Biyometrik kilit açma güvenliğini ölçün

Koleksiyonlar ile düzeninizi koruyun İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.

Android ile uyumlu olarak kabul edilmek için cihaz uygulamalarının Android Uyumluluk Tanımlama Belgesi (CDD)'nde belirtilen şartları karşılaması gerekir. Android CDD, mimari güvenliği ve taklit edilebilirliği kullanarak biyometrik uygulamanın güvenliğini değerlendirir.

• Mimari güvenlik: Bir biyometrik ardışık düzenin çekirdek veya platform güvenliğinin ihlal edilmesine karşı direnci. Çekirdek ve platformdaki güvenlik açıkları, kimlik doğrulama kararını etkilemek için ham biyometri verilerini okuma veya sentetik verileri ardışık düzene ekleme olanağı sağlamıyorsa ardışık düzen güvenli kabul edilir.
• Biyometrik güvenlik performansı: Biyometrik güvenlik performansı, sahte kabul oranı (SAR), yanlış kabul oranı (FAR) ve geçerli olduğunda biyometrinin sahtekarlık kabul oranı (IAR) ile ölçülür. SAR, bir biyometrik özelliğin fiziksel sunum saldırılarına karşı ne kadar dayanıklı olduğunu ölçmek için Android 9'da kullanıma sunulan bir metriktir. Biyometrileri ölçerken aşağıda açıklanan protokollere uymanız gerekir.

Android, biyometri güvenliği performansını ölçmek için üç tür metrik kullanır.

• Sahtecilik Kabul Oranı (SAR): Bir biyometrik modelin daha önce kaydedilmiş, iyi bilinen bir örneği kabul etme olasılığı metriğini tanımlar. Örneğin, sesle kilit açma özelliğinde bu, kullanıcının "Ok Google" dediği kaydedilmiş bir örneği kullanarak telefonun kilidini açma olasılığını ölçer. Bu tür saldırılara sahtekarlık saldırıları denir. Sahtekarlık Saldırısı Gösterim Eşleşme Oranı (IAPMR) olarak da bilinir.
• Yabancı Kabul Oranı (IAR): Bir biyometrik modelin, bilinen iyi bir örneği taklit etmek için tasarlanmış girişi kabul etme olasılığının metriğini tanımlar. Örneğin, Smart Lock güvenilir ses (sesle kilit açma) mekanizmasında bu, kullanıcının sesini taklit etmeye çalışan bir kişinin (benzer ton ve aksan kullanarak) cihazının kilidini ne sıklıkta açabileceğini ölçer. Bu tür saldırılara sahtekarlık saldırıları denir.
• Yanlış Kabul Oranı (FAR): Bir modelin rastgele seçilen yanlış bir girişi yanlışlıkla kabul etme sıklığını tanımlar. Bu yararlı bir ölçüm olsa da modelin hedefli saldırılara karşı ne kadar dayanıklı olduğunu değerlendirmek için yeterli bilgi sağlamaz.

Güven aracıları

Android 10, güven aracılarının davranışını değiştirir. Güven aracıları cihazın kilidini açamaz, yalnızca kilidi açık olan bir cihazın kilit açma süresini uzatabilir. Android 10'da Güvenilen Yüz özelliğinin desteği sonlandırıldı.

Biyometrik sınıflar

Biyometrik güvenlik, mimari güvenlik ve taklit edilebilirlik testlerinin sonuçları kullanılarak sınıflandırılır. Biyometri uygulaması 3. sınıf (eski adıyla Güçlü), 2. sınıf (eski adıyla Zayıf) veya 1. sınıf (eski adıyla Kolaylık) olarak sınıflandırılabilir. Aşağıdaki tabloda, her biyometrik sınıf için genel şartlar açıklanmaktadır.

Daha fazla bilgi için geçerli Android CDD'ye bakın.

