Comprenda FAR, FRR, FMR, FNMR y EER en biometría, cómo el umbral afecta la seguridad y la usabilidad, y cómo especificar y probar el rendimiento en control de acceso.
¡Descúbrelo!
FAR, FRR y EER son métricas utilizadas para evaluar el comportamiento de los sistemas biométricos frente a dos errores opuestos: una aceptación indebida y el rechazo de una persona legítima. No deben interpretarse como cifras aisladas de catálogo. En un diseño de control de acceso, el resultado depende de la modalidad biométrica, del algoritmo, de la calidad de captura, de la población, del entorno, del tamaño de la base, del modo 1:1 o 1:N y, principalmente, del umbral utilizado para convertir una puntuación de similitud en una decisión.
La decisión de ingeniería siempre implica un compromiso entre seguridad y usabilidad. Reducir la probabilidad de falsa aceptación generalmente aumenta la probabilidad de falso rechazo; flexibilizar el umbral para reducir filas y rechazos puede elevar el riesgo de aceptación indebida. Por lo tanto, el objetivo no es perseguir de forma independiente el FAR más bajo o el FRR más bajo, sino establecer un punto operativo compatible con el riesgo del acceso y demostrarlo en condiciones representativas del entorno real.
FAR, FRR y EER miden errores diferentes
En biometría, la comparación produce una puntuación de similitud entre una muestra presentada y una referencia biométrica. Esa puntuación se compara con un umbral. Dependiendo de qué lado del umbral se encuentre el resultado, el sistema declara coincidencia o no coincidencia.
La guía completa sobre control de acceso trata la biometría como parte de la arquitectura del sistema; las métricas de rendimiento detalladas aquí constituyen la capa cuantitativa necesaria para especificar y aceptar esa función.
| Métrica | Error representado | Impacto típico |
| FAR / FMR | comparación no genuina aceptada como legítima | riesgo de seguridad |
| FRR / FNMR | usuario legítimo rechazado | impacto operativo y de usabilidad |
| EER | punto en el que ambas tasas se igualan | comparación resumida del rendimiento |
La terminología varía según la fuente y el contexto. NIST utiliza con frecuencia false match rate (FMR) y false non-match rate (FNMR) para describir el rendimiento del comparador. En documentos comerciales, FAR y FRR son muy comunes. Para el diseño, lo esencial es dejar claro exactamente qué tasa se está especificando, cómo se midió y en qué escenario.
FAR representa las falsas coincidencias
False Acceptance Rate describe la proporción de comparaciones no genuinas que el sistema clasifica como coincidencias. En control de acceso, esta métrica permite cuantificar el riesgo estadístico de una decisión biométrica positiva incorrecta.
Una tasa pequeña no significa probabilidad nula. El volumen total de comparaciones, el tamaño de la población y el contexto de uso modifican la interpretación práctica de la métrica. Además, FAR por sí solo no caracteriza todos los fenómenos que pueden ocurrir durante la captura.
FAR y PAD/liveness miden fenómenos diferentes
Una falsa coincidencia estadística ocurre cuando dos muestras diferentes reciben una puntuación superior al umbral. PAD/liveness evalúa, por separado, la autenticidad de la presentación durante la captura. Son capas distintas del sistema y requieren métricas y criterios de aceptación diferentes.
Por ello, un buen resultado de FAR no sustituye la evidencia específica de PAD/liveness. Ambos aspectos deben especificarse y probarse de forma independiente.
FRR representa el rechazo indebido de un usuario legítimo
False Rejection Rate es la tasa de intentos genuinos que el sistema rechaza. Corresponde a una autenticación biométrica legítima que no resulta aceptada aunque el usuario esté correctamente registrado.
Un FRR elevado genera repeticiones, mayor tiempo de transacción, intervención operativa y creación de excepciones. En entornos corporativos, una tasa elevada y recurrente puede degradar la experiencia de uso y fomentar procedimientos alternativos que deben estar gobernados.
