Sai số sinh trắc học gồm hai loại ngược chiều nhau: tỷ lệ chấp nhận sai (FAR) là khả năng máy nhận nhầm một người lạ thành bạn, và tỷ lệ từ chối sai (FRR) là khả năng máy không nhận ra chính bạn. Bên vận hành chỉnh ngưỡng để cân hai loại lỗi này, nên một con số "chính xác 99,9%" đứng một mình gần như không nói lên điều gì.
Bài này dành cho người dùng muốn hiểu vì sao bị từ chối, cho người phụ trách hành chính đang chọn máy chấm công khuôn mặt, và cho nhân viên ngân hàng, cửa hàng phải giải thích cho khách. Không có công thức khó; chỉ cần nắm vài khái niệm là bạn đọc được tài liệu quảng cáo một cách tỉnh táo.
Vì sao sinh trắc luôn có sai số
Mật khẩu là so sánh tuyệt đối: đúng từng ký tự thì vào, sai một ký tự thì không. Sinh trắc thì khác. Mỗi lần bạn quét mặt hay chạm vân tay là một lần đo mới, với ánh sáng, góc, độ ẩm, tư thế khác lần trước. Hai lần đo của cùng một người không bao giờ giống nhau hoàn toàn, nên máy không hỏi "có giống hệt không" mà hỏi "có đủ giống không".
Để trả lời câu đó, máy tính ra một điểm số, ví dụ từ 0 đến 1, càng cao càng giống. Điểm của chính chủ thường cao nhưng dao động; điểm của người lạ thường thấp nhưng thỉnh thoảng có người trông khá giống nên điểm cao bất thường. Hai đám điểm này chồng lên nhau một phần, và vùng chồng lấn đó chính là nơi sinh ra lỗi.
Bên vận hành phải chọn một ngưỡng: điểm trên ngưỡng thì chấp nhận. Đặt ngưỡng cao thì người lạ khó lọt, nhưng chính chủ có lúc cũng bị chặn. Đặt ngưỡng thấp thì chính chủ ít bị làm phiền, nhưng người lạ dễ lọt hơn. Không có ngưỡng nào làm cả hai loại lỗi bằng không, trừ khi thuật toán hoàn hảo, và chưa có thuật toán nào như vậy.
Các chỉ số bạn sẽ gặp trong tài liệu kỹ thuật
Tài liệu kỹ thuật và báo cáo đánh giá dùng nhiều tên gọi khác nhau cho cùng một ý. Bảng dưới gom lại những chỉ số phổ biến nhất.
| Chỉ số | Nghĩa | Ai chịu hậu quả khi chỉ số cao |
|---|---|---|
| FAR hoặc FMR | Tỷ lệ chấp nhận sai, tỷ lệ khớp sai: người lạ được nhận là chính chủ | Chủ tài khoản và tổ chức, vì có người vào trái phép |
| FRR hoặc FNMR | Tỷ lệ từ chối sai, tỷ lệ không khớp sai: chính chủ bị từ chối | Người dùng, vì mất thời gian, bực bội, phải ra quầy |
| EER | Điểm mà FAR bằng FRR khi dịch ngưỡng; dùng để so nhanh hai thuật toán | Chỉ dùng để so sánh, không phải ngưỡng vận hành thật |
| FTE | Tỷ lệ không đăng ký được: người không tạo được mẫu, ví dụ vân tay quá mờ | Nhóm người dễ bị bỏ lại, cần phương án thay thế |
| APCER, BPCER | Chỉ số của lớp kiểm tra người thật: để lọt ảnh giả và chặn nhầm người thật | Như FAR và FRR nhưng cho tấn công giả mạo |
Khi đọc một báo cáo, câu hỏi đầu tiên luôn là: FRR đo ở mức FAR bằng bao nhiêu. Một thuật toán có FRR rất thấp ở mức FAR một phần nghìn có thể kém hơn nhiều so với thuật toán khác ở mức FAR một phần triệu. Hai con số phải đi cặp mới có nghĩa.
Đọc con số "chính xác 99,9%" thế nào cho đúng
Hỏi chính xác theo nghĩa nào. Con số 99,9% có thể là tỷ lệ chính chủ được nhận, có thể là tỷ lệ người lạ bị chặn, có thể là trung bình gì đó. Tài liệu không nói rõ thì con số đó chưa dùng để so sánh được.
Hỏi đo trên dữ liệu nào. Đo trong phòng thí nghiệm với ảnh chụp chuẩn, ánh sáng đẹp khác hẳn đo ở cổng nhà máy lúc năm giờ sáng với công nhân đội mũ bảo hộ. Một số đánh giá độc lập, như chương trình đánh giá thuật toán nhận diện khuôn mặt của viện tiêu chuẩn Mỹ (NIST), công bố kết quả trên nhiều tập dữ liệu khác nhau để thấy rõ khác biệt này.
