Биометријска аутентификација у мобилним апликацијама: шта је то, врсте сензора и принцип рада

Шта је биометријска аутентификација?

Биометријска аутентификација је процес провере идентитета корисника на основу његових јединствених физиолошких или бихејвиоралних карактеристика. У мобилним уређајима, технологија се користи за откључавање екрана, потврђивање плаћања и приступ заштићеним апликацијама.

Биометријски систем се састоји од три компоненте: сензора који снима биометријски узорак (отисак, лице, глас), алгоритма који издваја јединствене карактеристике и модула за поређење који их упоређује са сачуваним шаблоном. Према NIST, савремени алгоритми за препознавање лица греше у само 0,08% случајева при стандардном осветљењу.

Биометријске методе замењују традиционалне лозинке, јер су везане за особу и не могу се пресрести током преноса. Према извештају Goode Intelligence, до 2027. године више од 80% паметних телефона биће опремљено биометријским сензорима.

Важна предност биометрије је брзина. Просечно време аутентификације отиском прста је 0,2 секунде, лицем — 0,4 секунде. За поређење, унос шестоцифреног ПИН кода траје у просеку 2,5 секунде. На скали од десетак откључавања дневно, ово даје значајну уштеду времена и смањује когнитивно оптерећење корисника.

Биометријски сензори се класификују према нивоу безбедности који су утврдили Android CDD и Apple App Review. Class 3 (Strong) — најпоузданији сензори, сертификовани за плаћања. Class 2 (Weak) — обичне камере за препознавање лица, погодне само за откључавање екрана. Class 1 — само за удобност, без гаранције безбедности.

Главне врсте биометријских сензора

У савременим мобилним уређајима користе се четири главна типа биометријских сензора. Сваки од њих има своје карактеристике прецизности, брзине и отпорности на нападе. Избор сензора је одређен ценом, димензијама кућишта и безбедносним захтевима одређеног модела телефона.

Скенер отисака прстију

Ово је најчешћи тип биометријског сензора у паметним телефонима. Капацитивни скенери, које Apple користи у Touch ID, анализирају разлику електричних потенцијала између гребена и долина папиларног узорка. Ултразвучни скенери (Qualcomm 3D Sonic) продиру кроз прљавштину и заштитно стакло, обезбеђујући прецизност од 98,6%.

Препознавање лица

2D камере користе обичну фотографију и раде брже, али су мање безбедне. 3D системи (Face ID, Huawei 3D Face Unlock) пројектују на лице 30 000 инфрацрвених тачака и граде прецизну мапу дубине. Вероватноћа случајног откључавања туђим лицем је 1 према 1 000 000 — 20 пута мања него код Touch ID.

Скенер шаренице и препознавање гласа

Скенер шаренице користи камеру са ИР осветљењем за анализу до 200 јединствених тачака на шареници ока. Технологија је коришћена у Samsung Galaxy Note 7–9, али је уступила место 3D лицу због неугодности коришћења. Гласовна биометрија ствара гласовни отисак на основу 100+ акустичких параметара: тембра, фреквенције основног тона и артикулације. Користи се у банкарским системима за верификацију телефоном.

Како биометрија ради у мобилним уређајима

Процес биометријске аутентификације дели се на две фазе: регистрација (enrolment) и верификација. У фази регистрације, сензор прави неколико снимака биометријског узорка, алгоритам издваја карактеристичне особине и чува их у облику математичког шаблона. Шаблон није слика, већ скуп нумеричких вектора који се не могу претворити назад у оригиналну слику.

При верификацији, нови узорак се упоређује са сачуваним шаблоном и систем даје резултат: подударање или одбијање. Савремени алгоритми засновани на неуронским мрежама (Neural Engine у Apple A чиповима, NPU у Snapdragon) обрађују ово поређење за 100–400 милисекунди. Према Apple Security Guide, Neural Engine обавља до 1 билион операција у секунди искључиво за биометријска израчунавања.

Кључна карактеристика мобилне биометрије — сва израчунавања се обављају на уређају, у изолованој области процесора. За Android је то Trusted Execution Environment (TEE), за iOS — Secure Enclave. Биометријски подаци никада не напуштају чип и не преносе се преко интернета.

