ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМАХ БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ: ВОЗМОЖНОСТИ И УЯЗВИМОСТИ

А. Г. Уймин

Статьи

ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМАХ БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ: ВОЗМОЖНОСТИ И УЯЗВИМОСТИ

А. Г. Уймин

УДК: 004.056.5:004.93 EDN: JVWSDF Опубликовано: 01.03.2025 Выпуск: Том 1 № 005 (2025): Профессионалитет, 2025

Скачать PDF Статья на eLIBRARY.RU

Аннотация

Статья посвящена системному анализу возможностей и уязвимостей, возникающих при применении алгоритмов искусственного интеллекта в современных системах биометрической аутентификации. Актуальность исследования обусловлена качественным сдвигом в архитектуре цифровой идентичности к середине 2020-х годов: внедрением стандартов WebAuthn Level 3 и passkeys, ужесточением нормативно-методических требований EU AI Act и NIST SP 800-63B-4, а также стремительным развитием атак на основе морфинга и дипфейков. В статье рассматриваются ключевые биометрические модальности — распознавание лиц, отпечатков пальцев (включая бесконтактные технологии), радужки и сетчатки глаза — в контексте применения нейросетевых архитектур (CNN, ResNet/DRN). Анализируются метрики качества биометрических систем (FPIR, FNIR, APCER, BPCER, IAPMR) и международные бенчмарки FRVT и IREX. Отдельное внимание уделяется угрозам: атакам предъявления (PA), морфингу, дипфейкам, бесконтактному спуфингу, а также методам противодействия (PAD, MAD). Рассматривается архитектура passkeys/WebAuthn L3 как модель разделения биометрической верификации и криптографической аутентификации. Предложена методология оценки и снижения рисков, совместимая с требованиями EU AI Act, ISO/IEC 30107-3 и NIST SP 800-63B-4. Уточнены архитектурные и организационные меры, позволяющие связать технические метрики с требованиями управления рисками. Сделан вывод о том, что дальнейшее развитие биометрических систем определяется не ростом вычислительных мощностей, а способностью объединить интеллектуальную обработку признаков, этические ограничения и инженерную воспроизводимость в рамках подотчётных и верифицируемых архитектур.

