АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Биометрия

Биоме́трия (от др.-греч. βίος — жизнь и μετρέω — измеряю) — это система распознавания людей по одной или более уникальным физиологическим или поведенческим характеристикам. В современных информационных технологиях биометрические данные используются для аутентификации, контроля доступа и идентификации личности[1].

Общие сведения
Биометрия
Область использования безопасность
Дата появления 1858
Место появления Британская Индия

История

Практика использования отпечатков пальцев для подтверждения личности существовала ещё в древности. В Вавилонии и Древнем Китае отпечаткам пальцев и ладоней служили подписью на документах и контрактах[2].

Научное обоснование уникальности папиллярных узоров появилось лишь в середине XIX века[3]. В 1858 году британский колониальный служащий в Индии Уильям Гершель начал идентифицировать контрагентов по договорам из числа индийцев по отпечаткам пальцев и ладоней[4][5].

Ранние методы идентификации

В 1879 году французский криминалист Альфонс Бертильон описал метод идентификации человека по пяти параметрам: длина головы, ширина головы, длина среднего пальца, длина левой стопы и длина предплечья от локтя до конца среднего пальца[6]. Эти измерения дополнялись фотографиями в анфас и профиль[7]. В 1883 году этот метод позволил успешно идентифицировать преступника[6]. Его система, получившая название «бертильонаж» впоследствии была вытеснена дактилоскопией как более надёжной системой[8].

В 1880 году шотландский врач Генри Фолдс отправил письмо Чарльзу Дарвину, в котором выдвинул гипотезу, что отпечатки пальцев каждого человека уникальны и могут быть использованы для идентификации преступников. Дарвин переслал письмо своему двоюродному брату Фрэнсису Гальтону, который в 1892 году издал книгу «Отпечатки пальцев»[4].

В 1896 году генеральный инспектор полиции Бенгалии Эдвард Генри создал систему классификации на основании отпечатков пальцев[5].

В 1903 году в тюрьмах американского штата Нью-Йорк была введена снятия отпечатков пальцев преступников. Со временем система распространилась по США, и в 1 июля 1921 года было создано идентификационное подразделение ФБР[9].

В 1936 году американский офтальмолог Франк Бурк (англ. Frank Burch) предложил использовать для идентификации рисунок радужной оболочки глаза, однако его предложение не получило развитие в тот момент[10].

Ручная дактилоскопия требовала физического сравнения отпечатков опытным криминалистом, что было медленным и подверженным ошибкам процессам. Современные цифровые системы автоматизируют этот процесс, позволяя за секунды сравнить один отпечаток с миллионами записей в базе данных и выдать список потенциальных совпадений[11].

Переход к цифровым системам

В 1960-е годы американский учёный Вудро Бледсоу (англ. Woodrow Bledsoe) разработал полуавтоматическую систему распознавания лиц. В те же года шведский учёный Гуннар Фант описал модель, биологических элементов речи, необходимых для распознавания говорящего[9].

В 1970-е годы ведётся работа над автоматизацией системы распознавания лиц, в частности были предложен набор из 21 признака для автоматизации системы распознавания лиц. В те же годы была предложена первая коммерческая система распознавания геометрии ладони. Система была создана для контроля физического доступа, учёта времени посещения, а также идентификации. Тогда же был разработан прототип системы распознавания голоса[9].

В 1975 году ФБР проспонсировало создание прототипа устройства, позволяющего считывать детали дактилоскопического узора, однако развитие цифровых технологий накладывало ограничение на её использование[9].

В 1985 году была предложена концепция, согласно которой не существует двух одинаковых рисунков радужной оболочки глаза. В том же году в США был выдан патент на систему распознавания при помощи подкожных кровеносных сосудов[9].

В 1994 году в США были запатентованы алгоритмы распознавания рисунка радужной оболочки глаза; год спустя была представлена первая коммерческая система распознавания[9].

Развитие микроэлектроники, оптических сенсоров и алгоритмов машинного обучения позволило превратить биометрию в массовую повседневную технологию. Появление нейронных сетей и систем глубокого обучения в 2010-х годах позволило достичь точности, сравнимой с человеческим зрением[12].

Виды биометрических данных

Биометрические признаки традиционно разделяют на две основные категории: физиологические и поведенческие. Физиологические признаки основаны на неизменяемых физических и структурных свойствах, в то время как поведенческие признаки описывают отличительные черты движений человека[13].

