বায়োমেট্রিক আনলক নিরাপত্তা পরিমাপ করুন, বায়োমেট্রিক আনলক নিরাপত্তা পরিমাপ করুন, বায়োমেট্রিক আনলক নিরাপত্তা পরিমাপ করুন

অ্যান্ড্রয়েডের সাথে সামঞ্জস্যপূর্ণ বলে বিবেচিত হতে, ডিভাইস বাস্তবায়নকে অবশ্যই অ্যান্ড্রয়েড কম্প্যাটিবিলিটি ডেফিনিশন ডকুমেন্ট (CDD) এ উপস্থাপিত প্রয়োজনীয়তা পূরণ করতে হবে। Android CDD স্থাপত্য সুরক্ষা এবং স্পুফবিলিটি ব্যবহার করে বায়োমেট্রিক বাস্তবায়নের নিরাপত্তা মূল্যায়ন করে।

• আর্কিটেকচারাল সিকিউরিটি: কার্নেল বা প্ল্যাটফর্ম সমঝোতার বিরুদ্ধে বায়োমেট্রিক পাইপলাইনের স্থিতিস্থাপকতা। একটি পাইপলাইন নিরাপদ বলে বিবেচিত হয় যদি কার্নেল এবং প্ল্যাটফর্মের সমঝোতাগুলি হয় কাঁচা বায়োমেট্রিক ডেটা পড়ার বা প্রমাণীকরণের সিদ্ধান্তকে প্রভাবিত করতে পাইপলাইনে সিন্থেটিক ডেটা ইনজেকশন করার ক্ষমতা প্রদান না করে।
• বায়োমেট্রিক সিকিউরিটি পারফরম্যান্স: বায়োমেট্রিক সিকিউরিটি পারফরম্যান্স স্পুফ অ্যাকসেপ্টেন্স রেট (SAR) , ফলস অ্যাকসেপ্টেন্স রেট (FAR), এবং যখন প্রযোজ্য, বায়োমেট্রিকের ইমপোস্টার অ্যাকসেপ্টেন্স রেট (IAR) দ্বারা পরিমাপ করা হয়। SAR হল একটি মেট্রিক যা Android 9-এ প্রবর্তিত হয়েছে যাতে পরিমাপ করা হয় যে একটি বায়োমেট্রিক শারীরিক উপস্থাপনা আক্রমণের বিরুদ্ধে কতটা স্থিতিস্থাপক। বায়োমেট্রিক্স পরিমাপ করার সময় আপনাকে নীচে বর্ণিত প্রোটোকলগুলি অনুসরণ করতে হবে।

বায়োমেট্রিক নিরাপত্তা কর্মক্ষমতা পরিমাপ করতে Android তিন ধরনের মেট্রিক ব্যবহার করে।

• স্পুফ অ্যাকসেপ্টেন্স রেট (SAR): একটি বায়োমেট্রিক মডেল পূর্বে রেকর্ড করা, পরিচিত ভালো নমুনা গ্রহণ করার সুযোগের মেট্রিককে সংজ্ঞায়িত করে। উদাহরণস্বরূপ, ভয়েস আনলকের মাধ্যমে এটি একজন ব্যবহারকারীর ফোন আনলক করার সম্ভাবনাকে পরিমাপ করবে তাদের একটি রেকর্ড করা নমুনা ব্যবহার করে: "ঠিক আছে, Google" আমরা এই ধরনের আক্রমণকে স্পুফ আক্রমণ বলি। ইম্পোস্টার অ্যাটাক প্রেজেন্টেশন ম্যাচ রেট (IAPMR) নামেও পরিচিত।
• ইমপোস্টার অ্যাকসেপ্টেন্স রেট (IAR): একটি বায়োমেট্রিক মডেল ইনপুট গ্রহণ করার সুযোগের মেট্রিককে সংজ্ঞায়িত করে যা একটি পরিচিত ভাল নমুনাকে অনুকরণ করার জন্য। উদাহরণস্বরূপ, স্মার্ট লক বিশ্বস্ত ভয়েস (ভয়েস আনলক) পদ্ধতিতে, এটি পরিমাপ করবে যে কত ঘন ঘন কেউ ব্যবহারকারীর ভয়েস নকল করার চেষ্টা করছে (একই টোন এবং উচ্চারণ ব্যবহার করে) তাদের ডিভাইস আনলক করতে পারে। এ ধরনের হামলাকে আমরা প্রতারণামূলক হামলা বলি।
• মিথ্যা গ্রহণযোগ্যতা হার (FAR): কত ঘন ঘন একটি মডেল ভুলভাবে একটি এলোমেলোভাবে নির্বাচিত ভুল ইনপুট গ্রহণ করে তার মেট্রিক্স সংজ্ঞায়িত করে। যদিও এটি একটি দরকারী পরিমাপ, এটি মডেলটি লক্ষ্যবস্তু আক্রমণের জন্য কতটা ভালভাবে দাঁড়িয়েছে তা মূল্যায়ন করার জন্য পর্যাপ্ত তথ্য প্রদান করে না।

ট্রাস্ট এজেন্ট

Android 10 ট্রাস্ট এজেন্টদের আচরণ পরিবর্তন করে। ট্রাস্ট এজেন্ট একটি ডিভাইস আনলক করতে পারে না, তারা শুধুমাত্র ইতিমধ্যেই আনলক করা ডিভাইসের জন্য আনলকের সময়সীমা বাড়াতে পারে। অ্যান্ড্রয়েড 10-এ বিশ্বস্ত মুখের ব্যবহার বাতিল করা হয়েছে।

বায়োমেট্রিক ক্লাস

বায়োমেট্রিক নিরাপত্তা স্থাপত্য নিরাপত্তা এবং স্পুফবিলিটি পরীক্ষার ফলাফল ব্যবহার করে শ্রেণীবদ্ধ করা হয়। একটি বায়োমেট্রিক বাস্তবায়নকে ক্লাস 3 (পূর্বে শক্তিশালী) , ক্লাস 2 , (পূর্বে দুর্বল) বা ক্লাস 1 (পূর্বে সুবিধা) হিসাবে শ্রেণীবদ্ধ করা যেতে পারে। নীচের সারণী প্রতিটি বায়োমেট্রিক শ্রেণীর জন্য সাধারণ প্রয়োজনীয়তা বর্ণনা করে।

আরও বিস্তারিত জানার জন্য, বর্তমান অ্যান্ড্রয়েড সিডিডি দেখুন।

ক্লাস 3 বনাম ক্লাস 2 বনাম ক্লাস 1 পদ্ধতি

একটি নিরাপদ পাইপলাইনের উপস্থিতি এবং তিনটি গ্রহণযোগ্যতার হারের উপর ভিত্তি করে বায়োমেট্রিক নিরাপত্তা ক্লাস বরাদ্দ করা হয় - FAR, IAR এবং SAR৷ যে ক্ষেত্রে একটি প্রতারক আক্রমণ বিদ্যমান নেই, আমরা শুধুমাত্র FAR এবং SAR বিবেচনা করি।

সমস্ত আনলক পদ্ধতির জন্য নেওয়া ব্যবস্থাগুলির জন্য অ্যান্ড্রয়েড সামঞ্জস্যপূর্ণ সংজ্ঞা নথি (CDD) দেখুন৷

মুখ এবং আইরিস প্রমাণীকরণ

মূল্যায়ন প্রক্রিয়া

মূল্যায়ন প্রক্রিয়া দুটি পর্যায় নিয়ে গঠিত। ক্রমাঙ্কন পর্যায় একটি প্রদত্ত প্রমাণীকরণ সমাধানের জন্য সর্বোত্তম উপস্থাপনা আক্রমণ নির্ধারণ করে (এটি ক্রমাঙ্কিত অবস্থান)। পরীক্ষার পর্যায় একাধিক আক্রমণ করার জন্য ক্রমাঙ্কিত অবস্থান ব্যবহার করে এবং আক্রমণটি কতবার সফল হয়েছিল তা মূল্যায়ন করে। অ্যান্ড্রয়েড ডিভাইস এবং বায়োমেট্রিক সিস্টেমের নির্মাতাদের এই ফর্মটি জমা দিয়ে সবচেয়ে আপ-টু-ডেট পরীক্ষার নির্দেশিকা জন্য Android-এর সাথে যোগাযোগ করা উচিত।

প্রথমে ক্যালিব্রেটেড অবস্থান নির্ধারণ করা গুরুত্বপূর্ণ কারণ SAR শুধুমাত্র সিস্টেমের সবচেয়ে বড় দুর্বলতার বিরুদ্ধে আক্রমণ ব্যবহার করে পরিমাপ করা উচিত।

ক্রমাঙ্কন পর্যায়

মুখ এবং আইরিস প্রমাণীকরণের জন্য তিনটি পরামিতি রয়েছে যা পরীক্ষার পর্যায়ে সর্বোত্তম মান নিশ্চিত করতে ক্রমাঙ্কন পর্যায়ে অপ্টিমাইজ করা প্রয়োজন: উপস্থাপনা আক্রমণ যন্ত্র (PAI), উপস্থাপনা বিন্যাস, এবং বিষয় বৈচিত্র জুড়ে কর্মক্ষমতা।

পরীক্ষা বৈচিত্র্য

ফেস এবং আইরিস মডেলের পক্ষে লিঙ্গ, বয়স গোষ্ঠী এবং জাতি/জাতিভেদে ভিন্নভাবে পারফর্ম করা সম্ভব। পারফরম্যান্সের ফাঁকগুলি উন্মোচনের সম্ভাবনা সর্বাধিক করতে বিভিন্ন মুখ জুড়ে উপস্থাপনা আক্রমণগুলিকে ক্যালিব্রেট করুন।

পরীক্ষার পর্যায়

পরীক্ষার পর্যায় হল যখন বায়োমেট্রিক নিরাপত্তা কর্মক্ষমতা পূর্ববর্তী পর্ব থেকে অপ্টিমাইজড উপস্থাপনা আক্রমণ ব্যবহার করে পরিমাপ করা হয়।

পরীক্ষা পর্বে প্রচেষ্টা গণনা

একটি একক প্রচেষ্টাকে একটি মুখ উপস্থাপনের (বাস্তব বা স্পুফড) এবং ফোন থেকে কিছু প্রতিক্রিয়া (হয় একটি আনলক ইভেন্ট বা ব্যবহারকারীর দৃশ্যমান বার্তা) পাওয়ার মধ্যে উইন্ডো হিসাবে গণনা করা হয়। যেকোন চেষ্টা যেখানে ফোন ম্যাচ করার জন্য পর্যাপ্ত ডেটা পেতে অক্ষম হয় সেগুলিকে SAR গণনা করার জন্য ব্যবহৃত মোট প্রচেষ্টার সংখ্যার মধ্যে অন্তর্ভুক্ত করা উচিত নয়।

মূল্যায়ন প্রোটোকল

তালিকাভুক্তি

মুখ বা আইরিস প্রমাণীকরণের জন্য ক্রমাঙ্কন পর্ব শুরু করার আগে ডিভাইস সেটিংসে নেভিগেট করুন এবং বিদ্যমান সমস্ত বায়োমেট্রিক প্রোফাইলগুলি সরিয়ে দিন। সমস্ত বিদ্যমান প্রোফাইল মুছে ফেলার পরে, লক্ষ্য মুখ বা আইরিস সহ একটি নতুন প্রোফাইল নথিভুক্ত করুন যা ক্রমাঙ্কন এবং পরীক্ষার জন্য ব্যবহার করা হবে। একটি নতুন মুখ বা আইরিস প্রোফাইল যুক্ত করার সময় এটি একটি উজ্জ্বল আলোকিত পরিবেশে থাকা গুরুত্বপূর্ণ এবং ডিভাইসটি 20 সেমি থেকে 80 সেমি দূরত্বে সরাসরি লক্ষ্যমুখের সামনে সঠিকভাবে অবস্থিত।

