Биометрические системы

Основой любой системы распознавания лица является метод его кодирования. Facelt использует анализ локальных характеристик для представления изображения лица в виде статистически обоснованных, стандартных блоков данных. Данный математический метод основывается на том, что все лица могут быть получены из репрезентативной выборки лиц с использованием современных статистических приемов. Они охватывают пиксели изображения лица и универсально представляют лицевые формы. Фактически в наличии имеется намного больше элементов построения лица, чем количество самих частей лица. Однако оказывается, что синтезирование данного изображения лица с высокой точностью требует только малого числа (12-40) характерных элементов из полного доступного набора. Идентичность лица определяется не только характерными элементами, но и способом их геометрического объединения (т.е. учитываются их относительные позиции). Полученный сложный математический код индивидуальной идентичности - шаблон Faceprint - содержит информацию, которая отличает лицо от миллионов других, и может быть составлен и сравнен с другими с феноменальной точностью. Шаблон не зависит от изменений в освещении, тона кожи, наличия/отсутствия очков, выражения лица, волос на лице и голове, устойчив к изменению в ракурсах до 35о в любых направлениях.

Биометрические технологии все заметнее выступают на лидирующие позиции в индустрии безопасности, в борьбе с преступностью и терроризмом. "Сентябрьский Армагеддон" в США еще раз подтвердил необходимость широкого применения биометрических систем безопасности, способных идентифицировать отдельных лиц в местах скопления людей. По прогнозам International Data Corp., рынок биометрических технологий в США за пять лет должен вырасти с $58,4 млн в 1999 году до $1,8 млрд в 2004 году. При этом в настоящее время структура этого рынка выглядит следующим образом:

верификация голоса - 11%

распознавание лица - 15%

сканирование радужной оболочки глаза - 34%

сканирование отпечатков пальцев - 34%

геометрия руки - 25%

верификация подписи - 3%

ПЕРСПЕКТИВЫ БИОМЕТРИЧЕСКИХ СИСТЕМ БЕЗОПАСНОСТИ НА РОССИЙСКОМ РЫНКЕ

Для большинства наших сограждан система контроля доступа напрямую ассоциируется с турникетом в метро. На режимных предприятиях СССР, естественно, все было серьезнее: здесь давно использовались замки с PIN-кодом, затем появились магнитные карты, а позднее и карты дистанционного считывания. Однако опыт, в том числе и российский, показывает, что подобные средства эффективно защищают от появления на объекте случайного посетителя, а натиск "продвинутой" преступности, владеющей современными технологиями, выдерживать не в состоянии. С дугой стороны, уровень современной биометрической защиты довольно высок. Он исключает возможность взлома даже в ситуации, когда злоумышленник пытается использовать труп человека, имеющего доступ к системе.

В России биометрические системы контроля появились в середине 90-х годов. В силу то ли неразвитости отечественных технологий, то ли их излишней засекреченности, все коммерческие биометрические системы были импортного производства. На том этапе себестоимость и, соответственно, цена этих систем была довольно высока: например, довольно простое устройство физического контроля доступа стоило около $12 000. Подобное дорогостоящее оборудование приобрело скорее характер новомодной экзотики и массового распространения не получило. Сегодня подобные системы подешевели примерно в 10 раз, так что первая причина появления активного спроса на них у нас в стране исключительно экономическая - устройства стали гораздо дешевле. Вторая причина сводится к объективной потребности заказчиков организовать современную, грамотно построенную систему безопасности у себя на предприятии, в офисе компании или в частном доме.

По мнению большинства специалистов, особенно широкое распространение в России получили дактилоскопические устройства. Есть основания полагать, что в банковских структурах у нас привьются системы распознавания подписи - традиционной биометрической характеристики, которая издавна используется в банковском деле. Большой редкостью в России считается инсталляция систем идентификации личности по радужной оболочке глаза, голосу или по другим биометрическим признакам. Тем не менее уже есть примеры использования данных устройств, в частности, в ряде крупных депозитарных банков Москвы; из других компаний можно назвать "Макдональдс", где установлены биометрические системы контроля рабочего времени персонала; в последнее время резко возрос спрос на дактилоскопические системы со стороны частных лиц, которые устанавливают их в своих загородных коттеджах.

