентов не удовлетворены проверкой по паролю и кодовому слову при звонках в кол-центр. 49% клиентов считают, что проверка слишком долгая (от 40 до 90 секунд). 74% хотя бы раз не получили доступа к своим данным из-за того, что не прошли проверку и не смогли подтвердить свою личность стандартным способом. Может ли биометрия помочь в этих случаях?

Полагая, что биометрия сделает жизнь удобнее и безопаснее, мы начинаем ее активно внедрять, не взвесив все за и против. Что может угрожать биометрическим системам? Проблема в том, что «потерянные» голос или данные геометрии лица использовать снова будет невозможно. Разумеется, «потерять» их не так просто: они специальным образом преобразуются и затем хранятся в специальном хранилище.

В фантастических фильмах плохие парни отрезают пальцы, записывают голос, делают 3D-маски лица или муляжи ладони. Эти варианты атаки действительно существуют, но они направлены только на систему считывания биометрических данных. На самом деле векторов атак гораздо больше. Например, можно сломать сам считыватель, и что бы ему ни предъявляли, он будет выдавать ошибку. Можно вмешаться в работу системы верификации и поменять решение системы на нужное злоумышленникам. Можно взломать хранилище биометрических профилей и внести новые, а также подменить/уничтожить существующие данные по нужным людям. И это, пожалуй, самый опасный вариант для любой схемы биометрии.

Всего существует около полутора десятков способов взломать систему биометрической идентификации, и выбор наиболее удобных из них зависит от конкретных задач, стоящих перед хакерами. Если нужно дискредитировать всю систему, то атака будет направлена на хранилище биометрических профилей. Если нужно заставить систему принять «правильное» решение, то эффективнее атаковать систему верификации. Когда действия злоумышленников направлены на конкретного человека, то логичнее синтезировать его голос и видео. Существующие технологии уже позволяют, имея запись голоса или видео любого человека, синтезировать его речь или наложить его лицо на другую видеозапись.

Несовершенная система

Предлагаемая в России Единая биометрическая система (ЕБС) в своем роде уникальна: проектов такого масштаба в мире немного, и поэтому к их проектированию (особенно с точки зрения оценки актуальных угроз) подходить надо очень серьезно. Обнаруженные ошибки в такой системе надо будет устранять в масштабах всей страны. Апелляция к опыту хранения информации в системе биометрических паспортов не совсем корректна. Биометрические паспорта — это действительно защищенное хранилище, но к нему имеют доступ очень ограниченное число лиц. В основном это государственные органы: ФНС, ФМС, пограничная служба, МВД, ФСБ. Когда же мы говорим об удаленной идентификации, которую строят ЦБ и «Ростелеком», то к ней будет получать доступ гораздо большее количество организаций. По скромной оценке, их число будет измеряться несколькими сотнями, а то и тысячами, а значит, число точек проникновения в эту базу многократно увеличится.

При этом сами граждане подготовлены к переходу на биометрические технологии: они активно используют технологии распознавания лиц или отпечатков пальцев на мобильных устройствах при оплате в AppStore или Google Play. Более того, согласно отчету Cisco Customer Experience Research. Automotive Industry, проведенному Cisco в 10 странах, включая Россию, 60% граждан готовы предоставлять свои биометрические персональные данные, если это позволит усилить защиту их автомобиля, например, от угона или при дистанционном управлении отдельными функциями.

Сегодня при активном PR биометрических технологий о безопасности их применения в масштабах государства говорят мало. Возможно, это делается для того, чтобы не обозначить слабые зоны и не дать злоумышленникам подготовиться к атакам. Однако принцип «безопасность через незнание» в данном случае не работает. Необходимо широкое обсуждение механизмов защиты такой базы. Если ее взломают даже один раз, это подорвет доверие ко всей системе биометрической идентификации в России не только сейчас, но и в будущем.

Другая проблема связана с реализацией всей схемы удаленной идентификации. Во-первых, для того чтобы снять с клиента банка биометрический профиль, необходимо иметь достаточно мощное оборудование и специализированные комнаты. Механизм примерно тот же, что и при снятии биометрических данных при подготовке загранпаспортов. А поскольку в законе о внесении изменений в 115-ФЗ говорится не только о биометрии лица, но и о голосе, здесь потребуется еще и изолированное помещение, где бы отсутствовали любые посторонние звуки. А значит, первоначальная идентификация все равно потребует от пользователя явиться в определенное место, которое в регионах может находиться далеко от его места жительства. Но если образец записи будет создан в идеальных условиях, то при идентификации пользователя с помощью мобильного посторонние шумы или помехи некачественной связи могут привести к тому, что система не распознает его.

Разумеется, у биометрии есть безусловные преимущества, и при правильном ее использовании она действительно может сделать оказание различных услуг гораздо более удобным. Но при этом надо трезво оценивать все последствия для себя лично. Разумная осторожность никогда не бывает лишней.

Без права доступа: виноват ли «Яндекс» в утечке конфиденциальных данных
Опасные технологии: как распознавание лица на смартфоне может привести к глобальной катастрофе

Источник