IT-Sicherheit Biometrische Verfahren

Transkript

1 Biometrische Verfahren Harald Baier, Marian Margraf, Martin Mink, Christian Rathgeb, Martin Stiemerling, Christoph Busch Hochschule Darmstadt

2 Einführung Dieser Vorlesungsblock behandelt: Einen Überblick über biometrische Systeme Eigenschaften biometrischer Verfahren Grundlagen biometrischer Verfahren Biometrische Modalitäten und Sensoren - Gesichtserkennung - Fingerbilderkennung - Venenerkennung Merkmalsextraktion Biometrische Vergleichsverfahren Biometrische Erkennungsleistung 2

3 Einführung Was ist Biometrie? Die Beobachtung und Messung (griechsich: µετρειν ) von Charakteristika des menschlichen Körpers zum Zwecke der (Wieder-)Erkennung staff identity = busch ISO/IEC Definition des Begriffs: biometrics Automated recognition of individuals based on their behavioral and biological characteristics. 3

4 Anwendungen 4

5 Anwendungsbereiche Biometrischer Verfahren Access control: information devices / token ownership locations Immigration / Border Control Personalization: home systems computers social inclusion Ease of use: no PINS/tokens ongoing authentication Security User convenience Forensics Information retrieval Camera surveillance Watch lists Disaster victim identification 5

6 Zugangskontrolle 6

7 Zugangskontrolle Eine Authentisierung kann erreicht werden: 6

8 Zugangskontrolle Eine Authentisierung kann erreicht werden: durch Wissen: Password, PIN,... 6

9 Zugangskontrolle Statistik basierend auf 32 Millionen Passworten 20% sind Namen und triviale Passworte Top 5 passwords (@ Source: Imperva 7

10 Zugangskontrolle Eine Authentisierung kann erreicht werden: durch Wissen: Password, PIN,... 8

11 Zugangskontrolle Eine Authentisierung kann erreicht werden: durch Wissen: Password, PIN,... durch Besitz: SmartCard, USB-token, key 8

12 Zugangskontrolle Traditionell etablieren wir zwischen natürlichen Personen 9

13 Zugangskontrolle Traditionell etablieren wir zwischen natürlichen Personen und Objekten 9

14 Zugangskontrolle Traditionell etablieren wir zwischen natürlichen Personen und Objekten 9

15 Zugangskontrolle Traditionell etablieren wir zwischen natürlichen Personen und Objekten einen Token (d.h. einen Schlüssel) 9

16 Zugangskontrolle Für einige Personen ist die Sammlung der Token schon heute eindrucksvoll und unhandlich 10

17 Zugangskontrolle Für einige Personen ist die Sammlung der Token schon heute eindrucksvoll und unhandlich 10

18 Zugangskontrolle Eine Authentisierung kann erreicht werden: durch Wissen: Password, PIN,... durch Besitz: SmartCard, USB-token, key 11

19 Zugangskontrolle Eine Authentisierung kann erreicht werden: durch Wissen: Password, PIN,... durch Besitz: SmartCard, USB-token, key durch Biometrie: Charakteristik des menschl. Körpers Wissen oder Besitz kann man leicht verlieren,vergessen oder weitergeben, biometrische Charakteristika nicht ohne weiteres. Eine Sicherheitspolitik kann nicht durch Delegation umgangen werden! Eine Transaktion kann nicht abgestritten werden - das muss Igor Popov mit meiner Karte gewesen sein... 11

20 Zugangskontrolle zu Gebäuden Zwei Szenarien Physikalische Zugangskontrolle Miarbeiter wird durch 3D-Gesichtserkennung und Iriserkennung authentisiert - Verwendung von Speed gates Reduktion des Missbrauchs von Saisonkarten - Komfort: Karteninhaber wird nicht manuell kontrolliert und wartet nicht in Besucherschlangen 12

21 Zugangskontrolle zum Smartphone Es wird nicht lange dauern bis NFC-Smartphones als Öffner zu den meisten Türen dienen 13

22 Grundlagen Biometrischer Systeme 14

23 Generische Funktionsweise Die biometrische Charakteristik des Benutzers wird aufgezeichnet und gespeichert (Enrolment) Der Benutzer wird dem Rechner quasi vorgestellt. Beim Authentisierungsversuch wird die Charakteristik wiederum aufgenommen und mit der gespeicherten Referenz verglichen. Wird ein Schwellwert überschritten, gilt der Benutzer als authentisiert. Währenddessen laufen Prozesse zur Erkennung von Fälschungen ab, um Angriffe auszuschließen. (so genannte Lebend-Erkennung ) 15

24 Architektur eines Biometrischen Systems Komponenten eines Biometrischen Systems Source: ISO/IEC JTC1 SC37 SD11 16

25 Identifikation - Verifikation Identifikation: Erkenne die Identität einer Person (1:n - Vergleich) staff identity = busch 17