Biyometrik sınıf	Metrikler	Biyometrik ardışık düzen	Kısıtlamalar
3. sınıf (eski adıyla Güçlü)	Tüm PAI türlerinin SAR'ı: %0-7 A Seviyesi PAI türlerinin SAR'ı: <=%7 B Seviyesi PAI türlerinin SAR'ı: <=%20 Herhangi bir PAI türünün SAR'ı <= %40 (<= %7'den az olması önemle tavsiye edilir) FAR: 1/50.000 FRR: %10	Güvenli	Birincil kimlik doğrulamasına (ör. PIN, desen veya şifre) geçişten 72 saat önce Uygulamalara API gösterebilir (örneğin, BiometricPrompt veya FIDO2 API'leriyle entegrasyon yoluyla) BCR gönderilmelidir
2. Sınıf (eski adıyla Zayıf)	Tüm PAI türlerinin SAR'sı: %7-20 A Seviyesi PAI türlerinin SAR'sı: <=%20 B Seviyesi PAI türlerinin SAR'sı: <=%30 Herhangi bir PAI türünün SAR'sı <= %40 (<= %20'ye önerilir) FAR: 1/50.000 FRR: %10	Güvenli	Birincil kimlik doğrulamasına geçişten 24 saat öncesine kadar Birincil kimlik doğrulamasına geçmeden önce 4 saatlik boş zaman aşımı VEYA 3 yanlış girişim BiometricPrompt ile entegre edilebilir ancak anahtar deposuyla entegre edilemez (ör. uygulama kimlik doğrulamasına bağlı anahtarları yayınlamak için) BCR gönderilmelidir
1. sınıf (eski adıyla Kolaylık)	Tüm PAI türlerinin SAR'ı: %20-30 A Seviyesi PAI türlerinin SAR'ı: <=%30 B Seviyesi PAI türlerinin SAR'ı: <=%40 Herhangi bir PAI türünün SAR'ı <= %40 (<= %30'a kadar olması önemle tavsiye edilir) FAR: 1/50.000 FRR: %10	Güvenli değil veya güvenli	Birincil kimlik doğrulamasına geçişten 24 saat öncesine kadar Birincil kimlik doğrulamasına geçmeden önce 4 saatlik boş zaman aşımı VEYA 3 yanlış girişim Uygulamalara API sunulamıyor Android 11'den itibaren BCR gönderilmelidir Android 13'ten itibaren SAR'ı test etmeniz gerekir. Geçici sınıflar ileride kaldırılabilir

3. sınıf, 2. sınıf ve 1. sınıf modülleri

Biyometri güvenlik sınıfları, güvenli bir ardışık düzenin varlığına ve üç kabul oranına (FAR, IAR ve SAR) göre atanır. Sahtekarlık saldırısının olmadığı durumlarda yalnızca FAR ve SAR dikkate alınır.

Kilit açma modlarının tümü için alınması gereken önlemleri Android Uyumluluk Tanımlama Belgesi'nde (CDD) bulabilirsiniz.

Yüz ve iris kimlik doğrulaması

Değerlendirme süreci

Değerlendirme süreci iki aşamadan oluşur. Kalibrasyon aşaması, belirli bir kimlik doğrulama çözümü için en uygun sunum saldırısını (yani kalibre edilmiş konumu) belirler. Test aşaması, birden fazla saldırı gerçekleştirmek için kalibre edilmiş konumu kullanır ve saldırının kaç kez başarılı olduğunu değerlendirir. Android cihaz ve biyometrik sistem üreticileri, en güncel test kılavuzu için bu formu göndererek Android ile iletişime geçmelidir.

SAR yalnızca sistemdeki en büyük zayıf noktaya karşı saldırılar kullanılarak ölçüldüğünden, önce kalibre edilmiş konumu belirlemek önemlidir.

Kalibrasyon aşaması

Yüz ve iris kimlik doğrulama için, test aşamasında optimum değerler elde etmek amacıyla kalibrasyon aşamasında optimize edilmesi gereken üç parametre vardır: sunum saldırısı aracı (PAI), sunum biçimi ve özne çeşitliliği genelinde performans.

