Биометрическое устройство
Биометрическое устройство (англ. biometric device) — это устройство для идентификации и аутентификации, применяемое в системах безопасности. Такие устройства используют автоматизированные методы проверки или распознавания личности живого человека на основе физиологических или поведенческих характеристик. К этим признакам относятся отпечатки пальцев, изображения лица, радужная оболочка глаза и голосовая идентификация[1].
История
Биометрические устройства применяются на протяжении тысяч лет. Неавтоматизированные биометрические методы известны с 500 года до н. э[2]., когда древние вавилоняне подтверждали хозяйственные сделки, вдавливая отпечатки пальцев в глиняные таблички.
Автоматизация биометрических устройств впервые появилась в 1960-х годах[3]. В эти годы Федеральное бюро расследований в США внедрило систему Indentimat для проверки отпечатков пальцев и ведения криминальных учётов. Первые системы измеряли форму ладони и длину пальцев. Хотя они были сняты с производства в 1980-е годы, эти разработки заложили основы для будущих биометрических устройств.
В период с 2010-х годов технологии биометрической идентификации начали переход от локальных баз данных к облачным платформам, что способствовало развитию концепции «биометрия как услуга» (BaaS). Важным технологическим этапом стало внедрение алгоритмов глубокого обучения (Deep Learning), позволивших системам точнее анализировать уникальные черты и адаптироваться к изменениям во внешности человека. Развитие технологий сделало возможным создание масштабных государственных систем идентификации, таких как индийский проект Aadhaar, ставший крупнейшей в мире биометрической системой, и российская Единая биометрическая система (ЕБС), запущенная в 2018 году[4].[5][6].
Классификация
По используемым признакам
Человеческие характеристики используются для получения доступа к информации. По особенностям используемых признаков биометрические устройства делятся на:
- Химические биометрические устройства: анализируют сегменты ДНК для предоставления доступа пользователям[7][8].
- Визуальные биометрические устройства: анализируют внешние черты человека, включая систему распознавания радужки глаза, распознавания лица, отпечатков пальцев, сетчатки, а также рисунок вен и термографию лица[9][7].
- Поведенческие биометрические устройства: анализируют походку, подписи (скорость, ширину, степень нажатия) и клавиатурный почерк (ритм печати), уникальные для каждого человека[9][7].
- Обонятельные биометрические устройства: анализируют запах для различения пользователей.
- Акустические биометрические устройства: анализируют голос для определения личности при контроле доступа[9][7].
По способу взаимодействия
По способу взаимодействия биометрические устройства классифицируются на контактные и бесконтактные. Широкое внедрение получили бесконтактные сканеры отпечатков пальцев и рисунка вен ладони, обеспечивающие высокую гигиеничность и скорость распознавания[10].
Мультимодальные системы
Мультимодальные биометрические системы классифицируются по способам объединения характеристик. Выделяют четыре основных уровня слияния данных[11]:
- Уровень биометрических образцов (сенсорный) — наборы исходных биометрических образцов (данные с датчиков) объединяются в один образец до этапа извлечения признаков[11];
- Уровень биометрических признаков — векторы признаков, извлечённые из разных модальностей, объединяются в общее пространство до этапа сравнения[11];
- Уровень результатов сравнения (оценок) — результаты сравнения от разных алгоритмов объединяются в единую оценку с помощью математических правил до принятия окончательного решения[11];
- Уровень принятия решения — каждый биометрический процесс предоставляет готовый бинарный результат, а итоговое решение вычисляется с помощью логических функций[11].
Применение
Финансовый сектор и услуги
В финансовом секторе наблюдается значительный рост транзакций через Единую биометрическую систему (ЕБС). За девять месяцев 2025 года количество биометрических платежей выросло до 146 млн (по сравнению с 16,1 млн за аналогичный период 2024 года), а их объём увеличился с 21,6 млрд до 112,6 млрд рублей[12]. Технологии оплаты по лицу активно внедряются в транспортной инфраструктуре и ретейле. Система Face Pay работает в Московском метрополитене, на МЦК, МЦД и речных маршрутах столицы, а биометрические терминалы применяются в метрополитенах Санкт-Петербурга, Нижнего Новгорода, Екатеринбурга, Самары и Новосибирска[13]. В сфере розничной торговли в 2025–2026 годах проходит пилотирование биометрического эквайринга, массовое внедрение которого в крупных сетях прогнозируется на 2027–2028 годы[14]. С 1 июля 2026 года вступил в силу закон, предоставляющий возможность добровольного использования биометрических данных при совершении дистанционных сделок с недвижимостью[15].[16]
На рабочем месте
Биометрия используется для построения точного и доступного учёта рабочего времени сотрудников. С увеличением случаев так называемого «подменного отмечания»[17], когда работники отмечают друг друга и фальсифицируют отработанные часы, работодатели стали применять новые технологии распознавания по отпечаткам пальцев для сокращения таких мошенничеств.
