ما المقصود بمعدل الرفض الخاطئ (FRR) وما أهميته؟
هل سبق لك أن عُجزت عن الوصول إلى هاتفك لأنه لم يتعرف على وجهك؟ هذا هو معدل الرفض الخاطئ (FRR) في الواقع — وهو مؤشر لا يمكنك تجاهله، لا سيما في عملية اتخاذ القرار وتقييم الدقة.
يُعد معدل الرفض الخاطئ (FRR)، وهو مقياس شائع الاستخدام في مجال القياسات الحيوية، عاملاً أساسياً في التحقق من صحة الهويات بشكل عام، ولا سيما وثائق الهوية. وهو يقيس معدل رفض النظام الخاطئ للهويات الصحيحة. وبعبارة أخرى، فإنه يشير إلى احتمالية قيام النظام برفض هوية حقيقية.
يكتسب هذا المقياس أهمية خاصة عند التحقق من صحة وثائق الهوية، مثل جوازات السفر أو رخص القيادة، حيث يضمن عدم منح حق الوصول إلى خدمات أو مناطق معينة إلا للأفراد الذين يحملون وثائق هوية صالحة.
في هذا المقال، سنتعمق في معنى مصطلح «معدل الرفض الصحيح» (FRR)، وكيف يختلف عن «معدل القبول الخاطئ» (FAR)، ولماذا يُعد فهم هذه المقاييس أمرًا مهمًا بالنسبة لك ولشركتك. فلنبدأ.
ما هو معدل الرفض الخاطئ؟
يقيس معدل الرفض الخاطئ (FRR) عدد المرات التي يرفض فيها النظام خطأً مستخدمًا شرعيًا أو مصرحًا له. وفي الأنظمة البيومترية، يمكن أيضًا وصف الرفض الخاطئ بأنه «عدم تطابق خاطئ»، ويُشار إلى هذا المقياس بمعدل عدم التطابق الخاطئ (FNMR).
في مصطلحات التصنيف الإحصائي، يمكن أيضًا اعتبار الرفض الخاطئ خطأً من النوع الثاني، أو نتيجة سلبية خاطئة، لأن النظام يفشل في التعرف على تطابق صحيح. وبالمقارنة، فإن القبول الخاطئ يشبه عمومًا النتيجة الإيجابية الخاطئة، أو الخطأ من النوع الأول، لأن المستخدم غير المصرح له يتم قبوله بشكل خاطئ.
كيف يتم حساب معدل الرفض الخاطئ؟
يُحسب معدل الرفض الخاطئ بقسمة عدد المحاولات الصحيحة التي تم رفضها خطأً على إجمالي عدد المحاولات الصحيحة، ثم ضرب الناتج في 100:
معدل الرفض الخاطئ (FRR) = (عدد حالات الرفض الخاطئ ÷ إجمالي المحاولات الصحيحة) × 100
على سبيل المثال، لنفترض أن 1,000 مستخدم شرعي حاولوا إتمام عملية التحقق من الهوية، وتم رفض 30 منهم عن طريق الخطأ. سيكون معدل الرفض الخاطئ كما يلي:
معدل العائد على رأس المال (FRR) = (30 ÷ 1,000) × 100 = 3%
وهذا يعني أن النظام رفض خطأً 3% من محاولات التحقق الصحيحة.
يعني انخفاض معدل القبول الخاطئ (FRR) عمومًا أن عددًا أقل من المستخدمين الشرعيين يواجهون عقبات لا داعي لها. ومع ذلك، لا ينبغي تقييم معدل القبول الخاطئ (FRR) بمعزل عن العوامل الأخرى. فقد يؤدي تعديل نظام التحقق لقبول المزيد من المستخدمين إلى زيادة معدل القبول الخاطئ (FAR)، الذي يقيس مدى تكرار قبول المحاولات غير الصالحة أو غير المصرح بها بشكل خاطئ. ويعتمد التوازن المناسب على حالة الاستخدام الخاصة بالمؤسسة، ومدى تحملها للمخاطر، وتجربة العملاء المرجوة.