YÜZ Sunu saldırı aracı (PAI), fiziksel sahtekarlıktır. Biyometri teknolojisinden bağımsız olarak şu PAI türleri şu anda kapsamdadır: 2D PAI türleri Baskı fotoğraflar Monitör veya telefon ekranındaki fotoğraflar Monitör veya telefon ekranındaki videolar 3D PAI türleri 3D baskılı maskeler Sunuş biçimi, kimliğe bürünmeye yardımcı olacak şekilde PAI'nin veya ortamın daha fazla değiştirilmesiyle ilgilidir. Deneyebileceğiniz bazı manipülasyon örnekleri: Basılı fotoğrafları yanaklarda kıvrılacak şekilde hafifçe katlamak (böylece derinliği hafifçe taklit etmek) bazen 2D yüz kimlik doğrulama çözümlerini kırmaya büyük ölçüde yardımcı olabilir. Çeşitli ışık koşulları, kimliğe bürünmeye yardımcı olmak için ortamı değiştirmeye örnek gösterilebilir. Lensin hafifçe lekelenmesini veya kirlenmesini önleme Telefonun yönünü dikey ve yatay modlar arasında değiştirerek kimliğe bürünme olasılığını etkileyip etkilemediğini görme Konu çeşitliliği açısından performans (veya bu çeşitliliğin olmaması) özellikle makine öğrenimi tabanlı kimlik doğrulama çözümleriyle ilgilidir. Kalibrasyon akışını denek cinsiyetleri, yaş grupları ve ırklar/etnik gruplar genelinde test etmek, genellikle dünya nüfusunun segmentleri için önemli ölçüde daha kötü performans gösterebilir ve bu aşamada kalibre edilmesi gereken önemli bir parametredir. Spoof testi, bir sistemin geçerli bir yeniden oynatma veya sunum saldırısını kabul edip etmediğini test etmeyi amaçlar. Sahtekarlık önleme veya kimlik avı saldırısı algılama (PAD) uygulanmadıysa ya da devre dışı bırakıldıysa PAI türünün, biyometrik doğrulama işlemi sırasında geçerli bir biyometrik hak talebi olarak geçmesi için yeterli olması gerekir. Sahtekarlık önleme veya PAD işlevi olmadan biyometrik doğrulama sürecini geçemeyen bir PAI, PAI olarak geçersizdir ve bu PAI türünü kullanan tüm testler geçersizdir. Sahtecilik testlerini yürütenler, testlerinde kullandıkları PAI türlerinin bu ölçütleri karşıladığını göstermelidir.

IRIS Sunu saldırı aracı (PAI), fiziksel sahtekarlıktır. Şu anda aşağıdaki PAI türleri kapsamdadır: İrisin net bir şekilde gösterildiği yüzlerin basılı fotoğrafları Monitör veya telefon ekranındaki yüzlerin irisini net bir şekilde gösteren fotoğraflar/videolar Protez gözler Sunuş biçimi, kimliğe bürünmeye yardımcı olacak şekilde PAI'nin veya ortamın daha fazla değiştirilmesiyle ilgilidir. Örneğin, basılı bir fotoğrafın veya gözün fotoğrafının/videosunun ekranının üzerine bir kontakt lens yerleştirmek, bazı iris sınıflandırma sistemlerini kandırmaya yardımcı olur ve iris kimlik doğrulama sistemlerinin atlanma oranını artırabilir. Konu çeşitliliği genelinde performans, özellikle makine öğrenimi tabanlı kimlik doğrulama çözümleriyle ilgilidir. İris tabanlı kimlik doğrulamada farklı iris renklerinin farklı spektral özellikleri olabilir. Farklı renklerde yapılan testler, dünya nüfusunun farklı segmentlerindeki performans sorunlarını vurgulayabilir.

