¿Qué es la biometría? – Documentos informativos
Prueba de precisión del sistema biométrico
Por lo general, la precisión de un sistema biométrico se cuantifica a través del gráfico de la “característica de funcionamiento del receptor” o “Curva de ROC” que compara las tasas de coincidencias y de no coincidencias falsas con una galería de muestras biométricas. La tasa de coincidencias falsas representa la frecuencia con que se asigna erróneamente a una misma fuente muestras biométricas de distintas fuentes. La tasa de no coincidencias falsas representa la frecuencia con que se asignan erróneamente muestras provenientes de una misma fuente a fuentes diferentes. Un sistema biométrico eficiente se caracteriza por ofrecer resultados inmediatos y por tasas bajas de coincidencias falsas y de no coincidencias falsas. La precisión de un sistema se ubica en un punto de la curva ROC cuya posición es función del «umbral” de coincidencias aplicado. Un umbral alto reduce la tasa de coincidencias falsas al tiempo que incrementa la tasa de no coincidencias falsas (más seguridad, menos practicidad). Un umbral más bajo reduce la tasa de de no coincidencias falsas pero incrementa las coincidencias falsas (más practicidad, menos seguridad; ver la Figura 3). En comparación con los datos que exigen la verificación uno-a-uno, los procesos de búsqueda uno-a-muchos exigen una cantidad mayor de datos (por ejemplo, más huellas dactilares) y muestras de gran calidad (altamente coherentes).
Es importante tener en cuenta que la precisión de un sistema biométrico depende en gran medida de la naturaleza de los datos biométricos incluidos en el sistema. Cada galería de datos biométricos con la que se realiza la búsqueda de un conjunto de sondeo dará como resultado una curva de ROC de distinta precisión. Existen galerías biométricas de acceso público que ofrecen puntos de referencias comunes contra los cuales cotejar los distintos algoritmos de comparación. Es posible mejorar el desempeño de los algoritmos con bases de datos conocidas “instruyéndolos o entrenándolos”, algo similar a cuando conocemos de antemano las preguntas de un examen. La instrucción o entrenamiento mejora la precisión de la capacidad de comparar cuando se trabaja con bases de datos conocidas pero no necesariamente ocurre lo mismo cuando los datos son desconocidos, tal como acontece en el mundo real. De manera que para predecir cómo habrá de comportarse un sistema biométrico en un contexto real lo mejor es probar su desempeño con datos para los que no fue instruido de manera explícita.
Figura 2 – Curva de ROC para un sistema de coincidencia biométrica y conjunto de datos dado
Figura 3 – Funciones de densidad de puntajes de comparación entre a) muestras de distintas fuentes y b) muestras de las mismas fuentes, que ilustran la tasas de coincidencias falsas y la de no coincidencias falsas.