Биометрические устройства позволяют надёжно собирать данные о времени прихода и ухода сотрудников, делая фиксацию максимально точной, так как каждый сотрудник должен явиться лично и предоставить уникальные биометрические данные.
Для предотвращения цифрового «подменного отмечания» и учёта рабочего времени удалённых сотрудников применяются технологии Liveness Detection (проверка присутствия живого человека), GPS-геозонирование для подтверждения нахождения в разрешённой рабочей зоне и детекторы дипфейков[18].[19].
Миграционный контроль
С ростом объёмов авиаперевозок современные аэропорты внедряют биометрические технологии для ускорения прохождения контроля без длинных очередей. Биометрические системы всё активнее внедряются в аэропортах, так как они обеспечивают быстрый процесс идентификации пассажиров и снижают нагрузку на очередь. Например, в аэропорту Дубай активно применяется система биометрического контроля и Smart Gates, позволяющая зарегистрированным пассажирам проходить контроль за несколько секунд без предъявления паспорта, однако полный отказ от традиционных миграционных стоек пока не реализован[20][21]. В апреле 2026 года на внешних границах 29 стран Шенгенской зоны была запущена система Entry/Exit System (EES), собирающая отпечатки пальцев и цифровое фото лица. Её внедрение привело к техническим сбоям и образованию очередей в крупных аэропортах, где время ожидания выросло до 2–5 часов[22][23]. В сингапурском аэропорту Чанги внедрён бесконтактный контроль без предъявления паспорта с использованием технологий распознавания лица и радужной оболочки глаза[24]. В России автоматизированные системы паспортного контроля «Сапсан», сверяющие лицо и отпечатки пальцев с данными биометрического загранпаспорта, эксплуатируются в аэропортах Шереметьево и Внуково[25]. В аэропорту Пулково на 2026–2027 годы запланирован пилотный проект посадки на внутренние рейсы с подтверждением личности через Единую биометрическую систему[26]. Кроме того, до конца 2027 года продлён эксперимент по цифровой идентификации (RuID) и сбору биометрических данных у въезжающих в Россию иностранных граждан[27][28].
Персональные и портативные устройства
Сенсоры отпечатков пальцев интегрируются во многие мобильные устройства и используются для их разблокировки, а также для подтверждения действий, например переводов средств или передачи файлов. Такие сенсоры предотвращают несанкционированное использование устройства и применяются, в том числе, для учёта посещаемости в ряде колледжей и университетов. В смартфонах активно развиваются технологии подэкранной дактилоскопии: оптические сканеры стали стандартом для большинства устройств, а в премиальном сегменте применяются ультразвуковые датчики, обеспечивающие увеличенную площадь считывания и построение 3D-карты отпечатка[29]. Помимо дактилоскопии, в потребительских устройствах применяются и другие биометрические технологии, в частности, миниатюрные сканеры рисунка вен ладони интегрируются в умные дверные замки[30].
Современные биометрические устройства
В современных биометрических устройствах применяются 3D-камеры на основе технологий структурированного света и времяпролётных камер (ToF). Технология структурированного света обеспечивает высокую точность распознавания, однако чувствительна к внешнему освещению и слабо работает при ярком солнечном свете, поэтому рекомендуется для использования в помещениях. Камеры ToF отличаются средней точностью, но менее восприимчивы к внешним источникам света и подходят для работы в уличных условиях[31][32][33].
Системы верификации подписи
Этот способ — один из наиболее признанных[34] и распространённых видов биометрической идентификации в корпоративной среде. Системы аутентификации подписи учитывают множество параметров, таких как сила нажатия, скорость движения руки, угол между ручкой и поверхностью. Подобные системы способны обучаться особенностям стиля конкретного пользователя для повышения точности идентификации.
Системы распознавания радужки глаза
Распознавание радужки осуществляется посредством сканирования зрачка и сопоставления результатов с данными на сервере или в базе данных. Этот способ отличается высокой степенью безопасности — в отличие от отпечатков пальцев, следы радужки практически невозможно оставить для копирования. Системы широко применяются организациями, работающими с большими массивами людей, например при идентификации в рамках индийской программы Aadhaar, реализуемой правительством Индии для учёта населения. Биометрические параметры радужки практически не меняются в течение жизни и считаются весьма стабильными.
Проблемы современных биометрических устройств
Биометрические атаки (спуфинг)
Спуфинг биометрических систем — это способ взлома[35], при котором фальшивый муляж подсовывается биометрическому сканеру. Такой муляж имитирует уникальные биометрические характеристики человека, чтобы запутать систему и получить доступ к защищённым данным.