Çeşitliliği test etme

Yüz ve iris modellerinin cinsiyet, yaş grubu ve ırk/etnik kökene göre farklı performans göstermesi mümkündür. Performanstaki boşlukları tespit etme şansını en üst düzeye çıkarmak için çeşitli yüzlerde sunum saldırılarını kalibre edin.

Test aşaması

Test aşamasında, önceki aşamadaki optimize edilmiş ekran saldırısı kullanılarak biyometrik güvenlik performansı ölçülür.

Test aşamasındaki deneme sayısını sayma

Tek bir deneme, bir yüzün (gerçek veya taklit edilmiş) gösterilmesi ile telefondan bir geri bildirim (kilit açma etkinliği veya kullanıcı tarafından görülebilen bir mesaj) alınması arasındaki süre olarak sayılır. Telefonun eşleşme denemesi yapmak için yeterli veri alamadığı tüm denemeler, SAR'ı hesaplamak için kullanılan toplam deneme sayısına dahil edilmemelidir.

Değerlendirme protokolü

Kayıt

Yüz veya iris kimlik doğrulaması için kalibrasyon aşamasına başlamadan önce cihaz ayarlarına gidip mevcut tüm biyometrik profilleri kaldırın. Mevcut tüm profiller kaldırıldıktan sonra, kalibrasyon ve test için kullanılacak hedef yüz veya iris ile yeni bir profil kaydedin. Yeni bir yüz veya iris profili eklerken iyi aydınlatılmış bir ortamda olmanız ve cihazın, hedef yüzün tam önünde 20 ila 80 cm mesafede düzgün bir şekilde yerleştirilmesi önemlidir.

Kalibrasyon aşaması

Farklı türlerin farklı boyutları ve test için optimal koşulları etkileyebilecek başka özellikleri olduğundan, PAI türlerinin her biri için kalibrasyon aşamasını gerçekleştirin. PAI'yi hazırlayın.

YÜZ Kayıt akışı ile aynı ışıklandırma koşulları, açı ve mesafede kayıtlı yüzün yüksek kaliteli bir fotoğrafını veya videosunu çekin. Fiziksel baskılar için: Yüzün ana hatlarını takip ederek keserek bir tür kağıt maske oluşturun. Hedef yüzün eğriliğini taklit etmek için maskeyi her iki yanaktan da bükün Test kullanıcısının gözlerini göstermek için maskeye göz delikleri açın. Bu, canlılığı algılamak için göz kırpmayı arayan çözümler için kullanışlıdır. Önerilen sunum biçimi manipülasyonlarını deneyerek bunların kalibrasyon aşamasındaki başarı şansını etkileyip etkilemediğini öğrenin.

IRIS Kayıtlı yüzün yüksek çözünürlüklü bir fotoğrafını veya videosunu çekin. Kayıt akışı ile aynı ışık koşulları, açı ve mesafede irisin net bir şekilde göründüğünden emin olun. Hangi yöntemin kimliğe bürünme olasılığını artırdığını görmek için gözlerinize kontakt lens takıp takmadığınızı deneyin.

Kalibrasyon aşamasını yürütme

Referans konumlar

• Referans konumu: Referans konumu, PAI'nin cihazın önünde uygun bir mesafeye (20-80 cm) yerleştirilmesiyle belirlenir. Bu durumda PAI, cihazın görünümünde net bir şekilde görünür ancak kullanılan başka hiçbir şey (ör. PAI standı) görünmez.
• Yatay referans düzlemi: PAI referans konumundayken cihaz ile PAI arasındaki yatay düzlem yatay referans düzlemidir.
• Dikey referans düzlemi: PAI referans konumundayken cihaz ile PAI arasındaki dikey düzlem, dikey referans düzlemidir.

Şekil 1. Referans düzlemleri.