Онлайн просмотр

Список литературы

Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelli-gence Act) // Official Journal of the European Union. — 2024. — L 1689. — URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689 (дата обращения: 31.03.2025).
Temoshok D., Fenton J., Lefkovitz N., Regenscheid A., Richer J. Digital Identity Guide-lines: Authentication and Authenticator Management: NIST Special Publication 800-63B. — Gaithersburg, MD: National Institute of Standards and Technology, 2025. — DOI: 10.6028/NIST.SP.800-63B-4.
Scherhag U., Rathgeb C., Merkle J., Breithaupt R., Busch C. Face Recognition Systems Under Morphing Attacks: A Survey // IEEE Access. — 2019. — Vol. 7. — P. 23012–23026. — DOI: 10.1109/ACCESS.2019.2899367.
Tolosana R., Vera-Rodriguez R., Fierrez J., Morales A., Ortega-Garcia J. Deepfakes and Beyond: A Survey of Face Manipulation and Fake Detection // Information Fusion. — 2020. — Vol. 64. — P. 131–148. — DOI: 10.1016/j.inffus.2020.06.014.
Balfanz D., Czeskis A., Hodges J., Jones J. C., Jones M. B., Kumar A., Lindemann R., Powers A., Verrept J. Web Authentication: An API for accessing Public Key Creden-tials Level 3: W3C Recommendation. — 2023. — URL: https://www.w3.org/TR/webauthn-3/ (дата обращения: 31.03.2025).
Maltoni D., Maio D., Jain A. K., Feng J. Handbook of Fingerprint Recognition. — 3rd ed. — Cham: Springer, 2022. — 512 p. — DOI: 10.1007/978-3-030-83624-5.
Guo Y., Zhang L., Hu Y., He X., Gao J. MS-Celeb-1M: A Dataset and Benchmark for Large-Scale Face Recognition // Lecture Notes in Computer Science. — 2016. — Vol. 9907. — P. 87–102. — DOI: 10.1007/978-3-319-46487-9_6.
Ramachandra R., Busch C. Presentation Attack Detection Methods for Face Recogni-tion Systems: A Comprehensive Survey // ACM Computing Surveys. — 2017. — Vol. 50, No. 1. — Art. 8. — DOI: 10.1145/3038924.
Biggio B., Roli F. Wild Patterns: Ten Years After the Rise of Adversarial Machine Learning // Pattern Recognition. — 2018. — Vol. 84. — P. 317–331. — DOI: 10.1016/j.patcog.2018.07.023.
Regan P. M., Jesse J. Ethical Challenges of Edtech, Big Data and Personalized Learning: Twenty-First Century Student Sorting and Tracking // Ethics and Information Tech-nology. — 2019. — Vol. 21, No. 3. — P. 167–179. — DOI: 10.1007/s10676-018-9492-2.
ISO/IEC 30107-3:2023. Information technology — Biometric presentation attack de-tection — Part 3: Testing and reporting. — Geneva: International Organization for Standardization, 2023.
NIST Special Publication 500-290. Biometric Specifications for Personal Identity Veri-fication. — Gaithersburg, MD: National Institute of Standards and Technology, 2020.
Grother P., Ngan M., Hanaoka K. Face Recognition Vendor Test (FRVT). Part 3: Demo-graphic Effects: NIST Interagency Report 8280. — Gaithersburg, MD: National Insti-tute of Standards and Technology, 2019. — DOI: 10.6028/NIST.IR.8280.
Grother P., Ngan M. Iris Exchange (IREX) 10: Performance of Iris Recognition Algo-rithms: NIST Interagency Report 8247. — Gaithersburg, MD: National Institute of Standards and Technology, 2018. — DOI: 10.6028/NIST.IR.8247.
FIDO Alliance. FIDO2: WebAuthn & CTAP. Technical Overview. — 2023. — URL: https://fidoalliance.org/fido2/ (дата обращения: 31.03.2025).
Jain A. K., Nandakumar K., Ross A. 50 Years of Biometric Research: Accomplishments, Challenges, and Opportunities // Pattern Recognition Letters. — 2016. — Vol. 79. — P. 80–105. — DOI: 10.1016/j.patrec.2015.12.013.
Marcel S., Nixon M. S., Fierrez J., Evans N. (Eds.) Handbook of Biometric Anti-Spoofing: Presentation Attack Detection and Liveness Detection. — 3rd ed. — Cham: Springer, 2023. — 650 p. — DOI: 10.1007/978-3-031-48349-6.
Daugman J. How Iris Recognition Works // IEEE Transactions on Circuits and Systems for Video Technology. — 2004. — Vol. 14, No. 1. — P. 21–30. — DOI: 10.1109/TCSVT.2003.818350.
Ferrara M., Franco A., Maltoni D. The Magic Passport // Proceedings of the IEEE In-ternational Joint Conference on Biometrics (IJCB). — 2014. — P. 1–7. — DOI: 10.1109/BTAS.2014.6996240.
Уймин А. Г. Применение технологий цифрового двойника в подготовке специа-листов по сетевому и системному администрированию // Современные науко-ёмкие технологии. — 2023. — № 5. — С. 112–118.

Лицензия

Creative Commons «С указанием авторства» (CC BY) 4.0

Ключевые слова

биометрическая аутентификация искусственный интеллект атака предъявления морфинг дипфейк WebAuthn EU AI Act

[1] Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelli-gence Act) // Official Journal of the European Union. — 2024. — L 1689. — URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689 (дата обращения: 31.03.2025).

[2] Temoshok D., Fenton J., Lefkovitz N., Regenscheid A., Richer J. Digital Identity Guide-lines: Authentication and Authenticator Management: NIST Special Publication 800-63B. — Gaithersburg, MD: National Institute of Standards and Technology, 2025. — DOI: 10.6028/NIST.SP.800-63B-4.

[3] Scherhag U., Rathgeb C., Merkle J., Breithaupt R., Busch C. Face Recognition Systems Under Morphing Attacks: A Survey // IEEE Access. — 2019. — Vol. 7. — P. 23012–23026. — DOI: 10.1109/ACCESS.2019.2899367.

[4] Tolosana R., Vera-Rodriguez R., Fierrez J., Morales A., Ortega-Garcia J. Deepfakes and Beyond: A Survey of Face Manipulation and Fake Detection // Information Fusion. — 2020. — Vol. 64. — P. 131–148. — DOI: 10.1016/j.inffus.2020.06.014.