Hỏi quy mô kho. Với nhận dạng một với nhiều, kho càng lớn thì càng dễ có người trông giống. Máy chấm công cho ba mươi người và hệ thống tìm người trong kho một triệu mẫu cần thuật toán ở đẳng cấp rất khác nhau, dù cùng được gọi là "nhận diện khuôn mặt".
Đổi phần trăm ra số người. Một ví dụ giả định: máy chấm công có FRR 1%, công ty 200 công nhân, mỗi người chấm hai lần một ngày. Mỗi ngày trung bình khoảng bốn lượt chính chủ bị từ chối, cần người xử lý. Nhìn bằng số người như vậy giúp bạn đánh giá đúng gánh nặng vận hành.
Ngưỡng khác nhau cho việc khác nhau
Cùng một thuật toán, mỗi loại việc nên đặt ngưỡng khác. Bảng dưới là cách tư duy, không phải con số áp dụng chung.
| Việc | Ưu tiên | Cách đặt ngưỡng thường gặp | Bù đắp |
|---|---|---|---|
| Mở khoá màn hình điện thoại | Tiện lợi, nhưng vẫn phải chặn người lạ | Vừa phải | Sai vài lần thì bắt nhập mã PIN |
| Xác thực chuyển khoản số tiền lớn | Chặn người lạ | Chặt | Chính chủ bị từ chối thì có kênh hỗ trợ, quầy giao dịch |
| Chấm công tại nhà máy | Nhanh, ít ách tắc giờ cao điểm | Nới hơn | Camera ghi hình, quản lý đối chiếu khi có nghi vấn |
| Cửa phòng máy chủ, kho quý | Chặn người lạ tuyệt đối | Rất chặt | Kết hợp thẻ, mã PIN, người trực |
| Gợi ý gắn tên bạn bè trong ảnh | Tiện lợi, sai không hại lớn | Lỏng | Người dùng tự xác nhận |
Đây cũng là lý do bạn có thể mở khoá điện thoại bằng mặt rất dễ nhưng lại bị ứng dụng ngân hàng từ chối ngay sau đó. Hai bên dùng thuật toán khác nhau và quan trọng hơn là ngưỡng khác nhau cho mục đích khác nhau.
Sai số không chia đều cho mọi người
Một điểm ít được nói tới: tỷ lệ lỗi trung bình có thể đẹp, nhưng một số nhóm người lại chịu lỗi nhiều hơn hẳn. Các đánh giá độc lập về thuật toán nhận diện khuôn mặt từng ghi nhận chênh lệch độ chính xác theo độ tuổi, giới tính và nhóm sắc tộc ở nhiều thuật toán, tuy mức chênh khác nhau rất nhiều giữa các nhà phát triển. Với vân tay, người cao tuổi và người lao động tay chân thường có tỷ lệ không đăng ký được và từ chối sai cao hơn.
Ở Việt Nam, hệ quả thực tế dễ thấy là người già ở nông thôn, người làm nghề nặng nhọc hay bị ứng dụng từ chối, phải nhờ con cháu hoặc ra quầy. Nếu một tổ chức chỉ nhìn con số trung bình, họ sẽ không thấy được nhóm người này đang gặp khó. Đơn vị triển khai có trách nhiệm đo lỗi theo từng nhóm người dùng của mình và chuẩn bị phương án thay thế.
Với người dùng, điều cần nhớ là bị từ chối nhiều lần không có nghĩa bạn làm sai hay tài khoản có vấn đề. Đó có thể là giới hạn của hệ thống với điều kiện của bạn. Hãy đăng ký lại cẩn thận, thử ở điều kiện ánh sáng tốt, và nếu vẫn không được thì yêu cầu kênh hỗ trợ trực tiếp, đó là quyền chính đáng của bạn.
Giải thích cho khách bị từ chối: gợi ý cho nhân viên quầy
Bắt đầu bằng việc trấn an. Khách bị máy từ chối thường lo tài khoản có vấn đề hoặc nghĩ mình bị nghi ngờ. Một câu đơn giản như "máy đo theo xác suất nên đôi khi không nhận ra chính chủ, không phải lỗi của anh chị" giúp cuộc nói chuyện nhẹ đi rất nhiều.
Hỏi về hoàn cảnh, không hỏi về con người. Hỏi khách đã quét ở đâu, ánh sáng thế nào, có đeo kính, khẩu trang không, máy có bị nứt camera không. Tránh những câu như "có phải anh chị dùng máy người khác không", vì nghe như buộc tội.
Đưa ra cách khắc phục theo thứ tự. Đổi chỗ có ánh sáng tốt, lau camera, đăng ký lại mẫu, cập nhật ứng dụng. Chỉ khi đã thử hết mới chuyển sang quy trình xác minh tại quầy theo hướng dẫn nội bộ của đơn vị.