Отдельным признаком биометрии служит голос, который сочетает как физиологические свойства (длина голосовой складки и форма глотки), так и поведенческие (например, акцент)[14].

Физиологические признаки

Физиологические признаки не меняются в течение всей жизни, если только не повреждены или уничтожены[13]. К ним относятся:

Поведенческие признаки

Поведенческая биометрия анализирует уникальные особенности действий человека, которые могут изменяться в зависимости от эмоционального состояния, возраста или состояния здоровья пользователя. К ним относятся[15]:

Принципы работы биометрических систем

Биометрическая система — это комплекс программно-аппаратных средств, предназначенных для автоматического распознавания личности на основе измеримых физиологических или поведенческих характеристик[16]. В отличие от традиционных методов аутентификации, биометрия опирается на принцип «кто есть пользователь», а не «что он знает» или «что он имеет». Все современные системы реализуют единый обобщённый конвейер обработки данных, состоящий из нескольких последовательных этапов[17][18]:

  • Захват данных. На первом этапе сенсор регистрирует биометрический образец (сканер считывает папиллярный узор пальца, инфракрасная камера фотографирует радужную оболочку глаза, микрофон записывает голос). Качество захвата определяет точность последующей обработки
  • Предварительная обработка. Полученный образец проходит цифровую обработку с целью повышения его качества. Применяются алгоритмы подавления шума, коррекции яркости и контраста, геометрического выравнивания. Этот этап обеспечивает единообразие данных, поступающих на вход алгоритма извлечения признаков, независимо от условий съёмки[19][20]
  • Извлечение признаков. Из предварительно обработанного образца выделяется набор уникальных характеристик[21]
  • Построение шаблона. Извлечённые признаки сохраняются в виде биометрического шаблона, который впоследствии используется для сравнения. Шаблон не является копией исходного биометрического образца; он содержит математическое описание ключевых признаков. При первичной регистрации пользователя шаблон сохраняется в базе данных системы и служит эталоном для всех последующих сравнений[21][22]
  • Сравнение и принятие решения. При каждой обращении к системе из нового образца извлекается текущий шаблон, который сравнивается с эталонным. Если оценка превышает заранее установленный порог, система принимает решение о подтверждении личности; в противном случае следует отказ[18]

Верификация и идентификация

В зависимости от задачи биометрическая система может работать в одном из двух режимов[23]:

  • Верификация (режим 1:1) — процесс подтверждения заявленной личности. Система сравнивает полученный биометрический образец с эталонным шаблоном[24]. Верификация в самом общем смысле отвечает на вопрос: «Является ли этот человек тем, за кого себя выдаёт?»
  • Идентификация (режим 1:N) — процесс установления личности человека среди множества записей без предварительного указания идентификатора. Система сравнивает текущий биометрический образец со всеми шаблонами в базе данных и выдаёт список наиболее вероятных совпадений[25]. В самом общем смысле отвечает на вопрос: «Кто этот человек?»

При верификации ошибочное совпадение возможно только с одним конкретным шаблоном, тогда как при идентификации система проверяет образец против всей базы, и вероятность случайного совпадения с одним из шаблонов растёт пропорционально размеру базы. Для идентификационных систем требуются более строгие пороговые значения и более точные алгоритмы[26].

Шаблоны и хранение данных

В основе биометрической системы лежит принцип хранения математических шаблонов признаков, а не исходных биометрических образцов. Такой подход снижает объём хранимых данных и затрудняет восстановление исходного биометрического образца из шаблона, хотя не исключает этого при наличии специализированных алгоритмов инверсии.

