Tasa de Falsa Aceptación (TFA) y Tasa de Falso de Reconocimiento (TFR) en la Biometría

La tasa de falsa aceptación, o TFA, es la medida de la probabilidad de que el sistema de seguridad biométrico acepte incorrectamente un intento de acceso por parte de un usuario no autorizado. La TFA de un sistema generalmente se establece como la relación del número de aceptaciones falsas dividido por el número de intentos de identificación. (definición por Webopedia)

La tasa de falso reconocimiento, o TFR, es la medida de la probabilidad de que el sistema de seguridad biométrica rechace de forma incorrecta un intento de acceso por parte de un usuario autorizado. La TFR de un sistema generalmente se establece como la relación entre el número de reconocimientos falsos dividido por el número de intentos de identificación. (definición por Webopedia)

Aquí, se analizan algunos principios generales de los sistemas de reconocimiento biométrico, se describen diferentes errores de clasificación y se explica cómo se puede comparar objetivamente la calidad de los dos sistemas.

Un sistema de reconocimiento biométrico puede ejecutarse en dos modos diferentes: identificación o verificación. La identificación es el proceso de tratar de descubrir la identidad de una persona al examinar un patrón biométrico calculado a partir de las características biométricas de la persona.

En el caso de identificación, el sistema se entrena con los patrones de varias personas. Para cada una de las personas, se calcula una plantilla biométrica en esta etapa de capacitación. Un patrón que se va a identificar se compara con cada plantilla conocida, produciendo una puntuación o una distancia que describe la similitud entre el patrón y la plantilla. El sistema asigna el patrón a la persona con la plantilla biométrica más similar. Para evitar que los patrones impostores (en este caso, todos los patrones de personas desconocidas por el sistema) se identifiquen correctamente, la similitud debe exceder un cierto nivel. Si no se alcanza este nivel, el patrón es rechazado.

En el caso de verificación, la identidad de una persona se reclama a priori. El patrón que se verifica solo se compara con la plantilla individual de la persona. Similar a la identificación, se verifica si la similitud entre patrón y plantilla es suficiente para proporcionar acceso al sistema o área protegida.

Usamos puntajes (también llamados pesos) para expresar la similitud entre un patrón y una plantilla biométrica. Cuanto más alta es la puntuación, mayor es la similitud entre ellos. Como se describió en la sección anterior, el acceso al sistema se otorga únicamente si el puntaje para una persona entrenada (identificación) o la persona contra la que se verifica el patrón (verificación) es mayor que un cierto umbral.

En teoría, los puntajes de los clientes (puntajes de patrones de personas conocidas por el sistema) siempre deberían ser más altos que los puntajes de los impostores. Si esto fuera cierto, un único umbral, que separa los dos grupos de puntajes, podría usarse para diferenciar entre clientes e impostores.

Debido a varias razones, esta suposición no es cierta para los sistemas biométricos del mundo real. En algunos casos, los patrones de impostores generan puntajes que son más altos que los puntajes de algunos patrones de clientes. Por esa razón, es un hecho, que, no obstante, como se elija el umbral de clasificación, se producen algunos errores de clasificación.

Por ejemplo, puedes elegir el umbral tan alto, que realmente ningún puntaje de impostor excederá este límite. Como resultado, ningún patrón es falsamente aceptado por el sistema. Por otro lado, los patrones del cliente con puntajes más bajos que los puntajes más altos del impostor son falsamente rechazados. En oposición a esto, puedes elegir el umbral tan bajo, que no se rechacen falsamente los patrones del cliente. Entonces, por otro lado, algunos patrones impostores son falsamente aceptados. Si eliges el umbral en algún lugar entre esos dos puntos, se producen tanto falsos reconocimientos como falsas aceptaciones.

Las siguientes figuras deberían ayudar a lograr una mejor comprensión de este tema. Piensa en un sistema de verificación biométrico, que se prueba con una gran cantidad de datos de prueba. Los datos de prueba consisten en patrones de impostor y cliente. Primero echemos un vistazo a los patrones impostores. Los puntajes de pertenencia se distribuirán de alguna manera alrededor de un puntaje promedio determinado. Esto se representa en la primera imagen en el lado izquierdo. En este ejemplo, se elige una distribución normal de Gauss.

