Что такое персональные биометрические данные и где они используются? Биометрия Биометрия тела.

Биометрия — процесс сбора, обработки и хранения данных о физических характеристиках человека с целью его идентификации(Большой юридический словарь, 2007).

Киви Берд

Принято считать, что современные биометрические методы, вроде идентификации по отпечаткам пальцев или радужной оболочке глаза, обеспечивают беспрецедентный уровень надежности и защиты. На самом деле это весьма далеко от реальности.

Если заглянуть в четвертьвековой давности «Словарь иностранных слов» (издательство «Русский язык», 1984), то можно узнать, что биометрия — это специальный термин науки биологии для обозначения «совокупности приемов планирования и обработки данных биологического исследования методами математической статистики». Для уха человека современного не столь уж древнее определение звучит странновато.

Ближе к телу

Биометрия позволяет решать две основные задачи: аутентификация и идентификация людей. Еще одно активно разрабатываемое сейчас направление — автоматическое выявление угрожающих намерений человека в толпе по биометрическим особенностям его поведения. Для решения всех этих задач предложено и используется множество разных средств биометрического опознания, сильно варьирующихся по своим возможностям, стоимости, эксплуатационным ограничениям и степени надежности. Область биометрии переживает ныне столь бурный подъем, что характеристики многих систем удается улучшать на удивление быстро, но пока ни один из методов не может считаться абсолютно надежным. Для всех реально применяемых биометрических технологий имеются и неоднократно продемонстрированы соответствующие средства обмана.

Существенные перемены в основном значении слов — это всегда интересный признак эпохи. Ну а сдвиг в восприятии вполне конкретного слова «биометрия» — это, можно сказать, еще и выразительный символ значительных перемен в человеческом обществе, где некогда доминировали идеи научного прогресса во имя всеобщего блага, а теперь все больше говорят о роли науки и технологий в деле укрепления национальной и общественной безопасности.

В рекламе и на практике

Технологии опознания людей по их биометрии — по лицу, пальцам или ДНК, по ирису (радужной оболочке) глаза или рисунку вен, по голосу, походке, манере работы с клавиатурой и так далее — сегодня переживают эпоху бурного расцвета. На рынок ежегодно выводится масса новых и старых, но радикально усовершенствованных систем опознания, однако для неспециалиста адекватно оценить их надежность — задача довольно сложная. По свидетельству же независимых экспертов, вследствие общей незрелости технологии, запущенной в дело чересчур поспешно, доля продукции, и близко не дающей того, что сулят недобросовестные изготовители, в этом секторе рынка намного выше, чем в других областях индустрии инфотехнологий.

Аутентификация — проводимая с согласия человека проверка, что он действительно тот, за кого себя выдает. Обычно применяется для контроля доступа и в удостоверениях личности (биометрические замки, биометрические паспорта). Идентификация — установление личности без сотрудничества проверяемых, обычно через сравнение снятых с человека характеристик с теми, что хранятся в базах данных.

При этом обманутыми оказываются отнюдь не только рядовые потребители, защищающие, скажем, биометрическими замками свой компьютер или магазинчик, но и вполне серьезные государственные учреждения. Пресса об этом сообщает нечасто, но порой информация все же просачивается.

Так, в 2005 году британская тюрьма строгого режима Гленочил, где отбывают срок убийцы и другие опасные преступники, была вынуждена в срочном порядке отказаться от недавно установленной хайтек-системы безопасности на основе биометрических замков. В рамках модернизации, стоившей около £3 млн, все внутренние двери тюрьмы были оборудованы замками, отпирающимися без традиционных ключей — по отпечатку пальца надзирателя, наложенному на стеклянную панель и сопровождаемому вводом личного PIN-кода. Внешне все это выглядело замечательно, почти как в рекламе компании-продавца, однако в действительности надежность и безопасность подобных замков оказалась чистой фикцией.

Один из заключенных по случаю продемонстрировал изумленным надзирателям, что легко может обманывать новые биометрические запоры и беспрепятственно ходить фактически по всему зданию. Тут же начатое расследование показало, что данный метод обмана техники был известен многим из 420 заключенных по меньшей мере месяц, из-за чего в разных зонах тюрьмы стали возможны криминальные разборки и сведения счетов. Единственным способом прекратить это безобразие стало возвращение к прежней системе механических замков, когда у каждого надзирателя имеется к ним связка собственных ключей.

Из скупых сообщений прессы известно, что с аналогичными проблемами столкнулись и в других тюрьмах Британии, проводивших недешевую хайтек-модернизацию. И хотя администрация заведений не пожелала раскрывать способ, которым заключенные обманывали биометрическую систему, для специалистов по компьютерной безопасности в произошедшем не было абсолютно ничего удивительного или неожиданного. Личный PIN-код надзирателей содержал всего четыре цифры, которые внимательному глазу наблюдателя совсем несложно запомнить, ну а народных средств для обмана дактилоскопических — как и всех прочих биометрических — сенсоров существует великое множество.

Методы биометрии

Отпечатки пальцев Древнейший метод опознания, использовался тысячи лет назад в Вавилоне, Египте и Китае, систематически применяется с начала XX века. Миф об «абсолютной надежности» дактилоскопической экспертизы столь прочен, что по сию пору нет четко определенных вероятностей ошибок опознания, а эксперты говорят лишь, есть совпадение или нет. Главный недостаток дактилоскопии — сложности дистанционного снятия отпечатков, хотя новейшие технологии сканирования уже позволяют делать это на расстояниях порядка 5 метров. Лицо Метод опознания по лицу хорошо работает в задачах аутентификации, т. е. при сотрудничестве проверяемого, однако дает неприемлемо высокие проценты ошибок при разном освещении, повороте головы, переменах в мимике лица, не говоря уже об умышленном изменении внешности. Иначе говоря, все проведенные на сегодня попытки по внедрению систем опознания лиц для автоматического выявления разыскиваемых людей в толпе закончились неудачей. Радужка глаза По сравнению с пальцем глаз гораздо лучше защищен от повреждений, и при этом имеет намного более четкую и постоянную форму, нежели лицо. Главные достоинства технологии — быстрая скорость сканирования и низкий, в сравнении с другими методами, уровень ложных положительных опознаний. Основные недостатки — проверяемые обязаны смотреть строго в объектив камеры и опознание можно проводить только на небольшой дистанции, обычно до полуметра.

Забавные игрушки

Хотя биометрические средства опознания людей появились на рынке еще в конце XX века, резкий скачок в их повсеместном внедрении произошел после трагедии 11 сентября 2001 года. Власти США и многих других стран почему-то решили, что именно биометрия — одно из главных технических средств для борьбы с терроризмом и сохранения ценностей общества.

Сетчатка глаза Сканирование кровеносных сосудов, расположенных в глазном дне, используется крайне редко. Среди причин — проверяемые должны идти на сотрудничество, область сканирования труднодоступная и мелкая, оборудование сложно в эксплуатации. Об обмане систем опознания по сетчатке сведений нет, поскольку в настоящее время данная технология не имеет коммерческого применения. ДНК Метод ДНК-идентификации на сегодня считается самым надежным и применяется главным образом в криминалистике. Но широкого коммерческого распространения не получил, так как 1) требует взятия физического образца (волоса, крови) вместо простого снимка или записи биометрической характеристики; 2) тестирование (пока) не может быть сделано в режиме реального времени; 3) каждый раз, когда система опознания должна верифицировать человека, необходимо брать очередной образец клеток с ДНК. Голос Метод основан на индивидуальной манере произносить те или иные звуки речи. Технология имеет много преимуществ: проста в эксплуатации, дешева, не требует специального оборудования, кроме стандартной компьютерной техники с обработкой звука. Главные недостатки: многие могут иметь похожие голоса и манеру речи, а голос конкретного человека меняется в зависимости от здоровья, эмоционального состояния или возраста, на качество опознания влияют характеристики микрофонов и состояние канала связи (при дистанционном опознании по телефону). Кровеносные сосуды Кровеносные сосуды имеют более высокую температуру, чем остальное тело, поэтому четко прорисовываются на инфракрасном снимке. Для опознания делают снимок уникального для каждого человека рисунка вен и других подкожных структур, как правило, в области кисти руки — запястье, ладонь или ее тыльная сторона. Наибольшее распространение данная система получила в Японии.