ক্রমাঙ্কন পর্যায়

প্রতিটি PAI প্রজাতির জন্য ক্রমাঙ্কন পর্বটি সম্পাদন করুন কারণ বিভিন্ন প্রজাতির বিভিন্ন আকার এবং অন্যান্য বৈশিষ্ট্য রয়েছে যা পরীক্ষার জন্য সর্বোত্তম অবস্থাকে প্রভাবিত করতে পারে। PAI প্রস্তুত করুন।

ক্রমাঙ্কন পর্ব পরিচালনা করুন

রেফারেন্স অবস্থান

• রেফারেন্স অবস্থান: রেফারেন্স অবস্থান নির্ধারণ করা হয় PAI কে ডিভাইসের সামনে একটি উপযুক্ত দূরত্বে (20-80cm) এমনভাবে স্থাপন করে যেখানে PAI স্পষ্টভাবে ডিভাইসের দৃশ্যে দৃশ্যমান হয় কিন্তু অন্য কিছু ব্যবহার করা হচ্ছে (যেমন একটি স্ট্যান্ড PAI এর জন্য) দৃশ্যমান নয়।
• অনুভূমিক রেফারেন্স সমতল: যখন PAI রেফারেন্স অবস্থানে থাকে তখন ডিভাইস এবং PAI-এর মধ্যে অনুভূমিক সমতল হল অনুভূমিক রেফারেন্স সমতল।
• উল্লম্ব রেফারেন্স সমতল: যখন PAI রেফারেন্স অবস্থানে থাকে তখন ডিভাইস এবং PAI-এর মধ্যে উল্লম্ব সমতল হল উল্লম্ব রেফারেন্স সমতল।

চিত্র 1. রেফারেন্স প্লেন।

উল্লম্ব চাপ

রেফারেন্স অবস্থান নির্ধারণ করুন তারপর রেফারেন্স অবস্থানের মতো ডিভাইস থেকে একই দূরত্ব বজায় রেখে একটি উল্লম্ব চাপে PAI পরীক্ষা করুন। ডিভাইস এবং অনুভূমিক রেফারেন্স প্লেনের মধ্যে একটি 10 ​​ডিগ্রি কোণ তৈরি করে একই উল্লম্ব সমতলে PAI বাড়ান এবং ফেস আনলক পরীক্ষা করুন।

10 ডিগ্রী বৃদ্ধিতে PAI বাড়াতে এবং পরীক্ষা করা চালিয়ে যান যতক্ষণ না PAI আর দৃশ্যমান ডিভাইসের ক্ষেত্রে দৃশ্যমান না হয়। ডিভাইসটিকে সফলভাবে আনলক করেছে এমন যেকোনো অবস্থান রেকর্ড করুন। এই প্রক্রিয়াটি পুনরাবৃত্তি করুন কিন্তু অনুভূমিক রেফারেন্স সমতলের নীচে PAI কে একটি নিম্নমুখী চাপে সরান। চাপ পরীক্ষার উদাহরণের জন্য নীচের চিত্র 3 দেখুন।

অনুভূমিক চাপ

PAI কে রেফারেন্স অবস্থানে ফিরিয়ে দিন তারপর উল্লম্ব রেফারেন্স প্লেনের সাথে একটি 10 ​​ডিগ্রি কোণ তৈরি করতে অনুভূমিক সমতল বরাবর এটিকে সরান। এই নতুন অবস্থানে PAI এর সাথে উল্লম্ব চাপ পরীক্ষা করুন। 10 ডিগ্রী বৃদ্ধিতে অনুভূমিক সমতল বরাবর PAI সরান এবং প্রতিটি নতুন অবস্থানে উল্লম্ব চাপ পরীক্ষা করুন।

চিত্র 1. উল্লম্ব এবং অনুভূমিক চাপ বরাবর পরীক্ষা করা হচ্ছে।

যন্ত্রের বাম এবং ডান দিকের পাশাপাশি ডিভাইসের উপরে এবং নীচে উভয়ের জন্য 10 ডিগ্রি বৃদ্ধিতে আর্ক পরীক্ষাগুলি পুনরাবৃত্তি করতে হবে।

যে অবস্থানটি সবচেয়ে নির্ভরযোগ্য আনলকিং ফলাফল দেয় তা হল PAI প্রজাতির (উদাহরণস্বরূপ, 2D বা 3D PAI প্রজাতি) জন্য ক্রমাঙ্কিত অবস্থান ।

পরীক্ষার পর্যায়

ক্রমাঙ্কন পর্বের শেষে PAI প্রজাতির প্রতি একটি ক্রমাঙ্কিত অবস্থান থাকা উচিত। যদি একটি ক্যালিব্রেটেড অবস্থান স্থাপন করা না যায় তবে রেফারেন্স অবস্থানটি ব্যবহার করা উচিত। 2D এবং 3D PAI উভয় প্রজাতির পরীক্ষার জন্য পরীক্ষার পদ্ধতিটি সাধারণ।

• নথিভুক্ত মুখ জুড়ে, যেখানে E>= 10, এবং কমপক্ষে 10টি অনন্য মুখ রয়েছে৷
  • মুখ/আইরিস নথিভুক্ত করুন
  • পূর্ববর্তী পর্ব থেকে ক্রমাঙ্কিত অবস্থান ব্যবহার করে, U আনলক করার প্রচেষ্টা সম্পাদন করুন, পূর্ববর্তী বিভাগে বর্ণিত প্রয়াস গণনা করুন এবং যেখানে U >= 10। সফল আনলকের সংখ্যা রেকর্ড করুন S।
  • SAR তারপর পরিমাপ করা যেতে পারে:

কোথায়:

• E = তালিকাভুক্তির সংখ্যা
• U = প্রতি তালিকাভুক্তি আনলক প্রচেষ্টার সংখ্যা
• Si = তালিকাভুক্তির জন্য সফল আনলকের সংখ্যা i

ত্রুটির হারের পরিসংখ্যানগতভাবে বৈধ নমুনা অর্জনের জন্য পুনরাবৃত্তির প্রয়োজন: নীচের সকলের জন্য 95% আত্মবিশ্বাস অনুমান, বড় N

সময় প্রয়োজন (প্রতি চেষ্টা 30 সেকেন্ড, 10 বিষয়)

আমরা 5% ত্রুটির মার্জিন টার্গেট করার পরামর্শ দিই, যা 2% থেকে 12% জনসংখ্যার মধ্যে সত্যিকারের ত্রুটির হার দেয়।

ব্যাপ্তি

পরীক্ষার পর্যায়টি মুখের প্রমাণীকরণের স্থিতিস্থাপকতা পরিমাপ করে প্রাথমিকভাবে লক্ষ্য ব্যবহারকারীর মুখের ফ্যাসিমাইলের বিরুদ্ধে। এটি নন-ফ্যাসিমাইল ভিত্তিক আক্রমণ যেমন এলইডি ব্যবহার করে, বা মূল প্রিন্ট হিসাবে কাজ করে এমন প্যাটার্নগুলিকে সম্বোধন করে না। যদিও এগুলি এখনও গভীরতা-ভিত্তিক মুখের প্রমাণীকরণ সিস্টেমগুলির বিরুদ্ধে কার্যকর হিসাবে দেখানো হয়নি, ধারণাগতভাবে এটিকে সত্য হতে বাধা দেয় এমন কিছুই নেই। এটা সম্ভব এবং প্রশংসনীয় যে ভবিষ্যতের গবেষণা এটিকে দেখাবে। এই মুহুর্তে, এই আক্রমণগুলির বিরুদ্ধে স্থিতিস্থাপকতা পরিমাপ অন্তর্ভুক্ত করার জন্য এই প্রোটোকলটি সংশোধন করা হবে।

আঙুলের ছাপ প্রমাণীকরণ

অ্যান্ড্রয়েড 9-এ, স্পুফ অ্যাকসেপ্টেন্স রেট (এসএআর) দ্বারা পরিমাপ করা হিসাবে বারটি PAI-এর ন্যূনতম স্থিতিস্থাপকতায় সেট করা হয়েছিল যা 7% এর কম বা সমান। কেন 7% বিশেষভাবে এই ব্লগ পোস্টে পাওয়া যাবে তার একটি সংক্ষিপ্ত যুক্তি।

মূল্যায়ন প্রক্রিয়া

মূল্যায়ন প্রক্রিয়া দুটি পর্যায় নিয়ে গঠিত। ক্রমাঙ্কন পর্যায় একটি প্রদত্ত আঙ্গুলের ছাপ প্রমাণীকরণ সমাধানের জন্য সর্বোত্তম উপস্থাপনা আক্রমণ নির্ধারণ করে (অর্থাৎ, ক্রমাঙ্কিত অবস্থান)। পরীক্ষার পর্যায় একাধিক আক্রমণ করার জন্য ক্রমাঙ্কিত অবস্থান ব্যবহার করে এবং আক্রমণটি কতবার সফল হয়েছিল তা মূল্যায়ন করে। অ্যান্ড্রয়েড ডিভাইস এবং বায়োমেট্রিক সিস্টেমের নির্মাতাদের এই ফর্মটি জমা দিয়ে সবচেয়ে আপ-টু-ডেট পরীক্ষার নির্দেশিকা জন্য Android-এর সাথে যোগাযোগ করা উচিত।

ক্রমাঙ্কন পর্যায়

ফিঙ্গারপ্রিন্ট প্রমাণীকরণের জন্য তিনটি পরামিতি রয়েছে যা পরীক্ষার পর্যায়ের জন্য সর্বোত্তম মান নিশ্চিত করতে অপ্টিমাইজ করা প্রয়োজন: উপস্থাপনা আক্রমণ যন্ত্র (PAI), উপস্থাপনা বিন্যাস, এবং বিষয় বৈচিত্র জুড়ে কর্মক্ষমতা

