¿Qué significa la tasa de falsos rechazos (FRR) y cuál es su importancia?
¿Alguna vez te has quedado sin poder acceder a tu móvil porque no te ha reconocido la cara? Eso es lo que ocurre con la tasa de rechazo falso (FRR), un indicador que no puedes permitirte ignorar, sobre todo a la hora de tomar decisiones y evaluar la precisión.
La FRR, un indicador muy utilizado en biometría, es un factor clave para la validación de identidades en su conjunto, especialmente en el caso de los documentos de identidad. Mide la tasa de identidades válidas que el sistema rechaza erróneamente. En otras palabras, indica la probabilidad de que el sistema rechace una identidad auténtica.
Este indicador es especialmente importante a la hora de validar documentos de identidad, como pasaportes o permisos de conducir, ya que garantiza que solo las personas con una identificación válida tengan acceso a determinados servicios o zonas.
En este artículo, analizaremos qué significa FRR, en qué se diferencia de la tasa de falsa aceptación (FAR) y por qué es importante que tú y tu empresa comprendáis bien estas métricas. Empecemos.
¿Qué es la tasa de falsos rechazos?
La tasa de rechazo falso (FRR) mide la frecuencia con la que un sistema rechaza erróneamente a un usuario legítimo o autorizado. En los sistemas biométricos, el rechazo falso también puede describirse como una falsa no coincidencia, y la métrica correspondiente se denomina tasa de falsa no coincidencia (FNMR).
En la terminología de la clasificación estadística, un rechazo falso también puede considerarse un error de tipo II, o falso negativo, ya que el sistema no reconoce una coincidencia válida. Por el contrario, una aceptación falsa suele ser análoga a un falso positivo, o error de tipo I, ya que se admite erróneamente a un usuario no autorizado.
¿Cómo se calcula la tasa de falsos rechazos?
La tasa de falsos rechazos se calcula dividiendo el número de intentos legítimos que fueron rechazados erróneamente entre el número total de intentos legítimos y multiplicando el resultado por 100:
FRR = (Rechazos falsos ÷ Total de intentos legítimos) × 100
Por ejemplo, supongamos que 1.000 usuarios legítimos intentan realizar una verificación de identidad y 30 son rechazados erróneamente. La tasa de rechazo falso sería:
FRR = (30 ÷ 1 000) × 100 = 3 %
Esto significa que el sistema rechazó erróneamente el 3 % de los intentos legítimos de verificación.
Por lo general, una tasa de rechazo falso (FRR) más baja implica que menos usuarios legítimos se enfrentan a dificultades innecesarias. Sin embargo, la FRR no debe evaluarse de forma aislada. Ajustar un sistema de verificación para que acepte a más usuarios puede aumentar potencialmente su tasa de falsa aceptación (FAR), que mide la frecuencia con la que se aceptan erróneamente intentos no válidos o no autorizados. El equilibrio adecuado depende del caso de uso de la organización, su tolerancia al riesgo y la experiencia de cliente deseada.
¿Cuál es la diferencia entre la tasa de rechazo falso (FRR) y la tasa de aceptación falsa (FAR)?
La FRR y la FAR son métricas fundamentales en los sistemas diseñados para validar una identidad, pero tienen finalidades diferentes. La FRR mide la frecuencia con la que el sistema rechaza por error a usuarios legítimos. Una FRR elevada puede suponer un problema, ya que significa que el sistema es demasiado escéptico, llegando incluso a denegar el acceso a personas que deberían tenerlo.
Por otro lado, el FAR mide la frecuencia con la que el sistema admite erróneamente a usuarios no autorizados. Un FAR elevado es una señal de alarma en materia de seguridad. Indica que tu sistema es demasiado confiado y permite el acceso a personas que no deberían estar ahí.
Sin embargo, la tasa de rechazo falso (FRR) y la tasa de aceptación falsa (FAR) no son los únicos indicadores que se utilizan para evaluar los sistemas de identidad y seguridad. La tasa de aceptación verdadera (TAR) y la tasa de rechazo verdadera (TRR) también son métricas importantes. La TAR mide la proporción en la que un sistema acepta correctamente a los usuarios válidos, mientras que la TRR mide la proporción en la que se rechaza correctamente a los impostores. Estas métricas ofrecen una visión más completa de la precisión de un sistema.
