Биометрические системы аутентификации на основе электрокардиограммы (ЭКГ): анализ уязвимостей и методы повышения надежности

Рассмотрено современное направление развития биометрических технологий — системы аутентификации на основе электрокардиограммы (ЭКГ). Данный метод привлекает внимание исследователей благодаря уникальности электрической активности сердца каждого человека и относительной устойчивости этой характеристики к подделке по сравнению с традиционными биометрическими параметрами (отпечатки пальцев, радужная оболочка, голос). Вместе с тем практическое применение ЭКГ-аутентификации сопряжено с рядом уязвимостей. В статье рассмотрены основные угрозы безопасности, включая возможность искусственного воспроизведения сигналов, влияние шумов и артефактов при съеме данных, снижение точности при изменении физиологического состояния пользователя, а также риски компрометации биометрических шаблонов при хранении и передаче. Проанализированы современные методы повышения надежности систем ЭКГ-аутентификации. К ним относятся: применение алгоритмов адаптивной фильтрации и многоканальной обработки сигналов, использование методов машинного обучения для выделения устойчивых признаков, криптографическая защита биометрических шаблонов, а также интеграция с дополнительными факторами аутентификации. Отдельное внимание уделено концепции многоуровневой защиты, где ЭКГ используется как один из элементов комплексной биометрической системы, обеспечивающей баланс между удобством использования и уровнем безопасности. Сделан вывод, что перспективность ЭКГ-аутентификации напрямую зависит от развития методов защиты от атак воспроизведения, повышения помехоустойчивости при регистрации сигналов, а также от внедрения современных криптографических протоколов для защиты биометрических данных. Таким образом, комбинирование физиологических характеристик с поведенческими и традиционными факторами аутентификации представляет собой наиболее эффективный подход к созданию надежных и практичных систем идентификации пользователей.

Литература

[1] Jain A.K., Ross A., Nandakumar K. Introduction to Biometrics. Springer, 2011.

[2] Labati R.D., Mu?oz E., Piuri V., Sassi R., Scotti F. Heartprint: ECG biometric recognition. Biometric Recognition. Springer, 2017, pp. 331–343.

[3] Хусаинов Ф.Ф., Гилязов Т.Ф. Методы биометрической идентификации личности на основе сигналов электрокардиограммы. Известия Казанского государственного технического университета им. А.Н. Туполева, 2019, т. 23, № 2, с. 45–53.

[4] Сивцов С.А., Соловьев А.Н. Биометрическая аутентификация на основе электрокардиографических сигналов. Научно-технический вестник информационных технологий, механики и оптики, 2020, т. 20, № 3, с. 423–431.

[5] Agrafioti F., Hatzinakos D., Anderson A.K. ECG pattern analysis for emotion detection. IEEE Transactions on Affective Computing, 2012, vol. 3 (1), pp. 102–115.

[6] Odinaka I., Lai P.-H., Kaplan A. D., O’Sullivan J.A., Sirevaag E.J., Rohrbaugh J.W. ECG biometrics: A robust short-time frequency analysis. IEEE Transactions on Information Forensics and Security, 2012, vol. 7 (6), pp. 1687–1698.

[7] Plataniotis K.N., Hatzinakos D. ECG biometric recognition in identity management. IEEE Signal Processing Magazine, 2015, vol. 32 (6), pp. 95–102.

[8] Biel L., Pettersson O., Philipson L., Wide P. ECG analysis: A new approach in human identification. IEEE Transactions on Instrumentation and Measurement, 2001, vol. 50 (3), pp. 808–812.

[9] Martinez J.P., Almeida R., Olmos S., Rocha A.P., Laguna P. A wavelet-based ECG delineator: Evaluation on standard databases. IEEE Transactions on Biomedical Engineering, 2004, vol. 51 (4), pp. 570–581.

[10] ISO/IEC 30107-1:2023. Information technology — Biometric presentation attack detection Part 1: Framework. URL: https://www.iso.org/obp/ui/en/#iso:std:iso-iec:30107:-1:ed-2:v1:en (accessed October 15, 2025).