El falso rechazo no depende únicamente del algoritmo. La calidad del enrollment, la posición del dedo o del rostro, la iluminación, la humedad, el desgaste de la huella, los equipos de protección individual, el estado del sensor, la distancia, el movimiento y las condiciones ambientales pueden alterar el resultado.
EER es un punto de comparación, no un punto operativo obligatorio
Equal Error Rate es el punto en el que las tasas de false match y false non-match se igualan. Es útil para comparar algoritmos o configuraciones bajo una misma metodología porque resume la relación entre ambos tipos de error en un único punto.
Sin embargo, un sistema real rara vez debe operar exactamente en el EER. Un centro de datos, una sala de valores o un área crítica puede exigir un umbral más conservador frente a falsas coincidencias, aceptando una mayor probabilidad de rechazo legítimo. Un entorno de alto flujo y menor criticidad puede admitir otro equilibrio, siempre que el riesgo haya sido analizado formalmente.
Por lo tanto, EER es un indicador de rendimiento relativo. El punto operativo debe derivarse del requisito de seguridad, no del cruce matemático por conveniencia.
El umbral convierte la puntuación en una decisión
El comparador biométrico normalmente no produce simplemente un resultado de “igual” o “diferente”. Produce una puntuación. El umbral es el límite que convierte esa puntuación en una decisión operativa.
Si se eleva el umbral para exigir mayor similitud, tienden a disminuir las falsas coincidencias y a aumentar los false non-matches. Si se reduce, ocurre el movimiento inverso. Esto explica por qué afirmaciones aisladas como “99,9% de precisión” son insuficientes: sin umbral, población, escenario y definición de la métrica, el porcentaje no describe adecuadamente el rendimiento.
El umbral biométrico es un parámetro de ingeniería: debe derivarse del riesgo del acceso, de la población y del comportamiento operativo esperado, no de un valor predeterminado de fábrica.
FAR y FRR forman una curva de compromiso
Al recorrer distintos valores de umbral surgen diferentes pares de FMR/FNMR. Esta relación puede representarse mediante curvas ROC, DET u otras curvas de rendimiento. Su lectura correcta permite seleccionar un punto operativo de acuerdo con el riesgo.
Desde el punto de vista de ingeniería, no basta preguntar “¿cuál es la precisión?”. Es necesario preguntar:
- cuál es el FMR/FAR con el umbral propuesto;
- cuál es el FNMR/FRR con el mismo umbral;
- qué conjunto de datos se utilizó en la prueba;
- cuál es el tamaño de la galería y de la población;
- qué condiciones de captura se utilizaron;
- qué grupos demográficos participaron;
- si la medición corresponde al algoritmo o al sistema completo;
- si los resultados corresponden a 1:1 o 1:N.
Estas preguntas convierten la contratación de una solución biométrica de una comparación de brochure en una especificación verificable.
FMR y FNMR son preferibles cuando la metodología debe ser rigurosa
En normas y evaluaciones técnicas, la terminología FMR/FNMR ayuda a separar el rendimiento del comparador de la tasa de fallo de transacciones completas. Dependiendo del procedimiento, un intento puede fallar antes de la comparación por problemas de captura, calidad o adquisición.
En el diseño de control de acceso, esta distinción es útil. Un rechazo en una puerta puede resultar de un fallo en la detección del rostro, baja calidad de la muestra, imposibilidad de adquirir la huella, ausencia de template, pérdida de comunicación, política de acceso o false non-match del algoritmo. Tratar todos estos casos como FRR oculta el origen real del problema.
El criterio de aceptación debe separar el rendimiento biométrico del matcher de la tasa de éxito de la transacción de extremo a extremo.
La calidad de la muestra modifica el rendimiento
La biometría compara representaciones extraídas de muestras físicas. Si la captura contiene pocos detalles discriminantes, ruido o distorsión, las distribuciones de puntuaciones genuinas y no genuinas tienden a aproximarse y el compromiso entre los errores empeora.