Отечественные разработки на этом рынке отличаются крайней фрагментарностью, существуют на уровне опытных образцов и говорить о сколько-нибудь серьезных объемах их продаж, увы, пока не приходится. Наиболее известная система, разработанная российскими инженерами - "Кордон" - устройство физического доступа в помещение; имеются также разработки в области дактилоскопии (компания "Биолинк"): в области распознавания лица (компания "Спирит"). в основном же рынок биометрических систем безопасности в России представлен иностранными фирмами, которые через своих российских партнеров реализуют свои технологии на отечественном рынке. Вышеупомянутую систему Facelt, например, представляет группа компаний "Дан-ком"; инженерная компания "Солинг" активно внедряет систему распознавания лиц немецкого производства SmartEye, компания "Биометрические системы" в основном специализируется на поставке импортного дактилоскопического оборудования.

Большинство прогнозов сводится к тому, что внедрение биометрических систем безопасности на российский рынок приобретет в скором будущем лавинный характер. Поиск решений для борьбы с нарастающей глобальной угрозой терроризма так или иначе приведет к практическому использованию достижений в этой области. Интенсивное развитие мультимедийных, цифровых технологий и, как следствие, их удешевление позволяют не только разработать принципиально новые подходы в проблеме идентификации личности, но и внедрить их в широкое повсеместное использование.

Источник: БДИ - безопасность, достоверность, информация

Введение

Идентификация человека по голосу - один из традиционных способов распознавания, применяемый повсеместно. Можно легко узнать собеседника по телефону, не видя его. Также можно определить психологическое состояние по эмоциональной окраске голоса.

Т.к. голосовая идентификация бесконтактна и не требует от человека особых усилий, ведутся работы по созданию голосовых замков и систем ограничения доступа к информации. Интерес в этой области связан ещё и с прогнозами повсеместного внедрения голосовых интерфейсов.

Методы идентификации

На сегодняшний день существует два подхода к идентификации человека по голосу, построенные на учёте структуры речевого сигнала.

Каждый всплеск голосового сигнала соответствует некоторому фрагменту речи. Это может быть одна буква, сочетание букв (фонема) или короткое слово (то самое слово из трёх букв сюда не относится). Всего в русской речи есть 42 фонемы, но подходят для идентификации человека не все. Часть фонем огласованы. Именно им присущ индивидуальный характер. Это звуки "э", "о", "л", "а", "и" и другие. Другая часть фонем - шипящие (шумоподобные). Это "ц", "ч", "ш", "щ" и т.д. Они не являются индивидуальными и их использование при идентификации может привести к снижению качества распознавания. На рисунке выше синим цветом отмечена огласованная фонема, а красным - шумоподобная.

Ниже - они же, но крупно:

Огласованные фрагменты речи имеют явно выраженный периодический характер. Период и характер колебаний индивидуальны. Это хорошо видно на графике:

Для одного человека графики очень похожи. У другого человека и период тона и форма внутренних колебаний значительно отличаются.

Первый подход

Индивидуальные различия распределения мощности сигнала по спектру положены в основу первой категории систем биометрической идентификации по голосу. Они строятся на базе гребёнки узкополосных фильтров, выделяющих из голоса колебания разных частот.

На основании выходных данных можно построить следующий график (амплитудно-частотную характеристику):

Полосы пропускания фильтров выбираются при проектировании системы, но они не должны быть слишком узкими, чтобы не зависеть от вариаций частотного спектра голоса. В то же время, они не должны быть и очень широкими. Нужно подбирать оптимальную ширину, достаточную для уверенной идентификации. Обычно используют 16 фильтров, которые расширяются по мере роста значений выделяемых частот. Это связано с нестабильностью высоких частот по энергии (в сравнении с низкими частотами).