26 Identifikation - Verifikation Identifikation: Erkenne die Identität einer Person (1:n - Vergleich) staff identity = busch Verifikation: Validierung einer Identitätsbehauptung (1:1 - Vergleich) similarity: 71% (Comparison-Score) 17

27 Biometrische Charakteristika Wichtige Eigenschaften Verbreitung jede natürliche Person sollte die Charakteristik haben Einzigartigkeit die Charakteristik ist unterschiedlich für jede Person Beständigkeit die Charakteristik verändert sich nicht mit der Zeit Messbarkeit die Charakteristik ist mit geringem Aufwand messbar Performanz Erkennungsleistung und Geschwindigkeit Akzeptabilität die Methode wird von der Zielgruppe angenommen Sicherheit es ist schwer, ein Replikat der Charakteristik zu erstellen 18

28 Wichtige Begriffe zur Biometrie 19

29 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch 19

30 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch biometrisches Charakteristikum: 19

31 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch biometrisches Charakteristikum: Biologisches oder verhaltensabhängiges Charakteristikum eines Individuum von welchem sich zur Unterscheidung verwendbare, reproduzierbare biometrische Merkmale ableiten lässt, die zum Zwecke der biometrischen Erkennungautomatischen Erkennung einsetzbar sind 19

32 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch biometrisches Charakteristikum: Biologisches oder verhaltensabhängiges Charakteristikum eines Individuum von welchem sich zur Unterscheidung verwendbare, reproduzierbare biometrische Merkmale ableiten lässt, die zum Zwecke der biometrischen Erkennungautomatischen Erkennung einsetzbar sind biometrisches Sample: 19

33 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch biometrisches Charakteristikum: Biologisches oder verhaltensabhängiges Charakteristikum eines Individuum von welchem sich zur Unterscheidung verwendbare, reproduzierbare biometrische Merkmale ableiten lässt, die zum Zwecke der biometrischen Erkennungautomatischen Erkennung einsetzbar sind biometrisches Sample: analoge oder digitale Repräsentation biometrischer Charakteristika vor der biometrischen Merkmalssextraktion 19

34 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch biometrisches Charakteristikum: Biologisches oder verhaltensabhängiges Charakteristikum eines Individuum von welchem sich zur Unterscheidung verwendbare, reproduzierbare biometrische Merkmale ableiten lässt, die zum Zwecke der biometrischen Erkennungautomatischen Erkennung einsetzbar sind biometrisches Sample: analoge oder digitale Repräsentation biometrischer Charakteristika vor der biometrischen Merkmalssextraktion biometrisches Merkmal: 19

35 Wichtige Begriffe zur Biometrie ISO/IEC - Vokabular siehe auch biometrisches Charakteristikum: Biologisches oder verhaltensabhängiges Charakteristikum eines Individuum von welchem sich zur Unterscheidung verwendbare, reproduzierbare biometrische Merkmale ableiten lässt, die zum Zwecke der biometrischen Erkennungautomatischen Erkennung einsetzbar sind biometrisches Sample: analoge oder digitale Repräsentation biometrischer Charakteristika vor der biometrischen Merkmalssextraktion biometrisches Merkmal: Zahlen oder markante Kennzeichen die aus einem biometrischen Sample extrahiert wurden und zum Vergleich verwendet werden können 19

36 Wichtige Begriffe zur Biometrie (II) 20

37 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular 20

38 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: 20

39 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden 20

40 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden biometrisches Template: 20

41 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden biometrisches Template: Menge oder Vektor von gespeicherten biometrischen Merkmalen, die direkt vergleichbar zu den biometrischen Merkmalen einer biometrischen Probe 20

42 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden biometrisches Template: Menge oder Vektor von gespeicherten biometrischen Merkmalen, die direkt vergleichbar zu den biometrischen Merkmalen einer biometrischen Probe biometrische Probe: 20

43 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden biometrisches Template: Menge oder Vektor von gespeicherten biometrischen Merkmalen, die direkt vergleichbar zu den biometrischen Merkmalen einer biometrischen Probe biometrische Probe: biometrische Samples oder biometrische Merkmale, die als Eingabe zu einem Algorithmus zum Vergleich mit einer biometrischen Referenz dienen 20

44 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden biometrisches Template: Menge oder Vektor von gespeicherten biometrischen Merkmalen, die direkt vergleichbar zu den biometrischen Merkmalen einer biometrischen Probe biometrische Probe: biometrische Samples oder biometrische Merkmale, die als Eingabe zu einem Algorithmus zum Vergleich mit einer biometrischen Referenz dienen biometrischer Vergleich: 20

