biometrik untuk identifikasi individu
TRANSCRIPT
Biometrik untuk identifikasiindividu
29 September 2021
Dr. Anto Satriyo Nugroho
Pusat Unggulan Iptek (PUI) Biometrik
Pusat Teknologi Informasi & Komunikasi
Organisasi Riset Pengkajian & Penerapan Teknologi
INSTANSI Pusat Teknologi Informasi dan Komunikasi (PTIK), Organisasi Riset Pengkajian &
Penerapan Teknologi, Badan Riset Inovasi Nasional
JABATAN / PROFESI Perekayasa Madya IV-c
PENGALAMAN Penelitian di bidang Biometrik, Pengolahan Citra & Pengenalan Pola Ketua Indonesian Association for Pattern Recognition Wakil Indonesia (Governing Board Member) dalam International Association of
Pattern Recognition Komite Teknis 35-01 Badan Standardisasi Nasional Konsultan Penelitian Puslitbang Mabes Polri (2015) Tim Teknis e-KTP tahun 2012 Tim Ahli BPPT untuk Teknologi Informasi Komite Pemilihan Umum 2009 Dosen di Institut Teknologi Indonesia, Swiss German University, UNS Surakarta,
Univ. Al Azhar Indonesia Profesor Tamu Chukyo University Japan (2003-2007 ) Tim Indonesia dalam International Mathematics Olympiad (IMO XXX) di
Braunschweig, Jerman Barat (1989)
PENDIDIKAN Electrical & Computer Engineering, Nagoya Institute of Technology, Japan
(S1: 1995, S2: 2000, S3: 2003)
Riset Malaria di Nusa Tenggara Timur
Email : [email protected] : http://asnugroho.netBlog : http://asnugroho.wordpress.com
3
Agenda
• Pemanfaatan biometrik untuk deduplikasi data penduduk pada program KTP elektronik
• Manfaat data KTP-el
• Pengujian biometrik untuk reader KTP elektronik di PTIK OR-PPT
• Pemadanan wajah memakai KTP-elektronik
• Tantangan Masa Depan
4
Agenda
• Pemanfaatan biometrik untuk deduplikasi data penduduk pada program KTP elektronik
• Manfaat data KTP-el
• Pengujian biometrik untuk reader KTP elektronik di PTIK OR-PPT
• Pemadanan wajah memakai KTP-elektronik
• Tantangan Masa Depan
Verifikasi atau identifikasi otomatis
identitas seseorang dengan
memakai karakteristik fisiologis
(sidik jari, iris, wajah dsb.) atau
perilaku (suara, gerak tubuh dsb) Physiological characteristic
Behavioral characteristic
Source: Kevin Boyer lecture “Intro to Iris Biometrics”
What is Biometrics ?
Method Examples Characteristics
What you have ? User ID, account, ID card, badge, key
• can be shared• can be duplicated• can be stolen/lost
What you know ? Password, PIN, personal knowledge
• can be shared• can be forgotten• can be guessed
Who you are ?(biometrics)
fingerprint, iris, face, palm vein
• can not be shared• can not be forgotten• can not be stolen/lost
Authentication Methods Comparison
Fingerprint Recognition Milestones
Iris Recognition Milestones
Face Recognition Milestones
No. Project Name Biometrics traits Scale
1 US IDENT (US Visit) 2 fingers u/ residivis & org yg melanggar peraturan imigrasi
120M
2 EU-VIS (Visa Inf. System)
10 finger flat 70M
3 FBI IAFIS 10 finger, rolled FP 78M
(target: 120M)
4 UID 10 fingers, 2 iris + face 600M
5 KTP-el (e-KTP) 10 fingers, 2 iris + face 172M
Lima project biometric terbesar di dunia
KEnroller
Message Queue
MiddlewareBiometrics
Identification
Scheduler Database
Database
KECAMATAN
• Multimodal biometrics data : 10 fingerprints + 2 irides+ face are compared with all biometrics data stored in the national database to ensure the uniqueness
• Proprietary template
DATA CENTER
Deduplication Flow
21 Juli 2012
Identifikasi di Data Center KTP-el Kemendagri
• Data pribadi saya dapat ditemukandalam 39 detik pada Database Nasional hanya dengan memakaisidik jari.
