Title: Une introduction
1Une introduction à lauthentification biométrique
Gérard CHOLLET Raphaël BLOUET chollet_at_tsi.enst.fr
blouet_at_tsi.enst.fr ENST/CNRS-LTCI46 rue
Barrault75634 PARIS cedex 13 http//www.tsi.enst
.fr/chollet
2Plan
- Pourquoi et comment vérifier lidentité dun
individu ? - Modalités biométriques
- Définition de la biométrie
- Propriétés souhaitées de la caractéristique
biométrique - Modalités biométriques
- Classification des SAB
- Architecture des SAB
- Phase dapprentissage
- Phase opérationnelle
- Exemple dapplication
- Evaluation des SAB
- Les empreintes digitales / Le visage / La rétine
/ Liris / Signatures - Vérification du locuteur évaluation NIST
- Différents projets sur la biométrie
- Tendances, perspectives
3Pourquoi et comment vérifier lidentité dun
individu ?
- Pourquoi ?
- Applications liées à la sécurisation
- Protection de la propriété individuelle
(habitation, compte bancaire, données
informatiques, messagerie, ...) - Accès restreint (locaux sécurisés, base de
données) - Applications commerciales ou liées à lextraction
dinformations dans un document multimédia - Recherche dans une base de données audiovisuelles
- Adaptation automatique dun service, dun
logiciel à un client - Applications criminalistiques
- Recherche de preuves
- Le suspect est-il coupable ?
4Pourquoi et comment vérifier lidentité dun
individu ?
- Comment ?
- Identifiant connu par la personne
- Mot de passe, code PIN
- Identifiant possédé par la personne
- Carte à puce, clé, badge
- Identifiant propre à la personne
- La caractéristique biométrique
Bonne acceptabilité Fortement répandu
Peut être oublié facilement usurpable
Classiquement utilisé reconnu partout
Facilement volé et/ou falsifié
Peut accroître la complexité de laccès
Supprime toutes clés ou mot de passe
5Pourquoi et comment vérifier lidentité dun
individu ?
SECURED SPACE
6Lidentification biométrique Définition de la
biométrie
- Le Petit Robert
- La science qui étudie, à l'aide des
mathématiques, les - variations biologiques à l'intérieur d'un groupe
déterminé. - Etude des variations de certaines
caractéristiques au sein dun groupe - Détermination de techniques permettant de
distinguer les individus entre eux parmi les
caractéristiques jugées pertinentes - Variations biologiques
- Variation dune caractéristique physiologique
- Variation dune caractéristique comportementale
- La biométrie rassemble lensemble des procédés
automatiques didentification basés sur des
caractéristiques physiologiques et/ou
comportementales
7Lidentification biométrique Propriétés
souhaitées de la caractéristique biométrique
- Robustesse
- Détermine sa stabilité au cours du temps et sa
propriété dêtre peu sensible au contexte
dutilisation (variabilité intra-utilisateur) - Distinctibilité
- Caractérise la dépendance de sa mesure par
rapport à chaque utilisateur (variabilité
inter-utilisateur) - Accessibilité
- Facilement et efficacement mesurable par un
capteur - Acceptabilité
- Caractérise la manière dont elle est perçue par
lutilisateur - Disponibilité
- La caractéristique doit être facilement mesurable
8Lidentification biométrique Modalités
biométriques
Caractéristiques physiques
Caractéristiques comportementales
- Empreintes digitales
- Géométrie de la main
- Rétine, Iris
- Robuste, SAB induit précis
- Faible évolution avec le
- vieillissement de lindividu
- Bonne précision des systèmes
- biométriques induit
- Mesure de la caractéristique
- généralement coûteuse
- Mauvaise acceptabilité
- Parole
- Ecriture, signature
- Rythme de frappe sur un clavier
- Bonne acceptabilité et
- disponibilité
- Sensible au vieillissement de
- lindividu
- Moins bonne précision et
- robustesse
9Lidentification biométrique Modalités
biométriques
10Lidentification biométrique Modalités
biométriques
11Lidentification biométrique Modalités
biométriques
- Taille des références caractéristiques
- La main 9 bytes
- Empreintes digitales 250-1000
- Parole 1500-3000 bytes.
12Lidentification biométrique Classification des
SAB Waymann
- Coopératif / non-coopératif
- Manifeste / caché
- Stable / instable
- Supervisé / non-supervisé
- Ouvert / fermé
Caractérise lévolution des performances en
fonction de la durée et de la fréquence
dutilisation du système
Si la référence caractéristique du client est
publique ? ouvert Si la référence caractéristique
du client est privée ? fermé
- Comportement de lutilisateur cherchant à tromper
le système - Coopère pour usurper une identité
- Soppose au système pour ne pas être reconnu
Lutilisateur sait-il quil est sujet à un test
didentification biométrique ?
