Методы оптимизации управления интермодальными перевозками

С принятием федеральной программы «Информационное общество» в Российской Федерации [1] была поставлена цель полной цифровизации всех общественно-государственных услуг. В рамках этой программы произошла глобальная автоматизация всех процессов, охватывающих административные и социальные сферы деятельности человека, также она включила в себя и модернизацию системы идентификации и аутентификации личности гражданина. Переход этой системы на электронную платформу обеспечило высокую скорость обработки данных, предотвращение правонарушений, а значит, и повышение общественного порядка, облегчило процесс совершения мелких бытовых покупок. Однако внедрение автоматизированной системы биометрии привело и к появлению новых вызовов, связанных, в первую очередь, с попытками обмана системы.

Рассмотрим автоматизированные системы цифровой идентификации личности на предприятиях. Изучив научные статьи, мы выявили важные положения. Так, в своей работе «Биометрические данные: новые возможности и риски» И. Н. Карцан [2] акцентирует внимание на положительных аспектах автоматизированной цифровой биометрии. Он отмечает, что биометрические данные могут использоваться для создания индивидуальных профилей потребителей, что позволяет компаниям лучше понимать предпочтения и потребности клиентов. Это, в свою очередь, помогает выявлять потенциальные проблемы и принимать меры для их предотвращения. Другой исследователь М. В. Загинайло в статье «Преимущества и недостатки применения биометрических систем в информационной безопасности» [3] отмечает следующее: биометрические технологии могут значительно улучшить контроль доступа как в физических, так и в цифровых системах. Данные исследования говорят нам, что тема является актуальной и востребованной для изучения. В современной обстановке автоматизированные системы идентификации личности не могут функционировать эффективно без интеграции систем живого обнаружения лица. Только синхронно работая, технологии могут обеспечить надежную защиту на предприятии и минимизировать риски, связанные с использованием биометрических данных. Для большей наглядности рассмотрим некоторые их них.

Face anti-spoofing (liveness detection) – это система, обеспечивающая распознавание настоящего лица от фальшивого, дающая возможность с помощью анализа изображения в видеопотоке определить, используется ли для аутентификации биометрический образец, взятый у живого объекта. На сегодняшний день выделяют в FAS два важных классификатора: аппаратный и программный метод.

Аппаратный метод опирается на необходимость использования дополнительного оборудования в процессе анализа: тепловизионные и 3D камеры. Рассмотрим термальную камеру и принцип её работы. С тепловизионной камеры поступает изображение, в котором каждый пиксель соответствует определенной температуре. Для передачи термограммы на систему liveness detection необходимо преобразовать температурные значения в 8 бит, произвести процесс нормализации, приведение значений пикселей к температурной шкале, где самая низкая температура в фотографии имеет значение 0, самая высокая - 255. Затем производится корректировка данного процесса по значениям температуры в биологически активных точках кожи здорового человека в состоянии покоя в зонах лица (от лобной зоны до области шеи) в пределах диапазона, где нулевое значение до 28.28±0.71 и максимальное значение от 34.70±0.40 и выше [4].

Тепловизионные регистраторы производят в оптико-механическом конструкторском бюро «Астрон» [5]. Регистратор температуры тела АСТРОН-ПТР2020, компания оснастила дополнительным функционалом – биометрическим распознаванием людей по лицу с помощью технологии Id-Guard, разработанной компанией РекФэйсис.

Программный метод идентификации пользователя представляет собой способ, не требующий привлечения дополнительного оборудования, как правило, в этом случае используется стандартная камера, доступная на самом устройстве. Программный метод обладает удобством и доступностью, а потому он наиболее популярен. Однако программный метод наиболее уязвим к мошенническим атакам: некоторые пользователи начали использовать различные подходы мошенничества, такие как создание масок, видео и фотографий человека. Для того, чтобы с правиться с мошенническими действиями, в 2012 году был создан альянс FIDO (Fas Identify Online), который разрабатывает стандарты аутентификации. FIDO выделяет три основных уровня атак на системы биометрии: level A -использование фотографии лиц на экране электронного устройства или на бумажном носителе (presentation attack), level B - производство бумажных масок с изображение личности, в отношении которого совершается мошенничество, level C - создание 3D-масок из специального материала схожей с кожей человека (presentation attack instrument). Программный метод разделяется на два типа проверки, каждый из которых проходят разные уровни мошеннических атак по FIDO.

• I.    Первый тип - активный. Особенность его заключается в выполнении определённых действий [6]. Пользователь активно взаимодействует с системрй: воспроизводит голос, меняет мимику, показывает жесты и т.д. Примером такого типа является С2FIV [7].

• II.    Второй тип – пассивный. Идентификация происходит без активного участия проверяющего, система автоматически анализирует видеопоток и определяет витальность человека на основе предоставленных данных [6]. Одними из популярных анализов в пассивном типе проверки считаются отслеживания моргания глаз, движение губ, сравнение модели с лицом в видеопотоке, изменение эмоций и повороты головы.

Мы рассмотрели различные методы проверки на обнаружение фальсификации биометрического паспорта и теперь у нас есть представление и понимание об аппаратном и программном методе, их особенностях и различии. Согласно описанию, наилучшим общедоступным методом для проверки является программный. Для более высокой точности проверки и идентификации человека, рекомендуется использовать совместно два типа (активный и пассивный).