В период с 2020 по 2026 год зафиксирован ряд резонансных случаев успешного обхода биометрических систем с использованием 3D-масок, дипфейков и цифровых инъекций данных. Среди известных примеров — массовое использование подмены лица (face swap) и цифровых инъекций (2023), применение троянов для сбора данных и создания дипфейк-видео для обхода банковских проверок (2024), а также использование виртуальных камер для инъекции данных при прохождении KYC-сканирования (2026). Злоумышленники также успешно применяли физические муляжи, такие как распечатанные бумажные маски и фотографии, размещённые поверх манекенов[36].[37][38].
Для защиты от подобных угроз современные коммерческие системы используют методы проверки живости (Liveness Detection), ставшие отраслевым стандартом. Пассивная проверка анализирует биометрические данные (текстуру лица, микродвижения, глубину) в фоновом режиме и применяется как базовая защита. Активная проверка требует от пользователя выполнения определённых действий (например, повернуть голову или улыбнуться) и используется для операций с повышенным риском. На практике чаще всего применяется гибридный подход, при котором активные действия запрашиваются только при обнаружении признаков риска[39].[40].
Современные биометрические сканеры также интегрируют комплексные алгоритмы для защиты от дипфейков и других атак с использованием искусственного интеллекта. Для противодействия атакам предъявления и подмены применяются системы PAD (Presentation Attack Detection), включающие мультиспектральный анализ и оценку пространственной геометрии. Защита от дипфейков обеспечивается многоуровневыми системами обнаружения аномалий, анализом лицевых точек действия и протоколами challenge-response, а для предотвращения морфинга (создания гибридных изображений лиц) используются дифференциальные методы MAD (Morphing Attack Detection)[41].[42].
Точность
Точность биометрических систем остаётся одной из главных проблем. Пароли по-прежнему широко применяются благодаря своей статичности, тогда как биометрические признаки могут меняться (например, изменения голоса из-за возрастных изменений или травмы лица, затрудняющие распознавание). При тестировании замены ПИН-кодов на голосовую идентификацию компания Barclays обнаружила, что точность распознавания по голосу составила 95 %, то есть значительная доля легитимных пользователей всё равно может быть не распознана системой. Такие неопределённости замедляют повсеместное внедрение биометрических устройств, сохраняя популярность традиционных методов аутентификации.
Преимущества биометрических устройств по сравнению с традиционными методами аутентификации
- Биометрические данные нельзя одолжить, а взлом таких данных крайне сложен[43], что делает биометрию безопаснее традиционных методов, таких как пароли, которыми можно делиться. Пароли также не позволяют системе удостовериться в личных качествах пользователя, тогда как биометрия строится на уникальности каждого индивида.
- Пароли можно забыть, а их восстановление занимает время, тогда как биометрическая аутентификация основана на данных, индивидуальных и постоянных для конкретного человека. Согласно исследованию среди пользователей Yahoo!, около 1,5 %[44] ежемесячно забывают свои пароли, что увеличивает время доступа к сервисам и затраты пользователя при восстановлении данных. Это делает работу с биометрией более эффективной для конечного пользователя.
- Биометрические технологии отличаются высоким уровнем доверия как в мире, так и в России: 79 % пользователей готовы отказаться от паролей в цифровом банкинге в пользу биометрических систем[45].
Будущее
Современные исследования направлены на устранение недостатков биометрических устройств, в частности, на снижение уязвимостей к спуфингу и повышению точности распознавания. Разрабатываемые технологии включают:
- Алгоритмы, анализирующие взаимодействие пользователя с компьютером (скорость и ритм набора текста, характерные опечатки для формирования уникального профиля на основе совокупности поведенческих признаков), перешли из стадии академических исследований в массовое коммерческое применение и используются для защиты аккаунтов в финансовом и корпоративном секторах[46][47].
- Кеннет Окерефор (Kenneth Okereafor) и соавторы представили оптимизированную технологию обнаружения признаков жизни на основе случайной комбинации биометрических признаков[48][49]. Эта концепция позволяет более точно противостоять спуфингу. При симуляции на базе 3D-модели с 15 параметрами траекторий лица, пальцев и радужки было достигнуто 99,2%-ной эффективности. Уникальность метода состоит в применении несвязанных характеристик, включая невольные физиологические свойства: моргание, пульсоксиметрия, электрокардиограмма, потоотделение и др.
- Группа японских учёных создала систему[50], которая использует 400 датчиков в кресле для распознавания контуров и точек давления тела человека. Такой идентификатор, по заявлениям разработчиков, достигает точности 98 % и может применяться для защиты от угона автомобилей.
- Изобретатель Лоуренс Ф. Глейзер запатентовал технологию, позволяющую с помощью многомерных пиксельных стэков получать одновременно несколько различных биометрических параметров с одной области поверхности, например, отпечаток и узор капилляров. Это формирует новый многоуровневый биометрический шаблон с высокой степенью защищённости и возможностью интеграции дополнительных признаков жизнедеятельности или костной структуры. Система может применяться в умных карточках, работает без активной электроники на поверхности, позволяет идентифицировать пользователя по жестам и усиливает стойкость систем аутентификации, делая их гораздо труднее для взлома.