En huellas dactilares, la calidad puede verse afectada por dedos secos o húmedos, abrasión, suciedad, presión, posición y estado del sensor. En reconocimiento facial, la iluminación, pose, expresión, distancia, enfoque, movimiento, resolución, obstrucciones y geometría de la cámara son variables relevantes.
El Radar Tecnológico de la ANPD refuerza que los algoritmos biométricos están sujetos a errores y que la precisión depende del método, de la tecnología y de la población. Esta advertencia es directamente aplicable al diseño: un resultado de laboratorio no puede trasladarse automáticamente a cualquier entorno.
Un enrollment deficiente contamina todas las comparaciones posteriores
El template de referencia nace del proceso de enrollment. Si el registro se realizó con una muestra inadecuada, baja calidad o un procedimiento inconsistente, cada autenticación futura hereda ese problema.
Por ello, el diseño biométrico debe especificar el proceso de registro, no solo el terminal. Es necesario definir quién puede registrar usuarios, cuántas muestras se obtienen, cómo se verifica la calidad, cómo se tratan las excepciones, cómo se protegen los templates y cómo se realiza un nuevo enrollment cuando el rendimiento se degrada.
El enrollment debe considerarse una etapa de comisionamiento continuo de la identidad. Los usuarios no se “importan” simplemente a una base; sus referencias biométricas deben ser adecuadas al nivel de rendimiento esperado.
1:1 y 1:N cambian el problema estadístico
En la verificación 1:1, la muestra se compara con una referencia asociada a una identidad declarada. En la identificación 1:N, la muestra se compara con una galería de muchos registros para determinar qué identidad presenta la mejor coincidencia.
Cuanto mayor es la galería, mayor es la cantidad de comparaciones realizadas por búsqueda y más importante resulta evaluar el riesgo de identificación falsa positiva. Por ello, las métricas de 1:1 no deben trasladarse directamente a la especificación de un mecanismo 1:N.
La diferencia entre verificación e identificación se desarrolla con mayor profundidad en el artículo específico del cluster, porque afecta arquitectura, rendimiento, privacidad, latencia y gobernanza.
La población de prueba debe representar la población real
Las métricas biométricas dependen de quién fue evaluado. Una muestra pequeña, poco diversa o distinta del público real puede producir una estimación optimista. Edad, características físicas, condiciones de trabajo, tono de piel, uso de EPI y otras variables pueden afectar el comportamiento de determinadas modalidades.
NIST recomienda evaluar el rendimiento y los impactos demográficos en condiciones sustancialmente similares al entorno operativo y a la base de usuarios. La ANPD también señala riesgos de error, sesgos y efectos discriminatorios.
Esto implica que el diseño debe exigir evidencia suficientemente representativa y, cuando sea necesario, un piloto o prueba local. El valor declarado por el fabricante puede servir como referencia, pero no sustituye la validación en la población de interés.
La seguridad y la experiencia del usuario están acopladas
Un umbral extremadamente restrictivo puede parecer seguro sobre el papel, pero generar tantos rechazos que la operación empiece a eludir el sistema. La seguridad efectiva considera el comportamiento inducido por el control.
Si los usuarios legítimos necesitan repetir la autenticación tres o cuatro veces, las filas crecen. En una recepción, el operador puede empezar a liberar accesos manualmente. En una esclusa, aumenta el tiempo de ciclo. En un área industrial, los guantes o las condiciones de trabajo pueden volver impracticable una modalidad.
Lo correcto es establecer una seguridad mínima y después optimizar la usabilidad dentro de ese límite. No es aceptable reducir el umbral únicamente hasta que cesen las quejas sin medir el efecto sobre FMR/FAR.
El impacto de una falsa coincidencia depende del activo protegido
FMR no tiene un significado completo sin considerar la consecuencia. Una falsa coincidencia en el acceso a un área común de oficinas no produce el mismo efecto que una aceptación indebida en una sala de servidores, centro de control, laboratorio, archivo confidencial o área de proceso.
