Производители биометрических систем заявляют о высокой производительности системы, которую практически невозможно достичь в реальных условиях эксплуатации. Возможные причины: тесты, проводимые в настройках контролируемой среды, ограничения на оборудование и т. Д.
Например, система распознавания голоса может эффективно работать только в тихой обстановке, система распознавания лиц может работать нормально, если условия освещения контролируются, и кандидатов можно обучить правильно чистить и размещать свои пальцы на сканерах отпечатков пальцев.
Однако на практике такие идеальные условия могут быть недоступны в целевой операционной среде.
Измерения производительности
Измерения производительности биометрической системы тесно связаны с частотой ложных отклонений (FRR) и частотой ложных утверждений (FAR).
FRR также называется ошибкой типа I или ошибочной несоответствием (FNMR), которая указывает на вероятность того, что законный пользователь будет отклонен системой.
FAR упоминается как ошибка типа II или частота ложных совпадений (FMR), которая указывает на вероятность того, что система подаст заявление о ложном удостоверении личности.
Ожидается, что идеальная биометрическая система будет давать нулевое значение как для FAR, так и для FRR. Это означает, что он должен принимать всех подлинных пользователей и отвергать все поддельные заявления о личности, что практически недостижимо.
FAR и FRR обратно пропорциональны друг другу. Если FAR улучшается, то FRR снижается. Биометрическая система, обеспечивающая высокий FRR, обеспечивает высокую безопасность . Если FRR слишком велик, то система требует многократно вводить живой образец, что делает его менее эффективным.
Производительность современных биометрических технологий далека от идеальной. Следовательно, разработчики системы должны поддерживать хороший баланс между этими двумя факторами в зависимости от требований безопасности.