• PAI হল ফিজিক্যাল স্পুফ, যেমন প্রিন্ট করা আঙ্গুলের ছাপ বা ছাঁচে তৈরি রেপ্লিকা হল উপস্থাপনা মিডিয়ার সব উদাহরণ। নিম্নলিখিত স্পুফ উপকরণগুলি দৃঢ়ভাবে সুপারিশ করা হয়
  • অপটিক্যাল ফিঙ্গারপ্রিন্ট সেন্সর (FPS)
    • নন-পরিবাহী কালি দিয়ে কাগজ/স্বচ্ছতা কপি করুন
    • নক্স জেলটিন
    • ল্যাটেক্স পেইন্ট
    • এলমারের আঠা সব
  • ক্যাপাসিটিভ এফপিএস
    • নক্স জেলটিন
    • এলমারের কার্পেন্টারের অভ্যন্তরীণ কাঠের আঠা
    • এলমারের আঠা সব
    • ল্যাটেক্স পেইন্ট
  • অতিস্বনক FPS
    • নক্স জেলটিন
    • এলমারের কার্পেন্টারের অভ্যন্তরীণ কাঠের আঠা
    • এলমারের আঠা সব
    • ল্যাটেক্স পেইন্ট
• উপস্থাপনার বিন্যাস PAI বা পরিবেশের আরও হেরফের সাথে সম্পর্কিত, এমনভাবে যা স্পুফিংকে সহায়তা করে। উদাহরণস্বরূপ, 3D রেপ্লিকা তৈরি করার আগে একটি ফিঙ্গারপ্রিন্টের একটি উচ্চ রেজোলিউশনের ছবি রিটাচ করা বা সম্পাদনা করা।
• বিষয় বৈচিত্র্য জুড়ে কর্মক্ষমতা বিশেষ করে অ্যালগরিদম টিউন করার জন্য প্রাসঙ্গিক। বিষয় লিঙ্গ, বয়স গোষ্ঠী এবং জাতি/জাতির মধ্যে ক্রমাঙ্কন প্রবাহ পরীক্ষা করা প্রায়শই বিশ্ব জনসংখ্যার অংশগুলির জন্য উল্লেখযোগ্যভাবে খারাপ কর্মক্ষমতা প্রকাশ করতে পারে এবং এই পর্যায়ে ক্রমাঙ্কন করার জন্য এটি একটি গুরুত্বপূর্ণ প্যারামিটার।

পরীক্ষা বৈচিত্র্য

আঙ্গুলের ছাপ পাঠকদের পক্ষে লিঙ্গ, বয়স গোষ্ঠী এবং জাতি/জাতিভেদে ভিন্নভাবে পারফর্ম করা সম্ভব। জনসংখ্যার একটি ছোট শতাংশের আঙুলের ছাপ রয়েছে যা সনাক্ত করা কঠিন, তাই স্বীকৃতির জন্য এবং স্পুফ পরীক্ষার জন্য সর্বোত্তম পরামিতি নির্ধারণ করতে বিভিন্ন ধরনের আঙ্গুলের ছাপ ব্যবহার করা উচিত।

পরীক্ষার পর্যায়

পরীক্ষার পর্যায় হল যখন বায়োমেট্রিক নিরাপত্তা কর্মক্ষমতা পরিমাপ করা হয়। ন্যূনতম, পরীক্ষা করা উচিত অ-সহযোগী পদ্ধতিতে যার অর্থ সংগ্রহ করা আঙ্গুলের ছাপ অন্য পৃষ্ঠ থেকে তুলে নেওয়ার মাধ্যমে করা হয়, লক্ষ্যবস্তু তাদের আঙ্গুলের ছাপ সংগ্রহে সক্রিয়ভাবে অংশগ্রহণ করার বিপরীতে, যেমন একটি সমবায় ছাঁচ তৈরি করা। বিষয়ের আঙুল। পরেরটি অনুমোদিত তবে প্রয়োজনীয় নয়।

পরীক্ষা পর্বে প্রচেষ্টা গণনা

সেন্সরে একটি আঙ্গুলের ছাপ (বাস্তব বা স্পুফড) উপস্থাপন এবং ফোন থেকে কিছু প্রতিক্রিয়া (হয় একটি আনলক ইভেন্ট বা ব্যবহারকারীর দৃশ্যমান বার্তা) পাওয়ার মধ্যে একটি একক প্রচেষ্টাকে উইন্ডো হিসাবে গণনা করা হয়।

যেকোন চেষ্টা যেখানে ফোন ম্যাচ করার জন্য পর্যাপ্ত ডেটা পেতে অক্ষম হয় সেগুলিকে SAR গণনা করার জন্য ব্যবহৃত মোট প্রচেষ্টার সংখ্যার মধ্যে অন্তর্ভুক্ত করা উচিত নয়।

মূল্যায়ন প্রোটোকল

তালিকাভুক্তি

ফিঙ্গারপ্রিন্ট প্রমাণীকরণের জন্য ক্রমাঙ্কন পর্ব শুরু করার আগে ডিভাইস সেটিংসে নেভিগেট করুন এবং বিদ্যমান সমস্ত বায়োমেট্রিক প্রোফাইলগুলি সরান৷ সমস্ত বিদ্যমান প্রোফাইল মুছে ফেলার পরে, লক্ষ্য আঙ্গুলের ছাপ সহ একটি নতুন প্রোফাইল নথিভুক্ত করুন যা ক্রমাঙ্কন এবং পরীক্ষার জন্য ব্যবহার করা হবে। প্রোফাইল সফলভাবে নথিভুক্ত না হওয়া পর্যন্ত পর্দার সমস্ত নির্দেশাবলী অনুসরণ করুন।

ক্রমাঙ্কন পর্যায়

অপটিক্যাল FPS

এটি অতিস্বনক এবং ক্যাপাসিটিভের ক্রমাঙ্কন পর্যায়গুলির অনুরূপ, তবে লক্ষ্য ব্যবহারকারীর আঙ্গুলের ছাপের 2D এবং 2.5D PAI প্রজাতির সাথে।

• একটি পৃষ্ঠ থেকে আঙ্গুলের ছাপের একটি সুপ্ত অনুলিপি তুলুন।
• 2D PAI প্রজাতির সাথে পরীক্ষা করুন
  • উত্তোলিত আঙ্গুলের ছাপটি সেন্সরে রাখুন
• 2.5D PAI প্রজাতির সাথে পরীক্ষা করুন।
  • ফিঙ্গারপ্রিন্টের একটি PAI তৈরি করুন
  • সেন্সরে PAI রাখুন

অতিস্বনক FPS

অতিস্বনক জন্য ক্যালিব্রেটিং লক্ষ্য আঙ্গুলের ছাপ একটি সুপ্ত কপি উত্তোলন জড়িত. উদাহরণস্বরূপ, এটি ফিঙ্গারপ্রিন্ট পাউডারের মাধ্যমে তোলা আঙ্গুলের ছাপ, বা একটি আঙ্গুলের ছাপের মুদ্রিত অনুলিপি ব্যবহার করে করা যেতে পারে এবং আরও ভাল স্পুফ অর্জনের জন্য আঙ্গুলের ছাপ চিত্রের ম্যানুয়াল পুনঃস্পর্শ অন্তর্ভুক্ত থাকতে পারে।

টার্গেট ফিঙ্গারপ্রিন্টের সুপ্ত কপি পাওয়ার পর, একটি PAI তৈরি করা হয়।

ক্যাপাসিটিভ এফপিএস

ক্যাপাসিটিভের জন্য ক্যালিব্রেটিং অতিস্বনক ক্রমাঙ্কনের জন্য উপরে বর্ণিত একই পদক্ষেপগুলি জড়িত।

পরীক্ষার পর্যায়

• FRR/FAR গণনা করার সময় ব্যবহৃত একই প্যারামিটার ব্যবহার করে নথিভুক্ত করার জন্য কমপক্ষে 10 জন অনন্য লোককে পান
• প্রতিটি ব্যক্তির জন্য PAI তৈরি করুন
• SAR তারপর পরিমাপ করা যেতে পারে:

ত্রুটির হারের পরিসংখ্যানগতভাবে বৈধ নমুনা অর্জনের জন্য পুনরাবৃত্তির প্রয়োজন: নীচের সকলের জন্য 95% আত্মবিশ্বাস অনুমান, বড় N

সময় প্রয়োজন (প্রতি চেষ্টা 30 সেকেন্ড, 10 বিষয়)

আমরা 5% ত্রুটির মার্জিন টার্গেট করার পরামর্শ দিই, যা 2% থেকে 12% জনসংখ্যার মধ্যে সত্যিকারের ত্রুটির হার দেয়।

ব্যাপ্তি

আঙ্গুলের ছাপ প্রমাণীকরণের স্থিতিস্থাপকতা পরীক্ষা করার জন্য এই প্রক্রিয়াটি প্রাথমিকভাবে লক্ষ্য ব্যবহারকারীর আঙ্গুলের ছাপের ফ্যাসিমাইলের বিরুদ্ধে সেটআপ করা হয়েছে। পরীক্ষার পদ্ধতি বর্তমান উপাদান খরচ, প্রাপ্যতা এবং প্রযুক্তির উপর ভিত্তি করে। এই প্রোটোকলটি নতুন উপকরণ এবং কৌশলগুলির বিরুদ্ধে স্থিতিস্থাপকতা পরিমাপ অন্তর্ভুক্ত করার জন্য সংশোধন করা হবে কারণ সেগুলি কার্যকর করার জন্য ব্যবহারিক হয়ে ওঠে।

সাধারণ বিবেচনা

যদিও প্রতিটি পদ্ধতির জন্য আলাদা পরীক্ষা সেটআপের প্রয়োজন হয়, কিছু সাধারণ দিক রয়েছে যা তাদের সকলের জন্য প্রযোজ্য।

আসল হার্ডওয়্যার পরীক্ষা করুন

সংগৃহীত SAR/IAR মেট্রিক্স ভুল হতে পারে যখন বায়োমেট্রিক মডেলগুলিকে আদর্শ অবস্থার অধীনে পরীক্ষা করা হয় এবং এটি আসলে মোবাইল ডিভাইসে প্রদর্শিত হওয়ার চেয়ে ভিন্ন হার্ডওয়্যারে। উদাহরণস্বরূপ, একটি মাল্টি-মাইক্রোফোন সেটআপ ব্যবহার করে অ্যানিকোইক চেম্বারে ক্যালিব্রেট করা ভয়েস আনলক মডেলগুলি যখন একটি শোরগোল পরিবেশে একটি মাইক্রোফোন ডিভাইসে ব্যবহার করা হয় তখন খুব ভিন্নভাবে আচরণ করে। সঠিক মেট্রিক্স ক্যাপচার করার জন্য, ইনস্টল করা হার্ডওয়্যার সহ একটি প্রকৃত ডিভাইসে পরীক্ষা করা উচিত এবং ডিভাইসে প্রদর্শিত হার্ডওয়্যারের সাথে ব্যর্থ হওয়া উচিত।

পরিচিত আক্রমণ ব্যবহার করুন

বর্তমানে ব্যবহৃত বেশিরভাগ বায়োমেট্রিক পদ্ধতি সফলভাবে স্পুফ করা হয়েছে, এবং আক্রমণ পদ্ধতির সর্বজনীন ডকুমেন্টেশন বিদ্যমান। নীচে আমরা পরিচিত আক্রমণের পদ্ধতিগুলির জন্য পরীক্ষার সেটআপগুলির একটি সংক্ষিপ্ত উচ্চ-স্তরের ওভারভিউ প্রদান করি। আমরা যেখানেই সম্ভব এখানে উল্লেখিত সেটআপ ব্যবহার করার পরামর্শ দিই।

নতুন আক্রমণের পূর্বাভাস

পদ্ধতির জন্য যেখানে উল্লেখযোগ্য নতুন উন্নতি করা হয়েছে, পরীক্ষার সেটআপ নথিতে একটি উপযুক্ত সেটআপ নাও থাকতে পারে এবং কোনো পরিচিত পাবলিক অ্যাটাক থাকতে পারে না। একটি নতুন আবিষ্কৃত আক্রমণের পরিপ্রেক্ষিতে বিদ্যমান পদ্ধতিগুলির জন্য তাদের পরীক্ষার সেটআপেরও প্রয়োজন হতে পারে। উভয় ক্ষেত্রেই আপনাকে একটি যুক্তিসঙ্গত পরীক্ষা সেটআপ নিয়ে আসতে হবে। আপনি যোগ করা যেতে পারে এমন একটি যুক্তিসঙ্গত প্রক্রিয়া সেট আপ করেছেন কিনা তা আমাদের জানাতে অনুগ্রহ করে এই পৃষ্ঠার নীচে সাইট প্রতিক্রিয়া লিঙ্কটি ব্যবহার করুন৷