Una matriz de riesgos puede relacionar consecuencia, exposición y exigencia de autenticación. En puntos de mayor criticidad, la biometría puede combinarse con otro factor, reglas de dos personas, zonas de seguridad, VMS y supervisión.
El diseño de control de acceso debe traducir este análisis en un requisito mensurable de rendimiento y en un método de prueba.
MFA reduce la dependencia de una única decisión biométrica
La biometría puede operar como único factor o junto con una tarjeta, PIN o credencial móvil. Cuando el riesgo exige mayor confianza, una arquitectura multifactor reduce la dependencia de una única comparación probabilística.
Sin embargo, MFA no “corrige” automáticamente un matcher deficiente. Un FRR elevado sigue afectando la operación; un proceso de enrollment inadecuado sigue generando fallos. El segundo factor debe formar parte de una arquitectura coherente, no servir de excusa para ignorar el rendimiento biométrico.
También es necesario definir el orden de los factores, timeout, excepciones, contingencia y comportamiento offline.
El entorno de captura debe formar parte de la especificación
La especificación debe incluir condiciones de iluminación, distancia, altura, posición, protección física, temperatura, humedad y exposición cuando afecten a la modalidad elegida.
Para reconocimiento facial, la posición de la cámara y el control del contraluz pueden ser más determinantes que una pequeña diferencia nominal entre algoritmos. Para huellas dactilares, la ergonomía del sensor y el perfil de uso de la población pueden dominar la experiencia.
El criterio de diseño no debe ser “terminal facial con FAR X”. Debe ser “sistema capaz de cumplir el requisito de comparación y transacción en las condiciones operativas definidas”.
El tiempo de comparación también es un requisito
El rendimiento no se limita al error. En aplicaciones de alto flujo, el tiempo entre presentación, comparación, decisión y liberación influye en la capacidad y en la formación de filas. En 1:N, el tamaño de la base y la infraestructura de procesamiento pueden aumentar la latencia.
El diseño debe especificar percentiles de tiempo de respuesta o límites de latencia en condiciones de carga representativas. Los promedios ocultan picos; por ello, un sistema que responde rápidamente en laboratorio puede degradarse cuando hay miles de usuarios registrados y varios puntos de acceso operan simultáneamente.
La seguridad, la precisión y el rendimiento temporal deben probarse conjuntamente.
La disponibilidad de la red modifica el modo de comparación
Los terminales pueden ejecutar la comparación localmente o depender de un servidor. En modo offline, la base disponible, los umbrales y las reglas deben permanecer coherentes. Una arquitectura que cambia silenciosamente de algoritmo o de base durante una contingencia puede presentar un comportamiento diferente precisamente durante un fallo.
La especificación debe definir dónde reside el template, dónde ocurre la comparación, cómo se sincronizan las políticas y qué sucede cuando se pierde la comunicación. Lo mismo se aplica a actualizaciones de firmware o algoritmo: un cambio puede modificar las puntuaciones y exigir una nueva validación.
Una actualización del algoritmo puede cambiar el punto operativo
Una actualización de firmware o software biométrico puede sustituir el algoritmo, el modelo de IA, la normalización o el preprocesamiento. Aunque la interfaz permanezca igual, la distribución de puntuaciones puede cambiar.
Por ello, los parámetros de umbral no deben tratarse como valores permanentes. La gestión de cambios debe registrar versión, configuración, justificación y resultado de nuevas pruebas. Si la actualización altera significativamente el matcher, el sistema debe revalidarse frente a los requisitos originales.
Esta disciplina es especialmente relevante en sistemas enterprise con múltiples sitios, donde una actualización parcial puede generar un comportamiento inconsistente entre puntos de acceso.