Выделяют три основных подхода к хранению данных:

  • Локальное хранение предполагает, что шаблон сохраняется в защищённом аппаратном модуле непосредственно на устройстве пользователя. Шаблон не покидает устройство; система передаёт во внешнюю сеть только результат сравнения (да/нет) или краткосрочный токен. Этот подход минимизирует риск массовых утечек, однако ограничивает возможности использования биометрии на нескольких устройствах одновременно[27][28]
  • Централизованное хранение предполагает передачу шаблонов на удалённый сервер или в облачную базу данных, где производится их хранение и сравнение. Этот подход обеспечивает работу биометрии на любом устройстве и поддерживает удалённую аутентификацию, однако такая база данных становится привлекательной целью для кибератак[29][30]
  • Децентрализованное хранение — подход, при котором шаблон разбивается на зашифрованные фрагменты и распределяется по нескольким независимым серверам. Ни один из серверов не хранит полный шаблон, а сравнение производится с применением криптографических методов без сборки шаблона в единое целое. Этот подход снижает риски централизованной утечки, однако требует значительных вычислительных ресурсов и усложняет архитектуру системы, затрудняя реализацию идентификации в режиме 1:N[29]

Точность и оценка эффективности

Биометрические системы не являются безошибочными. Их точность оценивается с помощью статистических метрик, отражающих вероятность ложных срабатываний и отказов.

Основные метрики

  • Коэффициент ложного допуска (англ. False Acceptance Rate, FAR) — вероятность того, что система ошибочно признаёт чужого пользователя за зарегистрированного[31][17]
  • Коэффициент ложного отказа (англ. False Rejection Rate, FRR) — вероятность того, что система не узнаёт легитимного пользователя[32][17]
  • Равновесная точка ошибок (англ. Equal Error Rate, EER) — точка равных вероятностей ошибок, где значения FAR и FRR пересекаются. Чем ниже EER, тем точнее система[33][17]
  • Коэффициент отказа от регистрации (англ. Failure to Enroll Rate, FTE) — доля попыток аутентификации, при которых система не смогла получить образец достаточного качества для сравнения. Этот показатель отражает надёжность сенсора и алгоритма предобработки в реальных условиях эксплуатации. Высокое значение FTE означает, что часть пользователей не может быть включена в систему[34]

Факторы точности

На точность распознавания влияет ряд факторов[35]:

  • Качество сенсора. Разрешение, чувствительность и физический принцип работы сенсора напрямую влияют на качество захватываемого образца[17]
  • Условия захвата данных. Освещённость, фоновый шум, расстояние до сенсора и поза пользователя существенно влияют на качество образца[27]
  • Изменчивость биометрических признаков. Физиологические признаки могут меняться под воздействием возраста, травм, заболеваний и иных факторов[36]
  • Демографические характеристики базы сравнения. Точность биометрической системы может существенно варьироваться в зависимости от демографического состава пользователей. Ряд исследований показал, что системы распознавания лиц, обученные преимущественно на данных представителей одной расовой или возрастной группы, демонстрируют более высокий коэффициент ложного отказа для недостаточно представленных групп. Размер базы данных также влияет на точность в режиме идентификации: при увеличении числа зарегистрированных пользователей возрастает вероятность случайного ложного совпадения, что требует ужесточения пороговых значений и, как следствие, ведёт к росту коэффициента ложного отказа

Области применения

Биометрические технологии охватывают широкий сфер: от разблокировки личного смартфона до идентификации лиц в международных базах данных правоохранительных органов. Принято выделять четыре основных сегмента применения: потребительский, корпоративный, государственный, а также правоохранительный.

Аутентификация и контроль доступа

Наиболее массовым направлением применения биометрии в потребительском секторе стала аутентификация на смартфонах и персональных устройствах. Начиная с 2013 года, когда компания Apple интегрировала сканер отпечатков пальцев Touch ID в свои смартфоны, дактилоскопическая и лицевая аутентификация превратились в стандартный компонент мобильных платформ.

В корпоративном сегменте используется биометрия в системах контроля и управления доступом, которые позволяют исключить передачу идентификатора третьим лицам и обеспечивают документирование каждого факта прохода. Мультимодальные системы, сочетающие, например, распознавание лица и геометрию ладони, применяются на режимных объектах, в дата-центрах, аэропортах и крупных производственных предприятиях.

В сфере финансовых технологий биометрическая аутентификация используется для подтверждения личности при онлайн-банкинге, открытии счетов и авторизации платёжных операций[37].

В транспортной инфраструктуре биометрия применяется для оплаты проезда по лицу: в 2024 году количество биометрических платёжных терминалов в России превысило 900 тыс. единиц, а объём транзакций составил более 33 млн операций[37].

undefined

Государственные и коммерческие сервисы

Государственный сектор является одним из крупнейших потребителей биометрических технологий[38].