Dikey yay

Referans konumu belirleyin, ardından PAI'yi cihazdan referans konumla aynı mesafeyi koruyarak dikey bir yay içinde test edin. PAI'yi aynı dikey düzlemde kaldırarak cihaz ile yatay referans düzlemi arasında 10 derecelik bir açı oluşturun ve yüz kilidini test edin.

PAI artık cihazın görüş alanında görünmeyene kadar PAI'yi 10 derecelik artışlarla yükseltmeye ve test etmeye devam edin. Cihazın kilidini başarıyla açan tüm konumları kaydedin. Bu işlemi, PAI'yi yatay referans düzlemin altına doğru aşağı doğru bir yay şeklinde hareket ettirerek tekrarlayın. Ark testlerine örnek olarak aşağıdaki 2. resme bakın.

Yatay yay

PAI'yi referans konumuna döndürün, ardından dikey referans düzlemiyle 10 derecelik bir açı oluşturmak için yatay düzlemde hareket ettirin. PAI'yi bu yeni konumdayken dikey yay testini gerçekleştirin. PAI'yi yatay düzlemde 10 derecelik artışlarla hareket ettirin ve her yeni konumda dikey yay testini gerçekleştirin.

Şekil 2. Dikey ve yatay yay boyunca test etme.

Yay testlerinin hem cihazın sol ve sağ tarafı hem de cihazın üstünde ve altında 10 derecelik artışlarla tekrarlanması gerekir.

En güvenilir kilit açma sonuçlarını veren konum, PAI türü (ör. 2D veya 3D PAI türü) için kalibre edilmiş konumdur.

Test aşaması

Kalibrasyon aşamasının sonunda, PAI türü başına bir kalibre edilmiş konum olmalıdır. Kalibre edilmiş bir konum belirlenemezse referans konum kullanılmalıdır. Test metodolojisi hem 2D hem de 3D PAI türlerini test etmek için ortaktır.

• Kayıtlı yüzler arasında, E>= 10 ve en az 10 benzersiz yüz içeriyorsa.
  • Yüz/iris kaydı
  • Önceki aşamadaki kalibre edilmiş konumu kullanarak U kilit açma girişimi gerçekleştirin. Girişimleri önceki bölümde açıklandığı şekilde sayın ve U >= 10 olmalıdır. Başarılı kilit açma sayısını kaydedin S.
  • SAR daha sonra şu şekilde ölçülebilir:

Nerede:

• E = kayıt sayısı
• U = Kayıt başına kilit açma denemelerinin sayısı
• Si = i. kayıt için başarılı kilit açma sayısı

Hata oranları için istatistiksel olarak geçerli örnekler elde etmek üzere gereken iterasyonlar: Aşağıdaki tüm değerler için %95 güven varsayımı, büyük N

Hata payı	Konu başına gerekli test iterasyonları
%1	9595
%2	2401
%3	1067
%5	385
%10	97

Gerekli süre (deneme başına 30 saniye, 10 denek)

Hata payı	Toplam süre
%1	799,6 saat
%2	200,1 saat
%3	88,9 saat
%5	32,1 saat
%10	8,1 saat

%5 hata payı hedeflemenizi öneririz. Bu, popülasyonda% 2 ila %12 oranında gerçek bir hata oranı sağlar.

Kapsam

Test aşamasında, yüz kimlik doğrulamanın esnekliği öncelikle hedef kullanıcının yüzünün kopyalarına karşı ölçülür. LED kullanımı veya ana baskı gibi işlev gören desenler gibi faks benzeri olmayan saldırıları ele almaz. Bu yöntemlerin derinlik tabanlı yüz kimlik doğrulama sistemlerine karşı etkili olduğu henüz kanıtlanmamış olsa da, bunun kavramsal olarak doğru olmasını engelleyen bir şey yoktur. Gelecekteki araştırmalarda bunun doğruluğunun kanıtlanması hem mümkün hem de makuldür. Bu noktada, bu protokol bu saldırılara karşı direnci ölçecek şekilde düzeltilecektir.