Los indicadores operativos complementan las pruebas de laboratorio
Después de la entrada en operación, las métricas reales ayudan a detectar degradación. La tasa de intentos repetidos, rechazos por usuario, fallos por terminal, horario, modalidad y motivo puede revelar problemas de entorno o enrollment.
Sin embargo, los logs operativos no deben interpretarse directamente como FAR, porque no se sabe cuántos intentos correspondieron a comparaciones no genuinas y cuántos fueron genuinos. Son indicadores de transacción y experiencia, útiles para diagnóstico y mantenimiento.
Una gobernanza madura separa métricas de benchmark, métricas de aceptación y métricas de operación.
Cómo convertir FAR y FRR en un requisito de diseño
Una especificación robusta debe evitar porcentajes sin contexto. El requisito debe declarar al menos la modalidad, el modo de comparación, la población, el tamaño de la galería cuando corresponda, el umbral, la condición de prueba y la métrica de aceptación.
| Campo | Ejemplo de requisito técnico |
| Modalidad | rostro, huella dactilar, iris o multimodal |
| Modo | verificación 1:1 o identificación 1:N |
| Métrica | FMR/FAR y FNMR/FRR con el mismo umbral |
| Población | perfil compatible con los usuarios reales |
| Entorno | iluminación, distancia y condiciones definidas |
| Base | tamaño representativo de la operación |
| Latencia | límite medido bajo carga |
| Evidencia | informe de pruebas + logs de FAT/SAT |
No es necesario copiar umbrales de una referencia externa para todas las aplicaciones. NIST, por ejemplo, establece valores para sus propios contextos de identidad digital; son útiles como referencia metodológica, no como sustituto automático del análisis de riesgos del control de acceso físico.
FAT debe probar el comportamiento lógico del matcher
En FAT, el objetivo es verificar configuración, umbral, perfiles, integraciones y escenarios controlados antes de la instalación definitiva. Deben probarse muestras genuinas, intentos no coincidentes, cambios de parámetros, bloqueos, timeout e integración con la decisión de acceso.
FAT también es una oportunidad para registrar la versión del algoritmo, firmware, template y política. Sin esta baseline, un problema futuro puede atribuirse al hardware cuando en realidad se originó en un cambio de configuración.
SAT debe reproducir el entorno real
En SAT, usuarios reales o representativos deben probar el sistema en su ubicación definitiva. Iluminación, altura, flujo, distancia, ergonomía, ruido y condiciones de trabajo deben ser similares a las de operación.
El comisionamiento de sistemas de control de acceso conforme a IEC 60839 proporciona la estructura general de verificación. Para biometría, el plan de pruebas debe añadir métricas de captura, comparación y transacción.
Es especialmente importante registrar los falsos non-matches observados, la necesidad de repetición y las causas aparentes. El objetivo no es “demostrar que funciona”, sino descubrir en qué condiciones deja de funcionar.
La aceptación de la biometría debe demostrar rendimiento en el entorno real, con población, base, iluminación, carga y parámetros representativos de la operación.
Los criterios de aceptación no deben depender de una demostración comercial
Una demostración con pocos usuarios previamente registrados y en condiciones controladas tiene un valor limitado. La aceptación debe utilizar un guion, muestra, población, base, parámetros y evidencias definidos antes de la prueba.
El proveedor debe informar qué métrica presenta y cómo llegó al valor. Expresiones como “precisión del 99,99%” o “tasa de reconocimiento superior al 99%” no son suficientes si no existe una definición de falsa coincidencia, falso non-match, umbral y protocolo.
La ingeniería independiente protege al contratante frente a la comparación de cifras que no son técnicamente comparables.
La biometría es un dato personal sensible
El tratamiento de templates, imágenes y demás datos biométricos debe considerar la LGPD brasileña. La ANPD clasifica los datos biométricos como datos personales sensibles y llama la atención sobre finalidad, necesidad, seguridad, intercambio, transparencia y riesgos de error.