ما الفرق بين معدل الرفض الخاطئ (FRR) ومعدل القبول الخاطئ (FAR)؟
يُعد كل من معدل الرفض الخاطئ (FRR) ومعدل القبول الخاطئ (FAR) مؤشرين أساسيين في الأنظمة المصممة للتحقق من الهوية، لكنهما يخدمان أغراضًا مختلفة. يقيس معدل الرفض الخاطئ (FRR) عدد المرات التي يرفض فيها النظام المستخدمين الشرعيين عن طريق الخطأ. وقد يشكل ارتفاع معدل الرفض الخاطئ (FRR) مشكلة كبيرة، لأنه يعني أن النظام يتسم بقدر زائد من التشكك، إلى درجة أنه يرفض حتى الأشخاص الذين ينبغي أن يُسمح لهم بالدخول.
من ناحية أخرى، يقيس معدل القبول الخاطئ (FAR) عدد المرات التي يقبل فيها النظام عن طريق الخطأ مستخدمين غير مصرح لهم. ويُعد ارتفاع معدل القبول الخاطئ (FAR) مؤشراً خطيراً على الصعيد الأمني، فهو يشير إلى أن نظامك يتسم بقدر مفرط من الثقة، مما يسمح بدخول أشخاص لا ينبغي أن يكونوا هناك.
ومع ذلك، فإن معدل الرفض الحقيقي (FRR) ومعدل القبول الحقيقي (FAR) ليسا المؤشرين الوحيدين المستخدمين في تقييم أنظمة الهوية والأمن. فمعدل القبول الحقيقي (TAR) ومعدل الرفض الحقيقي (TRR) هما أيضًا معياران مهمان. يقيس معدل القبول الحقيقي (TAR) النسبة التي يتم بها قبول المستخدمين الحقيقيين بشكل صحيح من قبل النظام، بينما يقيس معدل الرفض الحقيقي (TRR) النسبة التي يتم بها رفض المحتالين بشكل صحيح. وتوفر هذه المقاييس صورة أكثر اكتمالاً عن دقة النظام.
ولكن عندما يتعلق الأمر بالتحقق من الهوية، غالبًا ما يُعد معدل FAR أحد أهم المؤشرات التي يجب أخذها في الاعتبار.
كيف تؤثر لوائح القواعد الفيدرالية (FAR) ولوائح القواعد الفيدرالية الخاصة (FRR) على بعضهما البعض؟
التفاعل بين معدل FAR ومعدل FRR أمر بالغ الأهمية. وتتأثر هذه المعدلات بالقيمة الحدية المحددة في النظام.
تخيل أن قيمة العتبة هي بمثابة حارس عند الباب. إذا حددت هذه القيمة عند مستوى منخفض جدًّا، فستقلل من معدل رفض المستخدمين الشرعيين (FRR)، لكن قد ينتهي بك الأمر إلى ارتفاع معدل قبول المستخدمين غير المصرح لهم (FAR)، مما يسمح بدخول أشخاص غير مصرح لهم. أما إذا حددت هذه القيمة عند مستوى مرتفع جدًّا، فسيحدث العكس: ستزيد من معدل رفض المستخدمين الشرعيين (FRR) من خلال رفض دخول المستخدمين الشرعيين.
وفيما يتعلق بنقطة تقاطع هذه الخطوط، يُشار إلى تلك النقطة غالبًا بمصطلح «معدل الخطأ المتساوي» (EER)، حيث يتساوى كل من معدل رفض الخطأ (FRR) ومعدل قبول الخطأ (FAR). وهو مقياس مفيد لتحديد قيمة عتبة متوازنة لا تؤثر سلبًا بشكل كبير على الأمان أو تجربة المستخدم.
ما الذي يتسبب في ارتفاع معدل الرفض الخاطئ؟
لا ترجع حالات الرفض الخاطئة دائمًا إلى مشكلة واحدة. فقد تتأثر دقة نظام التحقق من الهوية أو نظام التحقق البيومتري بجودة المعلومات التي يتلقاها، وخصائص المستخدم، والظروف البيئية، ومدى تطور التكنولوجيا المستخدمة في تقييم محاولة التحقق.
العوامل البيئية والعوامل المتعلقة بجودة الصيد
قد تؤدي رداءة جودة المدخلات إلى زيادة الصعوبة التي يواجهها نظام التحقق في تقييم المستخدم الشرعي بدقة. وفي مجال التعرف على الوجه والتحقق من الهوية، يمكن لعوامل مثل الإضاءة السيئة، أو الوهج، أو عدم الوضوح، أو جودة الكاميرا، أو الوضع غير الصحيح، أو المعلومات المحجوبة جزئيًا أن تقلل من جودة البيانات المتاحة للنظام.
