Для начала важно знать, что ни один биометрический метод не является точным на 100%. Например, себуах Исследование 2014 г. по распознаванию радужной оболочки глаза Точность определения системы может составлять от 90 до 99%, широкий диапазон. Точность голосовой биометрии также попадает в этот диапазон по разным причинам. Однако, даже несмотря на свое несовершенство, голосовая биометрия является бесценным инструментом.
Метод оценки точности голосовой биометрической системы — «Равная частота ошибок», или «EER». EER — это точка, в которой «коэффициент ложного принятия» или «FAR» (т. е. пропуск мошенников) равен «коэффициенту ложного отклонения» или «FRR» (т. е. отказу в доступе действительным пользователям). Системы голосовой биометрической оценки основаны на статистической вероятности, поэтому существует компромисс между этими ошибками, который необходимо учитывать. Например, если вы установите уровень доверия на «высокий», чтобы предотвратить мошенников, вы можете в конечном итоге заблокировать больше действительных пользователей, что приведет к сбоям. Установка «более низкого» уровня доверия обеспечит больший комфорт вашим действительным пользователям, но вы можете впустить больше мошенников. VBG будет работать с вами, чтобы обеспечить оптимальный баланс между безопасностью и комфортом. Также обратите внимание, что EER измеряется для одного испытания. Разрешив повторные попытки в вашем приложении, вы можете повысить вероятность того, что действительный пользователь сможет пройти вторую или третью попытку, даже если вы изначально установили высокий уровень доверия, чтобы отклонить мошенников.
Обратите внимание, что результаты EER, FAR и FRR берутся из набора аудиосэмплов, используемых для обработки и получения этих измерений. Остерегайтесь очень низких значений EER, рекламируемых некоторыми поставщиками, поскольку результатами EER, полученными в лаборатории, можно легко манипулировать, удаляя образцы, что отрицательно влияет на результаты. Результаты EER настолько хороши, насколько хороша выборка данных, выполненная для их расчетов. Неожиданные реальные результаты могут (и будут) получены, если ваша выборка не является действительно репрезентативной для популяции конечных пользователей, конкретного языка и диалекта, типа используемого устройства, среды, в которой была собрана речь, и т. д. Поэтому мы рекомендуем вам сравнивать голосовые биометрические системы на основе реальных пользователей, включая проведение испытаний в желаемой производственной среде.
Другими важными факторами, влияющими на реальный EER, являются содержание речевых образцов и наличие шума. Если образец речи слишком зашумлен или если в голосовую биометрическую систему передается неверная информация, то голосовому биометрическому механизму будет трудно использовать образец речи для выполнения точных определений. Использование различных типов устройств также может повлиять на результаты.
Например, в сетях мобильной связи используются другие методы сжатия по сравнению со стационарными сетями — это влияет на биометрический процесс голоса, который извлекает уникальные голосовые характеристики из образцов речи.