В России с 2018 года функционирует Единая биометрическая система, которая обеспечивает удалённую идентификацию граждан при получении банковских и государственных услуг на основе голосового слепка и изображения лица. К 2025 году число зарегистрированных в системе пользователей превысило 7 млн человек, а количество банков-участников достигло 250[37]. Правовую основу функционирования системы составляет федеральный закон от 29 декабря 2022 года № 572-ФЗ «Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных»[39][40].

С июля 2026 года через ЕБС стала доступна удалённая регистрация стандартных сделок купли-продажи и дарения недвижимости между физическими лицами. Процедура проходит через портал «Госуслуги» и Росреестр, требует подтверждения личности по лицу и голосу, а также подписания документов усиленной квалифицированной электронной подписью (УКЭП)[41][42].

В сфере гражданской авиации биометрия применяется для регистрации на рейс и прохождения предполётного досмотра. Ряд аэропортов реализует концепцию «бесшовного путешествия», при которой пассажир проходит от стойки регистрации до посадки в самолёт по биометрическому идентификатору, без предъявления бумажных документов[43].

В розничной торговле и сфере услуг биометрические системы позволяют покупателю завершить транзакцию без карты или смартфона[44].

undefined

Правоохранительная и пограничная практика

В криминалистике биометрические технологии применяются для идентификации лиц по следам с места преступления и сравнения с базами данных. Наиболее юридически устоявшейся биометрической технологией в правоохранительной практике остаётся дактилоскопия: автоматизированные системы идентификации отпечатков пальцев позволяют сопоставлять следы с базами, насчитывающими десятки миллионов записей, в течение нескольких минут[45].

В сфере пограничного контроля биометрия используется для верификации биометрических паспортов и автоматизации прохождения паспортного контроля[43].

Автоматизированные пограничные ворота используют сравнение биометрических данных путешественника с данными на чипе паспорта в режиме реального времени, что позволяет сократить время прохождения контроля и снизить нагрузку на инспекторов[46].

Риски и ограничения

Конфиденциальность и защита данных

Биометрические данные несут уникальные физиологические или поведенческие характеристики человека, что накладывает особые требования к их обработке и хранению[47].

Основной риск заключается в том, что биометрические данные не могут быть изменены после компрометации, что делает утечку биометрических данных более серьёзным инцидентом, чем утечку базы паролей[30].

Также угрозу представляет вторичное использование данных: биометрические образцы, собранные для одной цели, могут быть применены в иных контекстах без ведома субъекта.

Ещё одна угроза — несанкционированный сбор биометрических данных. В отличие от пароля, который человек вводит осознанно, биометрические признаки могут быть получены дистанционно и без явного согласия субъекта. Традиционные правовые механизмы защиты персональных данных, основанных на принципе информированного согласия в таком случае не работают[48].

Ошибки и уязвимости

  • Атаки на предъявление предполагают попытку обмануть сенсор путём предъявления поддельного биометрического образца: силиконового слепка пальца, распечатанной фотографии лица, синтезированной записи голоса или трёхмерной маски. Для противодействия таким атакам используется анализ микродвижений, теплового излучения, трёхмерной структуры поверхности или случайных запросов к пользователю[49]. Кроме того, применение технологии дипфейков позволяет злоумышленникам синтезировать реалистичные изображения лица или записи голоса на основе публично доступных данных из социальных сетей, что снижает защищённость систем, опирающихся исключительно на биометрическую верификацию[47]
  • Атаки на канал передачи данных и атаки на базу шаблонов. В первом случае злоумышленник перехватывает биометрические данные между сенсором и сервером сравнения; во втором — получает несанкционированный доступ к хранилищу шаблонов и использует извлечённые данные для повторного воспроизведения или синтеза поддельных образцов[45]
  • Внутренние уязвимости связанные с изменчивостью биометрических признаков во времени. Отпечатки пальцев могут быть повреждены в результате травмы или профессиональной деятельности; черты лица изменяются с возрастом, при болезни или после хирургического вмешательства; голос меняется при простуде или эмоциональном возбуждении. Это приводит к постепенному «дрейфу» шаблона и необходимости периодического обновления эталонных данных

Отменяемая биометрия

Одним из инструментов защиты является концепция отменяемой биометрии, которая заключается в том, что в базе данных хранится не исходный шаблон, а его преобразованная версия. При компрометации базы оператор меняет параметр преобразования и проводит повторную регистрацию пользователей[30]. При компрометации шаблона достаточно изменить параметр преобразования и перерегистрировать новый вариант шаблона. При этом исходные биометрические данные остаются неизменными и могут быть использованы повторно с другим ключом.