Многие из независимых экспертов по защите информации с этой идеей категорически не согласились, поскольку биометрические средства безопасности вовсе не лишены недостатков, а их серьезные слабости отнюдь не являются секретом. Начиная примерно с 2002 года в узкоспециальных, как правило, изданиях, а изредка и в популярной компьютерной прессе регулярно появляются публикации о тотальном обмане и беспроблемном преодолении практически всех имеющихся на рынке средств контроля доступа на основе биометрии.

Системы распознавания по радужной оболочке ненадежны. Злоумышленники научились обманывать их, поднося к камере фотографию «нужного» глаза в высоком разрешении

Одно из самых впечатляющих исследований подобного рода появилось летом 2002 года, когда сотрудники германского компьютерного журнала «c"t» с помощью нехитрых подручных средств скомпрометировали сразу 11 систем биометрической верификации, работавших на основе трех базовых технологий — распознавания пальцев, лиц и радужной оболочки глаз пользователей. Выводы экспертов журнала вполне однозначны: все изучавшиеся системы приходится рассматривать скорее как забавные игрушки, а вовсе не «серьезные средства защиты», как позиционируют их фирмы-изготовители.

Если говорить об обмане систем аутентификации пользователя по отпечатку пальца с помощью емкостного сенсора на «мышке» или клавиатуре компьютера, то здесь простейший способ обмана — повторное «оживление» уже имеющегося отпечатка, оставленного зарегистрированным пользователем. Для такого оживления остаточного отпечатка иногда бывает достаточно просто подышать на сенсор либо приложить к нему тонкостенный полиэтиленовый пакет, наполненный водой. Еще эффективнее срабатывает более тонкая технология, когда оставленный «жертвой» отпечаток на стекле или CD посыпают мелкой графитовой пудрой, лишний порошок сдувают, а сверху накладывают липкую ленту, фиксирующую характерный узор папиллярных линий. Прикладывание такой ленты обманывает не только емкостные, но и нередко более строгие оптические сенсоры. Наконец, «искусственный палец», отлитый в парафиновой форме из силикона, позволил исследователям преодолеть все из шести протестированных систем на основе дактилоскопии.

Системы опознания по ирису глаза преодолевались ничуть не сложнее — подсовыванием фотографии глаза «жертвы» в хорошем разрешении. Похожими по сути приемами были скомпрометированы и все системы опознания по лицу — подсовыванием фотографии или экрана ноутбука с клипом, где снято лицо зарегистрированного пользователя.

Изготовители биометрических систем наверняка пытаются работать над улучшением своей продукции, но пока изменить ситуацию не удается. В 2009 году на хакерской конференции Black Hat DC в США был сделан доклад «Ваше лицо — это НЕ ваш пароль», подготовленный сотрудниками Bkis, одной из главных фирм по компьютерной безопасности во Вьетнаме. Суть доклада — анализ конкретных систем опознания по лицу, широко применяемых в современных ноутбуках от известных брендов: VerifaceIII (Lenovo), SmartLogon (Asus) и Face Recognition (Toshiba). Все эти изделия продаются как эффективные методы защиты компьютера от неавторизованного доступа. Однако, как показали исследователи, им удалось без проблем обмануть все три системы — используя вместо предъявления лица либо фотографии зарегистрированных пользователей, либо даже снимки других людей, измененные с помощью графического редактора.

Исследователи из Университета Пердью разработали методику идентификации с помощью масс-спектрометрического «сканирования» отпечатка. При этом играет роль не только рисунок, но и химический состав следа. Это позволяет отличать отпечатки, оставленные в разное время, поверх других, и предполагать, каких предметов касался подозреваемый до того, как оставил свой отпечаток.

Риски баз данных

Помимо систем контроля доступа, другим фундаментальным применением биометрии в безопасности являются системы автоматической идентификации, то есть установление личности человека по его биометрическим характеристикам путем их сличения с уже имеющимися материалами в базах данных. В настоящее время подобные базы во множестве стран стремительно разрастаются, не только массово накапливая информацию об отпечатках пальцев, лицах и ДНК миллионов людей, но и, бывает, объединяясь в гипербазы для тотального поиска. Поскольку всякий рост массивов анализируемых данных неизбежно влечет за собой и возрастание числа ошибочных совпадений, все чаще стали происходить случаи ложных опознаний — с серьезными последствиями для жертв таких ошибок.

Одна из самых громких, вероятно, историй подобного рода — «дактилоскопическое» дело американца Брэндона Мэйфилда. Эта история началась при расследовании террористических взрывов в Мадриде 11 марта 2004 года, где важнейшей уликой для следствия стал пластиковый пакет с детонаторами к бомбам и с отпечатками пальцев террориста. Данные отпечатки были запущены по базам международной розыскной системы, и для одного из них принадлежащая ФБР США крупнейшая в мире дактилоскопическая база IAFIS («Объединенная автоматизированная система идентификации по отпечаткам пальцев») обнаружила в своих хранилищах нужное соответствие. Три собственных эксперта ФБР и еще один приглашенный со стороны квалифицировали находку как «стопроцентно надежное» и «абсолютно неоспоримое совпадение».

Сопоставление индивидуальных пространственно-временных зависимостей в движении людей (анализ походки) оказалось бесперспективным. Метод иногда допускает автоматическое опознание людей в условиях плохой видимости, недостаточной, к примеру, для сканирования лица. В то же время анализ походки показал высокую степень ошибок в зависимости от обуви, длины одежды, степени опьянения человека и прочих сопутствующих условий.

Выявленный в базе IAFIS отпечаток принадлежал орегонскому адвокату Брэндону Мэйфилду, который мало того что был женат на мусульманке-египтянке и ранее защищал в суде человека, подозревавшегося в терроризме, так еще и сам обратился в ислам. Поскольку личность Мэйфилда практически идеально вписывалась в образ исламского экстремиста, адвоката, ясное дело, сразу посадили за решетку. И кто знает, чем это могло для него закончиться, не отлови испанская полиция другого человека, алжирца Унана Дауда, у которого не один, а все отпечатки пальцев совпали со следами на пакете с детонаторами. Арестованного в Америке адвоката-мусульманина пришлось, конечно, с извинениями отпустить, но «безупречная» репутация дактилоскопической идентификации из-за этой истории оказалась сильно подмочена.

Одновременно с ростом аналогичных централизованных баз с ДНК-данными начали поступать — также из США — известия о выявлении случайных совпадений в ДНК-профилях разных людей. Однако специфика генетической информации таит в себе риски и существенно иного рода: повышенный интерес к содержимому ДНК граждан проявляют те структуры, которым доступ к этой информации по закону не положен. К примеру, это могут быть страховые компании, желающие заранее знать о предрасположенности своих клиентов к определенным заболеваниям. Или же корпорации, при приеме или назначении сотрудника на ответственную должность пытающиеся собрать максимум доступной информации на кандидата. А централизованные ДНК-базы не только систематически накапливают подобную информацию, но и, как показывает практика, вполне могут пускать ее «налево».

В 2007 году в Великобритании разгорелся скандал вокруг национальной (и одной из крупнейших в мире) базы данных, накапливающей ДНК-образцы граждан. База принадлежит FSS, службе криминалистических наук правительства, а ее постоянно растущий массив данных содержит около пяти миллионов образцов ДНК. В 2005 году проект был приватизирован — с государством в качестве главного владельца, а администрация занялась активным поиском направлений для коммерческого использования накапливаемой информации. Одновременно тем же самым решила подзаработать не только администрация. Последовавший вскоре судебный процесс стал разбираться с пятью сотрудниками FSS, которые занялись похищением программного обеспечения и собственно данных из базы с целью создания собственного коммерческого сервиса, предлагающего те же самые массивы ДНК всем интересующимся…

Может быть и польза

Хотя в данном обзоре вполне умышленно собраны негативные — куда реже освещаемые прессой — стороны биометрических технологий, было бы несправедливо ограничиться одними лишь недостатками. Любая технология сама по себе не является ни плохой, ни хорошей, ибо все зависит от того, как именно люди ее применяют. В полной степени это относится и к биометрии.

Последние годы разработкой собственных приложений для биометрических технологий активно занимаются не только фирмы без-опасности, обслуживающие полицию или службы охраны, но и многие компании, выпускающие совсем другие товары повседневного употребления.