45 Wichtige Begriffe zur Biometrie (II) ISO/IEC - Vokabular biometrische Referenz: eines oder mehrere gespeicherte biometrische Samples, biometrische Templates oder biometrische Modelle, die einer Betroffenen Person zugeordnet wurden und als Objekt zum biometrischen Vergleich verwendet werden biometrisches Template: Menge oder Vektor von gespeicherten biometrischen Merkmalen, die direkt vergleichbar zu den biometrischen Merkmalen einer biometrischen Probe biometrische Probe: biometrische Samples oder biometrische Merkmale, die als Eingabe zu einem Algorithmus zum Vergleich mit einer biometrischen Referenz dienen biometrischer Vergleich: Schätzung, Berechnung oder Messung der Ähnlichkeit oder Unterschiedlichkeit zwischen der biometrischen Probe und biometrischen Referenzen. 20

46 Eigenschaften Biometrischer Systeme statisch versus dynamisch kooperative vs. non-kooperative kontaktfrei vs. kontaktbehaftet offene vs. geschlossen betreut vs. nicht betreut positive identification vs. negative identification umwelteinflussanfällig vs. unanfällig 21

47 Bewertung Biometrischer Systeme Stärken Benutzbarkeit Ausfallsicherheit Verlust des Tokens Vergessen von PINs Steigerung der Sicherheit zusätzlicher Authentisierungsfaktor Delegation nur schwer möglich Schwächen Steigerung der Sicherheit bedingt Steigerung der Komplexität Unscharfes Ergebnis Schwellwerte notwendig Angriffe auf den Sensor Weitere Angriffspunkte Source: ISO/IEC 30107! 22

48 Angriffe auf Biometrische Systeme Angriff ohne Mithilfe des eingelernten Benutzers Abnehmen eines Fingerabdrucks von glatter Fläche z.b. Glas, CD-Hülle, Hochglanz-Zeitschrift mittels handelsüblichem Eisenpulver und Klarsicht-Klebeband Einscannen in den Rechner und nachbearbeiten: Offensichtliche Fehler durch Abnahme/Scannen berichtigen, Bild invertieren Auf Folie ausdrucken Platine mit der Folie belichten und ätzen Platine mit Silikonkautschuk abformen 23

49 Biometrische Modalitäten und Sensoren 24

50 Biometrische Modalitäten Biologische Charakteristik Fingerabdruck Erkennung Gesichts Erkennung Retina Erkennung Iris Erkennung Handgeometrie Erkennung Venen Erkennung DNA Erkennung Ohren Erkennung Körpergeruch Erkennung Verhaltens-Charakteristik Tippverhalten Erkennung Unterschrift Erkennung Stimm Erkennung Gang Erkennung EKG Erkennung 25

51 Gesichtserkennung Motivation - Vergleich mit anderen Verfahren Gesicht ist das Charakteristikum mit der größten Verbreitung potentiell hohe Benutzerakzeptanz (Bedienbarkeit) Erfassung erfolgt berührungslos kein Eingabegerät erforderlich - Kameras sind Massenware umfasst Stirn, Augen und Mundregion Anatomischer Einfluss Knochengerüst Gesichtsmuskulatur Faltenwurf Haut-Textur Haarwuchs Augen 26

52 Gesichtserkennung Herausforderungen Pose Orientation der Person zur Kamera unbekannter Abstand der Person zur Kamera Beleuchtung Sonnenlicht wechselnde Umweltbedingune seitlicher Schattenwurf Ausdruck and andere physikalische Varaitionen emotionale Ausdrücke Haare Alterung 27

53 Gesichtserkennung Verarbeitungsschritte Segmentierung des Gesichts - Bildbereich des Gesichts bestimmen Detektion der Landmarken - z.b. Innen- und Ausseneckpunkte von Augen oder Mund Berechnung von Merkmalen - für das gesamte segmentierte Gesicht - für ein Texturfenster um die Landmarken Vergleich zwischen - dem berechneten Merkmalsvektor aus dem Probenbild und dem hinterlegten Merkmalsvektor aus dem Referenzbild - Ergebnis ist ein Vergleichswert 28

54 Gesichtserkennung Landmarken in der Gesichtserkennung Source: ISO/IEC :

55 Gesichtserkennung Angriff auf die 2D-Gesichtserkennung 3D-Gesichtserkennung ist robuster gegen Angriffe 30

56 Fingerabdruckerkennung Charakteristik an der Fingerkuppe Bildung der Papillarleisten zufällig (in den ersten Lebenswochen) Im Abdruck sind Papillarlinien erkennbar Identische Reproduktion des Musters von unterliegender Dermis Muster bleibt konstant mit der Alterung 31

57 Daktyloskopische Grundmuster Rechte Schleife ( R ) Das Schleifenmuster enthält eine typische Delta Struktur Die Papillarlinien beginnen und enden rechts des Kerns Image Source: FVC2004 database 32

