Unissey obtient une performance de 18 % pour sa solution par biométrie faciale lors des derniers tests du NIST.

Pour créer une solution de reconnaissance faciale forte, sécurisée et sans friction, les algorithmes doivent être soumis à des attaques en tout genre pour tester leur niveau de performance et renforcer leur robustesse. Biometric Update revient dans un article dédié, sur les derniers résultats de Unissey après la soumission de sa solution pour évaluation au National Institute of Standards and Technology (USA) le 29 novembre 2021.

Article sur l’évaluation du NIST

En juillet 2021, Unissey, jeune start-up française soumettait sa solution par biométrie faciale au National Institute of Standards and Technology (USA) pour la première fois. Résultat ? Les algorithmes n’ont pas chômé et se plaçaient dans la première moitié du classement mondial. Un grand succès qui prouve la robustesse et les performances élevées de la solution et ce, pour un premier essai !

Quatre mois après la première évaluation, Unissey passe à la deuxième et termine avec un résultat de 18% d’amélioration des performances de sa solution. Sur le dataset de VISABORDER, les algorithmes atteignent un FNMR de 1,47% pour un FMR de 10^-6. Vous êtes un peu confus face à ces sigles ? Pas de panique, nous vous avons préparé un petit glossaire pour vous éclairer :

VISABORDER : La base de données Visa-Border est l’un des scénarios les plus proches d’une authentification biométrique volontaire. 

Les comparaisons faciales sont faites entre des photos issues de documents d’identité officiels, tel qu’un passeport, à des images de passage aux frontières prises en temps réel.

False Non-Match Rate : proportion de comparaisons faciales entre deux photos d’une même personne qui sont considérées à tort comme différentes. 

= mesure le confort d’utilisation de la solution : plus ce taux est bas, plus on réduit le risque qu’une personne soit rejetée à tort (alors que la comparaison était effectuée par rapport à son image de référence, issue de son document d’identité par exemple).

False Match Rate : proportion de comparaisons faciales entre deux photos de deux personnes différentes qui sont considérées à tort comme une correspondance.  

= définit le niveau de sécurité de la solution : plus ce taux est bas, plus le risque qu’une personne réussisse à se faire passer pour autrui est faible.