Không hứa điều mình không quyết được. Nhân viên không nên nói "để em hạ yêu cầu cho anh chị" hay "lần sau không cần quét nữa". Ngưỡng và quy định xác thực do đơn vị và quy định pháp luật đặt ra, không phải do người ngồi quầy.
Ghi nhận để cải thiện. Mỗi ca từ chối lặp lại nên được ghi lại theo mẫu nội bộ, không ghi thêm dữ liệu sinh trắc. Khi gom đủ nhiều, bộ phận kỹ thuật mới thấy được nhóm khách nào đang gặp khó.
Đo tỷ lệ từ chối thực tế trước khi mua thiết bị sinh trắc
Nếu bạn phụ trách mua máy chấm công khuôn mặt hoặc vân tay, đừng chỉ đọc con số độ chính xác trên tờ giới thiệu. Có thể tự thử theo trình tự sau trước khi ký mua số lượng lớn.
- Xin máy dùng thử một tuần ở đúng vị trí sẽ lắp, đúng giờ cao điểm, với nhân viên thật đã đồng ý tham gia thử.
- Ghi lại mỗi lượt bị từ chối: ai, giờ nào, ánh sáng ra sao, có đội mũ, đeo khẩu trang không. Một bảng tính đơn giản là đủ.
- Thử chiều ngược lại có kiểm soát: nhờ vài người cố ý chấm hộ nhau, ghi xem máy có nhận nhầm không. Chỉ làm trong khuôn khổ thử máy, có thông báo trước.
- Hỏi nhà cung cấp máy lưu mẫu ở đâu, có mã hoá không, xoá thế nào khi nhân viên nghỉ việc, ai được truy xuất.
- Hỏi có điều chỉnh ngưỡng được không và ai được điều chỉnh. Ngưỡng do nhân viên kỹ thuật bên bán tự chỉnh mà công ty không biết là điều nên tránh.
- Chuẩn bị quy trình cho người không chấm được: ký sổ, quản lý xác nhận, để không ai bị trừ công vì lỗi máy.
Bạn có thể nhờ chatbot dựng mẫu bảng theo dõi thử máy và tính tỷ lệ từ chối sau một tuần. Câu lệnh mẫu: "Tạo cấu trúc bảng theo dõi thử máy chấm công khuôn mặt một tuần, các cột gồm ngày, ca, mã nhân viên đã mã hoá, kết quả, điều kiện ánh sáng, ghi chú; thêm công thức tính tỷ lệ từ chối theo ca và theo điều kiện." Đừng đưa họ tên thật của nhân viên vào chatbot; dùng mã thay thế.
Câu hỏi thường gặp
FAR và FRR cái nào quan trọng hơn?
Tuỳ việc. Với tiền bạc và cửa an ninh, FAR thấp quan trọng hơn vì một lần lọt người lạ gây thiệt hại lớn. Với chấm công hay mở khoá hằng ngày, FRR thấp quan trọng vì người dùng bị từ chối liên tục sẽ bỏ dùng hoặc tìm cách lách.
Vì sao điện thoại nhận mặt dễ mà ngân hàng lại khó?
Hai bên dùng thuật toán và ngưỡng khác nhau cho mục đích khác nhau. Ngân hàng thường đặt ngưỡng chặt hơn và thêm kiểm tra người thật kỹ hơn, vì hậu quả của việc nhận nhầm là mất tiền, không chỉ là mở màn hình.
Máy quảng cáo chính xác 99,9% có đáng tin không?
Con số đó chưa đủ để đánh giá nếu không biết đó là tỷ lệ gì, đo ở mức FAR nào, trên tập dữ liệu nào, trong điều kiện nào. Hãy hỏi nhà cung cấp cặp số FAR và FRR, cùng điều kiện thử nghiệm.
Bị từ chối nhiều lần có bị khoá tài khoản không?
Nhiều ứng dụng khoá tạm chức năng sinh trắc sau một số lần thất bại liên tiếp để chống thử dò. Đó là biện pháp bảo vệ. Bạn thường mở lại được bằng mật khẩu, mã PIN hoặc qua kênh hỗ trợ chính thức.
EER thấp có nghĩa là máy tốt không?
EER thấp cho thấy thuật toán phân biệt người tốt hơn nói chung, nên hữu ích để so hai thuật toán. Nhưng máy không vận hành ở điểm EER mà ở ngưỡng do bên triển khai chọn, nên vẫn cần biết FAR và FRR tại ngưỡng thật.
Có cách nào giảm từ chối sai mà không làm máy kém an toàn?
Có: cải thiện điều kiện thu nhận như ánh sáng, vị trí lắp, vệ sinh cảm biến, và đăng ký mẫu cẩn thận. Những việc này giảm từ chối sai mà không cần hạ ngưỡng, nên không làm tăng khả năng chấp nhận nhầm người lạ.