El requisito de rendimiento no elimina la obligación de gobernanza. Al contrario: cuanto mayor sea la escala de la base y el impacto de las decisiones automatizadas, más importante resulta documentar finalidad, acceso, retención y controles de seguridad.
El artículo Biometría y Reconocimiento Facial: riesgos, LGPD y buenas prácticas profundiza esta dimensión jurídica y de gobernanza.
Cuando la biometría integra identidad, software, red y decisión física, el diseño debe tratar el rendimiento, la protección de datos y la integración como una única arquitectura verificable.
Las métricas demográficas deben formar parte de la evaluación
Una tasa global puede ocultar un comportamiento desigual entre grupos. Si un sistema presenta un FNMR significativamente peor para parte de la población, el efecto operativo y potencialmente discriminatorio puede ser relevante incluso cuando el promedio parece adecuado.
NIST incluye la evaluación del impacto demográfico en sus requisitos actuales de identidad digital. Para control de acceso, la lección metodológica es clara: siempre que la modalidad o el contexto lo justifiquen, la muestra de prueba debe permitir verificar si el error se concentra en un grupo específico.
Esto no significa modificar el umbral por grupo; significa exigir un algoritmo y un proceso que funcionen adecuadamente en la población real.
EER no sustituye a ROC o DET
Dos algoritmos pueden presentar valores de EER similares y comportamientos distintos en la región de bajo FMR que interesa a una aplicación de alta seguridad. Por lo tanto, comparar únicamente EER puede ocultar la parte relevante de la curva.
Cuando la consecuencia de una falsa coincidencia es elevada, debe evaluarse FNMR en el FMR objetivo, o a la inversa. Este punto operativo es más útil que un único valor de equilibrio.
Los errores de adquisición deben separarse de los errores de comparación
Si la cámara no detecta un rostro, el sensor no captura la huella o la calidad queda por debajo del mínimo, no necesariamente se ha producido un false non-match del matcher. Puede tratarse de un fallo de adquisición o de calidad.
Separar las categorías permite actuar sobre la causa correcta. Mejorar el algoritmo no resuelve un sensor mal instalado; reducir el umbral no corrige la iluminación; repetir el enrollment no resuelve la latencia de red.
En contratos, la matriz de pruebas debe registrar la causa técnica del resultado y no solo “aprobado/reprobado”.
La disponibilidad de una alternativa también influye en el umbral
En algunos entornos, un falso rechazo puede resolverse mediante un segundo intento o un factor alternativo con bajo impacto. En otros, cada fallo exige intervención de seguridad o detiene la operación. Esta diferencia influye en el compromiso aceptable entre FMR y FNMR.
La arquitectura puede prever un fallback controlado: credencial física + PIN, validación por operador, doble autenticación o procedimiento de excepción. El fallback debe estar tan gobernado como el flujo principal para no convertirse en el camino más débil del sistema.
El tamaño de la base debe aparecer en el diseño
En 1:N, la galería operativa es una variable de diseño. Probar con 1.000 registros y operar con 100.000 puede modificar la latencia y la probabilidad de una identificación falsa positiva. La base de prueba debe ser representativa del tamaño previsto.
Cuando el crecimiento es relevante, el diseño debe prever hitos de capacidad y revalidación. Esto se aplica tanto a terminales con matching local como a servidores centralizados.
No existe una única “tasa de precisión” universal
La pregunta “¿cuál es la precisión de la biometría?” es incompleta. Existen diferentes modalidades, algoritmos, umbrales, poblaciones, condiciones de captura y tipos de comparación. Un mismo sistema puede presentar un excelente rendimiento en 1:1 y un comportamiento distinto en una búsqueda 1:N a gran escala.
La especificación correcta utiliza métricas definidas, condiciones definidas y criterios de prueba reproducibles. Ese es el camino para comparar propuestas técnicamente y aceptar el sistema con trazabilidad.