ويطرح التقاط المستندات تحديات مماثلة. فعلى سبيل المثال، قد يكون من الصعب تحليل وثيقة هوية صالحة تم تصويرها في إضاءة سيئة أو من زاوية غير معتادة بدقة. ولذلك، فإن تحسين جودة التقاط الصور قبل عملية التحقق يمكن أن يلعب دورًا مهمًا في الحد من حالات الرفض الخاطئة التي يمكن تجنبها.
العوامل المتعلقة بالمستخدم
الخصائص البيومترية ليست بالضرورة ثابتة. فقد يؤثر التقدم في العمر، وشعر الوجه، والمكياج، والإصابات، والتغيرات في المظهر، والنظارات، وغيرها من الاختلافات الجسدية، على مدى تشابه العينة البيومترية الجديدة مع المعلومات التي تم تسجيلها سابقًا.
قد يكون لسلوك المستخدم دورٌ أيضًا. فقد يؤدي وضع الوجه في وضع غير صحيح، أو التحرك أثناء التقاط الصورة، أو عرض المستند بطريقة غير سليمة، أو سوء فهم التعليمات إلى الحصول على مدخلات ذات جودة أقل. ويمكن أن تساعد الإرشادات الواضحة والتعليقات الفورية المستخدمين على تزويد النظام بالمعلومات التي يحتاجها لاتخاذ قرار دقيق.
تطور الخوارزميات
كما أن الخوارزميات الأساسية المستخدمة لاستخراج معلومات الهوية وتحليلها ومقارنتها لها تأثير كبير على معدل رفض التعرف (FRR). ويمكن للأنظمة الأكثر تطوراً أن تكون مجهزة بشكل أفضل للتمييز بين الاختلافات الطبيعية في المدخلات المشروعة والإشارات التي تشير إلى الاحتيال.
ويكتسب هذا الأمر أهمية خاصة نظرًا لأن أنظمة التحقق من الهوية تقوم بتقييم إشارات متعددة. فكل من أصالة الوثيقة، والبيانات المستخرجة، والبيانات البيومترية للوجه، والتحقق من حيوية الشخص، وجودة الصورة، ومؤشرات الاحتيال، يمكن أن يسهم كل منها بمعلومات حول عملية التحقق من الهوية. ويمكن أن تؤثر الفعالية التي يحلل بها النظام تلك الإشارات ويحدد مدى أهميتها على كل من الكشف عن الاحتيال واحتمال رفض المستخدمين الشرعيين عن طريق الخطأ.
لذلك، ينبغي تقييم أداء الخوارزمية ليس فقط بناءً على حجم حالات الاحتيال التي يكتشفها النظام، بل بناءً على مدى فعاليته في التمييز بين الأنشطة الاحتيالية والتباينات المشروعة. فالنظام الذي يوقف عددًا أكبر من المحاولات المشبوهة، ولكنه في الوقت نفسه يرفض عددًا أكبر بكثير من المستخدمين الحقيقيين، قد يتسبب في عقبات لا داعي لها ويؤثر سلبًا على معدل التحويل.
عواقب ارتفاع معدل الخطأ في التعرف (FRR)
حالات الرفض الخاطئة ليست مجرد إزعاج مؤقت. بل إنها تعطل سير عمل المستخدمين.
في كل مرة يُمنع فيها مستخدم شرعي من الوصول، يحدث انقطاع. ويمكن أن تتراكم هذه الانقطاعات — خاصةً إذا كانت متكررة — لتؤدي إلى فترات تعطل طويلة.
بالنسبة للشركات، يعني ذلك تأخير إنجاز المهام، وتأجيل الاجتماعات، وتباطؤ وتيرة العمل بشكل عام. ومع مرور الوقت، قد يؤدي ذلك إلى خسائر مالية ملموسة، لا سيما في القطاعات التي يُعد فيها الوصول إلى المعلومات في الوقت الفعلي أمراً بالغ الأهمية.
إلى جانب الجوانب الملموسة، هناك تكلفة نفسية لآلية FRR. فالرفض المتكرر قد يقوض ثقة المستخدم في النظام. إن الشعور بأن المرء محروم من الدخول إلى حسابه أو من الوصول إلى بيانات مهمة، خاصةً عندما يكون المستخدم شرعيًّا، قد يكون محبطًا لدرجة تدفع المستخدم إلى الانسحاب تمامًا.