বিভিন্ন পদ্ধতির জন্য সেটআপ

আঙুলের ছাপ

মুখ এবং আইরিস

ভয়েস

অ্যান্ড্রয়েডের সাথে সামঞ্জস্যপূর্ণ বলে বিবেচিত হতে, ডিভাইস বাস্তবায়নকে অবশ্যই অ্যান্ড্রয়েড কম্প্যাটিবিলিটি ডেফিনিশন ডকুমেন্ট (CDD) এ উপস্থাপিত প্রয়োজনীয়তা পূরণ করতে হবে। Android CDD স্থাপত্য সুরক্ষা এবং স্পুফবিলিটি ব্যবহার করে বায়োমেট্রিক বাস্তবায়নের নিরাপত্তা মূল্যায়ন করে।

• আর্কিটেকচারাল সিকিউরিটি: কার্নেল বা প্ল্যাটফর্ম সমঝোতার বিরুদ্ধে বায়োমেট্রিক পাইপলাইনের স্থিতিস্থাপকতা। একটি পাইপলাইন নিরাপদ বলে বিবেচিত হয় যদি কার্নেল এবং প্ল্যাটফর্মের সমঝোতাগুলি হয় কাঁচা বায়োমেট্রিক ডেটা পড়ার বা প্রমাণীকরণের সিদ্ধান্তকে প্রভাবিত করতে পাইপলাইনে সিন্থেটিক ডেটা ইনজেকশন করার ক্ষমতা প্রদান না করে।
• বায়োমেট্রিক সিকিউরিটি পারফরম্যান্স: বায়োমেট্রিক সিকিউরিটি পারফরম্যান্স স্পুফ অ্যাকসেপ্টেন্স রেট (SAR) , ফলস অ্যাকসেপ্টেন্স রেট (FAR), এবং যখন প্রযোজ্য, বায়োমেট্রিকের ইমপোস্টার অ্যাকসেপ্টেন্স রেট (IAR) দ্বারা পরিমাপ করা হয়। SAR হল একটি মেট্রিক যা Android 9-এ প্রবর্তিত হয়েছে যাতে পরিমাপ করা হয় যে একটি বায়োমেট্রিক শারীরিক উপস্থাপনা আক্রমণের বিরুদ্ধে কতটা স্থিতিস্থাপক। বায়োমেট্রিক্স পরিমাপ করার সময় আপনাকে নীচে বর্ণিত প্রোটোকলগুলি অনুসরণ করতে হবে।

বায়োমেট্রিক নিরাপত্তা কর্মক্ষমতা পরিমাপ করতে Android তিন ধরনের মেট্রিক ব্যবহার করে।

• স্পুফ অ্যাকসেপ্টেন্স রেট (SAR): একটি বায়োমেট্রিক মডেল পূর্বে রেকর্ড করা, পরিচিত ভালো নমুনা গ্রহণ করার সুযোগের মেট্রিককে সংজ্ঞায়িত করে। উদাহরণস্বরূপ, ভয়েস আনলকের মাধ্যমে এটি একজন ব্যবহারকারীর ফোন আনলক করার সম্ভাবনাকে পরিমাপ করবে তাদের একটি রেকর্ড করা নমুনা ব্যবহার করে: "ঠিক আছে, Google" আমরা এই ধরনের আক্রমণকে স্পুফ আক্রমণ বলি। ইম্পোস্টার অ্যাটাক প্রেজেন্টেশন ম্যাচ রেট (IAPMR) নামেও পরিচিত।
• ইমপোস্টার অ্যাকসেপ্টেন্স রেট (IAR): একটি বায়োমেট্রিক মডেল ইনপুট গ্রহণ করার সুযোগের মেট্রিককে সংজ্ঞায়িত করে যা একটি পরিচিত ভাল নমুনাকে অনুকরণ করার জন্য। উদাহরণস্বরূপ, স্মার্ট লক বিশ্বস্ত ভয়েস (ভয়েস আনলক) পদ্ধতিতে, এটি পরিমাপ করবে যে কত ঘন ঘন কেউ ব্যবহারকারীর ভয়েস নকল করার চেষ্টা করছে (একই টোন এবং উচ্চারণ ব্যবহার করে) তাদের ডিভাইস আনলক করতে পারে। এ ধরনের হামলাকে আমরা প্রতারণামূলক হামলা বলি।
• মিথ্যা গ্রহণযোগ্যতা হার (FAR): কত ঘন ঘন একটি মডেল ভুলভাবে একটি এলোমেলোভাবে নির্বাচিত ভুল ইনপুট গ্রহণ করে তার মেট্রিক্স সংজ্ঞায়িত করে। যদিও এটি একটি দরকারী পরিমাপ, এটি মডেলটি লক্ষ্যবস্তু আক্রমণের জন্য কতটা ভালভাবে দাঁড়িয়েছে তা মূল্যায়ন করার জন্য পর্যাপ্ত তথ্য প্রদান করে না।

ট্রাস্ট এজেন্ট

Android 10 ট্রাস্ট এজেন্টদের আচরণ পরিবর্তন করে। ট্রাস্ট এজেন্ট একটি ডিভাইস আনলক করতে পারে না, তারা শুধুমাত্র ইতিমধ্যেই আনলক করা ডিভাইসের জন্য আনলকের সময়সীমা বাড়াতে পারে। অ্যান্ড্রয়েড 10-এ বিশ্বস্ত মুখের ব্যবহার বাতিল করা হয়েছে।

বায়োমেট্রিক ক্লাস

বায়োমেট্রিক নিরাপত্তা স্থাপত্য নিরাপত্তা এবং স্পুফবিলিটি পরীক্ষার ফলাফল ব্যবহার করে শ্রেণীবদ্ধ করা হয়। একটি বায়োমেট্রিক বাস্তবায়নকে ক্লাস 3 (পূর্বে শক্তিশালী) , ক্লাস 2 , (পূর্বে দুর্বল) বা ক্লাস 1 (পূর্বে সুবিধা) হিসাবে শ্রেণীবদ্ধ করা যেতে পারে। নীচের সারণী প্রতিটি বায়োমেট্রিক শ্রেণীর জন্য সাধারণ প্রয়োজনীয়তা বর্ণনা করে।

আরও বিস্তারিত জানার জন্য, বর্তমান অ্যান্ড্রয়েড সিডিডি দেখুন।

ক্লাস 3 বনাম ক্লাস 2 বনাম ক্লাস 1 পদ্ধতি

একটি নিরাপদ পাইপলাইনের উপস্থিতি এবং তিনটি গ্রহণযোগ্যতার হারের উপর ভিত্তি করে বায়োমেট্রিক নিরাপত্তা ক্লাস বরাদ্দ করা হয় - FAR, IAR এবং SAR৷ যে ক্ষেত্রে একটি প্রতারক আক্রমণ বিদ্যমান নেই, আমরা শুধুমাত্র FAR এবং SAR বিবেচনা করি।

সমস্ত আনলক পদ্ধতির জন্য নেওয়া ব্যবস্থাগুলির জন্য অ্যান্ড্রয়েড সামঞ্জস্যপূর্ণ সংজ্ঞা নথি (CDD) দেখুন৷

মুখ এবং আইরিস প্রমাণীকরণ

মূল্যায়ন প্রক্রিয়া

মূল্যায়ন প্রক্রিয়া দুটি পর্যায় নিয়ে গঠিত। ক্রমাঙ্কন পর্যায়টি প্রদত্ত প্রমাণীকরণ সমাধানের জন্য সর্বোত্তম উপস্থাপনা আক্রমণ নির্ধারণ করে (এটি ক্যালিব্রেটেড অবস্থান)। পরীক্ষার পর্বটি একাধিক আক্রমণ সম্পাদন করতে ক্যালিব্রেটেড অবস্থান ব্যবহার করে এবং আক্রমণটি সফল হওয়ার সংখ্যাটি মূল্যায়ন করে। অ্যান্ড্রয়েড ডিভাইস এবং বায়োমেট্রিক সিস্টেমগুলির নির্মাতাদের এই ফর্মটি জমা দিয়ে সর্বাধিক আপ-টু-ডেট টেস্ট গাইডেন্সের জন্য অ্যান্ড্রয়েডের সাথে যোগাযোগ করা উচিত।

প্রথমে ক্যালিব্রেটেড অবস্থানটি নির্ধারণ করা গুরুত্বপূর্ণ কারণ এসএআর কেবল সিস্টেমে দুর্বলতার সর্বাধিক পয়েন্টের বিরুদ্ধে আক্রমণগুলি ব্যবহার করে পরিমাপ করা উচিত।

ক্রমাঙ্কন পর্ব

মুখ এবং আইআরআইএস প্রমাণীকরণের জন্য তিনটি পরামিতি রয়েছে যা পরীক্ষার পর্বের জন্য সর্বোত্তম মানগুলি নিশ্চিত করতে ক্রমাঙ্কন পর্যায়ে অনুকূলিত করা দরকার: উপস্থাপনা আক্রমণ যন্ত্র (পিএআই), উপস্থাপনা বিন্যাস এবং বিষয় বৈচিত্র্য জুড়ে কর্মক্ষমতা।

বৈচিত্র্য পরীক্ষা করা

মুখ এবং আইরিস মডেলগুলির পক্ষে লিঙ্গ, বয়স গোষ্ঠী এবং দৌড়/জাতিগতভাবে আলাদাভাবে সম্পাদন করা সম্ভব। পারফরম্যান্সে ফাঁকগুলি উন্মোচন করার সম্ভাবনা সর্বাধিকতর করতে বিভিন্ন মুখ জুড়ে উপস্থাপনা আক্রমণগুলি ক্রমাঙ্কন করে।

পরীক্ষার পর্যায়

পরীক্ষার পর্বটি হ'ল যখন বায়োমেট্রিক সুরক্ষা কর্মক্ষমতা পূর্ববর্তী পর্ব থেকে অনুকূলিত উপস্থাপনা আক্রমণ ব্যবহার করে পরিমাপ করা হয়।

পরীক্ষার পর্যায়ে চেষ্টা করার চেষ্টা করুন

একটি একক প্রচেষ্টা একটি মুখ (বাস্তব বা স্পোফড) উপস্থাপন এবং ফোন থেকে কিছু প্রতিক্রিয়া প্রাপ্তির মধ্যে উইন্ডো হিসাবে গণনা করা হয় (হয় একটি আনলক ইভেন্ট বা ব্যবহারকারী দৃশ্যমান বার্তা)। যে কোনও চেষ্টা যেখানে ফোনটি ম্যাচের চেষ্টা করার জন্য পর্যাপ্ত ডেটা পেতে অক্ষম তা এসএআর গণনা করার জন্য ব্যবহৃত মোট প্রচেষ্টার সংখ্যায় অন্তর্ভুক্ত করা উচিত নয়।