Правовое регулирование

Общие правовые вопросы

Первым юридически обязательным международным актом в сфере регулирование биометрических данных стала Конвенция Совета Европы о защите физических лиц при автоматизированной обработке персональных данных 1981 года, заложившая принципы целевого ограничения обработки данных, соразмерности и обеспечения прав субъектов. Вслед за ней в 1995 году была принята Директива ЕС 95/46/ЕС, систематизировавшая нормы в области защиты информации и создавшая понятийный аппарат, который лёг в основу регулирования[50].

В 2016 году Общий регламент о защите данных ЕС впервые на уровне наднационального права закрепил биометрические данные как особую категорию персональных данных[51].

В США регулирование сферы биометрических данных носит фрагментарный характер: на федеральном уровне отсутствует единый закон о биометрических данных, а требования устанавливаются законодательством отдельных штатов[52].

В Китае действует режим отдельного согласия в сочетании с принципом необходимости и широкими государственными исключениями[53].

Регулирование в России

Регулирование биометрических данных было введено Федеральным законом № 152-ФЗ «О персональных данных» от 27 июля 2006 года[54][55].

Согласно ч. 1 ст. 11 ФЗ-152, биометрические персональные данные — это «сведения, которые характеризуют физиологические и биологические особенности человека, на основании которых можно установить его личность, и которые используются оператором для установления личности субъекта персональных данных». Обработка таких данных по общему правилу допускается только при наличии письменного согласия субъекта[55].

Режим регулирования получил развитие с принятием Федерального закона № 572-ФЗ «Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных» от 29 декабря 2022 года. Закон регулирует правоотношения, возникающие при идентификации и аутентификации физических лиц с использованием Единой биометрической системы. Закон определил два вида биометрических данных, используемых в системе: изображение лица человека и запись голоса[39].

Использование биометрии, в том числе при совершении сделок с недвижимостью, является добровольным[56][57]. Граждане имеют право отказаться от сбора биометрических данных через МФЦ и использовать традиционные форматы оформления документов[56][58][57]. Кроме того, любой гражданин вправе установить запрет на регистрацию сделок со своей недвижимостью без его личного присутствия[56].

Критика и общественные дискуссии

Исследователи отмечают, что несмотря на повсеместное использование биометрии, её можно рассматривать как самостоятельную форму социального контроля. Если традиционные методы слежки требовали целенаправленного наблюдения за конкретным лицом, то автоматические системы распознавания лиц позволяют осуществлять идентификацию неограниченного числа людей одновременно, без их ведома и согласия[59].

Помимо этого, исследователи фиксируют риск дискриминационных эффектов. Исследование 2019 года Национального института стандартов и технологий США, охватившее 189 алгоритмов распознавания лиц от 99 разработчиков, показало, что большинство из них демонстрируют статистически значимые демографические различия: для азиатов и африканцев частота ложных совпадений при верификации в 10-100 раз превышала аналогичный показатель для лиц европейского происхождения, что создаёт риск систематических ошибок в отношении отдельных групп населения[60].

Ещё одним аспектов критики является то, что ложное совпадение в правоохранительном контексте может повлечь необоснованное задержание или уголовное преследование, тогда как ложный отказ к отказу в доступе к услугам или пересечении границы. Исследователи указывают, что в условиях, когда системы демонстрируют неравномерную точность по демографическим группам, их применение в юридически значимых контекстах без надлежащего аудита и контроля создаёт системный риск дискриминации[61].

В культуре

Тема биометрии и её потенциальных угроз отражена в научной фантастике и кинематографе. В некоторых произведениях жанра киберпанк и антиутопиях биометрические идентификаторы определяют социальный статус человека или используются для слежки. В частности, это показано в фильмах «Гаттака» и «Особое мнение»[62][63].

