После пароля: сможет ли смартфон узнавать человека по тому, что происходит под кожей

Сначала важное: биометрия сама по себе не должна заменять пароль

Выражение «вход по биометрии» немного обманчиво.

Современная безопасная беспарольная архитектура работает несколько иначе.

Например, в случае passkey сервису не нужно получать ни пароль, ни отпечаток пальца пользователя.

На устройстве хранится криптографический ключ. При входе сервер отправляет вызов, устройство подписывает его закрытым ключом, а сервер проверяет подпись открытым.

Биометрия при этом может выполнять совершенно другую функцию:

она разрешает устройству воспользоваться закрытым ключом.

Получается:

человек — локальная биометрия — защищённый ключ устройства — криптографическая аутентификация сервиса.

NIST прямо указывает, что биометрическая характеристика сама по себе не рассматривается как самостоятельный аутентификатор. Для многофакторной схемы она должна использоваться вместе с физическим аутентификатором — «something you have». Более того, NIST предпочитает локальное сравнение биометрии централизованной проверке именно потому, что централизованная биометрическая база создаёт значительно больший масштаб возможной атаки.

FIDO использует похожую модель: закрытый ключ находится на устройстве, сервис хранит открытый, а биометрические данные при локальной аутентификации не передаются сервису. Passkeys дополнительно устойчивы к классическому фишингу благодаря привязке credential к конкретному relying party.

И вот именно здесь появляется пространство для новой биометрии.

Не обязательно создавать новую огромную базу отпечатков, сосудов, сердечных ритмов и спектров крови.

Можно сделать намного аккуратнее:

новые биометрические признаки остаются внутри смартфона и используются только для доступа к криптографическому ключу.

Почему привычных лица и голоса может оказаться недостаточно

Сегодня массовая биометрия строится прежде всего вокруг нескольких хорошо изученных признаков:

• лицо;
• отпечатки пальцев;
• радужная оболочка глаза;
• голос.

Все они имеют серьёзную научную и промышленную базу.

Но с точки зрения атакующего между ними есть существенная разница.

Лицо и голос относятся к характеристикам, которые человек регулярно публикует сам.

Фотографии находятся в социальных сетях.

Голос может попасть в видеоролик, интервью, голосовое сообщение или телефонный разговор.

Это не означает, что Face ID или голосовая биометрия автоматически небезопасны: современные системы используют liveness detection, анализ глубины, движения, текстуры и дополнительные механизмы защиты.

Однако генеративный ИИ резко снижает стоимость производства правдоподобного цифрового контента.

И здесь важно различать два разных класса атак.

Первый — presentation attack.

Злоумышленник действительно что-то показывает сенсору: фотографию, экран, маску, искусственный отпечаток и так далее.

Для борьбы с такими атаками существует отдельное направление Presentation Attack Detection и семейство стандартов ISO/IEC 30107.

Второй класс потенциально опаснее — digital injection.

В этом случае атакующему вообще не обязательно обманывать камеру.

Он пытается подменить уже цифровой поток:

сенсор — обработка — matcher

на:

поддельные данные — matcher.

И тогда даже идеальная биометрическая характеристика мало поможет, если система не знает, действительно ли данные поступили от доверенного физического сенсора.

Именно поэтому в современных рекомендациях всё больше внимания уделяется attestation устройства, целостности endpoint и доверенному каналу от сенсора до криптографического аутентификатора. NIST прямо предлагает учитывать аутентификацию сенсора и подписанные metadata как способы противодействия injection-атакам.

Получается интересный вывод:

будущее биометрии определяется не только тем, насколько уникален человек, но и тем, насколько трудно подделать весь процесс измерения.

А что, если смотреть не на человека, а внутрь человека?

Здесь начинается менее привычная часть.

Есть целый класс физиологических характеристик, которые находятся под кожей или возникают непосредственно в работающем организме:

• рисунок кровеносных сосудов;
• фотоплетизмограмма — PPG;
• электрокардиограмма — ECG;
• особенности микроциркуляции;
• спектральные характеристики тканей;
• молекулярные характеристики крови.

Каждая из них по отдельности имеет ограничения.

Но вместе они могут создать совершенно другой тип биометрического профиля.

Сосудистый рисунок

Near-infrared imaging позволяет увидеть сосуды, которые плохо или вообще не видны обычной камерой.

Это уже используется в системах palm vein и finger vein.