মূল্যায়ন প্রোটোকল

তালিকাভুক্তি

ফেস বা আইরিস প্রমাণীকরণের জন্য ক্রমাঙ্কন পর্ব শুরু করার আগে ডিভাইস সেটিংসে নেভিগেট করুন এবং সমস্ত বিদ্যমান বায়োমেট্রিক প্রোফাইলগুলি সরান। সমস্ত বিদ্যমান প্রোফাইল অপসারণের পরে, লক্ষ্য মুখ বা আইরিস সহ একটি নতুন প্রোফাইল তালিকাভুক্ত করুন যা ক্রমাঙ্কন এবং পরীক্ষার জন্য ব্যবহৃত হবে। নতুন মুখ বা আইরিস প্রোফাইল যুক্ত করার সময় একটি উজ্জ্বল আলোকিত পরিবেশে থাকা গুরুত্বপূর্ণ এবং ডিভাইসটি 20 সেমি থেকে 80 সেমি দূরত্বে সরাসরি লক্ষ্য মুখের সামনে সরাসরি অবস্থিত।

ক্রমাঙ্কন পর্ব

প্রতিটি পাই প্রজাতির জন্য ক্রমাঙ্কন পর্বটি সম্পাদন করুন কারণ বিভিন্ন প্রজাতির বিভিন্ন আকার এবং অন্যান্য বৈশিষ্ট্য রয়েছে যা পরীক্ষার জন্য সর্বোত্তম অবস্থাকে প্রভাবিত করতে পারে। পাই প্রস্তুত করুন।

ক্রমাঙ্কন পর্ব পরিচালনা করুন

রেফারেন্স অবস্থান

• রেফারেন্স অবস্থান: রেফারেন্স অবস্থানটি পিএআইকে উপযুক্ত দূরত্বে (20-80 সেমি) ডিভাইসের সামনে এমনভাবে স্থাপন করে নির্ধারিত হয় যেখানে পিএআই ডিভাইসের দৃষ্টিতে স্পষ্টভাবে দৃশ্যমান তবে অন্য কিছু ব্যবহৃত হচ্ছে (যেমন একটি স্ট্যান্ড পাই এর জন্য) দৃশ্যমান নয়।
• অনুভূমিক রেফারেন্স প্লেন: যখন পিএআই রেফারেন্স পজিশনে থাকে তখন ডিভাইস এবং পিএআই এর মধ্যে অনুভূমিক বিমানটি অনুভূমিক রেফারেন্স বিমান।
• উল্লম্ব রেফারেন্স প্লেন: যখন পিএআই রেফারেন্স পজিশনে থাকে তখন ডিভাইস এবং পাই এর মধ্যে উল্লম্ব বিমানটি উল্লম্ব রেফারেন্স বিমান।

চিত্র 1। রেফারেন্স প্লেন।

উল্লম্ব চাপ

রেফারেন্স অবস্থানটি নির্ধারণ করুন তারপরে রেফারেন্স পজিশন হিসাবে ডিভাইস থেকে একই দূরত্ব বজায় রেখে একটি উল্লম্ব চাপে পিএআই পরীক্ষা করুন। ডিভাইস এবং অনুভূমিক রেফারেন্স বিমানের মধ্যে 10 ডিগ্রি কোণ তৈরি করে একই উল্লম্ব সমতলটিতে পাই বাড়ান এবং মুখটি আনলক পরীক্ষা করুন।

পিএআই দেখার ডিভাইস ক্ষেত্রে আর পিআইআই আর দৃশ্যমান না হওয়া পর্যন্ত 10 ডিগ্রি ইনক্রিমেন্টে পিএআই বাড়াতে এবং পরীক্ষা করা চালিয়ে যান। সফলভাবে ডিভাইসটি আনলক করা এমন কোনও অবস্থান রেকর্ড করুন। এই প্রক্রিয়াটি পুনরাবৃত্তি করুন তবে অনুভূমিক রেফারেন্স বিমানের নীচে, নীচের দিকে চাপে পাইকে সরানো। আর্ক পরীক্ষার উদাহরণের জন্য নীচে চিত্র 3 দেখুন।

অনুভূমিক চাপ

পিএআইটিকে রেফারেন্স পজিশনে ফিরিয়ে দিন এবং উল্লম্ব রেফারেন্স প্লেন সহ 10 ডিগ্রি কোণ তৈরি করতে এটি অনুভূমিক বিমানের সাথে সরান। এই নতুন অবস্থানে পিএআইয়ের সাথে উল্লম্ব চাপ পরীক্ষা করুন। 10 ডিগ্রি ইনক্রিমেন্টে অনুভূমিক বিমানের সাথে পাইটি সরান এবং প্রতিটি নতুন অবস্থানে উল্লম্ব চাপ পরীক্ষা করুন।

চিত্র 1। উল্লম্ব এবং অনুভূমিক চাপের সাথে পরীক্ষা করা।

আর্ক পরীক্ষাগুলি ডিভাইসের বাম এবং ডান পাশের পাশাপাশি ডিভাইসের উপরে এবং নীচে উভয় জন্য 10 ডিগ্রি ইনক্রিমেন্টে পুনরাবৃত্তি করা দরকার।

সবচেয়ে নির্ভরযোগ্য আনলকিং ফলাফলগুলি যে অবস্থানটি দেয় তা হ'ল পাই প্রজাতির ধরণের (উদাহরণস্বরূপ, 2 ডি বা 3 ডি পাই প্রজাতির) জন্য ক্যালিব্রেটেড অবস্থান ।

পরীক্ষার পর্যায়

ক্রমাঙ্কন পর্বের শেষে পিএআই প্রজাতির প্রতি একটি ক্যালিব্রেটেড অবস্থান থাকা উচিত। যদি কোনও ক্যালিব্রেটেড অবস্থান স্থাপন করা যায় না তবে রেফারেন্স অবস্থানটি ব্যবহার করা উচিত। পরীক্ষার পদ্ধতিটি 2 ডি এবং 3 ডি পিএআই উভয় প্রজাতির পরীক্ষার জন্য সাধারণ।

• তালিকাভুক্ত মুখগুলি জুড়ে, যেখানে E> = 10 এবং কমপক্ষে 10 টি অনন্য মুখ অন্তর্ভুক্ত করে।
  • ফেস/আইরিস তালিকাভুক্ত করুন
  • পূর্ববর্তী পর্ব থেকে ক্যালিব্রেটেড অবস্থানটি ব্যবহার করে, ইউ আনলক প্রচেষ্টা সম্পাদন করুন, পূর্ববর্তী বিভাগে বর্ণিত হিসাবে গণনা প্রচেষ্টা গণনা করুন এবং যেখানে ইউ> = 10। সফল আনলকগুলির সংখ্যা রেকর্ড করুন ।
  • এসএআর তারপরে পরিমাপ করা যেতে পারে:

কোথায়:

• E = তালিকাভুক্তির সংখ্যা
• U = তালিকাভুক্তি প্রতি আনলক প্রচেষ্টার সংখ্যা
• এসআই = তালিকাভুক্তির জন্য সফল আনলকগুলির সংখ্যা i

ত্রুটির হারের পরিসংখ্যানগতভাবে বৈধ নমুনাগুলি অর্জনের জন্য প্রয়োজনীয় পুনরাবৃত্তি: নীচের সকলের জন্য 95% আত্মবিশ্বাস অনুমান, বড় এন

সময় প্রয়োজন (প্রতি প্রচেষ্টা 30 সেকেন্ড, 10 বিষয়)

আমরা 5% মার্জিন ত্রুটির লক্ষ্যবস্তু করার পরামর্শ দিই, যা 2% থেকে 12% জনসংখ্যায় সত্য ত্রুটি হার দেয়।

ব্যাপ্তি

পরীক্ষার পর্বটি মূলত লক্ষ্য ব্যবহারকারীর মুখের ফ্যাসিমাইলগুলির বিরুদ্ধে মুখের প্রমাণীকরণের স্থিতিস্থাপকতা পরিমাপ করে। এটি এলইডি ব্যবহার করা বা মূল প্রিন্ট হিসাবে কাজ করে এমন নিদর্শনগুলির মতো অ-মুখী ভিত্তিক আক্রমণগুলিকে সম্বোধন করে না। যদিও এগুলি এখনও গভীরতা-ভিত্তিক মুখ প্রমাণীকরণ সিস্টেমের বিরুদ্ধে কার্যকর হিসাবে দেখানো হয়নি, এমন কিছুই নেই যা ধারণাগতভাবে এটিকে সত্য হতে বাধা দেয়। এটি উভয়ই সম্ভব এবং প্রশংসনীয় যে ভবিষ্যতের গবেষণাটি এটিকে কেস হিসাবে দেখাবে। এই মুহুর্তে, এই প্রোটোকলটি এই আক্রমণগুলির বিরুদ্ধে স্থিতিস্থাপকতা পরিমাপ করার জন্য সংশোধিত হবে।

আঙুলের ছাপ প্রমাণীকরণ

অ্যান্ড্রয়েড 9 -এ, বারটি পিএআইএসের ন্যূনতম স্থিতিস্থাপকতায় সেট করা হয়েছিল যেমন একটি স্পুফ গ্রহণযোগ্যতা হার (এসএআর) দ্বারা পরিমাপ করা হয়েছে যা 7%এর চেয়ে কম বা সমান। এই ব্লগ পোস্টে 7% বিশেষত কেন পাওয়া যাবে তার একটি সংক্ষিপ্ত যুক্তি।

মূল্যায়ন প্রক্রিয়া

মূল্যায়ন প্রক্রিয়া দুটি পর্যায় নিয়ে গঠিত। ক্রমাঙ্কন পর্যায়টি প্রদত্ত ফিঙ্গারপ্রিন্ট প্রমাণীকরণ সমাধানের জন্য সর্বোত্তম উপস্থাপনা আক্রমণ নির্ধারণ করে (অর্থাৎ ক্যালিব্রেটেড অবস্থান)। পরীক্ষার পর্বটি একাধিক আক্রমণ সম্পাদন করতে ক্যালিব্রেটেড অবস্থান ব্যবহার করে এবং আক্রমণটি সফল হওয়ার সংখ্যাটি মূল্যায়ন করে। অ্যান্ড্রয়েড ডিভাইস এবং বায়োমেট্রিক সিস্টেমগুলির নির্মাতাদের এই ফর্মটি জমা দিয়ে সর্বাধিক আপ-টু-ডেট টেস্ট গাইডেন্সের জন্য অ্যান্ড্রয়েডের সাথে যোগাযোগ করা উচিত।

ক্রমাঙ্কন পর্ব

ফিঙ্গারপ্রিন্ট প্রমাণীকরণের জন্য তিনটি পরামিতি রয়েছে যা পরীক্ষার পর্বের জন্য অনুকূল মানগুলি নিশ্চিত করার জন্য অনুকূলিত করা দরকার: উপস্থাপনা আক্রমণ উপকরণ (পিএআই), উপস্থাপনা ফর্ম্যাট এবং বিষয়বস্তু বিভিন্নতা জুড়ে কর্মক্ষমতা