Примечания

  1. ↑ Biometrics - Glossary (англ.). NIST. Дата обращения: 1 июля 2026.
  2. ↑ A History of Fingerprints (англ.). crime-scene-investigator.net (В источнике не указана). Дата обращения: 1 июля 2026.
  3. ↑ The History of Biometrics: From the 17th Century (англ.). RecFaces. Дата обращения: 1 июля 2026.
  4. ↑ 1 2 Manpreet Singh Dhillon. Pre-History of DNA ‘Fingerprinting’ in India (англ.). rjhssonline.com (В источнике не указана). Дата обращения: 1 июля 2026.
  5. ↑ 1 2 History of Biometrics, BİOSER (4 ноября 2025). Дата обращения: 1 июля 2026.
  6. ↑ 1 2 History of Information (англ.). www.historyofinformation.com (В источнике не указана). Дата обращения: 1 июля 2026.
  7. ↑ Краткая история биометрии. TAdviser (16 января 2011). Дата обращения: 10 июня 2026.
  8. ↑ Краткая история биометрии: как дактилоскопия вошла в нашу жизнь. Хабр (11 апреля 2026). Дата обращения: 1 июля 2026.
  9. ↑ 1 2 3 4 5 6 Mayhew, Stephen. History of Biometrics | Biometric Update, Biometric Update | Biometrics News, Companies and Explainers (1 февраля 2018). Дата обращения: 1 июля 2026.
  10. ↑ The Evolution of Biometric Devices - Part One, Porrima. Дата обращения: 1 июля 2026.
  11. ↑ Biometric Authentication Now and Then: History and Timeline (англ.). Bayometric (27 июня 2019). Дата обращения: 1 июля 2026.
  12. ↑ Facial Recognition Technology (англ.). National Academies Press (15 декабря 2022). Дата обращения: 1 июля 2026.
  13. ↑ 1 2 Physiological and Behavioural Biometrics (англ.). Biometrics Institute. Дата обращения: 1 июля 2026.
  14. ↑ Types of Biometrics - Voice, Biometrics Institute. Дата обращения: 1 июля 2026.
  15. ↑ Behavioural Biometrics - Examples, Biometrics Institute (В источнике не указана). Дата обращения: 1 июля 2026.
  16. ↑ Jim Holdsworth, Matthew Kosinski. What is Biometric Authentication? (англ.). IBM (В источнике не указана). Дата обращения: 1 июля 2026.
  17. ↑ 1 2 3 4 5 Багаев, Е. С. (2014). “Современные биометрические системы безопасности”. Молодой учёный (17): 167—170.
  18. ↑ 1 2 Sean Meagher. Understanding biometric identity verification: enhancing security in the digital age (англ.). Mitek Systems (17 апреля 2025). Дата обращения: 1 июля 2026.
  19. ↑ Е. Ю. Фролова, Ю. А. Кошлыкова. ИДЕНТИФИКАЦИЯ ЧЕЛОВЕКА ПО БИОМЕТРИЧЕСКИМ ДАННЫМ: ОБЗОР СОВРЕМЕННЫХ ТЕХНОЛОГИЙ. КиберЛенинка. Северо-Кавказский юридический вестник (2022). Дата обращения: 11 июня 2026.
  20. ↑ Сахарова, М. А.; Воейкова, А. В. (2018). “Хранение и обработка биометрических данных персонала”. Решетневские чтения: 1—3.
  21. ↑ 1 2 Биометрические шаблоны: основа безопасной биометрической верификации. Didit (25 марта 2026). Дата обращения: 1 июля 2026.
  22. ↑ Багаев, Е. С. (2014). “Современные биометрические системы безопасности”. Молодой учёный (17): 167—170.
  23. ↑ Чередниченко, И. Н. (2007). “Построение системы биометрической идентификации”. Труды Института системного программирования РАН.
  24. ↑ Biometric verification and identification explained (англ.). Biometrics Institute (13 мая 2024). Дата обращения: 1 июля 2026.
  25. ↑ What are the differences between 1:N authentication and 1:1 (англ.). Octatco. Дата обращения: 1 июля 2026.
  26. ↑ What Is Biometric Verification? The Complete Guide (англ.). Regula Forensics (4 мая 2026). Дата обращения: 1 июля 2026.