Преимущество очевидно: в отличие от лица, человек обычно не публикует качественное изображение своих подкожных сосудов в интернете.

Но ещё интереснее динамическая составляющая.

Кровь в этих сосудах должна действительно двигаться.

PPG — пульсовая волна

Photoplethysmography измеряет изменение кровенаполнения тканей.

Свет проходит в ткань или отражается от неё, а фотодетектор регистрирует изменения поглощения, возникающие при каждом сердечном сокращении.

Получается временной сигнал:

PPG(t).

Он уже используется в часах, фитнес-браслетах, медицинских устройствах и смартфонах.

Исследования рассматривают PPG и непосредственно как биометрический признак. Однако здесь пока существует серьёзный разрыв между лабораторными результатами и эксплуатацией: сигнал зависит от движения, температуры, физической нагрузки, состояния сосудов и времени измерения.

Современный обзор 2025 года отдельно отмечает проблему небольших датасетов, replay-атак и недостаточно стандартизированной проверки PPG-систем в условиях реального мира.

То есть PPG пока вряд ли стоит использовать как единственный идентификатор.

Но как дополнительный динамический признак и проверка живости он выглядит намного интереснее.

ECG — электрическая активность сердца

ЭКГ тоже исследуется как биометрия уже больше двадцати лет.

Форма сердечного цикла зависит от анатомии сердца, расположения и проводимости тканей и других индивидуальных физиологических характеристик.

Современный обзор ECG-biometric исследований показывает множество работ с очень высокими показателями распознавания, но одновременно предупреждает о проблеме маленьких выборок: большая часть исследований использует десятки или сотни людей, а действительно крупные наборы встречаются значительно реже. Кроме того, сигнал меняется в зависимости от состояния организма и условий измерения.

Для смартфона здесь есть ещё одна проблема: ECG требует электрического контакта.

Но современные часы уже показывают, что несколько небольших электродов вполне можно встроить в компактное пользовательское устройство.

Кровь без взятия крови

Самая необычная часть — спектроскопия.

Именно отсюда первоначально возникла идея этой статьи.

Можно ли получить информацию о крови, не прокалывая палец?

Оказывается, исследования идут давно.

Raman, NIR и другие оптические методы позволяют получать информацию о молекулярном составе тканей через неповреждённую кожу.

Основной массово исследуемый пример — неинвазивное определение глюкозы.

Но принцип интересен не только глюкозой.

Raman-спектр представляет собой многомерный набор данных о молекулах исследуемой среды.

Для отдельного биохимического анализа исследователь пытается ответить:

какая здесь концентрация глюкозы?

Для биометрии можно поставить совсем другую задачу:

принадлежит ли весь этот спектральный профиль человеку X?

И здесь уже появляются первые очень любопытные предпосылки.

Может ли сама кровь быть индивидуальным «отпечатком»?

В апреле 2026 года появился препринт исследования metabolomic fingerprinting высушенных капель крови.

Авторы собрали 18 288 образцов от 1 257 человек на протяжении 15 месяцев и анализировали тысячи метаболических признаков методом LC-MS/MS.

В closed-set задаче — определить, кому из известных участников принадлежит образец — была получена точность 94,1% на уровне пользователя, а на отдельно отложенных будущих партиях — около 96,1%.

Это пока препринт, а не окончательно подтверждённая биометрическая технология. Более того, сами авторы подчёркивают ограничения: одна лаборатория, один тип оборудования, необходимость проверки на других площадках и перехода от closed-set identification к реальной open-set verification.

Но сам результат важен:

совокупность химических характеристик крови действительно несёт сильную индивидуальную информацию.

Подобная проблема обнаруживается и в протеомике.

Исследование плазменного протеома показало, что людей потенциально можно повторно идентифицировать как по индивидуальным уровням белков, так и по вариантным пептидам, связанным с генетическими различиями.

Причём те же данные могут одновременно раскрывать чувствительную медицинскую информацию.

И вот здесь возникает довольно неприятный, но принципиально важный вывод:

биометрический спектр крови может оказаться значительно чувствительнее обычного отпечатка пальца.

Отпечаток отвечает примерно на вопрос «тот ли это палец».

Молекулярный профиль потенциально способен одновременно говорить:

• кто это;
• каково состояние организма;
• какие метаболические процессы происходят;
• какие физиологические особенности существуют;
• а по мере развития аналитических моделей — возможно, и то, что сегодня из этих данных извлекать ещё не умеют.