كيف تؤثر لوائح FAR وFRR على مستويات الأمان؟
يمكن أن يؤثر هذان المقياسان بشكل كبير على مستوى أمان أنظمة حماية الهوية. ولهذا السبب، غالبًا ما يُعد «معدل الخطأ المتساوي» نقطة مرجعية أساسية لتحسين مستوى الأمان العام للنظام. وفي السيناريوهات الواقعية، قد يؤدي الفشل في تحقيق هذا التوازن إلى عواقب وخيمة.
أثبتت دراسة حديثة أن أكثر من 6 ملايين سجل تعرضت للاختراق في حوادث تسرب البيانات على مستوى العالم خلال الربع الأول من عام 2023 وحده. تخيل مركز بيانات يتعرض لخرق أمني بسبب ارتفاع معدل القبول الخاطئ لديه بشكل مفرط، مما يسمح للمخترقين بالوصول إلى الأنظمة الحيوية والمعلومات الحساسة. يمكن أن تؤدي نقطة فشل واحدة كهذه إلى عواقب متتالية.
ولنفكر أيضًا في قطاع الرعاية الصحية. فقد تشكل السجلات الطبية التي يتم الوصول إليها عبر الأنظمة البيومترية خطرًا أمنيًا في بيئة المستشفيات.
قد يبدو تحديد معدل الاستجابة (FRR) عند مستوى منخفض جدًّا فكرة جيدة لضمان حصول الأطباء على المعلومات المنقذة للحياة بشكل فوري. ولكن إذا أدى ذلك إلى ارتفاع معدل الخطأ (FAR)، فسيكون هناك خطر الكشف عن البيانات السرية للمرضى، وانتهاك قوانين الخصوصية، وتقويض ثقة المرضى.
معدل الرفض الخاطئ في العمل
في حادثة لافتة للنظر تشكك في معصومية أنظمة الأمان البيومترية، واجه نظام التعرف على الصوت التابع لبنك HSBC ثغرة مفاجئة. وقد أُطلق هذا النظام على أساس أن بصمات الصوت فريدة تمامًا مثل بصمات الأصابع، لكن ثبت أنه قابل للخطأ عندما اكتشف مراسل برنامج «BBC Click» دان سيمونز أن توأمه غير المتطابق، جو، قادر على تقليد صوته بشكل جيد بما يكفي لتجاوز الإجراءات الأمنية.
ورغم أن جو لم يتمكن من إجراء عمليات سحب للأموال، فقد مُنح حق الاطلاع على أرصدة الحسابات وسجلات المعاملات، بالإضافة إلى القدرة على تحويل الأموال بين الحسابات. والمثير للقلق أن النظام سمح لجو بسبع محاولات لتقليد صوت توأمه قبل أن يمنحه حق الوصول في المحاولة الثامنة.
كان هذا الحادث بمثابة جرس إنذار، حيث سلط الضوء على المخاطر المحتملة للاعتماد حصريًّا على تقنية التعرف على الصوت، لا سيما عندما يتعلق الأمر ببيانات مالية حساسة. ودافع بنك HSBC عن الأمان العام للنظام، مؤكدًا تفوقه من حيث السلامة مقارنةً بكلمات المرور التقليدية. ومع ذلك، يُعد هذا الحادث عبرة تحذيرية بشأن التحديات الدقيقة التي ينطوي عليها الأمن البيومتري والحاجة المستمرة إلى التحسين والإشراف.
ضمان دقة تحديد الهوية
معدل رفض الكاذب (FRR) ليس مجرد مصطلح شائع. إنه مؤشر مهم يعكس مدى موثوقية أنظمتك وأمنها. ويُعد تحقيق التوازن بين معدل رفض الكاذب (FRR) ومعدل القبول الخاطئ (FAR) أمرًا ضروريًا للحفاظ على بيئة آمنة وفعالة.
لذا، لا تجعلوا هذا الأمر مجرد فكرة ثانوية. فمع تقدم التقنيات وزيادة تعقيد الإجراءات الأمنية، سيكون من المفيد لكم أن تتابعوا عن كثب التطورات والتطبيقات المتعلقة بتقنية التعرف على الوجه (FRR).
إذا كنت تبحث عن حل فعال ودقيق للتحقق من صحة وثائق الهوية، فإن BlinkID هو الخيار الأمثل.
بفضل خوارزميات التعلم الآلي المتطورة والتقنية المتطورة التي تتمتع بها، توفر هذه الخدمة تجربة سلسة وآمنة للتحقق من الهوية مع معدل خطأ في التعرف (FRR) منخفض. ابدأ اليوم بتجربة مجانية.