  27. ↑ 1 2 Я. В. Артамонова, С. С. Барсуков, А. А. Суханова. Биометрические технологии: отношение населения и преодоление рисков. cyberleninka.ru. Государственное и муниципальное управление (2024). Дата обращения: 11 июня 2026.
  28. ↑ Waugh, Don. The risk of centralized storage for biometric data | Biometric Update, Biometric Update | Biometrics News, Companies and Explainers (3 декабря 2015). Дата обращения: 1 июля 2026.
  29. ↑ 1 2 Информационная безопасность и биометрия: практика применения, утечки и методы защиты. R-Style Softlab (16 апреля 2024). Дата обращения: 10 июня 2026.
  30. ↑ 1 2 3 Д. А. Ленская. ОТМЕНЯЕМАЯ БИОМЕТРИЧЕСКАЯ СИСТЕМА БЕЗОПАСНОСТИ, ОСНОВАННАЯ НА ХАОТИЧЕСКИХ ФУНКЦИЯХ. КиберЛенинка. Auditorium (2022). Дата обращения: 11 июня 2026.
  31. ↑ Success Measurement (англ.). Knovvu (22 августа 2025). Дата обращения: 1 июля 2026.
  32. ↑ ОСНОВНЫЕ ПАРАМЕТРЫ БИОМЕТРИЧЕСКИХ СИСТЕМ. Сигма-ИС. Дата обращения: 10 июня 2026.
  33. ↑ What Does False Reject Rate (FRR) Mean? (англ.). Aratek (20 ноября 2023). Дата обращения: 1 июля 2026.
  34. ↑ Wayman, J.; Orlans, N.; Hu, Q. (2009). “Technology Assessment for the State of the Art Biometrics Excellence Roadmap”. MITRE Technical Report. Дата обращения 2026-07-01. |access-date= требует |url= (справка)
  35. ↑ Современные биометрические методы идентификации. Хабр (11 августа 2011). Дата обращения: 1 июля 2026.
  36. ↑ Артамонова, Я. В.; Барсуков, С. С.; Суханова, А. А. (2024). “Биометрические технологии: отношение населения и преодоление рисков”. Государственное и муниципальное управление. Учёные записки (1): 231—236. DOI:10.22394/2079-1690-2024-1-1-231-236.
  37. ↑ 1 2 3 Мирошниченко, А. Т.; Ульянченко, С. А. О.; Носова, Т. П. (2025). “Развитие и инновации биометрических технологий в банковском секторе России в 2023–2025 гг”. КиберЛенинка.
  38. ↑ БИОМЕТРИЧЕСКИЕ ТЕХНОЛОГИИ В ФИНТЕХ: ПРАКТИКА И ПЕРСПЕКТИВЫ. КиберЛенинка. Образование и право (2022). Дата обращения: 11 июня 2026.
  39. ↑ 1 2 Федеральный закон от 29.12.2022 № 572-ФЗ «Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных». КонсультантПлюс. Дата обращения: 11 июня 2025.
  40. ↑ Биометрия в банках: что это, зачем и к чему приведет. РБК Тренды (17 апреля 2021). Дата обращения: 10 июня 2026.
  41. ↑ Дистанционная продажа жилья по биометрии: как это работает. РБК Недвижимость. Дата обращения: 1 июля 2026.
  42. ↑ Дистанционная продажа квартиры по биометрии в 2026 году. ЦИАН Журнал. Дата обращения: 1 июля 2026.
  43. ↑ 1 2 В. Н. Калинин. ЗАГРАНИЧНЫЙ БИОМЕТРИЧЕСКИЙ ПАСПОРТ: ОСОБЕННОСТИ, ПРЕИМУЩЕСТВА И НЕДОСТАТКИ. КиберЛенинка. Образование. Наука. Научные кадры (2021). Дата обращения: 11 июня 2026.
  44. ↑ Соколинская, Н. Э.; Дикарева, А. А.; Мазур, А. Л. (2023). “Проблемы и перспективы развития биометрических технологий в банковской деятельности”. КиберЛенинка.
  45. ↑ 1 2 Anil K. Jain, Arun Ross. Bridging the gap: from biometrics to forensics (англ.) // Philosophical Transactions of the Royal Society B: Biological Sciences. — 2015-08-05. — Vol. 370, iss. 1674. — P. 20140254. — ISSN 1471-2970 0962-8436, 1471-2970. — doi:10.1098/rstb.2014.0254.
  46. ↑ В. В. Яровенко, Г. М. Шаповалова, Р. А. Исмагилов. ОТДЕЛЬНЫЕ ПРОБЛЕМЫ ПРИМЕНЕНИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ ЛИЦ В ПРАВООХРАНИТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ. КиберЛенинка. Правовое государство: теория и практика (2021). Дата обращения: 11 июня 2026.
