"Biometria são nossas características físicas (e comportamentais) mais exclusivas que podem ser detectadas de forma prática por dispositivos e interpretadas por computadores, de modo que possam ser usadas como substitutos de nosso "eu" físico no reino digital. Dessa forma, podemos vincular os dados digitais à nossa Identidade com permanência, consistência e inequivocidade, e recuperar esses dados usando computadores de forma rápida e automatizada."
Teste de precisão do sistema biométrico
A precisão de um sistema biométrico é geralmente quantificada por um gráfico de Característica Operacional do Receptor (ROC), ou curva ROC, que indica a taxa de falsa correspondência (FMR) e a taxa de falsa não correspondência (FNMR) em relação a uma determinada galeria de amostras biométricas.
A taxa de falsa correspondência representa a frequência com que amostras biométricas de fontes diferentes são erroneamente avaliadas como pertencentes à mesma fonte. Já a taxa de falsa não correspondência indica a frequência com que amostras da mesma fonte são incorretamente avaliadas como sendo de fontes diferentes.
Um sistema biométrico com bom desempenho é caracterizado por resultados rápidos e baixas taxas de falsas correspondências e falsas não correspondências. A precisão do sistema corresponde a um ponto específico da curva ROC, cuja posição depende do limiar (threshold) de correspondência aplicado.
Um limiar de correspondência mais alto reduz a taxa de falsas correspondências, mas aumenta a taxa de falsas não correspondências (maior segurança, menor conveniência). Por outro lado, um limiar mais baixo reduz a taxa de falsas não correspondências, mas aumenta a taxa de falsas correspondências (maior conveniência, menor segurança; ver Figura 3).
Processos de identificação um-para-muitos exigem maior volume de dados (por exemplo, mais impressões digitais) e amostras de qualidade superior (altamente consistentes) quando comparados aos processos de verificação um-para-um.
É importante reconhecer que a precisão de um sistema biométrico depende fortemente da natureza dos dados biométricos utilizados. Cada conjunto de dados biométricos (galeria) no qual um grupo de amostras de teste é comparado resultará em uma curva ROC de precisão diferente.
Existem galerias biométricas de domínio público que servem como referências comuns para comparar diferentes algoritmos de correspondência. No entanto, algoritmos podem ser “treinados” para apresentar melhor desempenho em bases de dados conhecidas, algo semelhante a ver as perguntas de uma prova antes de realizá-la. Embora isso aumente a precisão comparativa nesses conjuntos conhecidos, não indica necessariamente como o sistema se comportará com dados desconhecidos, como ocorre em cenários do mundo real.
Por isso, a melhor forma de prever o desempenho de um sistema biométrico em uma implementação real é testar sua performance com dados nos quais ele não foi explicitamente treinado.
Figura 2 - Uma curva ROC para um determinado sistema matching biométrica e conjunto de dados
Figura 3 - Funções de densidade de pontuações de comparação entre a) amostras de fontes diferentes e b) amostras das mesmas fontes, ilustrando FMR e FNMR.
