Cours 6 : Biométrie ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://odile.papini.perso.esil.univmed.fr/sources/ssi.html
Plan du cours 6 1 Introduction 2 Qu est-ce-que la biométrie? 3 4 5 6 7
Introduction Pour prouver son identité : 1 Ce que l on possède (carte, badge, document, ) 2 Ce que l on sait (un nom, un mot de passe, ) 3 Ce que l on est (empreintes digitales, main, visage, )
Introduction trop d attaques sur les cartes! Fig.: source : cybercriminalité (CLUSIF 2008)
Introduction trop de mots de passe! Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
Qu est-ce-que la biométrie? Biométrie : Définitions (CLUSIF) étude mathématique des variations biologiques à l intérieur d un groupe déterminé Système de contrôle biométrique : système automatique de mesure basé sur la reconnaissance de caractéristiques propres à l individu
Qu est-ce-que la biométrie? Biométrie : identification et authentification caractéristiques biologiques caractéristiques comportementales caractéristiques morphologiques
Qu est-ce-que la biométrie? Caractéristiques biologiques : sang ADN urine odeur salive,
Qu est-ce-que la biométrie? Caractéristiques comportementales : dynamique de signature dynamique de frappe sur un clavier parole démarche,
Qu est-ce-que la biométrie? Caractéristiques morphologiques : empreintes digitales forme de la main forme du visage forme de l iris ou de la rétine,
Système biométrique : Apprentissage extraction de paramètre construction d un modèle Reconnaissance vérification identification Adaptation mode supervisé mode non supervisé
Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
mode de fonctionnement vérification : (Problème 1 : 1) vérification : échantillon biométrique correspond bien au gabarit Fig.: source : B. Dorizzi, GET/INT Evry
mode de fonctionnement identification (Problème 1 : n) reconnaissance : à partir de l échantillon biométrique recherche du gabarit correspondant Fig.: source : B. Dorizzi, GET/INT Evry
Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
Propriétés souhaitées pour un système biométrique : universalité unicité permanence mesurabilité facile performance bonne acceptation par les utilisateurs impossibilité de duplication par un imposteur
Architecture d un système biométrique
FR : nb faux rejets FA : nb fausses acceptations NL : nb total légitimes NI : nb total imposteurs FRR : taux de faux rejet FAR : taux de fausse acceptation : marge d erreur autorisée FRR = FR NL FAR = FA NI
ERR : Equal Error Rate : point où FRR = FAR
positionnement du seuil
Les difficultés rencontrées variabilité intra-classe, similarité inter-classe segmentation bruit d acquisition performances des systèmes (taux d erreur, vitesse, cot) individualité des caractéristiques biométriques fusion de plusieurs modalités biométriques scalability attaques sur les systèmes biométriques problèmes éthiques
variabilité intra-classe Fig.: source : R. L. Hau. Face detection and modelling. PHD thesis 2002 URL : http ://biometrics.cse.msu.edu
similarité inter-classe Fig.: source : P. N. Belhumeur Columbia university
variabilité temporelle Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
interopérabilité des capteurs Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
bruit d acquisition Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
problèmes de segmentation Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
performances des systèmes Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
individualité
multi-modalité Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
scalability Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
vulnérabilité d un système biométrique
parade pour les empreintes digitales
parade pour les empreintes digitales Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
problèmes éthiques : liberté, citoyenneté, démocratie rapport Assemblée Nationale sur la biométrie http ://www.assemblee-nationale.fr/12/rap-off/i3302.asp position de la CNIL (Commission Nationale Informatique et Liberté) sur la biométrie du 28 décembre 2007 http ://www.cnil.fr/index.php?2162
problèmes éthiques : liberté, citoyenneté, démocratie avis no 98 du CCNE (Comité Consultatif National dethique) du 26 avril 2007, Biométrie, données identifiantes et droits de l homme http ://www.ldh-toulon.net/spip.php?article2570 projet europeèn ETIB (Ethique des Technologies d Identification Biométrique) point de départ d un débat européen sur l éthique de la biométrie www.biteproject.org
problèmes éthiques : culturels et religieux Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
La biométrie aujourd hui La biométrie aujourd hui identification et authentification automatique et fiable : une nécessité pas d autre moyen que la biométrie pour une identification et authentification efficace des personnes capteurs biométriques bon marché (ordinateurs et téléphones portables) performances des systèmes n atteignent pas encore les attentes
La biométrie aujourd hui : performances
La biométrie aujourd hui : performances
La biométrie aujourd hui : standards
La biométrie aujourd hui : standards
La biométrie aujourd hui : standards
La biométrie aujourd hui Fig.: source : B. Dorizzi, GET/INT Evry
La biométrie aujourd hui : marché Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
La biométrie aujourd hui : emploi Fig.: source : N. Ben Aloui USTV - DCNS Toulon
La biométrie demain Les besoins pour la biométrie de demain efforts de recherche nécessaires dans les directions suivantes : nouvelles représentations algorithmes de reconnaissance indexation de bases de données fusion de modalités biométriques détection en temps réel protection des gabarits estimation des taux d erreur
