Журнал "Системы Безопасности" № 1‘2022

опытного образца автоматической системы пограничного контроля, разработанный с уче- том требований пограничной службы ФСБ Рос- сии. Контроль будет проводиться при посадке на тестовом внутреннем рейсе "Аэрофлота". При идентификации будут использоваться дан- ные из Единой биометрической системы (ЕБС). Биометрия станет дополнительным инструмен- том для осуществления контроля в аэропорту, и пассажиры смогут проходить контроль с помо- щью этой технологии исключительно по своему желанию. 2019 год "Российские железные дороги" запланирова- ли в течение полугода оценить эффектив- ность использования технологии распознава- ния лиц для пассажиров и внутренних нужд компании. В Москве запустили бесконтактную оплату про- езда через систему распознавания лиц Face Pay на всех станциях метро. 2021 год ЦОДД модернизирует приложение "Москов- ский транспорт" для системы оплаты проезда лицом. Зарубежный опыт Необходимо отметить, что внедрение биомет- рических систем за рубежом находится при- мерно на аналогичном уровне развития. 2019 год Международный аэропорт Далласа Форт-Уэрт был назван аэропортом года по версии Air Transport World: это награда в том числе за инновации аэропорта в области биометриче- ского досмотра пассажиров. Внедрение программы ускоренного биометри- ческого пропуска в международном аэропорту Кливленда им. Хопкинса. 2020 год Компания Clear Secure и международный аэро- порт Денвера продлили свое партнерство еще на три года. Система регистрации использует распознавание радужной оболочки глаза для проверки личности людей при их перемещении по аэропорту. 2021 год В июле компания NEC подписала контракт с департаментом транспорта штата Гавайи на предоставление технологии распознавания лиц и определения температуры для всех пяти аэро- портов штата. Причины медленного внедрения биометрических технологий на транспорте В чем причина медленного развития систем биометрической идентификации на транспорте, дающих путешественнику возможность исполь- зовать свои биометрические данные для удоб- ного прохода зон при поездке? Прежде всего это технические проблемы: l большой процент возможных ошибок распо- знавания; l возможность осуществление атаки на биомет- рические данные. Технические проблемы обусловлены тем, что в большинстве случаев применения биометрии используется изображение лица человека, при этом зачастую крайне затруднительно получить качественное изображение из-за посторонних засветок, произвольного наклона головы чело- века, наличия медицинских масок или голов- ных уборов. Недавно проведенный тест (сценарные испыта- ния) Национального института стандартов и технологий США (The National Institute of Stan- dards and Technology, NIST) по регистрации пас- сажиров и документирования их въезда и выезда "Идентификация для безбумажных путешествий и иммиграции" показал, что, хотя алгоритмы в целом справляются с безошибоч- ной идентификацией пассажиров, среднее качество распознавания составляет 99,5% [3]. Из доклада о результатах теста: семь высоко- производительных алгоритмов могут успешно идентифицировать не менее 99,5% пассажиров в первый раз, если база данных содержит одно изображение пассажира. Производительность значительно улучшается, если база данных содержит несколько изображений пассажира. Когда в галерее есть в среднем шесть предыду- щих изображений пассажира, уже 18 алгорит- мов разработчиков эффективны для точной идентификации более 99,5% путешественников с помощью одного представления на камеру. Демографические различия в наборе данных оказывают незначительное влияние. В исследовании не учитывался важный фак- тор – тип камер, которые используются в систе- мах распознавания. Различие внешних условий в аэропортах, а также различие характеристик камер влияют на точность идентификации. Однако, даже если мы возьмем предельные (наилучшие) на сегодняшний момент данные технологических испытаний по величине оши- бок (по данным NIST, 2021 г.), мы получим (это расчет по предельным, наилучшим данным) существенные ограничения по количеству чело- век, которые могут пройти зону досмотра без ошибок. В России необходимы испытания биометрических систем на транспорте Для определения качества работы биометриче- ских систем необходимо проведение комплекса испытаний (технологических, сценарных и опе- ративных) в соответствии с национальными стандартами ГОСТ Р ИСО/МЭК 19795-1–2007, ГОСТ Р 58292–2018 (ИСО/МЭК 19795- 2:2007) и ГОСТ Р 58624.3–2019. На сегодняшний день нет никаких данных о результатах проведения таких испытаний био- метрических систем в России по направлению "Транспортная безопасность". Учитывая данные NIST, можно предположить, что значения оши- бок даже в неплохих условиях будет не менее 5%. При массовом применении биометриче- ских технологий, например в метрополитене, из 1 млн человек 50 тыс. не смогут комфортно воспользоваться данной услугой. В реальных условиях ошибок будет больше. Большое значение ошибок при оплате в метро при использовании сервиса Face Pay также косвенно подтверждается роликами в Интернете, где независимые испытатели отмечают наличие ошибок при распознавании в момент прохож- дения людей в метро по изображению лица [4]. Проблемные вопросы проведения испытаний биометрических систем Проводимые тестирования других биометриче- ских систем также далеко не соответствуют пра- вилам проведения испытаний. Перечень основ- ных ошибок, которые допускаются при прове- дении испытаний [5]: l использование для принятия решения резуль- татов открытых тестирований/испытаний, не учитывающих локальную специфику и реали- зуемый сценарий применения биометрии; l использование результатов технологических испытаний вместо сценарных для принятия решения о внедрении технологии в промыш- ленную эксплуатацию; l неучастие в испытаниях "подлинных лиц" или "самозванцев", имитирующих потенциальных злоумышленников со всеми возможными инструментами атак, характерными для используемого сценария; l уменьшение числа независимых инструмен- тов атак при проведении всех видов испыта- ний (обычно из-за нехватки финансирования или сроков сдачи проекта); l другие ошибки. Надежность алгоритмов при атаках Важным является вопрос о надежности алгорит- мов при атаках на биометрическое предъявле- ние или, иными словами, реагирование на под- делки. Данные по проводимым испытаниям алгоритмов, которые используются на транс- порте, отсутствуют. Международное тестирование по этому направ- лению проводится. Одним из известных конкур- сов является конкурс Chalearn Looking at People Workshop CVPR, однако вряд ли кто-нибудь может сказать, как будут работать алгоритмы обнаружения атак при низком качестве изобра- жения (засветки, поворот головы, тени, и т.д.). Проблемы социального характера Другим фактором являются проблемы социаль- ного характера: l опасения относительно возможной компро- метации биометрических данных и их использования злоумышленниками; l опасения по поводу возможной слежки за личностью. Растет число людей, которых не устраивает ускоренный пропуск, несмотря на их знаком- ство с биометрическими технологиями, кото- рые, как правило, используются в этих програм- www.secuteck.ru февраль – март 2022 БИОМЕТРИЧЕСКИЕ СИСТЕМЫ  С И С Т Е М Ы К О Н Т Р О Л Я И У П Р А В Л Е Н И Я Д О С Т У П О М 93 Таблица 1. Данные технологических испытаний Биометрическая характеристика FRR при FAR FAR при FRR Ориентировочное количество проходов без ошибок Лицо 0,0003 0,0001 3 млн ОП (отпечатки пальцев) 0,001 0,001 0,3 млн Вены 0,005 0,005 60 000 РОГ (радужная оболочка глаза) 0,02 1*10 -5 3 млн

RkJQdWJsaXNoZXIy Mzk4NzYw