58 Daktyloskopische Grundmuster Rechte Schleife ( R ) Das Schleifenmuster enthält eine typische Delta Struktur Die Papillarlinien beginnen und enden rechts des Kerns Core Delta Image Source: FVC2004 database 32

59 Daktyloskopische Grundmuster Rechte Schleife ( R ) Das Schleifenmuster enthält eine typische Delta Struktur Die Papillarlinien beginnen und enden rechts des Kerns Core Delta 33

60 Daktyloskopische Grundmuster Linke Schleife ( L ) Das Schleifenmuster enthält eine typische Delta Struktur Die Papillarlinien beginnen und enden links des Kerns Image Source: FVC2004 database 34

61 Daktyloskopische Grundmuster Linke Schleife ( L ) Das Schleifenmuster enthält eine typische Delta Struktur Die Papillarlinien beginnen und enden links des Kerns Core Delta Image Source: FVC2004 database 34

62 Daktyloskopische Grundmuster Linke Schleife ( L ) Das Schleifenmuster enthält eine typische Delta Struktur Die Papillarlinien beginnen und enden links des Kerns Core Delta 35

63 Daktyloskopische Grundmuster Wirbel ( W ) Das Grundmuster enhält zwei charakteristische Delta Strukturen Die Papillarlinien sind um den Kern geringelt Image Source: FVC2004 database 36

64 Daktyloskopische Grundmuster Wirbel ( W ) Das Grundmuster enhält zwei charakteristische Delta Strukturen Die Papillarlinien sind um den Kern geringelt Core Delta Image Source: FVC2004 database 36

65 Daktyloskopische Grundmuster Wirbel ( W ) Das Grundmuster enhält zwei charakteristische Delta Strukturen Die Papillarlinien sind um den Kern geringelt Core Delta 37

66 Daktyloskopische Grundmuster Bogen - engl. Arch ( A ) Das Grundmuster enthält keine Delta Struktur Die Papillarlinien im Zentrum des Grundmusters sind nach oben gebogen. Sie verlaufen vom linken zum rechten Bildrand Image Source: FVC2004 database 38

67 Daktyloskopische Grundmuster Bogen - engl. Arch ( A ) Das Grundmuster enthält keine Delta Struktur Die Papillarlinien im Zentrum des Grundmusters sind nach oben gebogen. Sie verlaufen vom linken zum rechten Bildrand Image Source: FVC2004 database 38

68 Dactyloskopische Grundmuster Bogen - engl. Arch ( A ) Das Grundmuster enthält keine Delta Struktur Die Papillarlinien im Zentrum des Grundmusters sind nach oben gebogen. Sie verlaufen vom linken zum rechten Bildrand Image Source: FVC2004 database 39

69 Fingerabdruckerkennung Analoge/digitale Repräsentation der Papillarleisten Landmarken im Fingerbild: Minutien Verzweigungen / Bifurcations Enpunkte / Ridge endings Singularität 40

70 Fingerabdruck - Galton Details Image Source: FVC

71 Fingerabdruck - Galton Details Linienunterbrechung Image Source: FVC

72 Fingerabdruck - Galton Details Linienunterbrechung Kurze Linie Image Source: FVC

73 Fingerabdruck - Galton Details Linienunterbrechung Kurze Linie Image Source: FVC

74 Fingerabdruck - Galton Details Linienunterbrechung Kurze Linie Insel (Enclosing) Image Source: FVC

75 Fingerabdruck - Galton Details Minutia Typen Endpunkt Verzweigung Galton Details: Kompositionen von Endpunkten und Verzweigungen Insel (enclosing) Linienkreuz Kurze Linie Linienunterbrechung Crossover 42

76 Fingerabdruckerkennung Optische Sensoren Finger liegt auf Oberfläche eines Prismas auf und wird mit einfarbigem Licht bestrahlt Gute Bildqualität, aber große Bauart Auflösung bis 1000 dpi Total Internal Reflection (TIR) Die Reflexion in den Kontaktbereichen wird unterdrückt Optischer Sensor Source: Cross Match 43

77 Fingerabdruckerkennung Kapazitive Sensoren Raster von Kondensatorplatten als Sensorelemente Messung der Leitfähigkeit an Hautoberfläche: Kapazität an aufliegenden Hautlinien größer Umformung in digitale Signale Klein und integrierbar, aber anfällig gegen elektr. Aufladung Kapazitiver Sensor von Infineon Bildgröße: 224 x 288 Pixel Sensor-Fläche: 11,3 mm x 14,3 mm 44

78 Venenerkennung Charakteristik Verzweigungspunkte der Venen unter der Haut Handinnenfläche, Handrücken und Finger Sehr einzigartig vermutlich eine beständige Charakteristik the pattern of blood veins in the palm is unique to every individual, and apart from size, this pattern will not vary over the course of a person's lifetime (Fujitsu) epidermis 0,03 0,15 mm dermis 0,6-3 mm subcutaneous layer 45