Checklist para especificar el rendimiento biométrico
- definir el caso de uso y el activo protegido;
- elegir la modalidad adecuada al entorno y a la población;
- declarar si la operación es 1:1 o 1:N;
- especificar FMR/FAR y FNMR/FRR con el mismo umbral;
- utilizar EER únicamente como indicador comparativo, cuando corresponda;
- registrar la calidad mínima de enrollment y captura;
- definir el tamaño de la galería y la carga de prueba;
- probar condiciones ambientales representativas;
- verificar el comportamiento en grupos relevantes de la población;
- separar fallos de adquisición, comparación y política;
- definir fallback y tratamiento de excepciones;
- registrar versión de algoritmo, firmware y configuración;
- realizar FAT y SAT con un guion aprobado;
- mantener indicadores operativos y gestión de cambios.
Consideraciones finales
FAR, FRR y EER solo adquieren significado cuando se asocian con un umbral, una población, una modalidad, una escala y un contexto operativo. En ingeniería de control de acceso, el error no es una característica abstracta del algoritmo: se convierte en riesgo de intrusión, filas, bypass, coste operativo y experiencia del usuario.
El diseño debe sustituir porcentajes genéricos por requisitos verificables. La lógica es sencilla: definir el riesgo, seleccionar el punto operativo, demostrar el rendimiento en un escenario representativo y mantener la trazabilidad siempre que cambien el algoritmo, el entorno o la población.
Referencias técnicas
[1] NIST. NISTIR 7298 Revision 1 — Glossary of Key Information Security Terms. Definiciones de False Acceptance Rate y False Rejection Rate. Disponible en: https://nvlpubs.nist.gov/nistpubs/Legacy/IR/nistir7298r1.pdf
[2] NIST. A Tale of Two Errors: Measuring Biometric Algorithms. Gaithersburg: National Institute of Standards and Technology. Disponible en: https://www.nist.gov/blogs/taking-measure/tale-two-errors-measuring-biometric-algorithms
[3] NIST. Digital Identity Guidelines — SP 800-63B. Biometric Accuracy. Disponible en: https://pages.nist.gov/800-63-4/sp800-63b.html
[4] ANPD. Radar Tecnológico nº 2: Biometria e Reconhecimento Facial. Brasília, 2024. Disponible en: https://www.gov.br/anpd/pt-br/centrais-de-conteudo/documentos-tecnicos-orientativos/radar-tecnologico-biometria-anpd.pdf/@@display-file/file
[5] SUPREMA. Curso de Control de Acceso y Biometría. Material técnico de capacitación consultado en la base interna de A3A Engenharia.
Preguntas frecuentes
FAR/FMR mide la aceptación indebida de una comparación no genuina; FRR/FNMR mide el rechazo indebido de una comparación genuina. Cambiar el umbral normalmente desplaza el compromiso entre ambas tasas.
No de forma aislada. Reducir FAR puede aumentar FRR y volver impracticable la operación. El punto adecuado depende del riesgo, del entorno, de la población y del modo de comparación.
Es el punto en el que las tasas de false match y false non-match se igualan. Sirve como indicador comparativo, pero no significa que el sistema deba operar con ese umbral.
No. FAR/FMR mide falsas coincidencias en comparaciones biométricas. Los ataques de presentación se evalúan mediante mecanismos y métricas de PAD/liveness, tratados por separado.
No. La calidad de captura, la población, la iluminación, la ergonomía, el tamaño de la base y las condiciones operativas pueden modificar el rendimiento. El diseño debe prever una validación representativa en FAT y SAT.
Materiales técnicos complementarios
Contenidos principales sobre el tema
Contenidos técnicos relacionados
- Biometría y Reconocimiento Facial: riesgos, LGPD y buenas prácticas para un uso responsable
- Torniquete con reconocimiento facial: flujo, biometría y criterios de diseño
Servicios relacionados
- Diseño de Control de Acceso: arquitectura, dispositivos, integración y especificación
- Comisionamiento