[5] Balfanz D., Czeskis A., Hodges J., Jones J. C., Jones M. B., Kumar A., Lindemann R., Powers A., Verrept J. Web Authentication: An API for accessing Public Key Creden-tials Level 3: W3C Recommendation. — 2023. — URL: https://www.w3.org/TR/webauthn-3/ (дата обращения: 31.03.2025).

[6] Maltoni D., Maio D., Jain A. K., Feng J. Handbook of Fingerprint Recognition. — 3rd ed. — Cham: Springer, 2022. — 512 p. — DOI: 10.1007/978-3-030-83624-5.

[7] Guo Y., Zhang L., Hu Y., He X., Gao J. MS-Celeb-1M: A Dataset and Benchmark for Large-Scale Face Recognition // Lecture Notes in Computer Science. — 2016. — Vol. 9907. — P. 87–102. — DOI: 10.1007/978-3-319-46487-9_6.

[8] Ramachandra R., Busch C. Presentation Attack Detection Methods for Face Recogni-tion Systems: A Comprehensive Survey // ACM Computing Surveys. — 2017. — Vol. 50, No. 1. — Art. 8. — DOI: 10.1145/3038924.

[9] Biggio B., Roli F. Wild Patterns: Ten Years After the Rise of Adversarial Machine Learning // Pattern Recognition. — 2018. — Vol. 84. — P. 317–331. — DOI: 10.1016/j.patcog.2018.07.023.

[10] Regan P. M., Jesse J. Ethical Challenges of Edtech, Big Data and Personalized Learning: Twenty-First Century Student Sorting and Tracking // Ethics and Information Tech-nology. — 2019. — Vol. 21, No. 3. — P. 167–179. — DOI: 10.1007/s10676-018-9492-2.

[11] ISO/IEC 30107-3:2023. Information technology — Biometric presentation attack de-tection — Part 3: Testing and reporting. — Geneva: International Organization for Standardization, 2023.

[12] NIST Special Publication 500-290. Biometric Specifications for Personal Identity Veri-fication. — Gaithersburg, MD: National Institute of Standards and Technology, 2020.

[13] Grother P., Ngan M., Hanaoka K. Face Recognition Vendor Test (FRVT). Part 3: Demo-graphic Effects: NIST Interagency Report 8280. — Gaithersburg, MD: National Insti-tute of Standards and Technology, 2019. — DOI: 10.6028/NIST.IR.8280.

[14] Grother P., Ngan M. Iris Exchange (IREX) 10: Performance of Iris Recognition Algo-rithms: NIST Interagency Report 8247. — Gaithersburg, MD: National Institute of Standards and Technology, 2018. — DOI: 10.6028/NIST.IR.8247.

[15] FIDO Alliance. FIDO2: WebAuthn & CTAP. Technical Overview. — 2023. — URL: https://fidoalliance.org/fido2/ (дата обращения: 31.03.2025).

[16] Jain A. K., Nandakumar K., Ross A. 50 Years of Biometric Research: Accomplishments, Challenges, and Opportunities // Pattern Recognition Letters. — 2016. — Vol. 79. — P. 80–105. — DOI: 10.1016/j.patrec.2015.12.013.

[17] Marcel S., Nixon M. S., Fierrez J., Evans N. (Eds.) Handbook of Biometric Anti-Spoofing: Presentation Attack Detection and Liveness Detection. — 3rd ed. — Cham: Springer, 2023. — 650 p. — DOI: 10.1007/978-3-031-48349-6.

[18] Daugman J. How Iris Recognition Works // IEEE Transactions on Circuits and Systems for Video Technology. — 2004. — Vol. 14, No. 1. — P. 21–30. — DOI: 10.1109/TCSVT.2003.818350.

[19] Ferrara M., Franco A., Maltoni D. The Magic Passport // Proceedings of the IEEE In-ternational Joint Conference on Biometrics (IJCB). — 2014. — P. 1–7. — DOI: 10.1109/BTAS.2014.6996240.

[20] Уймин А. Г. Применение технологий цифрового двойника в подготовке специа-листов по сетевому и системному администрированию // Современные науко-ёмкие технологии. — 2023. — № 5. — С. 112–118.