• পিএআই হ'ল শারীরিক ছদ্মবেশ, যেমন মুদ্রিত ফিঙ্গারপ্রিন্ট বা একটি ছাঁচযুক্ত প্রতিলিপি সমস্ত উপস্থাপনা মিডিয়াগুলির উদাহরণ। নিম্নলিখিত স্পুফ উপকরণগুলি দৃ strongly ়ভাবে সুপারিশ করা হয়
  • অপটিকাল ফিঙ্গারপ্রিন্ট সেন্সর (এফপিএস)
    • নন-কন্ডাকটিভ কালি সহ কাগজ/স্বচ্ছতা অনুলিপি করুন
    • নক্স জেলটিন
    • ল্যাটেক্স পেইন্ট
    • এলমারের আঠালো সব
  • ক্যাপাসিটিভ এফপিএস
    • নক্স জেলটিন
    • এলমার এর ছুতার অভ্যন্তর কাঠের আঠালো
    • এলমারের আঠালো সব
    • ল্যাটেক্স পেইন্ট
  • অতিস্বনক এফপিএস
    • নক্স জেলটিন
    • এলমার এর ছুতার অভ্যন্তর কাঠের আঠালো
    • এলমারের আঠালো সব
    • ল্যাটেক্স পেইন্ট
• উপস্থাপনা ফর্ম্যাটটি পিএআই বা পরিবেশের আরও হেরফেরের সাথে সম্পর্কিত, এমনভাবে যে স্পোফিংকে সহায়তা করে। উদাহরণস্বরূপ, 3 ডি প্রতিলিপি তৈরির আগে একটি ফিঙ্গারপ্রিন্টের উচ্চ রেজোলিউশন চিত্রটি পুনর্নির্মাণ বা সম্পাদনা করা।
• বিষয় বৈচিত্র্য জুড়ে পারফরম্যান্স বিশেষত অ্যালগরিদম টিউন করার জন্য প্রাসঙ্গিক। সাবজেক্ট লিঙ্গ, বয়সের গোষ্ঠী এবং দৌড়/জাতিগুলি জুড়ে ক্রমাঙ্কন প্রবাহের পরীক্ষা করা প্রায়শই বিশ্ব জনগোষ্ঠীর বিভাগগুলির জন্য যথেষ্ট খারাপ পারফরম্যান্স প্রকাশ করতে পারে এবং এই পর্যায়ে ক্রমাঙ্কিত করার জন্য একটি গুরুত্বপূর্ণ পরামিতি।

বৈচিত্র্য পরীক্ষা করা

লিঙ্গ, বয়স গোষ্ঠী এবং দৌড়/জাতিগতভাবে ফিঙ্গারপ্রিন্ট পাঠকদের পক্ষে আলাদাভাবে সম্পাদন করা সম্ভব। জনসংখ্যার একটি ছোট শতাংশের আঙুলের ছাপ রয়েছে যা স্বীকৃতি দেওয়া কঠিন, সুতরাং স্বীকৃতি এবং স্পুফ পরীক্ষায় অনুকূল পরামিতিগুলি নির্ধারণ করতে বিভিন্ন ধরণের আঙুলের ছাপ ব্যবহার করা উচিত।

পরীক্ষার পর্যায়

বায়োমেট্রিক সুরক্ষা কর্মক্ষমতা পরিমাপ করা হলে পরীক্ষার পর্বটি হয়। সর্বনিম্ন, পরীক্ষামূলকভাবে একটি অসহযোগিতামূলক পদ্ধতিতে করা উচিত যার অর্থ সংগৃহীত যে কোনও আঙুলের ছাপগুলি তাদের আঙুলের ছাপ সংগ্রহের ক্ষেত্রে সক্রিয়ভাবে অংশ নেওয়ার বিপরীতে যেমন অন্য পৃষ্ঠ থেকে সরিয়ে নিয়ে যাওয়া হয়, যেমন একটি সমবায় ছাঁচ তৈরি করা যেমন সাবজেক্টের আঙুল পরেরটি অনুমোদিত তবে প্রয়োজন হয় না।

পরীক্ষার পর্যায়ে চেষ্টা করার চেষ্টা করুন

একটি একক প্রচেষ্টা সেন্সরে একটি ফিঙ্গারপ্রিন্ট (বাস্তব বা স্পুফড) উপস্থাপন এবং ফোন থেকে কিছু প্রতিক্রিয়া প্রাপ্তির মধ্যে উইন্ডো হিসাবে গণনা করা হয় (হয় একটি আনলক ইভেন্ট বা ব্যবহারকারী দৃশ্যমান বার্তা)।

যে কোনও চেষ্টা যেখানে ফোনটি ম্যাচের চেষ্টা করার জন্য পর্যাপ্ত ডেটা পেতে অক্ষম তা এসএআর গণনা করার জন্য ব্যবহৃত মোট প্রচেষ্টার সংখ্যায় অন্তর্ভুক্ত করা উচিত নয়।

মূল্যায়ন প্রোটোকল

তালিকাভুক্তি

ফিঙ্গারপ্রিন্ট প্রমাণীকরণের জন্য ক্রমাঙ্কন পর্ব শুরু করার আগে ডিভাইস সেটিংসে নেভিগেট করুন এবং সমস্ত বিদ্যমান বায়োমেট্রিক প্রোফাইলগুলি সরান। সমস্ত বিদ্যমান প্রোফাইলগুলি সরানোর পরে, টার্গেট ফিঙ্গারপ্রিন্টের সাথে একটি নতুন প্রোফাইল তালিকাভুক্ত করুন যা ক্রমাঙ্কন এবং পরীক্ষার জন্য ব্যবহৃত হবে। প্রোফাইলটি সফলভাবে তালিকাভুক্ত না হওয়া পর্যন্ত সমস্ত স্ক্রিনের দিকনির্দেশগুলি অনুসরণ করুন।

ক্রমাঙ্কন পর্ব

অপটিকাল এফপিএস

এটি অতিস্বনক এবং ক্যাপাসিটিভের ক্রমাঙ্কন পর্যায়ের অনুরূপ, তবে লক্ষ্য ব্যবহারকারীর আঙুলের ছাপের 2 ডি এবং 2.5 ডি পিআইআই উভয় প্রজাতির সাথে।

• একটি পৃষ্ঠ থেকে ফিঙ্গারপ্রিন্টের একটি সুপ্ত অনুলিপি তুলুন।
• 2 ডি পাই প্রজাতির সাথে পরীক্ষা করুন
  • সেন্সরে উত্তোলিত আঙুলের ছাপ রাখুন
• 2.5 ডি পাই প্রজাতির সাথে পরীক্ষা করুন।
  • ফিঙ্গারপ্রিন্টের একটি পাই তৈরি করুন
  • সেন্সরে পাই রাখুন

অতিস্বনক এফপিএস

অতিস্বনক জন্য ক্যালিব্রেটিংয়ের মধ্যে লক্ষ্য ফিঙ্গারপ্রিন্টের একটি সুপ্ত অনুলিপি উত্তোলন জড়িত। উদাহরণস্বরূপ, এটি ফিঙ্গারপ্রিন্ট পাউডার দ্বারা উত্তোলন করা ফিঙ্গারপ্রিন্টগুলি ব্যবহার করে বা ফিঙ্গারপ্রিন্টের মুদ্রিত অনুলিপিগুলি ব্যবহার করে করা যেতে পারে এবং আরও ভাল স্পুফ অর্জনের জন্য ফিঙ্গারপ্রিন্ট চিত্রটির ম্যানুয়াল পুনরায় স্পর্শ করা অন্তর্ভুক্ত থাকতে পারে।

টার্গেট ফিঙ্গারপ্রিন্টের সুপ্ত অনুলিপি প্রাপ্ত হওয়ার পরে, একটি পিএআই তৈরি করা হয়।

ক্যাপাসিটিভ এফপিএস

ক্যাপাসিটিভের জন্য ক্রমাঙ্কিত করা অতিস্বনক ক্রমাঙ্কনের জন্য উপরে বর্ণিত একই পদক্ষেপগুলিতে জড়িত।

পরীক্ষার পর্যায়

• এফআরআর/ফার গণনা করার সময় ব্যবহৃত একই পরামিতিগুলি ব্যবহার করে তালিকাভুক্ত করতে কমপক্ষে 10 টি অনন্য লোক পান
• প্রতিটি ব্যক্তির জন্য পিএআইএস তৈরি করুন
• এসএআর তারপরে পরিমাপ করা যেতে পারে:

ত্রুটির হারের পরিসংখ্যানগতভাবে বৈধ নমুনাগুলি অর্জনের জন্য প্রয়োজনীয় পুনরাবৃত্তি: নীচের সকলের জন্য 95% আত্মবিশ্বাস অনুমান, বড় এন

সময় প্রয়োজন (প্রতি চেষ্টা প্রতি 30 সেকেন্ড, 10 বিষয়)

আমরা 5% মার্জিন ত্রুটির লক্ষ্যবস্তু করার পরামর্শ দিই, যা 2% থেকে 12% জনসংখ্যায় সত্য ত্রুটি হার দেয়।

ব্যাপ্তি

এই প্রক্রিয়াটি মূলত লক্ষ্য ব্যবহারকারীর ফিঙ্গারপ্রিন্টের ফ্যাসিমাইলগুলির বিরুদ্ধে ফিঙ্গারপ্রিন্ট প্রমাণীকরণের স্থিতিস্থাপকতা পরীক্ষা করার জন্য সেটআপ করা হয়। পরীক্ষার পদ্ধতিটি বর্তমান উপাদান ব্যয়, প্রাপ্যতা এবং প্রযুক্তির উপর ভিত্তি করে। এই প্রোটোকলটি নতুন উপকরণ এবং কৌশলগুলির বিরুদ্ধে স্থিতিস্থাপকতা পরিমাপের অন্তর্ভুক্ত করার জন্য সংশোধন করা হবে কারণ তারা কার্যকর করার জন্য ব্যবহারিক হয়ে উঠেছে।

সাধারণ বিবেচনা

যদিও প্রতিটি মড্যালিটিতে আলাদা পরীক্ষার সেটআপ প্রয়োজন, কয়েকটি সাধারণ দিক রয়েছে যা সেগুলির জন্য প্রযোজ্য।

প্রকৃত হার্ডওয়্যার পরীক্ষা করুন

সংগৃহীত এসএআর/আইএআর মেট্রিকগুলি ভুল হতে পারে যখন বায়োমেট্রিক মডেলগুলি আদর্শিক অবস্থার অধীনে এবং বিভিন্ন হার্ডওয়্যারগুলিতে এটি আসলে কোনও মোবাইল ডিভাইসে প্রদর্শিত হওয়ার চেয়ে পরীক্ষা করা হয়। উদাহরণস্বরূপ, ভয়েস আনলক মডেলগুলি যা একটি অ্যানচাইক চেম্বারে ক্যালিব্রেটেড একটি মাল্টি-মাইক্রোফোন সেটআপ ব্যবহার করে একটি শোরগোলের পরিবেশে একক মাইক্রোফোন ডিভাইসে ব্যবহৃত হলে খুব আলাদা আচরণ করে। সঠিক মেট্রিকগুলি ক্যাপচার করার জন্য, হার্ডওয়্যার ইনস্টল সহ একটি প্রকৃত ডিভাইসে পরীক্ষা করা উচিত এবং এটি ডিভাইসে প্রদর্শিত হওয়ায় হার্ডওয়্যারটির সাথে ব্যর্থ হয়।