79 Venenerkennung Venen Sensor Elektromagnetische Bestrahlung im nicht-sichtbaren nahen Infrarotbereich (700 bis 1000 nm) Absorptionsfähigkeit von Blut unterscheidet sich von umgebendem Gewerbe Bauprinzip eines Sensors zur Venenerkennung Venenbild eines Zeigefingers 46

80 Merkmalsextraktion 47

81 Merkmalsextraktion Verarbeitung eines biometrischen Samples Vorgang, bei dem aus einem Sample ein Merkmalsvektor erzeugt wird. In der Enrolmentphase erzeugen wir ein Template zur Erinnerung die Definition: Menge oder Vektor von gespeicherten biometrischen Merkmalen, die direkt vergleichbar zu den biometrischen Merkmalen einer biometrischen Probe In der Wiedererkennungsphase erzeugen wir einen Proben-Merkmalsvektor 48

82 Fingerabdruckerkennung Vorverarbeitung für den Vergleich des Reference Image mit dem Probe Image 49

83 Fingerabdruckerkennung Ausrichtung (engl. alignment) des Reference Image und des Probe Image 50

84 Fingerabdruckerkennung Extraktion des Reference Merkmalsvektors und des Probe Merkmalsvektors 51

85 Merkmalsextraktion - Fingerabdruck Skelettbildung der Papillarlinie Fingerlinie wird als Rücken eines Grauwertgebirges begriffen. Suche den Weg auf dem Grat Schritte im Algorithmus starte am gelben Punkt auf der Fingerlinie und verfolge die geschätzte Laufrichtung wenn der orange Punkt erreicht ist analysiere das Grauwert profil orthogonal zum Rückenverlauf und markiere den Fußpunkt des Maximalwertes Verbindungslinie ist erster Abschnitt im Polygonzug wiederhole bis Endpunkt erreicht 52

86 Merkmalsextraktion - Fingerabdruck Minutien-Detektion mit dem crossing numbers Operator Operator arbeitet auf dem einem binären Fingerlinienbild Crossing number cn(p) für ein Pixel p wird definiert als die halbe Summe der Unterschiede zwischen benachbarten Pixeln in der 8er-Nachbarschaft von p cn(p) = 1 2 i=1,...,8 val(p i mod 8 ) val(p i 1 ) p 0, p 1,...p 7 val(p) {0, 1 sind die Pixel aus der 8er-Nachbarschaft ist der Wert des Pixels 53

87 Merkmalsextraktion - Fingerabdruck Minutien-Detektion mit dem crossing numbers Operator Ein Pixel p mit val(p) = 1 ist ein auf einer Linie liegender Punkt, wenn cn(p)=2 Endpunkt einer Linie, wenn cn(p)=1 Verzweigungspunkt, wenn cn(p) >= 3 Linienpunkt Endpunkt Verzweigungspunkt 54

88 Merkmalsextraktion - Gesichtsbilder Zwei Ansätze Holistisch: das gesamte Gesichtsbild wird verarbeitet z.b. Eigenface-Verfahren Landmarken im Gesicht detektieren Texturfenster an der Landmarke beschreibt das lokale Muster Texturen bekannt aus dem täglichen Umfeld Brodatz Texturen D84, D68, D20 und D24. Bildquelle Brodatz Album

89 Merkmalsextraktion - Gesichtsbilder Texturanalyse definiert die Merkmale statistische Momente statistische Verteilung der Pixel (z.b. Standardabweichung) Wavelet-Filter Gabor-Filter Binäre Musterbeschreibung Local Binary Pattern (LBP) 56

90 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert 57

91 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius 57

92 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points 57

93 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte

94 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample Differenzen R=1 Radius P=8 Sampling Points Grauwerte

99 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung

100 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung

101 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung Multipliziere und addiere

102 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung *1 Multipliziere und addiere

103 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung Multipliziere und addiere 1*1 + 1*

104 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung Multipliziere und addiere 1*1 + 1*2 + 0*

105 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung Multipliziere und addiere 1*1 + 1*2 + 0*4 + 0*8 + 0*16 + 0*32 + 0*64 + 1*128 =

106 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung Multipliziere und addiere *1 + 1*2 + 0*4 + 0*8 + 0*16 + 0*32 + 0*64 + 1*128 = Ergebnis Bild 57

107 Merkmale Local Binary Patterns Der Wert eines LBP-codes für ein Pixel ist definiert Sample R=1 Radius P=8 Sampling Points Grauwerte Differenzen Binarisierung Multipliziere und addiere *1 + 1*2 + 0*4 + 0*8 + 0*16 + 0*32 + 0*64 + 1*128 = Ergebnis Bild 57