Dependiendo de la elección del umbral de clasificación, entre todos y ninguno de los patrones de impostor son falsamente aceptados por el sistema. La fracción dependiente del umbral de los patrones falsamente aceptados dividida por el número de patrones de impostores se llama Tasa de Falsa Aceptación (TFA). Su valor es uno si todos los patrones de impostor son falsamente aceptados, y cero si ninguno de los patrones de impostor es aceptado. Mira en el gráfico de la derecha para ver los valores de TFA para la distribución de puntaje de la imagen izquierda para variar el umbral.

Ahora cambiemos a los patrones del cliente. De forma similar a los puntajes del impostor, los puntajes del patrón del cliente varían alrededor de un cierto valor medio. La puntuación media de los patrones del cliente es mayor que el valor medio de los patrones del impostor, como se muestra a la izquierda de las dos imágenes siguientes. Si se aplica un umbral de clasificación demasiado alto a los puntajes de clasificación, algunos de los patrones del cliente son rechazados falsamente. Dependiendo del valor del umbral, entre ninguno y todos los patrones del cliente serán rechazados falsamente. La fracción de la cantidad de patrones rechazados del cliente dividida por el número total de patrones del cliente se denomina Tasa de Falso Reconocimiento (TFR). Según la TFA, su valor está entre cero y uno. La imagen de la derecha muestra la TFA para un umbral variable para la distribución de puntajes que se muestra en la imagen de la izquierda.

La elección del valor umbral se convierte en un problema si las distribuciones del cliente y las puntuaciones del impostor se superponen, como se muestra en la siguiente imagen a la izquierda. A la derecha, se muestran las correspondientes tasas de falsa aceptación y falso reconocimiento.

Imagina la comparación de dos sistemas biométricos. Los fabricantes de los sistemas solo especifican un valor único para las TFA de ellos. ¿Esto es suficiente para comparar ambos sistemas? La respuesta es claramente no, si los fabricantes no proporcionan las TFR correspondientes. En este caso, es posible que el sistema con la TFA más baja tenga una TFR alta inaceptable.

Pero también cuando se dan los valores para TFA y TFR, todavía existe el problema, que esos valores dependen del umbral. Suponiendo que el umbral de los sistemas es ajustable, no hay una forma razonable de decidir si un sistema con una TFA más alta y una TFR más baja funciona mejor que un sistema con una TFA más baja y un valor de TFR más alta.

Se realizan algunos esfuerzos para lograr conjuntos de pruebas grandes y disponibles al público y protocolos como las bases de datos FERET y XM2VTS para la evaluación del reconocimiento facial. Pero incluso si existen algunos de esos conjuntos de pruebas para modalidades biométricas individuales, todavía es muy difícil comparar sistemas que dependen de diferentes (por ejemplo, la cara y la huella digital).

En estos días hay mucho énfasis en la TFA (Tasa de falsa aceptación). Es bueno que los clientes se den cuenta de estos términos y hagan las preguntas correctas antes de implementar una solución.

Sin embargo, la TFA solo proporciona la mitad de la información. Al seleccionar una solución biométrica, debemos averiguar cuál es la Tasa de Falso Reconocimiento (TFR) en dicha TFA.

Entonces, cuando un proveedor de soluciones biométricas afirma tener una TFA muy baja, es muy importante averiguar cuál es la TFR en esta TFA “baja”. Luego, dependiendo de la aplicación, se necesita evaluar si la relación TFA & TFR es aceptable para la aplicación.

En un escenario práctico, una TFA baja y un TFR alta garantizarían que no se permita el acceso a ninguna persona no autorizada. También significaría que las personas autorizadas tendrán que poner el dedo sobre el dispositivo varias veces antes de que se les permita el acceso.

Por lo tanto, es bueno tener una TFA muy baja, pero recuerda que si esta TFA baja se produce a costa de una TFA alta, entonces la solución debe ser reevaluada.