Parmak izi kimlik doğrulaması

Android 9'da, sahtekarlık kabul oranı (SAR) %7'den az veya eşit olacak şekilde PAI'lere karşı minimum direnç düzeyi belirlenmiştir. Neden özellikle %7'nin kullanıldığına dair kısa bir açıklamayı bu blog yayınında bulabilirsiniz.

Değerlendirme süreci

Değerlendirme süreci iki aşamadan oluşur. Kalibrasyon aşaması, belirli bir parmak izi kimlik doğrulama çözümü için en uygun sunum saldırısını (yani kalibre edilmiş konumu) belirler. Test aşaması, birden fazla saldırı gerçekleştirmek için kalibre edilmiş konumu kullanır ve saldırının başarılı olduğu durumların sayısını değerlendirir. Android cihaz ve biyometrik sistem üreticileri, en güncel test kılavuzu için bu formu göndererek Android ile iletişime geçmelidir.

Kalibrasyon aşaması

Parmak izi kimlik doğrulaması için test aşamasında optimum değerleri sağlamak üzere optimize edilmesi gereken üç parametre vardır: sunum saldırısı aracı (PAI), sunum biçimi ve özne çeşitliliği genelinde performans

• PAI, basılı parmak izleri veya kalıplanmış kopya gibi fiziksel sahtekarlıktır. Bunlar, sunum medyasına örnek gösterilebilir. Aşağıdaki sahte içerikleri kullanmanız önemle tavsiye edilir
  • Optik parmak izi sensörleri (FPS)
    • İletken olmayan mürekkeple kopya kağıdı/şeffaf kağıt
    • Knox Jelatin
    • Lateks Boya
    • Elmer's Glue All
  • Kapasitif FPS
    • Knox Jelatin
    • Elmer's Carpenter's Interior Wood Glue
    • Elmer's Glue All
    • Lateks Boya
  • Ultrasonik FPS
    • Knox Jelatin
    • Elmer's Carpenter's Interior Wood Glue
    • Elmer's Glue All
    • Lateks Boya
• Sunuş biçimi, kimliğe bürünmeye yardımcı olacak şekilde PAI'nin veya ortamın daha fazla değiştirilmesiyle ilgilidir. Örneğin, 3D kopya oluşturmadan önce parmak izinin yüksek çözünürlüklü resmini rötuşlamak veya düzenlemek.
• Konu çeşitliliği açısından performans, özellikle algoritmayı ayarlamak için önemlidir. Kalibrasyon akışını denek cinsiyetleri, yaş grupları ve ırklar/etnik gruplar genelinde test etmek, genellikle dünya nüfusunun segmentleri için önemli ölçüde daha kötü performans gösterebilir ve bu aşamada kalibre edilmesi gereken önemli bir parametredir.

Çeşitliliği test etme

Parmak izi okuyucuların cinsiyet, yaş grupları ve ırklar/etnik gruplar arasında farklı performans göstermesi mümkündür. Nüfusun küçük bir yüzdesinin parmak izlerinin tanınması zordur. Bu nedenle, tanıma için en uygun parametreleri belirlemek ve kimlik avı testinde çeşitli parmak izleri kullanılmalıdır.

Test aşaması

Test aşamasında biyometri güvenlik performansı ölçülür. Test en azından işbirliği yapılmadan yapılmalıdır. Yani, toplanan parmak izleri, hedefin parmak izinin toplanmasına aktif olarak katılmasını sağlamanın (ör. öznenin parmağının kalıbını çıkarma) aksine başka bir yüzeyden kaldırılarak alınmalıdır. İkinci yönteme izin verilir ancak zorunlu değildir.

Test aşamasındaki deneme sayısını sayma

Tek bir deneme, sensöre bir parmak izi (gerçek veya taklit edilmiş) sunulması ile telefondan bir geri bildirim (kilit açma etkinliği veya kullanıcı tarafından görülebilen bir mesaj) alınması arasındaki süre olarak sayılır.