108 Biometrische Vergleichsverfahren 58

109 Vergleich in der Fingerabdruckerkennung Vergleich des Reference image mit dem Probe image für wieviele Minutien-Punkte in der Probe lässt sich in der Reference-Wolke ein passender Partner finden? 59

110 Fingerabdruckerkennung Suche nach einer korrespondierenden Minutie suche einen passenden Partner Minutien wird definiert durch ein Tupel m = x, y,,t M absolute Position (Koordinaten x,y) Orientation (Winkel θ) Minutien Typ t {re, bf} x x θ θ y ridge Endpunkt (re) valley y ridge valley Verzweigung (bf) 60

111 Minutien-Partner - Paare Wir verwenden einen Dreier-Tupel Reference R Probe Q R = {m 1,m 2,...,m n } Q = {m 1,m 2,...,m k } M M m i = x i,y i, i m j = x j,y j, j wobei n und k die Anzahl der Minutien R bzw. Q bezeichnen Zwei Minutien sind Partner, wenn die räumliche Differenz sd und die Differenz der Orientierungen dd innerhalb der Toleranz ist sd(m i,m j )= (x i x j ) 2 +(y i y j ) 2 r 0 dd(m i,m j) = min{ i j, 360 i j } 0. wobei für dd das Minimum der berechneten Differenzen verwendet wird, da die Difference zwischen 1 o und 359 o nur 2 o beträgt R Q 61

112 Ähnlichkeitswert Einen Ähnlichkeitswert für zwei Merkmalvektoren bestimmen wir durch die Anzahl der gefundenen Paare Reference R Probe Q m i = x i,y i, i m j = x j,y j, j R Q R = {m 1,m 2,m 3,m 4,m 5,m 6, } M Q = {m 1, m 2, m 3,m 4 } M 62

116 Ähnlichkeitswert - Distanzwert Vergleichswert Vergleichswert - engl. comparison score c(q,r): Numerischer Wert oder auch Menge mehrerer Werte, die das Resultat eines Vergleichs sind Ähnlichkeitswert - engl. similarity score s(q,r) : Vergleichswert, der mit der Ähnlichkeit ansteigt Distanzwert / Abweichungswert - engl. dissimilarity score d(q,r): Vergleichswert, der sich bei Ähnlichkeit verringert Es gilt und Konvertierung wobei eine monoton fallende funtion ist s = f(d) Beispiele d(q, R) 0 d(r, R) =0 f s = d s = log(d) s = 1 d 63

117 P-Norm als Distanzmetrik P-Norm (Minkowski Metrik) für zwei Punkte Probe Q Referenz R ergibt sich die P-Norm als Länge des Differenzvektor X 2D-Merkmalsraum x 2 R Q x 1 64

118 P-Norm als Distanzmetrik P-Norm (Minkowski Metrik) im Beispiel Q = q1 q 2 = 6, und R = 2 r1 r 2 = 2 5 Euklidische Distanz (P=2) v v ux t n ux x i 2 = t 2 q i r i = p q 1 r q 2 r 2 2 i=1 i=1 = p = p = p 25 = 5 65

119 Hamming Distanzmetrik Vergleich von binären Merkmalvektoren Beispiele Local Binary Pattern Iriscode Berechnung der Abweichung der Vektoren durch die Anzahl der Bit-Positionen, die zwischen Probencode und Referenzcode unterschiedlich gesetzt sind. logisches XOR Fraktionierende Hammingdistanz (codeq coder) \ maskq \ maskr HD = maskq \ maskr berücksichtigt nur diejenigen Bereiche im Code, die als verwendbar markiert wurden (gute Signalqualität) (1) 66

120 Biometrische Erkennungsleistung 67

121 Biometrische Erkennungsleistung Biometrische Verfahren arbeiten nicht fehlerfrei! Was sind die Ursachen der Fehler? Welche Eigenschaft hat das biometrische Charakteristikum oder der Sensor oder der Algorithmus verletzt? Hier ein paar Beispiele: Verbreitung: Individuen mit Hautkrankeiten haben keinen Fingerabdruck (verursacht einen failure-to-enrol error) Einzigartigkeit: Merkmalvektoren von zwei unterschiedlichen Individuen sind so ähnlich, dass der Algorithmus nicht trennen kann (verursacht einen false-match-error) Beständigkeit: Hohe Luftfeuchtigkeit oder kalte Temperaturen führen zu Fingerabdruck-Samples in schlechter Qualität (verursacht einen failure-to-capture-error) 68