  47. ↑ 1 2 Бурлака, С. Н.; Бельдина, О. Г. (2023). “Защита биометрических персональных данных: проблемы правового регулирования”. Право и государство: теория и практика (10(226)): 277—279. DOI:10.47643/1815-1337_2023_10_277. Дата обращения 2025-06-10.
  48. ↑ Рождайкина, Е. И. (2023). “Проблемы защиты биометрических персональных данных при расследовании преступлений”. Вопросы российской юстиции (28): 378—386. Дата обращения 2025-06-10.
  49. ↑ Лаврентьева, Г. М.; Новосёлов, С. А.; Козлов, А. В.; Кудашев, О. Ю.; Щемелинин, В. Л.; Матвеев, Ю. Н. (2018). “Методы детектирования спуфинг-атак повторного воспроизведения на голосовые биометрические системы”. Научно-технический вестник информационных технологий, механики и оптики. 18 (3): 428—436. DOI:10.17586/2226-1494-2018-18-3-428-436. Дата обращения 2025-06-10.
  50. ↑ Колосов, А. В. (2021). “Правовое регулирование оборота биометрических данных граждан в Европейском союзе”. Сибирский юридический вестник (3): 89—96. DOI:10.26516/2071-8136.2021.3.89. Дата обращения 2025-06-10.
  51. ↑ Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/46/EC (General Data Protection Regulation) (англ.). Official Journal of the European Union (27 апреля 2016). Дата обращения: 1 июля 2026.
  52. ↑ Законы США о конфиденциальности данных, Incfine (23 апреля 2025). Дата обращения: 1 июля 2026.
  53. ↑ Klara, N. (2026). “Legal Regulation of Biometric Data Use in Digital Services: A Comparative Law Analysis”. Cold Science (27). Дата обращения 2025-06-10.
  54. ↑ Данелян, Р. Н.; Яковлев-Чернышев, В. А. (2024). “Особенности правового регулирования биометрических персональных данных в Российской Федерации”. Вестник Казанского юридического института МВД России. 15 (3(57)): 26—33. DOI:10.37973/VESTNIKKUI-2024-57-3. Дата обращения 2025-06-10.
  55. ↑ 1 2 Федеральный закон "О персональных данных" от 27.07.2006 N 152-ФЗ (последняя редакция) (рус.). www.consultant.ru. Дата обращения: 11 июня 2026.
  56. ↑ 1 2 3 Как уберечь квартиру от мошенников, если введут биометрию. Яндекс Недвижимость. Дата обращения: 1 июля 2026.
  57. ↑ 1 2 Дистанционная продажа квартиры по биометрии: что изменится с 1 июля 2026. РБК Компании. Дата обращения: 1 июля 2026.
  58. ↑ Отказ от биометрии в МФЦ: как написать заявление. Brobank.ru. Дата обращения: 1 июля 2026.
  59. ↑ Григорьева, К. С. (2021). “Исследования надзора: основные направления и теоретические подходы”. Мониторинг общественного мнения: экономические и социальные перемены (6): 477—505. DOI:10.14515/monitoring.2021.6.1883. Дата обращения 2025-06-10.
  60. ↑ Grother, P.; Ngan, M. & Hanaoka, K. (2019), Face Recognition Vendor Test (FRVT) Part 3: Demographic Effects, National Institute of Standards and Technology, doi:10.6028/NIST.IR.8280, <https://nvlpubs.nist.gov/nistpubs/ir/2019/nist.ir.8280.pdf>. Проверено 1 июля 2026.. 
  61. ↑ Wang, X.; Wu, Y. C.; Zhou, M.; Fu, H. (2024). “Beyond surveillance: privacy, ethics, and regulations in face recognition technology”. Frontiers in Big Data. 7: 1337465. DOI:10.3389/fdata.2024.1337465. PMC 11256005. PMID 39027377.
  62. ↑ Гаттака Original title: Gattaca 1997 (англ.). IMDB (В источнике не указана). Дата обращения: 1 июля 2026.
  63. ↑ Особое мнение Original title: Minority Report 2002 (англ.). IMDB (В источнике не указана). Дата обращения: 1 июля 2026.

Категории