Это очень серьёзный privacy-риск.

Но как всё это поместить в смартфон?

Ещё несколько лет назад эта часть выглядела бы наиболее фантастической.

Сейчас ситуация быстро меняется.

NIR-камера размером со смартфон

В 2026 году опубликованы работы по ультракомпактной near-infrared оптике.

Один из представленных meta-aspheric модулей имеет поле зрения 101,5°, total track length 3,39 мм, F/1.64 и общий объём около 0,02 см³.

Авторы экспериментально показали eye tracking и визуализацию подкожных сосудов и прямо рассматривают смартфоны и AR-устройства в качестве целевого класса применения.

То есть компактность NIR-камеры уже перестаёт быть фундаментальной проблемой.

Сам дисплей может стать биосенсором

Ещё интереснее работа в Nature Communications 2025 года.

Исследователи интегрировали массив органических фотодиодов непосредственно в OLED-дисплей.

Пользователь просто кладёт пальцы на экран, после чего система может получать:

• многоточечный PPG;
• изображение сосудов;
• динамику кровотока;
• некоторые сердечно-сосудистые показатели.

В пилотных исследованиях отдельные физиологические измерения показали результаты, сопоставимые с медицинскими устройствами.

Для нас особенно интересен не медицинский аспект, а сам принцип:

экран смартфона одновременно становится дисплеем, источником света и многоточечным оптическим сенсором.

При этом авторы отдельно указывают потенциальное применение высокодетализированного динамического изображения для authentication и anti-spoofing.

Спектрометр тоже становится микросхемой

В 2025 году в Light: Science & Applications представлен фотонный Fourier-transform spectrometer размером всего 1,6 × 3,2 мм.

Он имеет разрешение 0,5 нм и позволил получить Raman-спектры глюкозы, изопропанола, парацетамола и ибупрофена.

Авторы прямо называют consumer electronics одним из возможных направлений интеграции.

Разумеется, это ещё не означает, что завтра смартфон начнёт безошибочно читать метаболом человека через экран.

Raman-сигнал очень слабый.

Нужно решить проблемы источника света, фильтрации, чувствительности фотодетекторов, глубины проникновения, влияния кожи, воды, меланина, температуры и движения.

Но фундаментальная проблема «спектрометр слишком большой для телефона» постепенно исчезает.

Тогда смартфон будущего может измерять сразу несколько уровней

Представим не один новый биометрический датчик, а общую систему:

Поверхность

• отпечаток;
• геометрия пальца;
• текстура кожи.

Под кожей

• сосудистый рисунок.

Динамика

• PPG;
• скорость и форма пульсовой волны;
• микроциркуляция.

Электрофизиология

• ECG.

Спектр

• многоволновое NIR-измерение;
• в более дальней перспективе Raman.

То есть вместо одного шаблона:

FaceID = F

мы получаем:

B = {fingerprint, veins, PPG, ECG, spectrum}.

Это называется мультимодальной биометрией.

И здесь важно не просто количество признаков.

Интерес представляет их физическая независимость.

Фотографию лица можно синтезировать.

Запись голоса можно сгенерировать.

Но злоумышленнику значительно сложнее одновременно предъявить доверенному сенсору:

• правильный сосудистый рисунок;
• правильное движение крови по этим сосудам;
• соответствующую пульсовую волну;
• согласующийся ECG;
• подходящий спектральный профиль тканей.

Более того, можно проверять взаимную физиологическую согласованность сигналов.

Например:

ECG → сокращение сердца → задержка → PPG → изменение кровенаполнения сосудов.

Если поступившие ECG и PPG математически похожи на настоящие, но временная взаимосвязь между ними физиологически невозможна, это уже самостоятельный признак атаки.

Это принципиально сильнее простого требования:

«моргните перед камерой».

Но искусственный интеллект никуда не исчезает

Ошибкой было бы сказать, что «внутреннюю» биометрию ИИ подделать не сможет.

ИИ способен генерировать практически любые цифровые временные ряды.

Можно сгенерировать:

PPG(t).

Можно синтезировать ECG.

Можно приблизительно моделировать спектр.

Если атакующий имеет возможность подать эти данные непосредственно в программный интерфейс matcher, уникальность физического организма уже не спасает.