Sin embargo, en lo que respecta a la verificación de identidad, el FAR suele ser uno de los indicadores más importantes a tener en cuenta.
¿Cómo se influyen mutuamente el FAR y el FRR?
La interacción entre la FAR y la FRR es fundamental. Estas tasas dependen del valor umbral establecido en el sistema.
Imagina que el valor umbral es como un guardia en la puerta. Si lo fijas demasiado bajo, reducirás la tasa de rechazo falso (FRR), pero podrías acabar con una tasa de admisión falsa (FAR) elevada, lo que permitiría el acceso a personas no autorizadas. Si lo fijas demasiado alto, ocurrirá lo contrario: aumentarás la tasa de rechazo falso (FRR) al rechazar a usuarios legítimos.
En cuanto al punto en el que se cruzan estas líneas, se suele denominar «tasa de error igual» (EER), punto en el que la tasa de rechazo falso (FRR) y la tasa de aceptación falsa (FAR) son iguales. Es un indicador útil para encontrar un valor umbral equilibrado que no comprometa en exceso ni la seguridad ni la experiencia del usuario.
¿A qué se debe una tasa elevada de falsos rechazos?
Los falsos rechazos no siempre se deben a un único factor. La precisión de un sistema de verificación de identidad o biométrica puede verse afectada por la calidad de la información que recibe, las características del usuario, las condiciones ambientales y el nivel de sofisticación de la tecnología que evalúa el intento.
Factores ambientales y relacionados con la calidad de la captura
Una mala calidad de los datos de entrada puede dificultar que un sistema de verificación evalúe con precisión a un usuario legítimo. En el reconocimiento facial y la verificación de identidad, factores como una iluminación deficiente, los reflejos, la imagen borrosa, la calidad de la cámara, una posición incorrecta o la información parcialmente oculta pueden reducir la calidad de los datos de que dispone el sistema.
La captura de documentos plantea retos similares. Un documento de identidad válido fotografiado con poca luz o desde un ángulo extremo, por ejemplo, puede resultar más difícil de analizar con precisión. Por lo tanto, mejorar la calidad de la captura antes de la verificación puede desempeñar un papel importante a la hora de reducir los falsos rechazos evitables.
Factores relacionados con el usuario
Las características biométricas no son necesariamente estáticas. El envejecimiento, el vello facial, el maquillaje, las lesiones, los cambios en el aspecto físico, las gafas y otras diferencias físicas pueden influir en el grado de similitud entre una nueva muestra biométrica y la información capturada anteriormente.
El comportamiento del usuario también puede influir. Colocar mal el rostro, moverse durante la captura, presentar un documento de forma incorrecta o malinterpretar las instrucciones puede dar lugar a datos de menor calidad. Unas instrucciones claras y una retroalimentación en tiempo real pueden ayudar a los usuarios a proporcionar al sistema la información que necesita para tomar una decisión precisa.
Complejidad de los algoritmos
Los algoritmos subyacentes que se utilizan para extraer, analizar y comparar la información de identidad también tienen un impacto significativo en la tasa de rechazo de los auténticos (FRR). Los sistemas más sofisticados pueden estar mejor equipados para distinguir entre las variaciones naturales en las entradas legítimas y las señales que indican fraude.
Esto cobra especial importancia dado que los sistemas de verificación de identidad evalúan múltiples señales. La autenticidad de los documentos, los datos extraídos, la biometría facial, la verificación de que la persona está viva, la calidad de la imagen y los indicadores de fraude pueden aportar, cada uno de ellos, información sobre una interacción de identidad. La eficacia con la que un sistema analiza esas señales y determina su relevancia puede afectar tanto a la detección del fraude como a la probabilidad de que se rechace por error a usuarios legítimos.
Por lo tanto, el rendimiento de un algoritmo no debería evaluarse únicamente en función de la cantidad de fraudes que detecta un sistema, sino de la eficacia con la que distingue la actividad fraudulenta de la variación legítima. Un sistema que bloquee más intentos sospechosos, pero que también rechace a un número significativamente mayor de usuarios legítimos, puede generar fricciones innecesarias y perjudicar la conversión.
Consecuencias de un FRR elevado
Los falsos rechazos no son solo una molestia pasajera. Interrumpen los flujos de trabajo de los usuarios.