পরিচিত আক্রমণ ব্যবহার করুন

আজ ব্যবহারের বেশিরভাগ বায়োমেট্রিক পদ্ধতিগুলি সফলভাবে স্পোফড করা হয়েছে এবং আক্রমণ পদ্ধতিটির সর্বজনীন ডকুমেন্টেশন বিদ্যমান। নীচে আমরা পরিচিত আক্রমণগুলির সাথে পদ্ধতিগুলির জন্য পরীক্ষার সেটআপগুলির একটি সংক্ষিপ্ত উচ্চ-স্তরের ওভারভিউ সরবরাহ করি। আমরা যেখানেই সম্ভব এখানে বর্ণিত সেটআপটি ব্যবহার করার পরামর্শ দিই।

নতুন আক্রমণ প্রত্যাশা

যে রূপগুলি উল্লেখযোগ্য নতুন উন্নতি করা হয়েছে, সেখানে পরীক্ষার সেটআপ নথিতে উপযুক্ত সেটআপ নাও থাকতে পারে এবং কোনও জনসাধারণের আক্রমণ নেই। নতুন আবিষ্কৃত আক্রমণটির প্রেক্ষিতে বিদ্যমান পদ্ধতিগুলিরও তাদের পরীক্ষার সেটআপের প্রয়োজন হতে পারে। উভয় ক্ষেত্রেই আপনাকে যুক্তিসঙ্গত পরীক্ষা সেটআপ নিয়ে আসতে হবে। আপনি যদি যুক্ত করা যায় এমন কোনও যুক্তিসঙ্গত প্রক্রিয়া সেট আপ করেছেন কিনা তা আমাদের জানাতে দয়া করে এই পৃষ্ঠার নীচে সাইটের প্রতিক্রিয়া লিঙ্কটি ব্যবহার করুন।

বিভিন্ন পদ্ধতির জন্য সেটআপ

আঙুলের ছাপ

মুখ এবং আইরিস

ভয়েস

অ্যান্ড্রয়েডের সাথে সামঞ্জস্যপূর্ণ হিসাবে বিবেচিত হওয়ার জন্য, ডিভাইস বাস্তবায়নগুলি অবশ্যই অ্যান্ড্রয়েড সামঞ্জস্যতা সংজ্ঞা ডকুমেন্টে (সিডিডি) উপস্থাপিত প্রয়োজনীয়তাগুলি পূরণ করতে হবে। অ্যান্ড্রয়েড সিডিডি স্থাপত্য সুরক্ষা এবং স্পোফিলিটি ব্যবহার করে একটি বায়োমেট্রিক বাস্তবায়নের সুরক্ষার মূল্যায়ন করে।

• আর্কিটেকচারাল সুরক্ষা: কার্নেল বা প্ল্যাটফর্মের সমঝোতার বিরুদ্ধে একটি বায়োমেট্রিক পাইপলাইনের স্থিতিস্থাপকতা। একটি পাইপলাইন সুরক্ষিত হিসাবে বিবেচিত হয় যদি কার্নেল এবং প্ল্যাটফর্মের আপসগুলি কাঁচা বায়োমেট্রিক ডেটা পড়ার ক্ষমতা না দেয় বা প্রমাণীকরণের সিদ্ধান্তকে প্রভাবিত করার জন্য পাইপলাইনে সিন্থেটিক ডেটা ইনজেক্ট করার ক্ষমতা প্রদান করে না।
• বায়োমেট্রিক সুরক্ষা কর্মক্ষমতা: বায়োমেট্রিক সুরক্ষা কর্মক্ষমতা স্পুফ গ্রহণযোগ্যতা হার (এসএআর) , মিথ্যা গ্রহণযোগ্যতা হার (এফএআর) এবং প্রযোজ্য হলে বায়োমেট্রিকের ইমপোস্টার গ্রহণযোগ্যতা হার (আইএআর) দ্বারা পরিমাপ করা হয়। কোনও বায়োমেট্রিক শারীরিক উপস্থাপনা আক্রমণের বিরুদ্ধে কতটা স্থিতিশীল তা পরিমাপ করার জন্য এসএআর অ্যান্ড্রয়েড 9 -এ প্রবর্তিত একটি মেট্রিক। বায়োমেট্রিক্স পরিমাপ করার সময় আপনাকে নীচে বর্ণিত প্রোটোকলগুলি অনুসরণ করতে হবে।

বায়োমেট্রিক সুরক্ষা কর্মক্ষমতা পরিমাপ করতে অ্যান্ড্রয়েড তিন ধরণের মেট্রিক ব্যবহার করে।

• স্পুফ গ্রহণযোগ্যতা হার (এসএআর): একটি বায়োমেট্রিক মডেল পূর্বে রেকর্ড করা, পরিচিত ভাল নমুনা গ্রহণ করে এমন সুযোগের মেট্রিককে সংজ্ঞায়িত করে। উদাহরণস্বরূপ, ভয়েস আনলক দিয়ে এটি তাদের রেকর্ড করা নমুনা ব্যবহার করে ব্যবহারকারীর ফোন আনলক করার সম্ভাবনাগুলি পরিমাপ করবে: "ঠিক আছে, গুগল" আমরা এই জাতীয় আক্রমণগুলিকে স্পুফ আক্রমণ বলি। ইমপোস্টর আক্রমণ উপস্থাপনা ম্যাচের হার (আইএপিএমআর) হিসাবেও পরিচিত।
• ইমপোস্টার গ্রহণযোগ্যতা হার (আইএআর): একটি বায়োমেট্রিক মডেল ইনপুট গ্রহণ করে এমন সুযোগের মেট্রিককে সংজ্ঞায়িত করে যা একটি পরিচিত ভাল নমুনা নকল করার জন্য বোঝানো হয়। উদাহরণস্বরূপ, স্মার্ট লক বিশ্বস্ত ভয়েস (ভয়েস আনলক) ব্যবস্থায়, এটি পরিমাপ করবে যে কেউ কতবার ব্যবহারকারীর ভয়েসকে (অনুরূপ স্বন এবং অ্যাকসেন্ট ব্যবহার করে) নকল করার চেষ্টা করছে তাদের ডিভাইসটি আনলক করতে পারে। আমরা এই জাতীয় আক্রমণগুলিকে প্ররোচিত আক্রমণ বলি।
• মিথ্যা গ্রহণযোগ্যতা হার (এফএআর): কোনও মডেল কতবার ভুলভাবে এলোমেলোভাবে নির্বাচিত ভুল ইনপুট গ্রহণ করে তার মেট্রিকগুলি সংজ্ঞায়িত করে। যদিও এটি একটি দরকারী ব্যবস্থা, এটি মডেলটি লক্ষ্যযুক্ত আক্রমণগুলিতে কতটা ভালভাবে দাঁড়িয়েছে তা মূল্যায়নের জন্য এটি পর্যাপ্ত তথ্য সরবরাহ করে না।

ট্রাস্ট এজেন্ট

অ্যান্ড্রয়েড 10 এ ট্রাস্ট এজেন্টরা কীভাবে আচরণ করে তা পরিবর্তন করে। ট্রাস্ট এজেন্টরা কোনও ডিভাইস আনলক করতে পারে না, তারা কেবল ইতিমধ্যে আনলক করা ডিভাইসের জন্য আনলক সময়কাল প্রসারিত করতে পারে। অ্যান্ড্রয়েড 10 এ বিশ্বস্ত মুখটি হ্রাস করা হয়।

বায়োমেট্রিক ক্লাস

বায়োমেট্রিক সুরক্ষা স্থাপত্য সুরক্ষা এবং স্পোফিবিলিটি পরীক্ষার ফলাফলগুলি ব্যবহার করে শ্রেণিবদ্ধ করা হয়। একটি বায়োমেট্রিক বাস্তবায়ন ক্লাস 3 (পূর্বে শক্তিশালী) , ক্লাস 2 , (পূর্বে দুর্বল) , বা ক্লাস 1 (পূর্বে সুবিধা) হিসাবে শ্রেণিবদ্ধ করা যেতে পারে। নীচের টেবিলটি প্রতিটি বায়োমেট্রিক শ্রেণীর জন্য সাধারণ প্রয়োজনীয়তা বর্ণনা করে।

আরও তথ্যের জন্য, বর্তমান অ্যান্ড্রয়েড সিডিডি দেখুন।

ক্লাস 3 বনাম ক্লাস 2 বনাম ক্লাস 1 পদ্ধতি

বায়োমেট্রিক সুরক্ষা ক্লাসগুলি একটি সুরক্ষিত পাইপলাইনের উপস্থিতি এবং তিনটি গ্রহণযোগ্যতা হার - ফার, আইএআর এবং এসএআর এর উপর ভিত্তি করে বরাদ্দ করা হয়। এমন ক্ষেত্রে যেখানে কোনও ইমপোস্টার আক্রমণ নেই, আমরা কেবল দূর এবং এসএআর বিবেচনা করি।

সমস্ত আনলক পদ্ধতিগুলির জন্য ব্যবস্থা গ্রহণের জন্য অ্যান্ড্রয়েড সামঞ্জস্য সংজ্ঞা সংজ্ঞা ডকুমেন্ট (সিডিডি) দেখুন।

মুখ এবং আইরিস প্রমাণীকরণ

মূল্যায়ন প্রক্রিয়া

মূল্যায়ন প্রক্রিয়া দুটি পর্যায় নিয়ে গঠিত। ক্রমাঙ্কন পর্যায়টি প্রদত্ত প্রমাণীকরণ সমাধানের জন্য সর্বোত্তম উপস্থাপনা আক্রমণ নির্ধারণ করে (এটি ক্যালিব্রেটেড অবস্থান)। পরীক্ষার পর্বটি একাধিক আক্রমণ সম্পাদন করতে ক্যালিব্রেটেড অবস্থান ব্যবহার করে এবং আক্রমণটি সফল হওয়ার সংখ্যাটি মূল্যায়ন করে। অ্যান্ড্রয়েড ডিভাইস এবং বায়োমেট্রিক সিস্টেমগুলির নির্মাতাদের এই ফর্মটি জমা দিয়ে সর্বাধিক আপ-টু-ডেট টেস্ট গাইডেন্সের জন্য অ্যান্ড্রয়েডের সাথে যোগাযোগ করা উচিত।

প্রথমে ক্যালিব্রেটেড অবস্থানটি নির্ধারণ করা গুরুত্বপূর্ণ কারণ এসএআর কেবল সিস্টেমে দুর্বলতার সর্বাধিক পয়েন্টের বিরুদ্ধে আক্রমণগুলি ব্যবহার করে পরিমাপ করা উচিত।

ক্রমাঙ্কন পর্ব

মুখ এবং আইআরআইএস প্রমাণীকরণের জন্য তিনটি পরামিতি রয়েছে যা পরীক্ষার পর্বের জন্য সর্বোত্তম মানগুলি নিশ্চিত করতে ক্রমাঙ্কন পর্যায়ে অনুকূলিত করা দরকার: উপস্থাপনা আক্রমণ যন্ত্র (পিএআই), উপস্থাপনা বিন্যাস এবং বিষয় বৈচিত্র্য জুড়ে কর্মক্ষমতা।

বৈচিত্র্য পরীক্ষা করা

মুখ এবং আইরিস মডেলগুলির পক্ষে লিঙ্গ, বয়স গোষ্ঠী এবং দৌড়/জাতিগতভাবে আলাদাভাবে সম্পাদন করা সম্ভব। পারফরম্যান্সে ফাঁকগুলি উন্মোচন করার সম্ভাবনা সর্বাধিকতর করতে বিভিন্ন মুখ জুড়ে উপস্থাপনা আক্রমণগুলি ক্রমাঙ্কন করে।