122 Biometrische Erkennungsleistung Biometrische Verfahren arbeiten nicht fehlerfrei! Die Erkennungsleistung (engl. Biometric performance) wird in Fehlerwahrscheinlichkeiten (error rates) formuliert Wir unterscheiden Algorithmenfehler und Systemfehler Algorithmenfehler (false-positives, false-negatives) - die auf Basis einer existierenden Sample-Datenbank berechnet werden - Messung der False-Match-Rate (FMR) - Messung der False-Non-Match-Rate (FNMR) Systemfehler - ergänzen die Algorithmenfehler - um Mensch-Sensor-Interaktionsfehler - um Fehler in der Merkmalsextraktion - Messung der False-Accept-Rate (FAR) - Messung der False-Reject-Rate (FRR) 69

123 Algorithmenfehler Zur Abschätzung der Algorithmenfehler sind für jedes Individuum pro biometrischer Instanz (ein Finger, ein Gesicht) mindestens zwei Sample vorliegen Durchzuführende Vergleiche Imposter Vergleich - engl. non-mated comparison trial: Vergleich von einer biometrischen Probe und einer biometrischen Referenz von unterschiedlichen Betroffenen Personen als Teil eines Test der Erkennungsleistung Genuine Vergleich - engl. mated comparison trial: Vergleich einer biometrischen Probe und einer biometrischen Referenz von ein und derselben Betroffenen Person und derselben biometrischen Charakteristik als Teil eines Test der Erkennungsleistung 70

124 Algorithmenfehler Probability densitiy Distribution Function (PDF) g(s) : PDF der genuine Ähnlichkeitswerte s(q, R) i(s) : PDF der imposter Ähnlichkeitswerte s(q, R) False-Match-Rate (FMR) Def in ISO/IEC : proportion of the completed biometric non-mated comparison trials that result in a false match Dieses Metrik basiert auf Imposter Vergleichen einem gewählten Schwellwert t FMR(t) = t 1 i(s)ds 71

125 Algorithmenfehler Probability densitiy Distribution Function (PDF) g(s) : PDF der genuine Ähnlichkeitswerte s(q, R) i(s) : PDF der imposter Ähnlichkeitswerte s(q, R) False-Non-Match-Rate (FNMR) Def in ISO/IEC : proportion of the completed biometric mated comparison trials that result in a false non-match Dieses Metrik basiert auf Genuine Vergleichen einem gewählten Schwellwert t FNMR(t) = 0 t g(s)ds 72

126 Algorithmenfehler - Überblick Algorithmenfehlerraten False-Match-Rate (FMR) - oft verwechselt mit FAR False-Non-Match-Rate (FNMR) - oft verwechselt mit FRR Equal-Error-Rate (EER) - Gleichfehlerrate FMR = FNMR Randbedingung: p error rates FMR FNMR pdf i pdf g FNMR (t) FMR ( t ) 0 t 1 s Threshold 73

127 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen 74

128 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic 74

129 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic 74

130 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic capture 74

131 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic capture 74

132 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample 74

133 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample 74

134 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample feature extraction 74

135 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample feature extraction 74

136 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction template 74

137 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction template 74

138 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction template enrol / store 74

139 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction template enrol / store 74

140 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction template enrol / store true biometric reference 74

142 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample false attempt++ true feature extraction template enrol / store true biometric reference 75

143 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample false attempt++ true feature extraction template enrol / store true biometric reference 75

144 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic Failure-to-Capture (FTC) true capture biometric sample false attempt++ true feature extraction template enrol / store true biometric reference 75

145 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic Failure-to-Capture (FTC) true capture biometric sample false attempt++ Es konnte kein Sample erzeugt werden true feature extraction template enrol / store true biometric reference 75

147 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true attempt++ capture biometric sample true feature extraction false template enrol / store true biometric reference 76

148 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true attempt++ capture biometric sample true feature extraction false template enrol / store true biometric reference 76

149 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic Failure-to-eXtract (FTX) attempt++ true capture biometric sample true feature extraction false template enrol / store true biometric reference 76

150 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic Failure-to-eXtract (FTX) attempt++ true capture biometric sample true feature extraction template false Es konnte aus dem Sample kein Template erzeugt werden enrol / store true biometric reference 76

152 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction template enrol / store true false biometric reference Failure-to-Enrol (FTE) fallback procedure 77

153 Fehlfunktionen des biometrischen Systems Mögliche Fehlfunktionen biometric characteristic true capture biometric sample true feature extraction Für dieses Individuum kann niemals ein brauchbares Template erzeugt und gespeichert werden template enrol / store true false biometric reference Failure-to-Enrol (FTE) fallback procedure 77

154 Metriken Failure-to-Capture Rate (FTC) Wahrscheinlichkeit einer Erfassungsfehlfunktion Def in ISO/IEC : proportion of failures of the biometric capture process to produce a captured biometric sample that is acceptable for use FTC = N tca + N nsq N tot wobei N tca N nsq N tot die Anzahl der terminierten Erfassungsversuche die Anzahl der erzeugten Samples in unzureichender Qualität die Anzahl der gesamten Erfassungsversuche 78

