Новая биометрия. Замысел защиты

 

Для устранения уязвимостей, связанных с простотой подмены измерений на недоверенных устройствах, необходимо от статических показателей перейти к динамическим типа «стимул-реакция» со сложной динамикой связи. Динамическим звеном, чрезвычайно сложным на сегодняшний день для моделирования, являются нервная и вегетативная системы человека и связанные с этим особенности физиологии движений. В частности, индивидуальными оказываются непроизвольные реакции на внешние стимулы (в частности, аудио и видео раздражители).

Предположительно реакция на стимулы может быть зафиксирована датчиками клиентского устройства, обработана с помощью методов искусственного интеллекта, например, искусственных нейронных сетей [30], что позволит определить источник потоков данных и повысить достоверность идентификации.

Совокупность нескольких биометрических модальностей нужно дополнить анализом хотя бы одной физиологической (рефлекторной) реакции, что повысит достоверность биометрической идентификации и обеспечит решение задачи виталентности.

На недоверенном клиентском терминале не сложно подделать голос, лицо, подменить отпечатки пальцев и рисунок сосудистого русла, сымитировать движение глаз, но если в качестве биометрического признака использовать реакцию на раздражитель — то изменения этих модальностей при реальном источнике должны быть согласованными, и поэтому подделать потоки данных будет почти невозможно, так как для согласования поддельных данных нужна модель реакций конкретного человека, что нереально ввиду высокой сложности такой модели.

Таким образом, сформировалось и осознано противоречие между потребностью общества в доверенной идентификации человека с использованием недоверенных клиентских терминалов и отсутствием обоснованных подходов к решению этой задачи. Разрешение этого противоречия возможно путем использования рефлекторных реакций человека на внешние раздражители, что и позволяет считать исследования в данном направлении актуальными.

На сегодняшний день психомоторные реакции человека исследуются, как правило, на сложном лабораторном медицинском оборудовании в контролируемых условиях. Однако исходя из параметров современных и перспективных технических средств (смартфонов), с их помощью среди динамических биометрических характеристик человека представляется возможным зафиксировать, по крайней мере, характеристики пульсовой волны, динамику изменения диаметра зрачка, динамику слежения взглядом за стимулом на экране. Для этого достаточно на смартфоне иметь камеру и вспышку (фонарик), а также сенсорный экран.

Перспективным является изучение движения глаз. Глаз не может быть неподвижным, клетки рецепторов «утомляются» и «подменяются» в процессе саккадических движений. Эти движения характеризуются высокой сложностью. Достаточно отметить, что движениями глаз управляют 7 мышц (!), и мышцы, ответственные за саккадические движения, являются самыми быстрыми. Многообещающим представляется изучение рефлекторной составляющей саккад, а также (а может, и в первую очередь) процессы фиксации и регрессии при чтении.

Изучение пульсовой волны предположительно позволит выделить реакцию сердца – изучить вариабельность сердечного ритма. Это тем более важно, что для жизнедеятельности организма сердце важнее зрения, и регулирование осуществляется более «старыми» (и, таким образом, более стабильными) механизмами, в том числе ЦНС и вегетативной системой. При этом уровни регулирования могут меняться в зависимости от многих факторов, что позволяет считать механизм достаточно сложным для моделирования.

В качестве внешних раздражителей можно использовать имеющиеся у смартфона возможности – звук, цвет и свет, вибрацию, отображение текста (в том числе со случайным изменением числа пробелов).

Для движения по разработке данного подхода необходимо:

− проверить методом объективных измерений гипотезу о влиянии различных внешних раздражителей на рефлекторные реакции;

− создать алгоритмы сбора первичных данных на пользовательских устройствах (смартфонах)

− разработать искусственную нейронную сеть анализа данных, снимаемых средствами смартфона, либо применить другие адекватные задаче методы анализа.

Нужно сказать, что известны работы, в которых движение глаз рассматривалось в качестве биометрического признака [31, 32]. Фактически, полученные в них результаты можно рассматривать как подтверждение гипотезы о том, что в движении глаз имеется биометрическая информация (опосредовано – в движениях, связанных с рефлекторными реакциями). Опираясь на указанные результаты, нужно воспроизвести их, изучить требуемую разрешающую способность, и затем спроектировать алгоритмы идентификации на основе случайных стимулов, генерируемых удаленно, и удаленных же обработки и принятия решения. Клиентский терминал при этом будет только средством отображения и съема первичных данных, что никак не сможет повлиять на безопасность идентификации.

Отметим, что в известных работах снятие показателей производилось с помощью инфракрасной камеры и специальных калиброванных устройств, фиксирующих положение головы пользователя. Такой подход неприменим для широкого использования в реальных приложениях.

Таким образом, необходимо исследование возможностей снятия динамических показателей движения глаз в ответ на внешние стимулы с помощью массовых пользовательских устройств: бытовых видеокамер, встроенных камер планшетных устройств.

Ключевыми задачами являются исследование возможностей снятия указанных показателей с помощью RGB-камер (оптического диапазона) с низкой частотой кадров (30-60 к/с), и исследование возможностей геометрической калибровки системы «человек + камера» непосредственно перед измерениями или в процессе измерений.