ICS 35.240.15 L 71 中华人民共和国国家标准 GB/T 37036.3—2019 信息技术 移动设备生物特征识别 第3部分：人脸 Information technologyBiometrics used with mobile devices- Part 3 :Face 2020-05-01实施 2019-10-18发布 国家市场监督管理总局 发布 中国国家标准化管理委员会 GB/T37036.3—2019 目 次 前言 1 范围 2 规范性引用文件 3 术语和定义 缩略语 4 技术架构 业务流程 1 功能要求 7.1 一般要求 7.2 人脸特征采集模块 7.3 人脸特征存储模块 7.4 人脸特征比对模块 8性能要求 8.1 呈现攻击检测性能要求 8.2 识别性能要求 8.3 人脸识别响应速度 8.4 人脸登记失败率 安全要求 9 9.1 基本要求 9.2 人脸特征采集模块安全 9.3 人脸特征存储模块安全 9.4 人脸特征比对模块安全 9.5 传输安全 9.6 日志安全 附录A（资料性附录） 移动设备人脸识别典型应用架构 10 附录B（资料性附录） 移动设备人脸识别呈现攻击检测方法 GB/T37036.3—2019 前言 GB/T37036《信息技术移动设备生物特征识别》分为以下4个部分： 第1部分：通用要求； 第2部分：指纹； —第3部分：人脸； —第4部分：虹膜。 本部分为GB/T37036的第3部分。 本部分按照GB/T1.1一2009给出的规则起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。 本部分由全国信息技术标准化技术委员会（SAC/TC28）提出并归口。 本部分起草单位：浙江蚂蚁小微金融服务集团股份有限公司、中国电子技术标准化研究院、北京中 科虹霸科技有限公司、北京旷视科技有限公司、山西天地科技有限公司、广州广电运通金融电子股份有 限公司、北京眼神科技有限公司、北京深醒科技有限公司、北京中科奥森科技有限公司，OPPO广东移 动通信有限公司、中国平安保险（集团）股份有限公司、北京智慧眼科技股份有限公司、山西平安谷信息 技术有限公司，中科博宏（北京）科技有限公司，维沃移动通信有限公司、小来通讯技术有限公司、公安部 第一研究所、北京市商汤科技开发有限公司、深圳市汇顶科技股份有限公司、北京曙光易通技术有限公 司、杭州晟元数据安全技术股份有限公司、北京集创北方科技股份有限公司、上海聚虹光电科技有限公 司、西安凯虹电子科技有限公司、山西云时代技术有限公司、中国信息通信研究院、杭州海康威视数字技 术股份有限公司、北京清微智能科技有限公司、新大陆数字技术股份有限公司。 本部分主要起草人：冯春培、陈星、孙曦、高健、钟陈、王文峰、宋继伟、秦日臻、何召锋、李星光、吕盟、 冷霜、宁静、林冠辰、杨春林、袁培江、贺兵、李子青、方攀、王衍强、王栋、陈永华、翁斌、王江胜、朱亚军、 郑征、蒋慧、王浩、于雪平、胥建民、吴斌、樊磊、宫雅卓、刘敏、傅山、任文奇、王博、蔡春水。 GB/T37036.3—2019 信息技术移动设备生物特征识别 第3部分：人脸 1范围 GB/T37036的本部分给出了移动设备人脸识别系统的技术架构，规定了移动设备人脸识别的业 务流程，功能要求、性能要求和安全要求 本部分适用于移动设备人脸识别系统的设计、生产、集成与应用。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文 件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T26238—2010信息技术生物特征识别术语 GB/T37036.1一2018信息技术移动设备生物特征识别第1部分：通用要求 3术语和定义 GB/T26238一2010界定的以及下列术语和定义适用于本文件。 3.1 人脸识别 face recognition 基于个体的人脸特征，对个体进行识别的过程。 3.2 人脸特征facecharacteristic 可以从个体的人脸信息中提取出的有区别的、可重复的特征信息，从而达到个体自动识别的目的 注：人脸特征可包括：人脸面部的解部学特征、五官形态特征、特殊标记特征及人脸部因为手术或整容等人为形成 的其他特征等。 3.3 人脸数据 facedata 3.4 人脸采集装置 facecapture device 收集人脸识别特征信息并将其转换成人脸样本的装置。 注：人脸采集装置可由若干部件组成，例如，发光源、一个或多个图像传感器等 3.5 人脸样本facesample SAG 从人脸采集装置获得的模拟的或数字的人脸特征的表示。 3.6 人脸特征项 facefeature 从人脸样本中提取的，用于比对的数值或标记。 1 GB/T37036.3—2019 3.7 人脸探针faceprobe 输人到算法的、与人脸参考数据进行比对的人脸数据。 3.8 人脸模板facetemplate 参考的人脸特征项的集合，已存储的人脸特征项的集合，可直接与人脸探针的人脸特征项进行 比对。 3.9 人脸参考facereference 用于比对的、属于人脸数据主体的一个或多个已存储的人脸样本、人脸模板或人脸识别模型等。 3.10 用户主观配合度usersubjectivecooperationlevel 在用户知情情况下，通过主动调整姿势、表情等方式力图通过人脸识别以获得身份授权。 3.11 攻击呈现错误接受率attackpresentationfalseacceptancerate 在特定场景中，采用攻击呈现手段进行呈现攻击被错误接受为真实人脸呈现的比例。 3.12 善意呈现错误拒绝率bona fidepresentationfalserejection rate 在特定场景中，真实人脸呈现被错误判定为攻击呈现并被拒绝的比例。 3.13 攻击呈现无响应率attackpresentationnon-responserate 采用攻击呈现手段进行呈现攻击的过程中，人脸识别系统出现无应答响应的比例。 3.14 善意呈现无响应率bonafidepresentationnon-responserate 真实人脸呈现过程中，人脸识别系统出现无应答响应的比例。 4缩略语 下述缩略语适用于本文件。 APFAR：攻击呈现错误接受率（Attackpresentationfalseacceptancerate） APNRR：攻击呈现无响应率（Attackpresentationnon-responserate) BPFRR：善意呈现错误拒绝率（Bonafidepresentationfalserejectionrate） BPNRR：善意呈现无响应率（Bona fide presentation non-responserate) FAR：错误接受率（Falseacceptancerate） FRR：错误拒绝率（Falserejectionrate） 5技术架构 采集模块、人脸特征存储模块、人脸特征比对模块等。其中，人脸特征采集模块包括人脸样本采集、质量 判断、呈现攻击检测、人脸特征项提取等子功能模块。人脸识别系统通过访问移动设备中的人脸采集装 2