Методы биометрии, не получившие широкого применения

Динамический анализ подписи опознает человека по индивидуальной манере письма: переменам в давлении на перо, скорости движения пера между фиксированными позициями и так далее. Термография лица В картине тепла, излучаемого лицом человека, ток крови в сосудах под кожей формирует определенные структуры, которые можно регистрировать инфракрасной камерой. Метод ненадежен, т.к. на вид температурной карты лица влияют условия внешней среды и физическое состояние человека. Анализ походки Метод показал высокую степень ошибок в зависимости от обуви, длины одежды, степени опьянения человека и прочих сопутствующих условий. Исследования свернуты из-за бесперспективности направления. Геометрия руки или пальца Одно время активно разрабатывавшееся направление, не получившее, однако, популярности из-за меньшей надежности опознания по сравнению с отпечатками пальца или сканированием ириса. Форма уха Форма уха и структура хрящевой ткани в ушной раковине вполне индивидуальны и постоянны для каждого человека. Главное возражение против использования технологии — ухо часто бывает скрыто от сканирования головным убором или волосами. Резонанс черепа Через голову человека транслируются звуковые волны для выстраивания уникального сонарного профиля данного индивида. Сугубо экспериментальное направление исследований.

Например, ныне функции опознания лиц уже довольно широко реализованы в цифровых фотоаппаратах целого ряда фирм вроде Canon, Pentax или Fuji. Встроенные в них программы поиска могут автоматически находить в картинке кадра, выбранного для съемки, человеческие лица по их характерным признакам — глазам, ушам, носу и т. д. Если лицо одно, камера сама может настроить фокус исключительно на него, если же лиц несколько, то может вычислить усредненный фокус для всех. Или, скажем, фирма Sony первой выпустила цифровую фотокамеру, которая может удерживать затвор от срабатывания до тех пор, пока люди в кадре не улыбнутся, поскольку специальная программа анализирует лица на предмет счастливого выражения — положения уголков рта, размыкания губ, мимических морщинок вокруг глаз.

Другой пример интересного применения биометрии — новые версии программ iPhoto и Picasa для управления цифровыми фотоальбомами, куда их разработчики, Apple и Google соответственно, встроили функции распознавания лиц на снимках для удобного и быстрого поиска нужных фотографий. Отличие программ в том, что iPhoto работает на компьютере владельца и в процедуре настройки просит идентифицировать любым именем лишь тех людей, которых укажет хозяин альбома. Программа Picasa, с другой стороны, работает на серверах Google и при настройке пытается затребовать идентификацию ВСЕХ людей на снимке, причем их полными именами и с уникальными адресами электронной почты — очевидно, для организации перекрестных ссылок между альбомами разных владельцев. Не факт, что подобное «вторжение» в личный архив понравится каждому, но таковы уж, видимо, родовые особенности всех биометрических технологий.

Путь технологии, вышедшей за рамки использования в силовых структурах и заменившей графические и числовые пароли.

В закладки

Первыми биометрию использовали правоохранительные органы и службы повышенной безопасности. Сейчас биометрические системы встречаются почти во всех современных устройствах: автомобилях, ноутбуках, смартфонах.

Биометрия - это измеримые анатомические, физиологические и поведенческие характеристики, которые используются для идентификации личности. Самый распространённый метод - распознавание по отпечаткам пальцев. Но есть и другие способы - ДНК, радужная оболочка глаза, голос, ладони и черты лица.

Сейчас активно развивается нормативно-техническая и правовая база биометрических технологий. Государство инициирует формирование единых стандартов, чтобы обеспечить взаимодействие автономных систем. Создаются комитеты и департаменты по биометрии. Несмотря на многообразие биометрических методов, в основном используются только три направления: распознавание по отпечатку пальца, лицу и радужке глаза.

Развитие компьютерных технологий позволяет использовать биометрию во многих сферах деятельности: контроль доступа в помещения и к устройствам, подтверждение финансовых операций, обеспечение безопасности в аэропортах, идентификация в школе и больницах, поиск преступников.

История биометрии началась три тысячи лет назад. Артефакты, найденные в Новой Шотландии, Вавилоне и Китае, доказывают, что отпечатки рук и пальцев использовали уже в древние времена для деловых операций и доказательств преступлений.

И только спустя столетия люди возобновили изучение использования отпечатков пальцев и других показателей как средства идентификации.

Первые, кто использовал биометрию в современном мире, - полицейские. Примерно до середины 1800-х годов сотрудникам правоохранительных органов приходилось на глаз и по памяти идентифицировать ранее арестованных преступников. Фотография человека облегчала задачу, но не могла служить доказательством вины.

К 1920-м годам ФБР открыло первый департамент идентификации, создав центральное хранилище данных об уголовной идентификации для правоохранительных органов США. В 1980-х годах правительство США спонсировало создание автоматизированных систем идентификации отпечатков пальцев, которые стали центральными в работе полиции и других правоохранительных органов во всём мире.

Как и отпечаток пальца, неизменной с возрастом остаётся и радужная оболочка глаза. Её использование в биометрии позволяет применять бесконтактную идентификацию.

Не менее нужная разновидность биометрии - распознавание лиц. Изначально эту технологию использовали, чтобы обеспечить безопасность в местах массового скопления людей.

В торговых центрах это помогает предотвратить преступность и насилие. В аэропортах повышается удобство и безопасность. Производители устройств используют технологию распознавания лиц, чтобы предоставить пользователям новый уровень биометрической безопасности.

Сложнее, чем сканирование отпечатков пальцев, лица или радужки глаза, только идентификация голосового отпечатка. Уникальные компоненты делают практически невозможной подмену голоса. История голосовых биометрических данных началась не так давно. Первые способы идентификации в режиме реального времени появились в конце 1990-х годов.

1665 год

Марчелло Мальфиги публикует открытие об уникальности отпечатков пальцев.

1858 год

Индийский госслужащий Уильям Гершель фиксирует отпечатки пальцев каждого работника на обратной стороне трудового контракта. Таким образом Гершель отличает сотрудников от других людей, которые могут претендовать на роль служащих, в день выплаты зарплаты.

1870 год

Французский юрист Альфонс Бертильонаж разрабатывает систему бертильонаж - метод идентификации преступников по антропометрическим данным. Метод основан на подробных отчётах об измерениях тела, физических описаниях и фотографиях. Системой в течение 30 лет пользовались во всём мире до тех пор, пока полицейские не поняли, что некоторые люди могут обладать одинаковыми параметрами.

1880 год

Шотландский хирург Генри Фолдс публикует статью о пользе отпечатков пальцев для идентификации.

1892 год

Аргентинский полицейский Хуан Вученич начинает собирать и каталогизировать отпечатки пальцев. А также использует отпечатки, чтобы доказать окончательную вину Франциски Рохас в убийстве соседа. Полицейский устанавливает, что её отпечаток идентичен частичному кровавому следу на месте преступления.

В этот же год Фрэнсис Гальтон пишет подробное исследование отпечатков пальцев, в котором он представляет новую систему классификации.

1896 год

Генеральный инспектор Бенгальской полиции Эдвард Генри, заинтересовавшийся системой Гальтона, собирает чемодан фотографий отпечатков пальцев и совершенствует классификацию Гальтона. Генри делит узоры на пальцах на пять основных: простые и сложные дуги, петли, направленные в сторону большого пальца или мизинца, и завихрения.

Главная идея Генри - кодировать узоры числовыми формулами. Виды обозначались буквами A, T, R, U, W, а подвиды - цифрами. Метод Генри стал предшественником системы классификации, которая в течение долгих лет использовать ФБР и другими правоохранительными структурами.

1903 год

Система Бертильона «ломается». Двое мужчин, впоследствии оказавшиеся близнецами, приговорены к исправительным работам в США. Установлено, что они имеют почти одинаковые измерения по бертильонажу. Но позже историю оспаривают, потому что она использовалась, чтобы доказать несовершенство бертильонажа.

1936 год

Офтальмолог Фрэнк Берч предложил использовать радужную оболочку глаза для распознавания личности.

1960 год

Шведский профессор Гуннар Фант публикует модель, описывающую физиологические компоненты производства акустической речи. Результаты основаны на анализе рентгеновских лучей индивидуумов, издающих определённые звуки.