Безбедност биометријских података

Безбедност биометрије се обезбеђује хардверском изолацијом и криптографском заштитом шаблона. Secure Enclave у процесорима Apple A7–A18 је посебан копроцесор са сопственим фирмвером, који шифрује биометријске податке кључем јединственим за сваки уређај. Приступ Secure Enclave-у има само оперативни систем преко заштићеног канала.

На Android уређајима, улогу Secure Enclave-а обавља Trusted Execution Environment (TEE) заснован на ARM TrustZone. TEE изолује биометријска израчунавања од главног оперативног система и апликација. Према Google Security Blog, Android 12+ захтева обавезно коришћење TEE-а за све биометријске операције нивоа Strong.

Биометријски сензори су такође заштићени од напада лажним узорцима. Сензори отисака прстију проверавају присуство крвотока или пулсације, а инфрацрвене камере Face ID препознају текстуру живе коже и не реагују на фотографије, маске или силиконске одливе. Liveness detection (детекција живости) — обавезна компонента сертификације Android Biometric Class 3.

Предности и недостаци биометрије

Биометријска аутентификација је знатно удобнија од лозинки: корисник не мора да памти комбинације знакова, а процес траје делиће секунде. Брзина је главни покретач усвајања биометрије у мобилним платним системима Apple Pay и Google Pay.

Главни недостатак биометрије — немогућност промене идентификатора у случају компромитације. Ако се лозинка може променити, отисак прста или црте лица остају са особом заувек. Из тог разлога, биометријски системи су увек допуњени ПИН кодом или лозинком као резервном методом.

Додатни ризици укључују смањење прецизности при промени изгледа (ожиљци, оток, промене везане за узраст) и судске прецеденте принудног откључавања. Врховни суд САД је 2019. године пресудио да полиција може захтевати откључавање телефона путем Face ID или Touch ID, али не може приморавати на унос лозинке (пети амандман).

Пример кода: коришћење Biometric API на Android-у

Android пружа јединствени BiometricPrompt API за све биометријске сензоре. Испод је пример аутентификације коришћењем Jetpack Biometric Library. Библиотека аутоматски открива доступне сензоре на уређају и позива одговарајући дијалог.

class BiometricAuthActivity : AppCompatActivity() {

    private lateinit var biometricPrompt: BiometricPrompt

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_auth)

        val executor = ContextCompat.getMainExecutor(this)
        val callback = object : BiometricPrompt.AuthenticationCallback() {
            override fun onAuthenticationSucceeded(
                result: BiometricPrompt.AuthenticationResult
            ) {
                unlockApp()
            }

            override fun onAuthenticationFailed() {
                showError("Биометрија није препозната")
            }
        }

        biometricPrompt = BiometricPrompt(this, executor, callback)

        val promptInfo = BiometricPrompt.PromptInfo.Builder()
            .setTitle("Потврдите идентитет")
            .setSubtitle("Користите отисак или Face ID")
            .setAllowedAuthenticators(
                BiometricManager.Authenticators.BIOMETRIC_STRONG
            )
            .build()

        biometricPrompt.authenticate(promptInfo)
    }
}

У примеру се користи BIOMETRIC_STRONG — највиши ниво безбедности према Android класификацији. Он подржава само Class 3 сензоре: уграђене скенере отисака прстију и 3D препознавање лица. Класа 2 (BIOMETRIC_WEAK) укључује обичне камере и није сертификована за плаћања.

Будућност биометријске аутентификације

Биометрија активно еволуира: на место отисака прстију и лица долазе нове методе идентификације. Бихејвиорална биометрија (keystroke dynamics, gait analysis) анализира начин куцања и ход корисника, не захтевајући посебан сензор. Технологија се већ користи у банкарским системима за откривање превара.

Мултимодална биометрија — комбинација више метода у једном систему — постаје стандард за врхунске паметне телефоне. На пример, Samsung Galaxy S25 комбинује ултразвучни скенер отисака прстију и 3D препознавање лица, бирајући најбољу методу у зависности од услова осветљења и стања руку. Према подацима Goode Intelligence, тржиште мултимодалне биометрије ће порасти на 12 милијарди долара до 2029. године.