2) Panorama des biométries
Comparatif des facteurs : universalité, permanence, collectabilité, résistance spoof, UX, coût capteur, latence.
🧬
Aperçu des 6 modalités
Chaque biométrie possède des avantages et inconvénients uniques en termes de performance, coût et acceptabilité utilisateur (UX).
📊
Facteurs de comparaison
Analyse des 7 critères principaux utilisés pour évaluer et comparer l'efficacité et la praticité des différentes modalités biométriques.
📚
Glossaire & Métriques
Définitions des termes clés et des métriques de performance standards (FMR, FNMR, EER) utilisées pour quantifier la précision des systèmes.
1. Tableau comparatif des modalités
Scores (Haut/Moyen/Bas) basés sur les 7 facteurs clés. Ces scores sont des estimations générales et peuvent varier fortement selon le capteur et l'algorithme utilisé.
| Modalité | Universalité | Permanence | Collectabilité | Résistance Spoof | UX (Acceptabilité) | Coût Capteur |
|---|---|---|---|---|---|---|
| Visage (2D) | Haut | Moyen | Haut | Bas | Haut | Bas |
| Visage (3D/ToF) | Haut | Moyen | Moyen | Haut | Moyen | Haut |
| Iris | Haut | Haut | Bas | Haut | Bas | Haut |
| Voix | Moyen | Bas | Haut | Bas | Haut | Bas |
| Empreinte | Moyen | Haut | Moyen | Moyen | Moyen | Moyen |
| Veines (Paume/Doigt) | Haut | Haut | Moyen | Haut | Moyen | Moyen |
| Démarche | Haut | Bas | Moyen | Moyen | Haut | Bas |
2. Visage (Face Recognition)
La reconnaissance faciale est l'une des biométries les plus acceptées et les plus faciles à déployer en raison de l'omniprésence des caméras (RGB).
2.1 Capteurs & Modèles
- RGB (2D) : Standard, peu coûteux. Très sensible à l'éclairage, aux poses et au spoofing (photos, vidéos).
- NIR (Proche Infrarouge) : Robuste aux variations de lumière. Souvent combiné au RGB.
- 3D (Stéréo / Lumière Structurée) : Capture la géométrie/profondeur du visage (ex: FaceID).
- ToF (Time-of-Flight) : Capteur 3D actif qui mesure la profondeur. Excellent pour le liveness passif.
2.2 Algorithmes
- Historiques : Eigenfaces (PCA), Fisherfaces (LDA), LBP. Rapides mais peu performants.
- Modernes (Deep Learning) : CNN (ex: VGG-Face, ResNet) et ViT (Transformers) apprennent des "embeddings" (vecteurs de features) très discriminants.
2.3 Liveness (PAD)
Essentiel pour contrer les attaques (photos, masques, deepfakes).
- Actif (Challenge) : L'utilisateur doit effectuer une action (cligner des yeux, tourner la tête, lire un texte). Peut dégrader l'UX.
- Passif (Analyse) : Analyse transparente des signaux de vie.
- Texture & Réflexion (spéculaire vs diffuse).
- Micro-mouvements (ex: saccades oculaires).
- Signaux physiologiques (ex: rPPG via canal vert pour le pouls).
- Cohérence 3D/Texture (pour attaques par masque).
3. Iris
L'iris offre une précision biométrique extrêmement élevée. Le motif de l'iris est unique, stable à vie (dès 2 ans) et protégé derrière la cornée.
3.1 Principe & Capture
- Unicité : La texture complexe de l'iris (cryptes, sillons, furrows) offre une entropie très élevée.
- Capture : Nécessite un éclairage spécifique (LED NIR 700-900nm) pour révéler la texture, même sur des yeux sombres.
- Défis de capture : Distance (généralement < 30cm), reflets (lunettes), occlusion (paupières, cils).
3.2 Encodage & Liveness
- Algorithme (Daugman) :
- Segmentation (détection pupille/iris).
- Normalisation (en "bande polaire").
- Encodage (Filtres de Gabor) → IrisCode (template binaire de 2048 bits).
- Matching (Distance de Hamming).
- Liveness (PAD) : Très robuste.
- Analyse de la dynamique pupillaire (réponse à un flash lumineux).
- Détection de lentilles de contact texturées.
4. Voix (Speaker Verification)
Biométrie à la fois physiologique (forme du tractus vocal) et comportementale (accent, rythme). Très bonne UX car "mains-libres" et non intrusive.