La biométrie demain Les besoins pour la biométrie de demain besoin de tests de systèmes et évaluation sur de grandes bases de donnés standardisées grand potentiel pour améliorer notre privacy mais des lois et reglementations sont nécessaires aucun système de sécurité, biométrique inclus, n est foolproof besoin d analyse de coût / bénéfice pour le déploiement de systèmes biométriques
La biométrie demain Les besoins pour la biométrie de demain Adaptation aux utilisateurs observation des inter-actions avec le dispositif biométrique Biométrie douce soft biometrics utilisation des caractéristiques : couleur des yeux, des cheveux, genre pour renforcer l identité Suivi suivre le comportement de l utilisateur pendant une session entière pour valider l identité
Les différentes modalités biométriques
Empreintes digitales Empreintes digitales : relief cutané des doigts Caractéristiques : arêtes vallées
Empreintes digitales Caractéristiques
Empreintes digitales Caractéristiques : les minuties
Empreintes digitales Extraction de paramètres Fig.: source : http ://www.biometrie-online.net
Empreintes digitales Extraction de paramètres : étapes du traitement de l image
Empreintes digitales Reconnaissance des empreintes : approche macroscopique comparaison de la forme générale des courbes (traitement d image)
Empreintes digitales Reconnaissance des empreintes : approche microscopique comparaison de la position et de l orientation des minuties
Empreintes digitales Propriétés : universalité : oui unicité : oui permanence : assez bonne mesurabilité facile : oui performance : 0.0005% FAR 0.001 et 0.1% FRR 0.5% bonne acceptation par les utilisateurs : assez bonne impossibilité de duplication par un imposteur : non
Reconnaissance faciale caractéristiques macroscopiques : bouche, nez, yeux, pommettes, menton, lèvres, oreilles caractéristiques microscopiques : distance entre caractéristiques macroscopiqueset taille
Reconnaissance faciale basée sur les caractéristiques géométriques : plusieurs méthodes Traitement automatique du visage Analyse de points particuliers (local feature analysis) Eigenface (utilisation de l analyse en composantes principales) Réseaux de neurones Reconnaissance d images 3D en stéréo photométrie (3D morphable models)
Reconnaissance faciale : Principe des méthodes Fig.: source : P. N. Belhumeur Columbia university
Reconnaissance faciale : Principe des méthodes Fig.: source : P. N. Belhumeur Columbia university
Reconnaissance faciale : Principe des méthodes Fig.: source : P. N. Belhumeur Columbia university
Reconnaissance faciale : Principe des méthodes Fig.: source : P. N. Belhumeur Columbia university
Reconnaissance faciale : Principe des méthodes Fig.: source : P. N. Belhumeur Columbia university
Reconnaissance faciale : Modélisation 2D Fig.: source : P. N. Belhumeur Columbia university
Reconnaissance faciale : Modélisation 3D
Reconnaissance faciale : image 3D en stéréo photométrie Fig.: source : www.cs.unc.edu
Reconnaissance faciale : 3D morphable models Fig.: Blanz & Vetter 1999, 2003 source : P. N. Belhumeur Columbia university
Reconnaissance faciale Propriétés : universalité : oui unicité : oui permanence : très variable mesurabilité facile : oui performance : 0.3% FAR 5% et 5% FRR 45% bonne acceptation par les utilisateurs : plus ou moins impossibilité de duplication par un imposteur : non
Reconnaissance de l Iris caractéristiques
Reconnaissance de l Iris : extraction de paramètres localisation de la portion de l image correspondant à l iris découpage utilisation dun filtre de Gabor 2D pour produire l Iris Code (256 octets) Fig.: source : J. Daugman. cambridge university
Reconnaissance de l Iris reconnaissance à partir du calcul de scores de similarité calcul du score de similarité : ou exclusif entre deux Iris Codes calcul de la distance de Hamming sur les bits qui diffèrent
Reconnaissance de l iris Propriétés : universalité : oui unicité : oui permanence : oui mesurabilité facile : intrusive performance : FAR autour de 0.0001% et 0.25% FRR 0.5% bonne acceptation par les utilisateurs : plus ou moins impossibilité de duplication par un imposteur : non
Reconnaissance de la parole caractéristiques Fig.: source : J. F. Bonastre université d Avignon
Reconnaissance de la parole Fig.: source : J. F. Bonastre université d Avignon
Reconnaissance de la parole
Reconnaissance de la parole exemple d application Fig.: source : A. Jain, S. Pankani, S. Prabhakar, L. Hong, A. Ross, J. Wayman URL : http ://biometrics.cse.msu.edu
Reconnaissance de la parole Propriétés : universalité : oui unicité : oui permanence : moyenne mesurabilité facile : oui performance : 0.001% FAR 1% et 0.001% FRR 1% bonne acceptation par les utilisateurs : oui impossibilité de duplication par un imposteur : non
comparaison Fig.: source : B. Dorizzi, GET/INT Evry
et pour finir quelques références supplémentaires A. Jain, R. M. Bolle, S. Pankanti, Biometrics : Personal Identification in Networked Society, Kluwer Academic Press, 1998. R.M. Bolle, J.H. Connell, S. Pankanti, N.K. Ratha, A.W. Senior, Guide to Biometrics, Springer-Verlag, New York, 2004 D. Maltoni, D. Maio, A.K. Jain, S. Prabhakar, Handbook of Fingerprint Recognition, Springer-Verlag, New York, 2003. http ://www.cs.columbia.edu/ belhumeur/biometrics/ http ://www.biometrie-online.net/ http ://www.biometricsinfo.org http ://www.europeanbiometrics.info/