1964 год

Вудро Бледсоу, Хелен Чан Вольф и Чарльз Биссон в рамках коллективного исследования по распознаванию образов разрабатывают первоначальную технологию. Однако Бледсо покидает исследование, работу над которым продолжает Питер Харт в Стэнфордском исследовательском институте.

1965 год

Вудро Бледсоу по контракту правительства США разрабатывает первую полуавтоматическую систему распознавания лиц.

Североамериканская авиация разрабатывает первую систему распознавания подписей.

1968 год

Компьютер последовательно превосходит людей в идентификации человеческих лиц из базы данных, содержащей две тысячи фотографий.

1969 год

ФБР приступает к разработке системы автоматизации процесса идентификации отпечатков пальцев, которая становится первоочерёдной и занимает большинство человеческих ресурсов.

ФБР заключает контракт с Национальным институтом стандартов и технологий (NIST) на изучение процесса автоматизации идентификации человека по отпечатку пальцев. NIST выделяет две основные проблемы: первая - сканирование отпечатков пальцев и определение отличительных признаков, вторая - сравнение и сопоставление черт.

1970 год

Моделируются поведенческие компоненты речи. Доктор Джозеф Перкелл расширяет первоначальную модель, разработанную в 1960 году. Он включает в неё язык и челюсть. Модель обеспечивает более подробное понимание сложных поведенческих и биологических компонентов речи.

1971 год

Исследователи Голдштейн, Хармон и Леск публикуют статью «Идентификация человеческого лица », в которой используют 22 относительных маркера, например, цвет волос и толщина губ, для автоматического распознавания лиц. Исследование легло в основу для дальнейшего изучения компьютерной идентификации лиц.

1974 год

Появляются первые коммерческие биометрические устройства распознавания ладони. Системы реализованы для трёх основных целей: контроль физического доступа, фиксирование времени и отслеживание посещаемости, идентификация людей.

1975 год

ФБР финансирует разработку датчиков и сенсоров для сканирования узоров отпечатков пальцев, чтобы сократить стоимость на хранение цифровой информации. Ранние сенсоры используют ёмкостные методы для сбора характеристик отпечатков пальцев.

В течение следующих десятилетий NIST сосредотачивается на разработке автоматических методов оцифровывания отпечатков и сжатия изображений, классификации, извлечении и сопоставлении деталей. В результате исследований NIST появляется M40 - первый алгоритм компьютерного сопоставления отпечатков, используемый в ФБР.

1976 год

Американский производитель электродеталей Texas Instruments разрабатывает прототип распознавания речи, который тестируют военно-воздушные силы США и некоммерческая компания Mitre Corporation. Последняя занимается проектированием, исследованием и разработкой систем, а также поддержкой информационных технологий правительства США.

1977 год

Компания Veripen получила патент «Персональный идентификационный аппарат», который захватывает динамические характеристики подписи человека. Разработка системы привела к тестированию автоматической проверки почерка, выполняемой Mitre Corporation, для отдела электронных систем ВВС США.

1984 год

Армия США начинает использовать распознавание ладоней в банковской сфере.

1985 год

Офтальмологи Леонардо Флом и Аран Сафир предполагают, что не существует двух одинаковых радужных оболочек.

1986 год

NIST совместно с Американским национальным институтом стандартов (ANSI) создают стандарт для обмена данными об узорах отпечатков пальцев ANSI/NBS-I CST 1-1986. Это первая версия существующих стандартов, которые сейчас используют правоохранительные органы во всём мире.

Флом и Сафир получают патент на использование радужной оболочки глаза для идентификации. Флом обращается к доктору Джону Догману с просьбой разработать алгоритм для идентификации человека по радужке.

1987 год

NIST формирует группу для изучения и развития использования методов обработки речи.

1988 год

Подразделение «Лейквуд» департамента шерифа округа Лос-Анджелес использует первую полуавтоматическую систему распознавания лиц по базе данных оцифрованных копий.

В тот же год Кирби и Сирович применяют анализ основных компонентов - стандартные методы линейной алгебры - к проблеме распознавания лица. Технология получает название Eigenface.

1991 год

Мэтью Турк и Алекс Пентланд находят, что остаточную ошибку Eigenface можно использовать для нахождения граней в изображениях. В результате этого открытия стало возможным надёжное автоматическое распознавание лиц в реальном времени.

1992 год

АНБ создаёт Биометрический консорциум и проводит первое заседание в октябре 1992 года. Первоначально участие в Консорциуме ограничено государственными учреждениями. Однако вскоре организация расширяет членство: включает частные и научные сообщества, разрабатывает многочисленные рабочие группы для начала и расширения усилий по тестированию, разработке стандартов, функциональной совместимости и правительственному сотрудничеству.

С началом биометрической деятельности в начале 2000-х годов деятельность рабочих групп интегрируется в другие организации, например, в INCITS, ISO и Национальный совет по науке и технике США, чтобы расширить и ускорить их деятельность. Консорциум становится площадкой для дискуссий между правительством, промышленностью и академическими сообществами.

1993 год

Агентство перспективных исследований в области обороны и Управление программы развития Министерства обороны США финансируют программу FacE REcognition Technology (FERET). Цель поощрения - разработка алгоритмов распознавания лиц и технологий.

1994 год

В результате конкурса по созданию интегрированной автоматизированной системы идентификации отпечатков (IAFIS) исследуются три основные проблемы: получение цифрового отпечатка пальцев, извлечение характеристики локальной борозды и совпадение характеристик борозд. Компания Lockheed Martin выиграла конкурс по созданию IAFIS для ФБР.

Считается, что первую автоматизированную систему идентификации отпечатков пальцев (AFIS), созданную для поддержки печати отпечатков, построила венгерская компания RECOWARE. В 1997 году технологию идентификации ладоней и отпечатков пальцев, встроенную в RECOderm, покупает Lockheed Martin Information Systems.

В тот же год на основе биометрии создаётся служба ускоренного обслуживания пассажиро-иммиграционной и натуралистической службы (INSPASS). Она помогала путешественникам обходить иммиграционные линии в выбранных аэропортах по всей территории США до тех пор, пока не прекратила существование в конце 2004 года.

Джон Даунгман разрабатывает и патентует первые алгоритмы компьютерной идентификации образцов радужки. Патент получает название lriScan. До сих пор алгоритмы Даугмана - основа публичных применений технологии.

1995 год

Агентство по защите ядерных вооружений и iriScan создают совместный проект, который привёл к появлению первого коммерческого продукта из сферы распознавания радужной оболочки глаза.

1996 год

На Олимпийских играх в Атланте внедряют системы доступа по ладони, чтобы контролировать и защищать физический доступ к Олимпийской деревне. Система находит информацию среди данных более 65 тысяч человек. В течение 28 дней обработано более одного миллиона транзакций.

При финансировании АНБ NIST начинает ежегодную оценку узнаваемости спикеров NIST для дальнейшего продвижения сообщества по признанию ораторов.

1997 год

IAFIS начинает работу. В ходе разработки системы учёные рассмотрели вопросы, связанные с обменом информацией между автономными системами, а также изучили внедрение национальной системы для определения отпечатков пальцев. IAFIS используют для проверки криминального прошлого людей и идентификации скрытых отпечатков, обнаруженных на местах преступления.

Кристоф фон дер Малсбург и команда аспирантов из Университета Бохума в Германии разработали систему ZN-Face, которая тогда была самой надёжной благодаря способности распознавать лица на некачественных фотографиях.

Технологию финансировала исследовательская лаборатория армии США. Однако использовали её крупные международные аэропорты, банки и правительственные учреждения.

При поддержке АНБ был опубликован первый коммерческий общий биометрический стандарт - API аутентификации человека (HA-API). Цель проекта - облегчение интеграции и обеспечение взаимозаменяемости и независимости поставщиков. Это стало прорывом работающих вместе поставщиков биометрических технологий.

1998 год

ФБР запускает криминалистическую базу данных ДНК - Комбинированную систему индексов ДНК (CODIS). Система обеспечивает цифровое хранение и поиск ДНК-маркеров для правоохранительных органов.

1999 год

Техническая консультативная группа Международной организации гражданской авиации (ИКАО) по машиносчитываемым проездным документам (TAG или MRTD) приступила к исследованию совместимости биометрических и машиносчитываемых проездных документов. Цели исследования - создание международных стандартов для мультисервисной передачи данных.