• Data tersebut direkam 9 harisebelumnya di Karanganyar, JawaTengah (21 Juli 2012)
• Pencarian dilakukan tanggal 30 Juli2012, Data Center DukcapilKemendagri
13
Agenda
• Pemanfaatan biometrik untuk deduplikasi data penduduk pada program KTP elektronik
• Manfaat data KTP-el
• Pengujian biometrik untuk reader KTP elektronik di PTIK OR-PPT
• Pemadanan wajah memakai KTP-elektronik
• Tantangan Masa Depan
1. Negara memiliki data penduduk yang akurat yang dapat dimanfaatkan untukforensik, pemilu, BPJS, vaksinasi dan berbagai keperluan lain
2. Penduduk memiliki kartu identitas berbasis biometric (KTP Elektronik) untuklayanan publik
Manfaat Program KTP Elektronik
Identifikasi individu memakai data biometrik KTP-el
• Polri memiliki peralatan yang disebutMAMBIS (Mobile Automated Multi-Biometric Identification System)
• 1 Polres Kota/Kabupaten memiliki 2 perangkat MAMBIS untukmengidentifikasi korban kecelakaan, pembunuhan
Identifikasi Jenazah memakai Data KTP-el
Mambis (Mobile Automated Multi- Biometric Identification System)
1. Negara memiliki data penduduk yang akurat yang dapat dimanfaatkan untukforensik, pemilu, BPJS, vaksinasi dan berbagai keperluan lain
2. Penduduk memiliki kartu identitas berbasis biometric (KTP Elektronik) untuklayanan publik
Manfaat Program KTP Elektronik
KTP-el : perekaman, deduplikasi, penerbitan, reader
• If the deduplication result is unique, the card is issued, otherwise classified as duplicated identity
• Only two fingerprints data are stored in the KTP-el chip : left index finger & right index finger (default)
• The minutiae information (template) of the finger is stored in ISO/IEC 19794-2 format to maintain interoperability with templates generated by the other algorithm
Card Issuance
https://www.nist.gov/itl/iad/image-group/minutiae-interoperability-exchange-minex-iii
NIST Report of AFIS Performance (15 Maret 2021)
https://www.nist.gov/itl/iad/image-group/minutiae-interoperability-exchange-minex-iii
NIST Report of AFIS Performance (15 Maret 2021)
Fingerprint Minutiae & SNI ISO/IEC 19794-2
Mutual Authentication
Authenticated ?
Biometric verification :chip vs finger
match ?
Display the data
Start
Y
Y
card is not valid
the person is not the claimed identity
What you have ?
Who you are ?
N
N
Multi-Factor Authentication
24
Agenda
• Pemanfaatan biometrik untuk deduplikasi data penduduk pada program KTP elektronik
• Manfaat data KTP-el
• Pengujian biometrik untuk reader KTP elektronik di PTIK OR-PPT
• Pemadanan wajah memakai KTP-elektronik
• Tantangan Masa Depan
Reader KTP-el harus diuji untuk memastikan spesifikasinya memenuhi persyaratan yang tertulis dalamPeraturan Mendagri No.34 Tahun 2014
SNI ISO/IEC 19794-2
Pengujian Komponen Biometrik Reader KTP-el
Permendagri No.76 tahun 2020
• Standar SNI ISO/IEC 19794-2 yang kami hasilkan dalam kegiatan di BSN telah diadopsi dan dimuat pada Permendagri No.76 tahun 2020. Permendagri ini menggantikan versi sebelumnya, yaitu permendagrino.34 tahun 2014
• Standar ini merupakan adopsi identik dari ISO/IEC 19794-2 dan dipakaiuntuk mengatur penulisan data minutiae sidik jari pada KTP-elektronik
Pengujian Komponen Biometrik Reader KTP-el
• Sejak 2014, telahmenyelesaikan pengujianDevice Under Test untuk 33klien
• Pengujian dilakukan berdasarmetode yang telah didaftarkanHak Cipta-nya: No.000200698 dan No. 000182285
Layanan Teknologi untuk Klien Industri
• used by 162 institutions (2025
readers)
• Baintelkam Polri (929)
• Korlantas (250)
• BRI (127)
• BPR Karya Jatnika (100)
• BPJS (68)
• BNP2TKI (25)
http://www.dukcapil.kemendagri.go.id/detail/hindari-ktp-el-palsu-kemendagri-dorong-lembaga-pengguna-pakai-card-reader
Current Status of KTP-el Reader
Pemanfaatan Reader KTP-el di Polri
https://oto.detik.com/berita/d-5497697/daftar-lengkap-biaya-bikin-sim-baru-dan-biaya-perpanjangan-sim
Pemanfaatan Reader KTP-el di Polri
Verifikasi Voter Pilkades di Jembrana (29 Juli 2013)
32
Agenda
• Pemanfaatan biometrik untuk deduplikasi data penduduk pada program KTP elektronik
• Manfaat data KTP-el
• Pengujian biometrik untuk reader KTP elektronik di PTIK OR-PPT
• Pemadanan wajah memakai KTP-elektronik
• Tantangan Masa Depan
Kegiatan di Lab. Biometrik tahun 2021
• Sejak tahun 2020 mengembangkan pemadanan wajah memakai Open Source (ResNet-34), dimanfaatkanuntuk lembaga pemerintahan
• Pada tahun 2021, memodifikasi pemadanan wajah agar bisa dipakai untuk otentikasi memakai KTP elektronik untuk : otentikasi aplikasi SPBE, layanan publik yang memerlukan otentikasi dengan data di KTP elektronik