Telefonun eşleşme denemesi yapmak için yeterli veri alamadığı tüm denemeler, SAR'ı hesaplamak için kullanılan toplam deneme sayısına dahil edilmemelidir.

Değerlendirme protokolü

Kayıt

Parmak izi kimlik doğrulamasının kalibrasyon aşamasına başlamadan önce cihaz ayarlarına gidip mevcut tüm biyometrik profilleri kaldırın. Mevcut tüm profiller kaldırıldıktan sonra, kalibrasyon ve test için kullanılacak hedef parmak izi içeren yeni bir profil kaydedin. Profil başarıyla kaydedilene kadar ekrandaki tüm talimatları uygulayın.

Kalibrasyon aşaması

Optik FPS

Bu, ultrasonik ve kapasitif kalibrasyon aşamalarına benzer ancak hedef kullanıcının parmak izinin hem 2D hem de 2,5D PAI türleriyle yapılır.

• Parmak izinin gizli kopyasını bir yüzeyden kaldırma
• 2D PAI türleriyle test edin
  • Kaldırılan parmak izini sensöre yerleştirin
• 2,5D PAI türleriyle test edin.
  • Parmak izinin PAI'sini oluşturma
  • PAI'yi sensöre yerleştirin

Ultrasonik FPS

Ultrasonik için kalibre etme işlemi, hedef parmak izinin gizli bir kopyasını kaldırmayı içerir. Örneğin, bu işlem parmak izi tozu kullanılarak alınan parmak izleri veya parmak izinin basılı kopyaları kullanılarak yapılabilir. Ayrıca, daha iyi bir taklit elde etmek için parmak izi resminin manuel olarak yeniden rötuşlanması da söz konusu olabilir.

Hedef parmak izinin gizli kopyası elde edildikten sonra PAI yapılır.

Kapasitif FPS

Kapasitif kalibrasyon, yukarıda ultrasonik kalibrasyon için açıklanan adımları içerir.

Test aşaması

• FRR/FAR hesaplanırken kullanılan parametreleri kullanarak en az 10 benzersiz kullanıcının kaydolmasını sağlayın.
• Her kişi için PAI oluşturun
• SAR daha sonra şu şekilde ölçülebilir:

Hata oranları için istatistiksel olarak geçerli örnekler elde etmek üzere gereken iterasyonlar: Aşağıdaki tüm değerler için %95 güven varsayımı, büyük N

Hata payı	Konu başına gerekli test iterasyonları
%1	9595
%2	2401
%3	1067
%5	385
%10	97

Gerekli süre (deneme başına 30 saniye, 10 denek)

Hata payı	Toplam süre
%1	799,6 saat
%2	200,1 saat
%3	88,9 saat
%5	32,1 saat
%10	8,1 saat

%5 hata payı hedeflemenizi öneririz. Bu, popülasyonda% 2 ila %12 oranında gerçek bir hata oranı sağlar.

Kapsam

Bu işlem, parmak izi kimlik doğrulamasının dayanıklılığını öncelikle hedef kullanıcının parmak izinin kopyalarına karşı test etmek için ayarlanmıştır. Test metodolojisi, mevcut malzeme maliyetlerine, stok durumuna ve teknolojiye dayanır. Bu protokol, uygulanabilir hale geldikçe yeni malzemelere ve tekniklere karşı direnci ölçmeyi içerecek şekilde düzeltilecektir.

Dikkat edilmesi gereken noktalar

Her modalite farklı bir test kurulumu gerektirse de bunların hepsi için geçerli olan birkaç ortak özellik vardır.

Gerçek donanımı test etme

Biyometrik modeller ideal koşullarda ve mobil cihazda göründüğünden farklı donanımlarda test edildiğinde toplanan SAR/IAR metrikleri hatalı olabilir. Örneğin, çoklu mikrofon kurulumu kullanılarak yankısız bir odada kalibre edilen sesle kilit açma modelleri, gürültülü bir ortamda tek mikrofonlu bir cihazda kullanıldığında çok farklı davranır. Doğru metrikler elde etmek için testler, donanım yüklü gerçek bir cihazda ve bu mümkün değilse cihazda göründüğü şekilde donanımla yapılmalıdır.