2000 год

Несколько правительственных агентств США спонсируют тестирование поставщиков распознавания лиц (FRVT). Тесты проводит NIST. Это стало первой открытой крупномасштабной оценкой нескольких коммерчески доступных биометрических систем.

Дополнительные оценки прошли в 2003 и 2006 годах. Задачей проекта было предоставить правоохранительным органам и правительству США информацию, необходимую для определения наилучших способов развёртывания технологии распознавания лиц.

Учёные публикуют первый исследовательский документ, в котором рассказывают об использовании образцов сосудов для распознавания людей. В статье описывают первую коммерческую технологию, которая использует изображение сосудов на кисти человека для идентификации.

В тот же год Университет Западной Вирджинии и ФБР ввели программу бакалавриата в биометрических системах.

Январь 2001 года

Систему распознавания лиц устанавливают на Супербоуле, который проходит в Тампе, штат Флорида, чтобы идентифицировать на стадионе разыскиваемых людей. Система не нашла их, но ошибочно идентифицировала дюжину невинных болельщиков. СМИ обеспокоены нарушением конфиденциальности людей при использовании биометрии.

11 сентября 2001 года

Серия террористических актов, организованная террористической организацией «Аль-Каида» возобновила научный интерес к технологии. В первую очередь это коснулось транспортных систем и органов, обеспечивающих международные перемещение людей, например, таможенные и миграционные службы.

Идентификации личности при проверке документов оказалось недостаточно, тогда как биометрические показатели гарантируют безошибочное распознавание людей.

Ноябрь 2001 года

Создаётся технический комитет M1 для ускоренной разработки стандартов по использованию биометрии в США и в международных стандартизационных комиссиях.

2002 год

Международная организация по стандартизации (ISO) и Международная электротехническая комиссия (IEC) учредили подкомитет ISO/IEC JTC1 для поддержки стандартизации биометрических технологий. Подкомитет разрабатывает стандарты для обеспечения интеграции и обмена данными между автономными приложениями и системами.

2003 год

Международная организация гражданской авиации (ICAO) принимает глобальный согласованный план интеграции биометрической идентификационной информации в паспорта и другие машиночитаемые документы (МСДП). Распознавание лица выбирают как глобальную интероперабельную биометрическую модель для компьютеризированного подтверждения личности.

В то же год Европейская комиссия поддерживает создание Европейского биометрического форума. Задача проекта - сделать Евросоюз мировым лидером в области биометрии с помощью устранения барьеров на пути принятия решений и фрагментации на рынке. Форум также выступает движущей силой для координации, поддержки и укрепления национальных органов.

2004 год

Министерство обороны США реализует автоматизированную систему биометрической идентификации (ABIS). Её внедряют, чтобы улучшить способность правительства США отслеживать и идентифицировать национальные угрозы безопасности.

2005 год

Истекает патент США на концепцию распознавания радужки глаза. Благодаря этому открываются маркетинговые возможности для компаний, которые разработали свои алгоритмы распознавания радужки.

2010 год

АНБ использует биометрические данные, чтобы идентифицировать террористов. В том числе использует отпечатки пальцев из мест, связанных с терактами 11 сентября.

2011 год

Правительство Панамы, сотрудничая с секретарём национальной безопасности США Джанет Наполитано, инициировало экспериментальную программу платформы FaceFirst по распознаванию лиц, чтобы сократить незаконную деятельность в аэропорту Токумен в Панаме.

Он известен как центр контрабанды наркотиков и организованной преступности. В результате система помогла задержать несколько подозреваемых Интерпола.

Идентификация лица всё чаще используется для судебной экспертизы со стороны сотрудников правоохранительных органов и военных. Часто это самый эффективный способ идентифицировать мёртвые тела.

Технологию распознавания лиц и ДНК использовали, чтобы подтвердить личность Усамы бен Ладена - основателя террористической организации «Аль-Каида» - после того, как его убили в результате американского рейда.

2013 год

Apple внедряет в новые смартфоны функцию распознавания отпечатков пальцев Touch ID.

2016 год

Samsung презентует устройство со сканером радужной оболочки глаза, чтобы повысить уровень безопасности доступа к устройству.

MasterCard, Visa и другие финансовые организации включают биометрическую аутентификацию платежей.

2017 год

Розничная торговля активно внедряет технологии распознавания лиц. И становится самым быстрорастущим сектором по использованию этой технологии.

Кроме этого, Apple представляет iPhone X с технологией распознавания лица Face ID.

Сейчас

ВВЕДЕНИЕ

Вопросы изучения живых организмов и растительных объектов, а также процессы, происходящие на клеточном, молекулярном и генетическом уровне становятся все более актуальными с каждым днем. С этой целью в научных лабораториях разрабатываются методы по их исследованию и моделируются сложных явлений природы. К наиболее часто используемым методам исследования можно отнести экспериментальные и методы многомерной статистики. Они являются важной и неотъемлемой частью лабораторного эксперимента и позволяют достоверно выявить закономерности происходящих природных процессов, а также найти причинно-следственные связи между ними.

В научных исследованиях для получения достоверных данных эффективно используется метод массовых наблюдений. Данный метод основан на использовании большого количества повторностей в каждой экспериментальной группе. Материал, полученный в ходе лабораторного опыта, обрабатывают и анализируют, далее по полученным данным делают соответствующие выводы и устанавливают те или иные закономерности. Большое значение в достижении наибольшей точности результатов и выводов в ходе эксперимента имеет не только качество экспериментальных методик, но и правильная статистическая обработка, так как полученные результаты могут значительно варьироваться в пределах одной экспериментальной группы. Таким образом, выполнение статистического анализа экспериментально полученных данных расширяет возможности в познании биологических явлений природы, способствует объективной оценке полученных результатов, исключая возможность субъективной точки зрения исследователя, а также методической ошибки, которые возникают при выполнении эксперимента, и дает возможность экспериментатору сделать точные и корректные выводы и заключений в отношении изучаемого явления.

Предмет исследования – компьютерные технологии как способ обработки данных, полученные при лабораторном исследований.

Цель исследования – проанализировать возможности статистических программ при обработке данных, полученных в результате постановки лабораторного эксперимента.

Задачи исследования:

· Оценить методы математической статистики с точки зрения их возможностей и границ применения при планировании и обработки биохимического эксперимента.

· Изучить, имеющиеся статистические пакеты анализа.

· Освоить возможности решения задач прикладной статистики средствами Microsoft Excel (применения стандартных функций и пакета анализа данных) и известных статистических пакетов STATISTICA в области биохимии.

Компьютерные технологии имеют большое значение в статистической обработке данных. Это позволяет не только ускорить данный процесс в несколько раз, но и произвести его на более высоком качественном уровне.

ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ПРИ ПРОВЕДЕНИИ ЛАБОРАТОРНОГО ИССЛЕДОВАНИЯ

Биометрия как наука и основные ее понятия

В последние годы все чаще для решения и моделирования поставленных задач используются компьютерные технологии. В связи с этим возросла потребность в высококвалифицированных специалистах, имеющих хорошую теоретическую базу и имеющие опыт работы с некоторыми программами. На сегодняшний день в учебных учреждениях появляются дисциплины, которые позволяют сформировать устойчивые умения, необходимые для обработки и представления результатов научной деятельности. Наука, которая занимается изучением методов сбора и токованием числовых данных называется статистика. Данная дисциплина имеет важное практическое значение, так как позволяет прогнозировать развития природных, социальных процессов и явлений. Со временем стали появляться более специализированные отрасли данной науки. Таким образом, на стыке двух самостоятельных наук: биология и статистика, - появляется биологическая статистика (или биометрия) . Биометрия – эмпирическая наука, изучающая данные, полученные при постановке опыта путем выполнения некоторых математических вычислений. Выполнение данных операций без вычислительной техники и компьютерных технологий занимает очень много времени. Насколько это трудоемкий процесс мы можем убедиться, рассмотрев некоторые наиболее используемые понятия биометрии при характеристики исследуемого признака.

Основные понятия биометрии.

Очень часто в практической деятельности человека и при обработке данных, полученных в ходе научных исследований, используется средняя величина. Данная величина характеризует исследуемый признак и показывает, каким было бы значение переменной, если бы у всех объектов из выборки оно было бы одинаковым. Средне арифметическая вычисляется по формуле:

где х 1 х 2 , ..., x k - варианты совокупности; n- общее количество вариант.