• Tantangan :
– kualitas foto pada chip KTP elektronik
– belum ada mutual authentication terhadap KTP-el
– live detection belum ada
Pemadanan Wajah antara 2 citra dengan kualitas berbeda
Smartphone dengan NFC(Near-Field Communication)
Pemadananwajahpenduduk & data KTP-el memakai“ResNet-34”
KTP-el
Wajah pegawai/individu
510
43456
70
Level 1 : Inter Pupillary Distance = 16 pixel
Level 3 : Inter Pupillary Distance = 70 pixel
Data Center Dukcapil Chip KTP elektronik
Format JPG raw image
File Size 59 KB (berbeda tiap foto) 1.7 KB (berbeda tiap foto)
Ukuran citra 480x600 56x70
IPD 136 pixel 16 pixel
IPD/Width 0.28 0.29
Data wajah dalam chip KTP elektronik
• Data wajah yang tersimpan dalam chip KTP elektronik memiliki kualitas berbeda dengandata asli
• Data asli yang tersimpan di Data Center : kualitas bagus, Inter-Pupillary Distance 136 pixel (level 3, IPD>75 pixel)
• Data tersimpan dalam chip KTP elektronik: kualitas tidak bagus, Inter-Pupillary Distance 16 pixel (level 1, IPD<30), karena ada ketentuan Permendagri bahwa data yg disimpandalam chip KTP elektronik tidak boleh lebih dari 3 KB
56 piksel
70 piksel16 piksel
Arsitektur Sistem : Model Pemadanan
Histogram Oriented Gradients
Histograms of Oriented Gradients for Human DetectionNavneet Dalal and Bill Triggs
Proceedings of the 2005 IEEE Computer Society Conferenceon Computer Vision and Pattern Recognition (CVPR’05)
Residual Network ResNET-34
Deep residual learning for image recognitionK. He, X. Zhang, S. Ren, and J. Sun
arXiv preprint arXiv:1512.03385,2015
dim: 128dim: 150x150dim: 480x600
Deep Residual Network (ResNet)
• ResNet (Residual Network) dikembangkan oleh Microsoft pada tahun 2015
• "Deep Residual Learning for Image Recognition“, He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2015-12-10), arXiv:1512.03385
• Mengambil model yang dikembangkan oleh Davis King (http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html)
• Pretrained model dilatih untuk mengenali wajah. Evaluasi dengan dataset Labeled Faces in the Wild (LFW: http://vis-www.cs.umass.edu/lfw/) menghasilkan akurasi 99.38%
• ResNet memiliki 29 layer dimodifikasi dari ResNet-34 dengan beberapa layer yang dihapus dan jumlah filter tiap layer direduksi 50%
• ResNet tersebut dilatih dengan kira-kira 3 juta citra wajah, setelah difilter diperoleh 7485 identitas.
• Mulai dari inisialisasi network, model dilatih untuk membentuk non-overlapping ball tiap identitasdengan radius 0.6
Pretrained Model ResNet-34
0.60.6 0.6
A B C
Performance Evaluation : Receiver Operating Characteristics
FRR : 10.08% ketika FAR : 0.01%
40
Agenda
• Pemanfaatan biometrik untuk deduplikasi data penduduk pada program KTP elektronik
• Manfaat data KTP-el
• Pengujian biometrik untuk reader KTP elektronik di PTIK OR-PPT
• Pemadanan wajah memakai KTP-elektronik
• Tantangan Masa Depan
Kegagalan pada sistem biometrik
The fish-bone model of fingerprint system illustrates the cause-effect relationships of system
failures as identified by Jain, Ross, and Pankanti (2006) and Jain, Nandakumar, and Nagar (2008).
Kegagalan pada sistem biometric (KTP-el Reader)
Tantangan masa depan : modifikasi informasi biometrik
A fake fingerprint spoof created at Michigan State University that possesses the optical, electrical, and mechanical properties of a real finger, aimed to test fingerprint scanners in order to make challenge and improve their fingerprint spoofing detection ability (https://www.bayometric.com/spoofing-fingerprint-scanner-and-spoof-detection/)
Tantangan masa depan : modifikasi informasi biometrik
Clauvino da Silva memakai topeng plastik menyaru sebagaianaknya (https://www.youtube.com/watch?v=NHl5nzuPq28)
Penutup
• Pemanfaatan biometrik semakin tinggi : fitur unlocking pada smartphone, pengenalan foto pada social media, attendance
• Permendagri No.76 tahun 2020 membuka peluang pemakaian wajah untuk verifikasi KTP-el (selama ini hanya bolehmemakai sidik jari)
• Lab. Biometrik telah mengkaji sistem verifikasi penduduk memakai KTP elektronik dan menyiapkan layananpengujian pemakaian wajah memakai KTP elektronik bagi industri dalam negeri
• Tantangan
• Pemadanan wajah memakai KTP elektronik mengalami kendala karena perbedaan kualitas citra wajah : level 1 vs level 3
• Mengatasi faktor ageing pada biometrics (face, fingerprint)
• Mengetahui asli tidaknya informasi biometrics (liveness detection)
• Mengetahui adanya perubahan pada informasi biometrik : fake face, spoofing attack