Системы спектрального анализа голоса обучаются, запоминая распределение энергий с частотой порядка 35 миллисекунд. В итоге получается большой массив данных, соответствующий фразе (сравнимо с размером *.wav-файла соответствующей продолжительности). Данные снимаются с частотой 16кГц и в 16 разрядов (это связано с особенностями фильтров). После чего они пропускаются через фильтры. Итоговый массив данных выходит очень маленького размера (нужно записать только 16 координат вершин по одной оси).

Для идентификации можно использовать как статистические методы, так и нейронную сеть, что не должно влиять на результат распознавания.

[править]

Второй подход

Использование аппарата линейного предсказания.

Огласованные колебания звука имитируют периодическими ударами по некоторому колебательному звену (колоколу). Период ударов должен точно соответствовать периоду основного тона голоса. Динамические характеристики колокола должны меняться, чтобы получить форму, близку к голосовой фразе.

Понятно, что в качестве колокола используется цифровой колебательный фильтра, а не реальный аналог:

Число коэффициентов фильтра колеблется от 10 до 12 (а1,..., а12). Этого достаточно для качественного воспроизведения речи с сохранением индивидуальных особенностей. Коэффициенты линейного предсказателя вычисляются на выборке из 180-220 отсчётов ("ударов"). Вычисление параметров предсказателя (цифрового фильтра) находят решением системы из 10...12 линейных уравнений. Для того, чтобы понизить вычислительную нагрузку частоту дискретизации понижают до 8 кГц.

При имитации огласованных звуков на вход цифрового фильтра подают периодическую последовательность импульсов, промодулированную по амплитуде. В таком случае на выходе фильтра появляются периодические переходные процессы, повторяющие моделируемый звук. При моделировании шипящих на вход фильтра подают случайный шум нужной амплитуды.

При обучении системы, на её вход подают несколько образцов голоса пользователя. Они преобразуются в последовательность импульсов основного тона и соответствующую последовательность коэффициентов линейного предсказателя. Получается массив данных, описывающий индивидуальные особенности голоса человека для данной фразы. Этот массив из коэффициентов и является тем биометрическим эталоном, который записывается в базу данных.

[править]

Характеристики обоих способов

Ошибки первого рода (недопуск своего) состовляют 1-5% (хотя, в зависимости от реализации программного обеспечения, могут доходить до 40% - проверено опытным путём). Количество ошибок второго рода (пропуск чужого) зависит от того, знает ли злоумышленник ключевую фразу (до 1%, если голоса близки) или нет (0,00000001%).

Голосовую защиту просто пройти, если перехвачена или записана ключевая фраза. Поэтому разработчики сейчас пытаются создать систему, защищённую от перехвата (Т.е. опознающую человека по любой фразе. Не совсем понятно, как это может защитить, ведь если записана фраза, то к такой системе она подойдёт в любом случае. Возможно, у них есть и другие подходы к решению этой проблемы.)

Сейчас можно использовать голосовую идентифиацию совместно с другими видами защиты. Например, по геометрии лица. Тогда можно отслеживать движение губ и синхронизацию их со звуком. Либо как-то иначе.

Защита от перехвата парольной фразы

Один из эффективных путей защиты основан на использовании речевой информации, вводимой с ларингофона, контактирующего с телом говорящего (российский патент). Ларингофон существенно меняет индивидуальную окраску звука в зависимости от места контакта с телом.

Отсутствие сведений о зоне съёма сигнала усложняет преодоление биометрической идентификации, т.к. сигнал зависит от местоположения ларингофона. Его нельзя описать современными техническими средствами из-за индивидуального строения и взаимодействия мышц, костей и хрящей конкретного человека.

При произношении речевой сигнал колебаниями распространяется внутри тела. Получается сложная система звукопроводов разного типа. В итоге, в каждую из зон контакта звук приходит разными путями. На графике показан один и тот же сигнал, снятый с шейной  и ключичной зоны :

На следующем графике - с увеличением:

Видно, что период основного тона повторяется очень точно, но форма колебаний совершенно другая.

Вывод

Таким образом, даже если у злоумышленника есть пароль и информация о месте контакта ларингофона, он не может пройти идентификацию из-за различий в голосе.