Rekapitulation, Erweiterung und Systematisierung technischer Fehler biometrischer Systeme (welche Komponenten machen welche Fehler)

Transkript

1 Dozentin: Andrea Knaut Referenten: Marco Kähler, Marcel Zentel Seminar: Automatisierte Fingerabdruckidentifizierung praktisch hinterfragen Hu Berlin Rekapitulation, Erweiterung und Systematisierung technischer Fehler biometrischer Systeme (welche Komponenten machen welche Fehler)

2 Gliederung 1. Rekapitulation 2. Biometrische Systeme/ Komponenten 3. Fehlerquellen 4. Fehlerraten

3 1. Rekapitulation/ Was bisher geschah.. Manipulationstest optischer Fingerabdruckscanner, Fakefinger mit verschieden Materialien und Herstellungsverfahren Fakefinger-Dection-Lebenserkennung, Zeilensensor-Hacking, Funktionsweise von einem biometrischen System

4 1. Rekapitulation/ Was bisher geschah... Anforderungen an ein biometrisches System: Universalität Einmaligkeit Konstanz Erfassbarkeit Leistungsfähigkeit Akzeptanz Überwindungssicherheit

5 1. Rekapitulation/ Was bisher geschah... Heute Fokus auf: Erfassbarkeit Leistungsfähigkeit

6 2. Biometrische Systeme/ Komponenten Fehlerarten: Äußere Fehler (Umwelteinflüsse, Umgebung) Inhärente Fehler (Technische Fehler im System) (Manipulation)

7 2. Biometrische Systeme/ Komponenten

8 2. Biometrische Systeme/ Komponenten Ein biometrisches System gliedert sich in sieben Subsysteme: Data Capture System Transmission Subsystem Single processing Subsystem Data storage Subsystem Matching Subsystem Decision Subsystem Administration Subsystem

9 2. Biometrische Systeme/ Komponenten Data Capture System Samples Transmission Subsystem Übermittelt Samples, Features und Templates zwischen den einzelnen Subsystems

10 2. Biometrische Systeme/ Komponenten Signal processing Subsystem Erkennung und Erfassung der Unterscheidungsmerkmale (Singularitäten, Kern und Minutien) Qualitätskontrolle: 1) die extrahierten Merkmale unterscheidbar sind 2) sie wiederholbar wiedergefunden werden können Erstellung von Template Speicherung im Data storage System

11 2. Biometrische Systeme/ Komponenten Matching Subsystem Berechnung der Ähnlichkeitswerte zwischen den Fingerprint und den gespeicherten Template mit Korrelationsverfahren, Menutien-basierten Verfahren oder Graterkennungsverfahren Ergebnisübermittlung an Descision Subsystem Entscheidet ob die berechneten Ähnlichkeitswerte einen vorher festgelegten Schwellwert überschreiten Führt zur Verifikaton/ Identifikation

12 2. Biometrische Systeme/ Komponenten Administration Subsystem Regelt die Politik, Implementierung und Nutzung Feedback an den User Zusätzliche Informationen erfragen (bei der Verifizierung wichtig) das Datenformat bestimmen Schwellenwert festlegen Kontrolle des operativen Umfeldes und den nichtbiometrischen Daten Sicherheit und Verantwortung für die Vertraulichkeit Kontakt zum Umfeld

13 2. Biometrische Systeme/ Komponenten Möglichkeiten des Biometrischen Systems: Enrolment Verifikation Identifikation

14 2. Biometrische Systeme/ Komponenten

15 2. Biometrische Systeme/ Komponenten

16 2. Biometrische Systeme/ Komponenten

17 Fehlerquellen Bereiche Allgemein Sensor & Enrolment Fingerabdruckbild & Templates Vergleichsalgorithmen Fehlerraten

18 Fehlerquellen 1: Allgemein Annahme: Fingerabdrücke sind individuell einzigartig Alter & Geschlecht der Person Fingerabdruck gefälscht (s. Experiment, CCC) kein brauchbarer Fingerabdruck menschliches Versagen Wechsel bzw. Veränderungen der Algorithmen und des Equipments (Interkompatibilität) Sensor und Algorithmus unzureichend kompatibel

19 Fehlerquellen 2: Sensor & Enrolment

20 Fehlerquellen 2: Sensor & Enrolment Failure To Enrol & Failure To Acquire Noise Störungen bei der Erfassung (Ruckeln, Schmutz) schlechte Bildqualität (Kontrast, Auflösung) Umwelteinflüsse (z.b. Temperatur) bei kapazitiven Sensoren: elektrostatische Entladung Finger falsch aufgelegt (Rotation, Position, Druck, Dauer) Hauttypen, Beschädigungen, Trockenheit oder Feuchtigkeit der Finger

21 Fehlerquellen 2: Sensor & Enrolment Fingerabdruck mit schlechtem Kontrast Noise

22 Fehlerquellen 3: Template

23 Fehlerquellen 3: Template Alter des templates (10 Jahre --> FRR verdoppelt) Enrolment kann untypisch für den Finger sein Nachbearbeitung der Bilder für Merkmalsextraktion Kontrast zwischen den Papillarlinien und den nebenliegenden Furchen Datenbank manipuliert, falsche Templates hinterlegt

24 Fehlerquellen 4: Matching Algorithmus

25 Fehlerquellen 4: Matching Algorithmus Zu großer/kleiner Schwellenwert T eingestellt Berechnung der Konfidenz eines Matchings uneindeutig weder Entscheidung für Accept, noch für Reject

26 Fehlerraten Person A wird richtig als A identifiziert (richtige Identifikation), Person A wird als A abgewiesen (falsche Rückweisung False Rejection), Person B wird als A abgewiesen (richtige Rückweisung), Person B wird als A identifiziert (falsche Identifikation False Acceptance)

27 Fehlerraten Person A wird richtig als A identifiziert (richtige Identifikation), Person A wird als A abgewiesen (falsche Rückweisung False Rejection), Person B wird als A abgewiesen (richtige Rückweisung), Person B wird als A identifiziert (falsche Identifikation False Acceptance)

28 Fehlerraten

29 Fehlerraten

30 Fehlerraten Zero FRR

31 Offene Fragen?

32 Diskussionsvorschläge Ist es trotz der Fehler sinnvoll den AFIS zu verwenden? Obwohl es auch bei sehr geringen Fehlerraten falsche Verifikationen / Identifikation gibt? Kennt ihr Techniken, die ein höhere Maß an Sicherheit haben, weniger Fehleranfällig sind und den AFIS in seiner Funktion ersetzten könnten?