4.1 Caractéristiques & Modèles
- Text-Dependent (TD) : L'utilisateur doit prononcer une phrase secrète fixe (ex: "Mon mot de passe est..."). Plus facile, mais moins sûr.
- Text-Independent (TI) : Le système reconnaît l'utilisateur peu importe ce qu'il dit. Plus flexible et complexe.
- Features (Extraction) :
- MFCC (Mel-Frequency Cepstral Coefficients).
- LPCC (Linear Predictive Cepstral Coefficients).
- x-vectors (Embeddings issus de Deep Learning).
- ECAPA-TDNN (Modèle SOTA actuel).
4.2 Liveness (ASVspoof)
Le plus grand défi de la biométrie vocale est le spoofing, devenu très accessible.
- Attaque par Rejeu (Replay) : Enregistrement de la voix. Détectable par l'analyse acoustique de la pièce/distorsion.
- TTS (Text-to-Speech) : Synthèse vocale.
- VC (Voice Conversion/Cloning) : Clonage de la voix (Deepfake audio).
Les systèmes anti-spoofing (ASV) analysent les artefacts de synthèse (bruit de fond, phase, formants anormaux) pour différencier une voix réelle d'une attaque.
5. Empreinte digitale
La biométrie la plus ancienne et la plus déployée (smartphones, contrôle d'accès). Elle est basée sur les motifs uniques des crêtes papillaires.
5.1 Types de Capteurs
- Optique : Une "photographie" de l'empreinte. Le plus ancien. Facile à tromper avec une image ou une copie gélatine.
- Capacitif : Le plus courant (smartphones). Mesure la différence de capacité électrique entre les crêtes (contact) et les creux (air).
- Ultrason : Le plus moderne et sécurisé. Envoie des impulsions ultrasoniques pour cartographier l'empreinte en 3D, y compris sous la surface de la peau.
5.2 Features & Liveness
- Niveau 1 (Global) : Motif général (Boucle, Arc, Tourbillon).
- Niveau 2 (Minuties) : Points précis (terminaisons de crête, bifurcations). C'est le standard pour le matching.
- Niveau 3 (Local) : Pores, forme des crêtes. Nécessite des capteurs haute définition.
Liveness (PAD)
- Analyse de distorsion (élasticité de la peau).
- Mesure de propriétés électriques (capteurs capacitifs).
- Détection du flux sanguin / pouls (capteurs optiques/ultrasons).
6. Veines (Paume, Doigt)
Une modalité très sécurisée car le motif biométrique est interne, invisible à l'œil nu, et nécessite un sujet vivant pour être capturé.
6.1 Principe de Capture
- Absorption NIR : Une lumière proche infrarouge (NIR) est projetée sur la main ou le doigt.
- Hémoglobine : L'hémoglobine désoxygénée dans le sang veineux absorbe la lumière NIR.
- Image : Une caméra NIR capture l'image : les veines apparaissent comme un réseau de lignes sombres sur fond clair.
6.2 Avantages & Applications
- Haute Résistance au Spoofing : Quasiment impossible à copier. Une main morte ou une copie ne présente pas le même motif d'absorption.
- Stabilité : Le réseau veineux est stable et ne s'use pas (contrairement aux empreintes).
- Applications : Très utilisé dans les environnements à haute sécurité :
- Distributeurs automatiques (Japon).
- Contrôle d'accès physique (centrales, data centers).
- Authentification patient (hôpitaux).
7. Démarche (Gait)
Biométrie comportementale qui identifie une personne par sa manière de marcher. Son principal avantage est la capture à distance, sans coopération.
7.1 Capture & Caractéristiques
- Capture Vidéo : Analyse de la silhouette, de la cadence, de la longueur des pas, des angles des articulations.
- Capteurs Inertiels (IMU) : Accéléromètres et gyroscopes (dans un smartphone, une montre) pour mesurer les G et les rotations.
- Caractéristiques : Rythme, vitesse, balancement des bras, posture, pression au sol.
7.2 Défis & Cas d'usage
- Faible Permanence : La démarche change (fatigue, blessure, type de chaussures, terrain, charge portée).
- Faible Unicité : Moins discriminante que l'iris ou l'empreinte.
- Cas d'usage :
- Authentification Continue : Le téléphone vérifie passivement que c'est bien vous qui marchez avec.
- Surveillance & Médecine Légale : Identifier des suspects à distance dans des vidéos de surveillance.
- Santé : Détecter des pathologies (ex: Parkinson).
Section