Медиана (граница 50%-ного интервала) - значение, которое делит выборку пополам: в обе стороны от медианы в вариационном ряду располагается одинаковое число вариант. Эта величина зависит от накопления частот. Частоты накапливают до тех пор, пока не будет превышена половина суммы частот. Полученное наибольшее значение и есть медиана. Формула, по которой можно вычислить данное значение имеет следующий вид:

,

где x min – минимальное значение предела интервала, где находится срединное значение; i - величина интервала; N-объем совокупности; Σn-суммарная численность до интервала, в котором находится срединное значение; N e -численность интервала, где находится срединное значение.

Еще один статистический показатель это мода. Модой называется такая величина, которая наиболее часто встречается. Моду можно вычислить по формуле Пирсона:

,

где Ме – медиана; М-среднее значение признака.

Среднее квадратичное отклонение, - важнейшая характеристика в биологическом эксперименте. Данная величина является мерой рассеяния ряда распределения и определяется по формуле:

В некоторых экспериментах требуется очень высокая точность опыта. Например, в медико-биологических, токсикометрических и др. Ошибка в данных опытах не должна быть выше 1%, если значение ошибки превышает 1%, то точность результата является неудовлетворительной и нужно увеличивать количество повторностей.

Однако как бы исследователь ни старался точно выполнять все действия методики эксперимента, все равно на практике случаются ошибки, которые необходимо учитывать при обработке данных. Существует несколько типов ошибок.

Ошибка средней (m x) - показатель, на которое отличается среднее значение выборочной (опытной) совокупности от среднего значения генеральной совокупности, если распределение исследуемого параметра будет стремиться к нормальному значению. Основная ошибка среднего рассчитывается по формуле:

Более информативным и приемлемыми для сравнения групп используется коэффициент изменчивости , или вариации . Коэффициент изменчивости – это основное отклонение, выраженное в процентах от среднего значения, которое рассчитывается по формуле:

По полученным результатам делают вывод о характере и степени варьирования признака (таблица 1.1).

Таблица 1.1. Характер изменчивости признаков (по М.Л.Дворецкому)

Если значение t больше четырех, то среднее значение будет достоверным и соответственно можно сформулировать корректные выводы.

Определяют также процент расхождения между выборочной и генеральной средними - точность опыта (р,%), или ошибка наблюдений :

Этот параметр опыта показывает, на сколько процентов можно ошибиться, если утверждать, что генеральная средняя равна полученной выборочной средней.

Встатистике важным является показатель нормирования. Данный показатель используется для оценки вариант относительно к среднему значению данной группы по следующей формуле:

В зависимости от цели исследования значение может колебаться от x: ±0,5σ до х±1σ. Варианты со значением от 0,67σ до 2σ являются субнормальными, если значение равно более х± 2σ, то такие вариантыследует отнести к категории аномалий.

В биометрии существует такое понятие как ошибка репрезентативности . Эта ошибка, которая возникает не в ходе выполнения измерений или вычислений, а из-за случайного отбора при формировании группы.

При подсчете ошибки средней арифметической в небольших группах количество наблюдений (п) является «числом степеней свободы» - используется выражение (n-1), и тогда формула имеет вид:

Существует огромное количество формул вычисления ошибок эксперимента. Некоторые из них приведены ниже в качестве примера. Формула, по которой вычисляется средняя ошибка среднего квадратического отклонения:

Средняя ошибка коэффициента вариации (С):

Средняя ошибка показателя асимметрии:

Или более точно:

Ошибку коэффициента эксцесса:

Сравнительный анализ полученных результатов сводится к оценке степени достоверности наблюдаемых между ними различий по следующей формуле:

где t - критерий достоверности. Его значение оценивается по таблицам вероятности Стъюдента. Если фактическое t больше табличного t st , то существует разница между двумя исследуемыми группами. Различие существенное, достоверное и его нельзя объяснить случайными причинами.

Для сравнения полученных результатов с ожидаемыми используют критерий хи-квадрат (χ 2), который находится по формуле:

где, p – эмпирическая частота, p’ – ожидаемая частота. Значение χ 2 -теста заключается в том, чтобы узнать, подтверждается или опровергается гипотеза экспериментом. Если значений χ 2 , превышает табличное, то можно утверждать, что разница между фактическими и ожидаемыми результатами будет достоверной.

Так как большинство биологических объектов имеют огромное количество, нередко взаимосвязанных признаков, которые их характеризуют, например, вес, рост, возраст и др., то при исследовании комплекса показателей применяют дисперсионного анализа. Зависимость, при которой на каждое значение независимой переменной приходится только одно значение зависимой, называют функциональной . Однако в природе такая связь бывает очень редко. Обычно исследуемые объекты с одинаковыми значениями одного признака имеют разные значения по другим признакам. Такую связь называется корреляцией . Коэффициент корреляции показывает, насколько один исследуемый признак связан с другим (таблица 2). Коэффициент корреляции вычисляется по формуле:

Таблица 1.2. Характеристика тесноты связи между признаками

Так же необходимо найти квадратическую ошибку коэффициента корреляции:

Полученные показатели коэффициента корреляции оценивают с помощью критерия достоверности Стьюдента:

Или с помощью формулы

При оценке взаимосвязи величин очень важно найти аналитическое уравнение, которое будет соответствовать природе изучаемого явления для предсказания поведения независимой характеристики объекта при изменении зависимого параметра. Взаимосвязь между переменными величинами называется регрессией . Коэффициент регрессии, который определяется по следующим аналогичным формулам:

- коэффициент регрессии Y.X;

коэффициент регрессии X.Y,

и .

Для коэффициента регрессии также находят среднюю квадратическую ошибку:

Это основные формулы, применяемые в биометрии, которые используются при обработке данных, полученных в ходе биохимических исследований. Существует еще очень много статистических формул, однако все они, как мы уже убедились, состоят из нескольких математических действий, что осложняет вычисления исследователя и может привести к многочисленным ошибкам в расчетах. Исправление этих ошибок может отнять много времени при обработке большого количества данных. Таким образом, компьютерные технологии упрощают данный рутинный процесс в несколько раз, что позволяет более рационально использовать время, а также уменьшают вероятность ошибки, что дает уверенность в правильности полученных результатов и позволяет сделать корректные выводы.

Планирование и обработка биохимического эксперимента

В настоящее время существует множество информации и довольно сложно ориентироваться в этом бесконечном потоке знаний. Тогда возникает вопрос, каким образом можно получить интересующую информацию и подобрать нужную литературу, затратив при этом минимальное количество времени. Для этого существуют различные поисковые системы, которые значительно сокращают количество потраченного времени на подготовительном этапе. Так как прежде чем приступить к выполнению и планированию исследования, необходимо убедиться, не изучался ли данный вопрос ранее, каковы результаты проведенных исследований и какие критерии уже изучены. Чтобы больше осознать в полной мере необходимость информационных технологий в планировании эксперимента, необходимо понять, что представляет собой данный процесс.

Планированием эксперимента называется комплекс мероприятий, направленных на эффективную постановку опыта, главной целью которого является достижение максимальной точности измерений при проведении минимального количества опытов. При планировании опыта выделяют несколько этапов:

1. Предпланирование – этот этап включает в себя составление плана работы и его утверждение, выбор темы, формулировка рабочей гипотезы, информационная обработка плана и освоение методик.

Этот этап позволяет исключить возможность дублирования исследования, обеспечивает достоверность знаний и оригинальный подход к решению поставленных перед исследователем задач

2. Собственно процесс исследования – на данном этапе производится аналитический обзор литературы по данной проблеме, накопление данных, их систематизация и выработка представлений и проведение эксперимента. Эксперимент – набор действий и наблюдений, выполненных для проверки истинности или ложности выдвинутой гипотезы и установление причинно-следственных связей между изучаемыми феноменами.

Благодаря данному этапу исследователь может осознать насколько новой является данная тема и актуальны полученные результаты, сформулировать научно-практическую значимость.

3. Последний этап заключается в оформление результатов научного поиска – составление отчетов, написание статей.

Любой эксперимент основан на выполнении аналитического метода, Аналитические методы имеют критерии, определяющие пригодность метода:

· Специфичность – способность определить тот компонент, для определения которого данный способ исследования предназначен.