Caractérise les interactions entre le système et
lutilisateur lors du processus de vérification
13Lidentification biométrique Architecture dun
SAB
14Lidentification biométrique Phase
dapprentissage
- Lacquisition du signal biométrique qui servira à
la construction de la référence caractéristique. - Pour certaines modalités (signature, mot de
passe, parole,...), plusieurs répétitions sont
souhaitables. - Un modèle de référence peut éventuellement être
inféré. - Ce modèle peut être adapté pour prendre en compte
les dérives temporelles.
15Lidentification biométrique Phase
opérationnelle
- Suis-je bien la personne que je prétends être ?
- Vérification didentité
- Qui suis-je ?
- Identification (ensemble fermé / ouvert)
- Contraintes
- Même condition dacquisition du signal
biométrique que lors de la phase dapprentissage - Temps nécessaire à la décision
- Ressources matérielles disponibles
16Lidentification biométrique Exemple
dapplication
Réseau internet
1. Calcul du score 2. Normalisation, Décision
Carte à microprocesseur
Serveur Distant
1. Normalisation, Décision
Ordinateur personnel
1. Acquisition du signal de parole 2. Analyse
acoustique
17Lidentification biométrique Evaluation des SAB
- Critère dévaluation des systèmes biométriques
- Probabilité de fausse acceptation
- Probabilité de faux rejet
- Taux déchec à lapprentissage
- Taux déchec lors de lacquisition des données en
phase de test - Critères plus subjectifs acceptabilité du
système. - Evaluation dune technologie
- Probabilité de fausse acceptation
- Probabilité de faux rejet
18Lidentification biométrique Evaluation des SAB
- Deux types derreurs
- faux rejet (un client légitime est rejeté)
- fausse acceptation (un imposteur est accepté)
- Théorie de la décision étant donné une
observation O - Hypothèse H0 cest un imposteur
- Hypothèse H1 cest notre client
- Choix de H1
19Lidentification biométrique Evaluation des
SABdistribution des scores
20Lidentification biométrique Evaluation des SAB
la courbe DET
21Detection Error Tradeoff (DET Curve)
22Les empreintes digitales
23Les empreintes digitales
24Le visage
25Face recognition
26La rétine
27Localisation de liris
28Iris
29Signatures
30Vérification du locuteur
- Classification des systèmes
- Dépendant du texte
- Public password
- Private password
- Customized password
- Text prompted
- Indépendant du texte
- Apprentissage incrémental
- Evaluation
31Inter-speaker Variability
We were away a year ago.
32Intra-speaker Variability
We were away a year ago.
33Dynamic Time Warping (DTW)
34HMM structure depends on the application
35Signal detection theory
36Speaker Verification (text independent)
- The ELISA consortium
- ENST, LIA, IRISA, ...
- http//www.lia.univ-avignon.fr/equipes/RAL/elisa/i
ndex_en.html - NIST evaluations
- http//www.nist.gov/speech/tests/spk/index.htm
37Gaussian Mixture Model
- Parametric representation of the probability
distribution of observations
38Gaussian Mixture Models
8 Gaussians per mixture
39National Institute of Standards Technology
(NIST)Speaker Verification Evaluations
- Annual evaluation since 1995
- Common paradigm for comparing technologies
40GMM speaker modeling
41Baseline GMM method
l
Test Speech
LLR SCORE
42Support Vector Machines and Speaker
Verification
- Hybrid GMM-SVM system is proposed
- SVM scoring model trained on development data to
classify true-target speakers access and
impostors access,using new feature
representation based on GMMs
43SVM principles
44Results
45Vecsys
EDF
Software602
KTH
Euroseek
UPC
Airtel
MAJORDOME Unified Messaging System Eureka
Projet no 2340
D. Bahu-Leyser, G. Chollet, K. Hallouli , J.
Kharroubi, L. Likforman, S-S. Lin, D. Mostefa,
D. Petrovska, M. Sigelle, P. Vaillant, F. Yvon
46Majordomes Functionalities
47Voice technology in Majordome
- Server side background tasks
- continuous speech recognition applied to voice
messages upon reception - Detection of senders name and subject
- User interaction
- Speaker identification and verification
- Speech recognition (receiving user commands
through voice interaction) - Text-to-speech synthesis (reading text summaries,
E-mails or faxes)
48Multimodal Identity Verification
- M2VTS (face and speech)
- front view and profile
- pseudo-3D with coherent light
- BIOMET
- (face, speech, fingerprint, signature, hand
shape) - data collection
- reuse of the M2VTS and DAVID data bases
- experiments on the fusion of modalities
49BIOMET
- An extension of the M2VTS and DAVID projects to
include such modalities as signature, finger
print, hand shape. - Initial support (two years) is provided by GET
(Groupement des Ecoles de Télécommunications) - Looking for partners to initiate a european
project -
- Emphasis will be on fusion of scores obtained
from two or more modalities.
50Perspectives
- Développement du projet BIOMET.
- La fusion de modalités.
- Réseau dexcellence dans le cadre du 6ème PCRD.
- La carte à puce comme support des informations
biométriques.