155 Metriken Failure-to-eXtract Rate (FTX) Wahrscheinlichkeit einer Merkmalsextraktionsfehlers Def: proportion of failures of the feature extraction process to generate a template from the captured biometric sample FTX = N ngt N sub wobei N ngt N sub die Anzahl der Versuche ist, in denen kein Template erzeugt werden konnte die Gesamtzahl der biometrischen Samples, auf welche die Merkmalsextraktion angewendet wurde 79

156 Metriken Failure-to-Enrol Rate (FTE) Wahrscheinlichkeit einer Enrolmentfehlfunktion Def in ISO/IEC : proportion of a specified set of biometric enrolment transactions that resulted in a failure to create and store a biometric enrollment data record wobei FTE = N nec N N nec N die Anzahl der Enrolmentfehlfunktionen für Individuen, deren biometrische Charakteristika nicht erfasst werden können die Gesamtzahl der natürlichen Personen, die in der Enrolmendatenbank aufgenommen werden sollen 80

157 Metriken Failure-to-Acquire Rate (FTA) Wahrscheinlichkeit einer Akquisitionsfehlfunktion Def in ISO/IEC : proportion of a specified set of biometric acquisition processes that were failure to accept for subsequent comparison the output of a data capture process Die Ursache eines Failure-to-Acquire kann in der Erfassung (Failure-to-Capture) oder in der Verarbeitung (Failure-toeXtract) liegen FTA = FTC + FTX (1 FTC) 81

158 Systemfehler False-Accept-Rate (FAR) F AR = FMR (1 FTA) False-Reject-Rate (FRR) FRR = FTA+ FNMR (1 FTA) 82

159 Systemfehler Generalized False-Accept-Rate: GF AR = FMR (1 FTA) (1 FTE) Generalized False-Reject-Rate: GF RR = FTE + (1 FTE) FTA+ (1 FTE) (1 FTA) FNMR 83

160 Graphische Darstellung Erkennungsleistung Receiver Operating Characteristic (ROC) Detection Error Trade-off (DET) curve GMR(t) (GAR) t FNMR(t) (FRR) t EER FMR(t) (FAR) FMR(t) (FAR) 84

161 Graphische Darstellung Erkennungsleistung DET Kurve (Detection Error Trade-off curve) Darstellung der Falsche Positiven (auf der X-Achse) und der Falsch Negativen (auf der Y-Achse) Image Source: ISO/IEC

162 Biometrische Anwendungen 86

163 Biometrie und Reisepässe Seit November 2005 nach ICAO Standard Contact less IC Chip ISO/IEC14443 (Proximity) Minimum 32 Kbyte Smart Card OS kompatibel zu ISO/IEC 7816 Datenübertragung 8-16 sec Logical Data Structure (LDS) Machine Readable Zone (MRZ) Gesichtsbilder und Fingerabdrücke Gültigkeit <25-5 Jahre >25-10 Jahre (nicht in allen Europäischen Ländern) 87

164 Grenzkontrolle - EasyPASS Automatisiert aber überwacht Beamten kontrollieren die Spuren Projektziele Durchsatz der Passagiere vergrössern Pilot-Betrieb wurde 2009 gestartet Source: BSI Pilotierung in Frankfurt derzeit Deutschlandweit Installation keine Registrierung erforderlich Nutzung des Gesichtsbilds aus dem Reisepass Nutzung nur für EU/Shengen-Bürger (18+) 88

165 Verbreitung der Biometrischen Pässe 489 Millionen epassports ausgegeben von 101 Staaten (Schätzung der ICAO 2013) 89

166 Weitere Anwendungen Privium-Programm in Schipol (AMS) Source: UIDAI in Indien 90

167 Biometrie und Sicherheit Das perfekte System gibt es nicht Forensik Privater PC Zugang zum Firmengelände Geldautomat Zugangskontrolle für Tresorraum einer Bank False rejec?on False acceptance 91

168 Literaturhinweise Lehrbücher zur Biometrie Stan Li and Anil Jain, Eds. Handbook of Face Recognition. Springer, D. Maltoni, D. Maio, A.K. Jain, and S Prabhakar Handbook of Fingerprint Recognition. Springer, J. Wayman, A. Jain, D. Maltoni, D. Maio Biometric Systems. Springer, L.C. Jain, U. halici, I Hayashi, S.B. Lee, S. Tsutsui Intelligent Biometric Techniques in Fingerprint and Face Recognition. CRC Press, P. Tuyls, B. Skroic and T. Kevenaar Security with Noisy Data. Springer,

169 Weitere Quellen Web Biometric Bits European Association for Biometrics da/sec Homepage National Institute for Standards and Technology ISO/IEC JTC SC37 func=ll&objid= &objaction=browse&sort=name Published ISO Standards catalogue_tc_browse.htm?commid=313770&published=on 93