· Точность – качество измерений, отражающих близость полученных результатов, содержащих анализируемое вещество

· Сходимость (воспроизводимость в серии) представление о близости друг к другу результатов исследования выполненных в одних условиях в серии.

· Воспроизводимость – близость результатов, полученных при выполнении лабораторного аналитического исследования пробы в различных условиях. Данный параметр отражает степень разброса данных и позволяет выявить случайные ошибки.

· Правильность и неправильность - отличия от истинного значения

· Чувствительность – способность метода выявлять наименьшее значение анализируемого вещества. Оценивается величина отношения разности между показателями измерений прибора. Чем выше величина отношения, тем выше чувствительность метода.

· Предельная чувствительность – концентрация исследуемого вещества соответствующая минимальному измерению отличному от значения холостой пробы.

Интерпретация полученных результатов исследования производится вручную или с помощью компьютера. Один из способов оценки результатов это построение градуированной (калибровочной) кривой. Калибровочная кривая отображает тесную связь экстинкции, интенсивности излучения света и концентрации вещества в сериях стандартных растворов. Для построения градуированной кривой используются стандартные растворы.

Построение калибровочной кривой:

ü Приготовление стандартных растворов

ü Приготовление разведение стандартного вещества, который охватывает диапазон исследуемых концентраций и выходит за пределы максимального и минимального значения.

ü Из основного готовим маточные растворы

ü Для каждой концентрации стандартного раствора делаем 3-5 измерений

ü По полученным точкам строим график.

Для большей наглядности и точности лучше всего построить график. График показывает зависимость оптической плотности от концентрации раствора. Это будет более удобно при последующем определении концентрации изучаемого вещества в исследуемых пробах, что поможет рассчитать более правильную концентрацию рабочих растворов.

Похожая информация.

(от био (См. Био...)... и... метрия (См. …метрия))

раздел биологии, содержанием которого являются планирование и обработка результатов количественных экспериментов и наблюдений методами математической статистики (См. Математическая статистика). При проведении биологических экспериментов и наблюдений исследователь всегда имеет дело с количественными вариациями частоты встречаемости или степени проявления различных признаков и свойств. Поэтому без специального статистического анализа обычно нельзя решить, каковы возможные пределы случайных колебаний изучаемой величины и являются ли наблюдаемые разницы между вариантами опыта случайными или достоверными. Математико-статистические методы, применяемые в биологии, разрабатываются иногда вне зависимости от биологических исследований, но чаще в связи с задачами, возникающими в биологии, сельском хозяйстве и медицине.

Б. как самостоятельная дисциплина сложилась к концу 19 в. в результате работ Ф. Гальтона (Англия), внёсшего большой вклад в создание корреляционного и регрессионного анализа (см. Корреляция, Регрессия), и К. Пирсона - основателя крупнейшей биометрической школы, подробно проанализировавшего, в частности, основные типы распределений, встречающиеся в биологии; он предложил один из самых распространённых статистических методов - «хи-квадрат» критерий, и развил теорию корреляции. Методология современной Б. создана главным образом Р. А. Фишером (Англия), основавшим свою биометрическую школу. Фишер впервые показал, что планирование экспериментов и наблюдений и обработка их результатов - две неразрывно связанные задачи статистического анализа. Он заложил основы теории планирования эксперимента, предложил ряд эффективных статистических методов (в первую очередь, Дисперсионный анализ), естественно вытекающих из своеобразия биологического эксперимента, и развил теорию малых выборок, начатую английским учёным Стьюдентом (В. Госсетом). Значительную роль в распространении биометрических идей и методов сыграли русские учёные В. И. Романовский, А. А. Сапегин, Ю. А. Филипченко, С. С. Четвериков и др.

Применение математико-статистических методов в биологии по существу представляет выбор некоторой статистической модели, проверку её соответствия экспериментальным данным и анализ статистических и биологических результатов, вытекающих из её рассмотрения. Выбор той или иной модели в значительной мере определяется биологической природой эксперимента. Любая модель содержит ряд предположений, которые должны выполняться в данном эксперименте; обязательно предположение о случайности выбора объектов из общей совокупности; очень распространено предположение об определённом типе распределения исследуемой случайной величины. Планирование эксперимента стало самостоятельным разделом Б., располагающим рядом методов эффективной постановки опыта (различные схемы дисперсионного анализа, последовательный анализ, планирование отсеивающих экспериментов и т.д.). Эти методы позволяют резко сократить объём эксперимента для получения того же количества информации. При обработке результатов экспериментов и наблюдений возникают 3 основные статистические задачи: оценка параметров распределения - среднего, дисперсии и т.д. (например, установление пределов случайных колебаний процента больных, у которых наблюдается улучшение состояния при лечении каким-то испытываемым лекарственным препаратом); сравнение параметров разных выборок (например, решение вопроса, случайна или достоверна разница между средними урожаями изучаемых сортов пшеницы); выявление статистических связей - корреляция, регрессия (например, изучение корреляции между размерами или массой разных органов животного или изучение зависимости частоты повреждения клеток от дозы ионизирующих излучений). Для решения экспериментальных задач наиболее эффективно применение методов многомерной статистики, позволяющих одновременно оценить не только влияние нескольких разных факторов, но и взаимодействие между ними; эти методы находят всё большее применение и для решения задач систематики. Широкое распространение получили и Непараметрические методы, не содержащие предположений о характере распределения случайной величины, но уступающие по эффективности параметрическим методам. В связи с запросами практики интенсивно разрабатываются методы изучения наследуемости (См. Наследуемость), выборочные методы и изучение динамических процессов (временные ряды).

Работы по Б. публикуются в журналах «Biometrica» (L., 1901-); «Biometrics» (Atlanta, 1945-); «Biometrische Zeitschrift» (B., 1959-), а также в различных биологических, с.-х. и медицинских журналах.

Лит.: Бейли Н., Статистические методы в биологии, пер. с англ., М., 1963; Рокицкий П. Ф., Биологическая статистика, 2 изд., Минск, 1967; Снедекор Д ж. У., Статистические методы в применении к исследованиям в сельском хозяйстве и биологии, пер. с англ., М., 1961; Урбах В. Ю., Биометрические методы, 2 изд., М., 1964; Финни Д. Д., Применение статистики в опытном деле, пер. с англ., М., 1957; его ж е. Введение в теорию планирования экспериментов, пер. с англ., М., 1970; Фишер Р. А., Статистические методы для исследователей, пер. с англ., М., 1958; Хилл Б., Основы медицинской статистики, пер. с англ., М., 1958; Хикс Ч., Основные принципы планирования эксперимента, пер. с англ., М., 1967; Fisher R. A., The design of experiments, Edinburgh-L., 1960.

Н. В. Глотов, А. А. Ляпунов, Н. В. Тимофеев-Ресовский.

• - раздел вариац...

  Сельско-хозяйственный энциклопедический словарь

• - Наука о применении статистических методов при исследовании живых организмов. Изучаются закономерности изменчивости и наследуемости хозяйственно-полезных признаков животных в стадах и популяциях...

  Термины и определения, используемые в селекции, генетике и воспроизводстве сельскохозяйственных животных

• - самостоятельный раздел биологии и прикладной статистики, использующий методы математической статистики для анализа биологических данных и планирования исследования...

  Физическая Антропология. Иллюстрированный толковый словарь

• - процесс сбора, обработки и хранения данных о физических характеристиках человека с целью его идентификации...

  Словарь юридических терминов

• - раздел вариационной статистики, с помощью методов к-рого производят обработку эксперим. данных и наблюдений, а также планирование количеств, экспериментов в биол. исследованиях...

  Биологический энциклопедический словарь

• - раздел биологии, осн. задачи к-рого - планирование количеств, биол. экспериментов и обработка результатов методами матем. статистики...

  Естествознание. Энциклопедический словарь

• - раздел биологии, содержанием которого является планирование и обработка результатов экспериментов и наблюдений методами математической статистики...

  Большой медицинский словарь

• - раздел прикладной математики, изучающий живые организмы при помощи методов вариационной статистики. Основы биометрии заложены в конце 19 в. английскими учеными Ф. Гальтоном и К. Пирсоном...

  Экологический словарь

• - Раздел вариационной статистики, с помощью методов которого производят обработку экспериментальных данных и наблюдений, а также планирование количественных экспериментов в биологических...