Cada vez que se deniega el acceso a un usuario legítimo, se produce una interrupción. Estas interrupciones —especialmente si son frecuentes— pueden acumularse y dar lugar a un tiempo de inactividad considerable.
Para las empresas, esto significa que las tareas se retrasan, las reuniones se aplazan y el ritmo general de trabajo se ralentiza. Con el tiempo, esto puede traducirse en pérdidas económicas tangibles, especialmente en sectores en los que el acceso en tiempo real es fundamental.
Más allá de lo tangible, la FRR conlleva un coste psicológico. Las denegaciones continuas pueden minar la confianza de los usuarios en el sistema. Sentirse bloqueado fuera de la propia cuenta o que se le niegue el acceso a datos cruciales, sobre todo cuando el usuario es legítimo, puede resultar tan frustrante que lleve al usuario a abandonar el sistema por completo.
¿Cómo afectan el FAR y el FRR a los niveles de seguridad?
Ambos indicadores pueden afectar de manera significativa al nivel de seguridad de los sistemas de gestión de identidades. Por eso, la tasa de error igual (EER) suele ser un punto de referencia clave para optimizar el nivel general de seguridad de un sistema. En situaciones reales, no lograr encontrar este equilibrio puede tener consecuencias desastrosas.
Un estudio reciente ha demostrado que, solo durante el primer trimestre de 2023, se vieron expuestos más de 6 millones de registros en filtraciones de datos en todo el mundo. Imaginemos un centro de datos que sufre una brecha de seguridad porque su tasa de falsa aceptación era demasiado alta, lo que permitió a personas malintencionadas acceder a sistemas críticos e información confidencial. Un único punto de fallo como ese puede tener consecuencias en cadena.
Pensemos también en el sector sanitario. El acceso a historiales médicos a través de sistemas biométricos puede suponer un riesgo de seguridad en el ámbito hospitalario.
Un FRR demasiado bajo podría parecer una buena idea para garantizar que los médicos tengan acceso inmediato a información que puede salvar vidas. Sin embargo, si esto hace que aumente el FAR, se corre el riesgo de exponer datos confidenciales de los pacientes, infringir la legislación en materia de privacidad y poner en peligro la confianza de los pacientes.
Tasa de falsos rechazos en la práctica
En un incidente destacable que pone en tela de juicio la infalibilidad de los sistemas de seguridad biométricos, el sistema de reconocimiento de voz de HSBC se enfrentó a una sorprendente laguna de seguridad. Lanzado con la afirmación de que las huellas vocales eran tan únicas como las huellas dactilares, el sistema demostró ser falible cuando el reportero de BBC Click, Dan Simmons, descubrió que su gemelo no idéntico, Joe, podía imitar su voz lo suficientemente bien como para burlar la seguridad.
Aunque Joe no podía realizar retiradas de dinero, se le concedió acceso a los saldos de las cuentas, al historial de transacciones y a la posibilidad de transferir dinero entre cuentas. Lo más preocupante es que el sistema permitió a Joe siete intentos para imitar la voz de su gemelo antes de concederle acceso en el octavo.
Este suceso supuso una llamada de atención que puso de manifiesto los posibles riesgos de confiar exclusivamente en el reconocimiento de voz, especialmente cuando están en juego datos financieros confidenciales. HSBC defendió la seguridad general del sistema, afirmando que ofrece una protección superior a la de las contraseñas tradicionales. No obstante, el incidente sirve de advertencia sobre los matices que plantean los retos de la seguridad biométrica y la necesidad constante de perfeccionamiento y supervisión.
Garantizar una identificación precisa
El FRR no es una simple palabra de moda. Se trata de un indicador clave que refleja la fiabilidad y la seguridad de tus sistemas. Encontrar el equilibrio adecuado entre el FRR y el FAR es esencial para mantener un entorno seguro y eficiente.
Así pues, no lo dejes para más adelante. A medida que las tecnologías avanzan y la seguridad se vuelve más compleja, te resultará muy útil estar atento a los avances y aplicaciones relacionados con la FRR.
Si buscas una solución eficaz y precisa para validar documentos de identidad, BlinkID es lo que necesitas.
Gracias a sus avanzados algoritmos de aprendizaje automático y a su tecnología de vanguardia, ofrece una experiencia de verificación de identidad fluida y segura con una baja tasa de rechazo por falsa reconocimiento (FRR). Empieza hoy mismo con una prueba gratuita.