পরীক্ষার পর্যায়

পরীক্ষার পর্বটি হ'ল যখন বায়োমেট্রিক সুরক্ষা কর্মক্ষমতা পূর্ববর্তী পর্ব থেকে অনুকূলিত উপস্থাপনা আক্রমণ ব্যবহার করে পরিমাপ করা হয়।

পরীক্ষার পর্যায়ে চেষ্টা করার চেষ্টা করুন

একটি একক প্রচেষ্টা একটি মুখ (বাস্তব বা স্পোফড) উপস্থাপন এবং ফোন থেকে কিছু প্রতিক্রিয়া প্রাপ্তির মধ্যে উইন্ডো হিসাবে গণনা করা হয় (হয় একটি আনলক ইভেন্ট বা ব্যবহারকারী দৃশ্যমান বার্তা)। যে কোনও চেষ্টা যেখানে ফোনটি ম্যাচের চেষ্টা করার জন্য পর্যাপ্ত ডেটা পেতে অক্ষম তা এসএআর গণনা করার জন্য ব্যবহৃত মোট প্রচেষ্টার সংখ্যায় অন্তর্ভুক্ত করা উচিত নয়।

মূল্যায়ন প্রোটোকল

তালিকাভুক্তি

ফেস বা আইরিস প্রমাণীকরণের জন্য ক্রমাঙ্কন পর্ব শুরু করার আগে ডিভাইস সেটিংসে নেভিগেট করুন এবং সমস্ত বিদ্যমান বায়োমেট্রিক প্রোফাইলগুলি সরান। সমস্ত বিদ্যমান প্রোফাইল অপসারণের পরে, লক্ষ্য মুখ বা আইরিস সহ একটি নতুন প্রোফাইল তালিকাভুক্ত করুন যা ক্রমাঙ্কন এবং পরীক্ষার জন্য ব্যবহৃত হবে। নতুন মুখ বা আইরিস প্রোফাইল যুক্ত করার সময় একটি উজ্জ্বল আলোকিত পরিবেশে থাকা গুরুত্বপূর্ণ এবং ডিভাইসটি 20 সেমি থেকে 80 সেমি দূরত্বে সরাসরি লক্ষ্য মুখের সামনে সরাসরি অবস্থিত।

ক্রমাঙ্কন পর্ব

প্রতিটি পাই প্রজাতির জন্য ক্রমাঙ্কন পর্বটি সম্পাদন করুন কারণ বিভিন্ন প্রজাতির বিভিন্ন আকার এবং অন্যান্য বৈশিষ্ট্য রয়েছে যা পরীক্ষার জন্য সর্বোত্তম অবস্থাকে প্রভাবিত করতে পারে। পাই প্রস্তুত করুন।

Conduct the calibration phase

Reference positions

• Reference position: The reference position is determined by placing the PAI at an appropriate distance (20-80cm) in front of the device in such a way where the PAI is clearly visible in the device's view but anything else being used (such as a stand for the PAI) isn't visible.
• Horizontal reference plane: While the PAI is in the reference position the horizontal plane between the device and the PAI is the horizontal reference plane.
• Vertical reference plane: While the PAI is in the reference position the vertical plane between the device and the PAI is the vertical reference plane.

Figure 1. Reference planes.

Vertical arc

Determine the reference position then test the PAI in a vertical arc maintaining the same distance from the device as the reference position. Raise the PAI in the same vertical plane, creating a 10 degree angle between the device and the horizontal reference plane and test the face unlock.

Continue to raise and test the PAI in 10 degree increments until the PAI is no longer visible in the devices field of view. Record any positions that successfully unlocked the device. Repeat this process but moving the PAI in a downward arc, below the horizontal reference plane. See figure 3 below for an example of the arc tests.

Horizontal arc

Return the PAI to the reference position then move it along the horizontal plane to create a 10 degree angle with the vertical reference plane. Perform the vertical arc test with the PAI in this new position. Move the PAI along the horizontal plane in 10 degree increments and perform the vertical arc test in each new position.

Figure 1. Testing along the vertical and horizontal arc.

The arc tests need to be repeated in 10 degree increments for both the left and right side of the device as well as above and below the device.

The position that yields the most reliable unlocking results is the calibrated position for the type of PAI species (for example, 2D or 3D PAI species).

পরীক্ষার পর্যায়

At the end of the calibration phase there should be one calibrated position per PAI species. If a calibrated position can't be established then the reference position should be used. The test methodology is common for testing both 2D and 3D PAI species.

• Across enrolled faces, where E>= 10, and includes at least 10 unique faces.
  • Enroll face/iris
  • Using the calibrated position from the previous phase, perform U unlock attempts, counting attempts as described in the previous section, and where U >= 10. Record the number of successful unlocks S .
  • The SAR can then be measured as:

কোথায়:

• E = the number of enrollments
• U = the number of unlock attempts per enrollment
• Si = the number of successful unlocks for enrollment i

Iterations required to gain statistically valid samples of error rates: 95% confidence assumption for all below, large N

Time required (30 sec per attempt, 10 subjects)

We recommend targeting a 5% margin of error, which gives a true error rate in the population of 2% to 12%.

ব্যাপ্তি

The test phase measures the resilience of face authentication primarily against facsimiles of the target user's face. It doesn't address non-facsimile based attacks such as using LEDs, or patterns that act as main prints. While these haven't yet been shown to be effective against depth-based face authentication systems, there is nothing that conceptually prevents this from being true. It's both possible and plausible that future research will show this to be the case. At this point, this protocol will be revised to include measuring the resilience against these attacks.

আঙুলের ছাপ প্রমাণীকরণ

In Android 9, the bar was set at a minimum resilience to PAIs as measured by a Spoof Acceptance Rate (SAR) that is less than or equal to 7%. A brief rationale of why 7% specifically can be found in this blog post .

মূল্যায়ন প্রক্রিয়া

The evaluation process is made up of two phases. The calibration phase determines the optimal presentation attack for a given fingerprint authentication solution (that is, the calibrated position). The test phase uses the calibrated position to perform multiple attacks and evaluates the number of times the attack was successful. Manufacturers of Android devices and biometric systems should contact Android for the most up-to-date test guidance by submitting this form .

Calibration phase

There are three parameters for fingerprint authentication that need to be optimized to ensure optimal values for the testing phase: the presentation attack instrument (PAI), presentation format, and performance across subject diversity

• The PAI is the physical spoof, such as printed fingerprints or a molded replica are all examples of presentation media. The following spoof materials are strongly recommended
  • Optical fingerprint sensors (FPS)
    • Copy Paper/Transparency with non-conductive ink
    • Knox Gelatin
    • ল্যাটেক্স পেইন্ট
    • Elmer's Glue All
  • Capacitive FPS
    • Knox Gelatin
    • Elmer's Carpenter's Interior Wood Glue
    • Elmer's Glue All
    • ল্যাটেক্স পেইন্ট
  • Ultrasonic FPS
    • Knox Gelatin
    • Elmer's Carpenter's Interior Wood Glue
    • Elmer's Glue All
    • ল্যাটেক্স পেইন্ট
• The presentation format relates to further manipulation of the PAI or the environment, in a way that aids spoofing. For example, retouching or editing a high resolution image of a fingerprint prior to creating the 3D replica.
• Performance across subject diversity is especially relevant to tuning the algorithm. Testing the calibration flow across subject genders, age groups and races/ethnicities can often reveal substantially worse performance for segments of the global population and is an important parameter to calibrate in this phase.

Testing diversity

It's possible for the fingerprint readers to perform differently across gender, age groups and races/ethnicities. A small percentage of the population has fingerprints that are difficult to recognize, so a variety of fingerprints should be used to determine the optimal parameters for recognition and in spoof testing.

পরীক্ষার পর্যায়

The test phase is when the biometric security performance is measured. At a minimum, testing should be done in a non-cooperative manner meaning that any fingerprints collected are done so by lifting them off another surface as opposed to having the target actively participate in collection of their fingerprint, such as making a cooperative mold of the subject's finger. The latter is allowed but not required.

Count attempts in the test phase

A single attempt is counted as the window between presenting a fingerprint (real or spoofed) to the sensor, and receiving some feedback from the phone (either an unlock event or a user visible message).

Any tries where the phone is unable to get enough data to attempt a match shouldn't be included in the total number of attempts used to compute SAR.

মূল্যায়ন প্রোটোকল

তালিকাভুক্তি

Before starting the calibration phase for fingerprint authentication navigate to the device settings and remove all existing biometric profiles. After all existing profiles have been removed, enroll a new profile with the target fingerprint that will be used for calibration and testing. Follow all the on screen directions until the profile has been successfully enrolled.

Calibration phase

Optical FPS

This is similar to the calibration phases of ultrasonic and capacitive, but with both 2D and 2.5D PAI species of the target user's fingerprint.

• Lift a latent copy of the fingerprint off a surface.
• Test with 2D PAI species
  • Place the lifted fingerprint on the sensor
• Test with 2.5D PAI species.
  • Create a PAI of the fingerprint
  • Place the PAI on the sensor

Ultrasonic FPS

Calibrating for ultrasonic involves lifting a latent copy of the target fingerprint. For example, this may be done using fingerprints lifted via fingerprint powder, or printed copies of a fingerprint and may include manual re-touching of the fingerprint image to achieve a better spoof.

After the latent copy of the target fingerprint has been obtained, a PAI is made.

Capacitive FPS

Calibrating for capacitive involves the same steps described above for ultrasonic calibration.

পরীক্ষার পর্যায়

• Get at least 10 unique people to enroll using the same parameters used when calculating the FRR/FAR
• Create PAIs for each person
• The SAR can then be measured as:

Iterations required to gain statistically valid samples of error rates: 95% confidence assumption for all below, large N

Time required (30sec per attempt, 10 subjects)

We recommend targeting a 5% margin of error, which gives a true error rate in the population of 2% to 12%.

ব্যাপ্তি

This process is setup to test the resilience of fingerprint authentication primarily against facsimiles of the target user's fingerprint. The testing methodology is based on current material costs, availability and technology. This protocol will be revised to include measuring resilience against new materials and techniques as they become practical to execute.

সাধারণ বিবেচনা

While each modality requires a different test setup, there are a few common aspects that apply to all of them.

Test the actual hardware

Collected SAR/IAR metrics can be inaccurate when biometric models are tested under idealized conditions and on different hardware than it would actually appear on a mobile device. For example, voice unlock models that are calibrated in an anechoic chamber using a multi-microphone setup behave very differently when used on a single microphone device in a noisy environment. In order to capture accurate metrics, tests should be carried out on an actual device with the hardware installed, and failing that with the hardware as it would appear on the device.

Use known attacks

Most biometric modalities in use today have been successfully spoofed, and public documentation of the attack methodology exists. Below we provide a brief high-level overview of test setups for modalities with known attacks. We recommend using the setup outlined here wherever possible.

Anticipate new attacks

For modalities where significant new improvements have been made, the test setup document might not contain a suitable setup, and no known public attack may exist. Existing modalities may also need their test setup tuned in the wake of a newly discovered attack. In both cases you need to come up with a reasonable test setup. Please use the Site Feedback link at the bottom of this page to let us know if you have set up a reasonable mechanism that can be added.

Setups for different modalities

আঙুলের ছাপ

Face and iris

ভয়েস