  Словарь бизнес терминов

• - и...метрия) раздел биологии, содержанием которого являются планирование и обработка результатов количественных экспериментов и наблюдений методами математической статистики...

  Большая Советская энциклопедия

• - раздел биологии, основные задачи которого - планирование количественных биологических экспериментов и обработка результатов методами математической статистики...

  Большой энциклопедический словарь

• - Р., Д., Пр....

  Орфографический словарь русского языка

• - биометри/я,...

  Слитно. Раздельно. Через дефис. Словарь-справочник

• - ...

  Орфографический словарь-справочник

• - биом"етр"...

  Русский орфографический словарь

• - Искусство вычислять продолжительность жизни...

  Словарь иностранных слов русского языка

"Биометрия" в книгах

Кивино гнездо: И биометрия на всех

Из книги Компьютерра PDA 03.04.2010-09.04.2010 автора Журнал «Компьютерра»

Кивино гнездо: И биометрия на всех Автор: Берд КивиОпубликовано 05 апреля 2010 годаВ первых числах апреля в Индии официально запущена очередная программа всеобщей переписи более чем миллиардного населения страны, которая будет проведена в 2011 году силами 2,5 миллионов

Биометрия

Из книги Большая Советская Энциклопедия (БИ) автора БСЭ

БИОМЕТРИЯ

Из книги Omert@. Руководство по компьютерной безопасности и защите информации для Больших Боссов автора Экслер Алекс

БИОМЕТРИЯ И ещё немного о действительно современных методах идентификации... Смарт-карты, е-token и прочие средства уже устарели. Потому что они не привязаны к конкретной личности и идентифицируются всего лишь паролем. Так что если данной конкретной личности дать по

Безопасность и биометрия в Windows 7 Александр Деревянко

Из книги Цифровой журнал «Компьютерра» № 45 автора Журнал «Компьютерра»

Безопасность и биометрия в Windows 7 Александр Деревянко Опубликовано 03 декабря 2010 года В современном мире вопросы информационной безопасности стоят особенно остро в силу нескольких причин. Это и важность сохраняемой информации, ее капиталоемкость,

Компьютерная биометрия

автора Гарфинкель Симеон

Компьютерная биометрия Несмотря на свою высокую точность, ни дактилоскопия, ни анализ ДНК не подходят для идентификации личности в повседневной жизни. Вариант с отпечатками пальцев неприемлем: за более чем 100 лет его сторонники не смогли избавить использование этой

Биометрия завтрашнего дня

Из книги Все под контролем: Кто и как следит за тобой автора Гарфинкель Симеон

Биометрия завтрашнего дня С 1989 по 1995 год я жил в доме, замок на входной двери которого управлялся системой распознавания голоса. Замок давал мне свободу и власть. Свобода заключалась в возможности выходить из дома без боязни забыть ключи: поскольку мой голос всегда был со

Божья биометрия

Из книги Статьи из газеты «Труд» автора Быков Дмитрий Львович

Божья биометрия прогноз от Д. БыковаБиометрические визы для въезда в Англию - только начало масштабной кампании по замене всех международных документов, и Россия не останется в стороне от этого всемирного процесса: с января 2008 года все желающие смогут получить

БИОМЕТРИЯ (от греч. bios-жизнь и пте-tron-мера), отдел биологии, изучающий при помощи методов математической статистики наследственность, изменчивость и целый ряд других биол. явлений, связанных с жизненными процессами (напр., из области физиологии, медицины, биохимии и др.). Самое слово Б. (по англ.-biometry) было введено в науку Ф. Гальтоном (Gal-ton) в 1889 г.; с этого года зачинается быстрое развитие Б. благодаря трудам самого Гальтона, а затем К. Пирсона (Pearson) и их учеников, сгруппировавшихся вокруг издаваемого Пирсоном журнала «Biomet-rica». Находясь на грани двух наук-математики и биологии, Б. не может рассматриваться как самостоятельная наука, т. к. она не имеет ни своего особого объекта изучения, ни своих самостоятельных методов. Применяя к соответственным биол. явлениям нек-рые методы вариационной статистики (см.), Б. базируется на теории вероятностей и, в частности, на теории ошибок. Всякое биол. явление, к-рое колеблется при своем проявлении и при своем изучении дает не тождественные, а изменчивые результаты (при чем величина этих колебаний может быть измерена), становится объектом биометрического анализа. Так. обр., в основе биометрического изучения, как метода статистического, лежат мера и счет биол. явлений. В целом ряде других вопросов биологии, особенно при изучении наследственности (см.), явлений массовой изменчивости и др., биометрический анализ оказывает биологии неоценимые услуги, внося ясность и точность туда, где без него господствовало усмотрение и оценка «на глаз». Проникая своим методом «числа и меры» в самые разнообразные области биол. знаний, Б. осуществляет завет Галилея: измерять все измеримое и делать измеримым то, что пока еще не поддается измерению. Но положение Б. на грани двух столь различных наук, как математика и биология, таит в себе источник многих ошибок и увлечений. Для своего правильного применения она требует равной степени компетентности как в области Б., так и в области соответственных отделов математики, а такое сочетание, к сожалению, встречается далеко не часто. В результате, история Б. показывает ряд случаев, когда она заводила биологию в тупик. Причина лежала в том, что за решение биол. проблем при помощи Б. брались либо биологи, переоценивавшие силу биометрического анализа и предъявлявшие к Б. непосильные требования, либо, напротив, математики, очень сильные в области математической статистики, но некомпетентные в биол. стороне тех проблем, за решение к-рых они принимались (Галь-тон, Пирсон-особенно в области наследственности). Отсюда проистекло то, что по существу статистически правильное описание явления получало в их трудах биологически совершенно неправильное толкование. В общем, вся история Б. свидетельствует о том, что формально математическое отношение к биометрическому анализу не раз заводило биологию на ложный путь и, во всяком случае, дало для уяснения биол. явлений чрезвычайно мало. Неизмеримо плодотворнее оказалось то направление биометрии (представленное Heinke, Johann-sen"oM и др.), которое в биометрическом методе видит лишь орудие, направляющее и контролирующее чисто биологический анализ явлений. В этом отношении глубоко истинными являются слова Иогансена: «Биологические проблемы должны решаться при помощи математики, но не как математические задачи»; см.Вариационная статистика. Лит.: Л а х т и н Л. К., Кривые распределения и построение для них интерполяционных формул по способам Пирсона и Брунса, М., 1922; Левит-ский Г. А., Элементы биометрики, ч. 1, Статистический анализ явлений изменчивости, Киев, 1922; Леонтович А. В., Элементарное пособие к применению методов Gauss"а и Pearson"а, Киев, 1909--1911; Поморский 10. Л., Вариационная статистика, Л., 1927; Романовский В. И., Элементарный курс математической статистики, М.-Л., 1924; Сапегин А. А., Вариационная статистика, Харьков, 1922; Слуцкий Е. Е., Теория корреляции и элементы учения о кривых распределения, Киев, 1912; Филипченко Ю. А., Изменчивость и методы ее изучения, Основы биологической вариационной статистики, М.-П., 1923; Ч у п р о в А. А., Основные проблемы теории корреляции, О статистическом исследовании связи между явлениями, М., 1924.-Основная иностранная лит.: изд. в Лондоне журнал «Biometrica», основ, в 1902 г. Вельдо-ном, Пирсоном и Гальтоном; Pearson К., целый ряд работ под общим заглавием «Contributions to the mathematical theory ol evolution» в разных англ. период, изданиях (подробнее см. ниже книгу Jule); Johannsen, Elemente der exakten Erb-lichkeitslehre, Jena, 1926; Pol у а G., Wahrschein-lichkeitsrechnung (Handbuch d. biologischen Arbeits-methoden, hcrausg. v. E. Abderhalden, Abt. 5, Teil 2, H. 7, В.-Wien, 1925); Riebesell, Biometrik (ibid.); J u 1 e G. U., An introduction to the theory of statistics, L., 1924.-Вспомогательные таблицы: кроме всевозможных, облегчающих работу, таблиц квадратов, корней и т. п., можно указать-D avenport С. В., Statistical methods. New York, 1904; Pearson К., Tables for statisticians and biometricians, Cambridge, 1914; см. также названную пыше книгу А. В. Леонтовича. С. Четвериков.