Bilinen saldırıları kullanma

Günümüzde kullanılan biyometrik modalitelerin çoğu başarılı bir şekilde taklit edilmiş ve saldırı metodolojisinin herkese açık dokümanları mevcuttur. Aşağıda, bilinen saldırılara sahip modaliteler için test kurulumlarına genel bir bakış sunulmaktadır. Mümkün olduğunda burada açıklanan kurulumu kullanmanızı öneririz.

Yeni saldırıları tahmin etme

Önemli yeni iyileştirmelerin yapıldığı modüller için test kurulumu belgesi uygun bir kurulum içermeyebilir ve herkese açık bilinen bir saldırı olmayabilir. Yeni keşfedilen bir saldırının ardından mevcut modalitelerin test kurulumlarının da ayarlanması gerekebilir. Her iki durumda da makul bir test kurulumu yapmanız gerekir. Eklenebilecek makul bir mekanizma oluşturup oluşturmadığınızı bize bildirmek için lütfen bu sayfanın en altındaki Site Geri Bildirimi bağlantısını kullanın.

Farklı modaliteler için kurulumlar

Parmak izi

IAR	Böyle bir mesaj gerekmez.
SAR	Hedef parmak izinin kalıbını kullanarak 2,5D PAI oluşturun. Ölçüm doğruluğu, parmak izi kalıbının kalitesine duyarlıdır. Diş silikonu iyi bir seçimdir. Test kurulumu, kalıpla oluşturulan sahte bir parmak izinin cihazın kilidini ne sıklıkta açabildiğini ölçmelidir.

Yüz ve iris

IAR

Alt sınır SAR tarafından yakalanacağından bunu ayrı olarak ölçmeniz gerekmez.

SAR

Hedefin yüzünün fotoğraflarıyla test yapın. İris için, kullanıcının özelliği normalde kullanacağı mesafeyi taklit etmek amacıyla yüzün yakınlaştırılması gerekir. Fotoğraflar yüksek çözünürlüklü olmalıdır. Aksi takdirde sonuçlar yanıltıcı olur. Fotoğraflar, resim olduklarını açıkça belli edecek şekilde sunulmamalıdır. Örneğin: Resim kenarlıkları eklenmemelidir. Fotoğraf bir telefonda çekilmişse telefon ekranı/kenarları görünmemelidir. Fotoğrafı tutan kişinin elleri görünmemelidir. Düz açılarda, fotoğraf sensörü dolduracak şekilde çekilmelidir. Böylece, sensörün dışında başka bir şey görünmez. Yüz ve iris modelleri, örnek (yüz/iris/fotoğraf) kameraya göre dar bir açıda olduğunda genellikle daha fazla izin verir (kullanıcının telefonu doğrudan önünde tutarak yüzünü yukarı doğru gösterdiği kullanım alanını taklit etmek için). Bu açıdan test yapmak, modelinizin kimliğe bürünmeye açık olup olmadığını belirlemenize yardımcı olur. Test kurulumu, yüz veya irisin bir resminin cihazın kilidini ne sıklıkta açabildiğini ölçmelidir.

Ses

IAR	Katılımcıların olumlu bir örnek dinleyip bunu taklit etmeye çalıştıkları bir kurulum kullanarak test yapın. Bazı tonlama/akzentlerin daha yüksek FAR'a sahip olduğu uç durumların kapsama alınmasını sağlamak için modeli farklı cinsiyetlere ve farklı aksanlara sahip katılımcılarla test edin.
SAR	Hedefin sesinin kayıtlarıyla test edin. Kaydın yeterince yüksek kaliteli olması gerekir. Aksi takdirde sonuçlar yanıltıcı olur.