Поэтому реальная схема должна быть примерно такой:

человек↓доверенный сенсор↓защищённый тракт обработки↓локальный biometric matcher↓Secure Element / TEE↓закрытый криптографический ключ↓подпись challenge.

Удалённый сервис при этом получает не медицинские данные и не фотографию сосудов.

Он получает криптографическое доказательство того, что доверенный аутентификатор выполнил требуемую локальную проверку.

И именно здесь сходятся биометрия и беспарольная аутентификация.

Самая опасная точка — первоначальная регистрация

Вернёмся к инициативе Минцифры.

Проект Доктрины предлагает исключить подмену биометрии третьим лицом именно при регистрации или обновлении данных.

Это очень логично.

Допустим, matcher работает идеально.

Но мошеннику удалось во время enrollment связать:

личность Иванова

с

биометрией Петрова.

После этого Петрову вообще не нужно подделывать Иванова.

Он будет предъявлять системе собственную настоящую биометрию — и получать корректный положительный результат.

Это принцип:

garbage in — garbage forever.

Поэтому trusted enrollment зачастую важнее ещё одного процента точности matcher.

Банк России уже учитывает подобные сценарии в нормативной модели угроз. В актуальной редакции Указания № 6540-У рассматриваются угрозы нарушения целостности, подмены и компрометации биометрических данных и векторов ЕБС при взаимодействии финансовых организаций с биометрической инфраструктурой.

Что с этим в российском законодательстве

Здесь начинается отдельная интересная история.

Когда PPG или рисунок сосудов становятся биометрическими ПДн?

Статья 11 Федерального закона № 152-ФЗ определяет биометрические персональные данные как сведения, характеризующие физиологические и биологические особенности человека, на основании которых можно установить его личность, если оператор использует их для установления личности.

Это означает, что природа данных сама по себе ещё не всегда определяет их правовой режим.

Например, PPG, измеряемая фитнес-приложением исключительно для подсчёта пульса, и PPG, используемая для подтверждения личности пользователя, могут иметь разный контекст обработки.

Если система строит по PPG индивидуальный шаблон и отвечает:

«это пользователь Иванов», -

перед нами уже возникает весьма сильное основание рассматривать такие сведения как биометрические ПДн.

То же самое относится к сосудистому рисунку, ECG или спектральному шаблону.

А спектр крови создаёт ещё одну проблему

Статья 10 152-ФЗ отдельно регулирует специальные категории ПДн, включая сведения о состоянии здоровья. Действующая редакция 152-ФЗ на август 2026 года содержит отдельные режимы для специальных категорий и биометрических данных.

И вот спектроскопическая биометрия потенциально может попасть сразу в две области.

Если спектр используется для идентификации:

биометрические ПДн.

Если из него можно получить информацию о здоровье:

потенциально ещё и специальные категории ПДн.

Именно поэтому хранить централизованно исходные Raman/ECG/PPG-записи было бы очень спорным решением.

Намного безопаснее хранить локальный защищённый template, причём желательно такой, из которого невозможно восстановить ни исходный сигнал, ни медицинскую информацию.

А как же ЕБС?

Здесь важно не смешивать понятия.

Биометрические ПДн по 152-ФЗ — это не автоматически данные ЕБС.

Федеральный закон № 572-ФЗ регулирует отдельную инфраструктуру идентификации и аутентификации с применением биометрии.

С 1 сентября 2024 года виды биометрических данных, на которые распространяется этот режим, определяет Правительство.

Постановление Правительства РФ № 408 устанавливает два вида:

• изображение лица человека;
• запись голоса человека.

Документ действует до 1 сентября 2027 года.

Поэтому сегодня:

лицо и голос — да, действующая биометрическая инфраструктура 572-ФЗ;

а

vein, ECG, PPG, iris, Raman-spectrum — не становятся автоматически новыми видами биометрии ЕБС.

Но при использовании для установления личности они при этом вполне могут оставаться биометрическими ПДн в смысле общего 152-ФЗ.

А генетика в эту конструкцию вообще не вписывается

Часть 8 статьи 3 572-ФЗ прямо запрещает обработку, включая сбор и хранение, геномной информации в целях идентификации и аутентификации в ЕБС, её региональных сегментах и перечисленных законом аккредитованных системах.

Поэтому идея «давайте добавим ДНК и получим идеальный идентификатор» не просто практически неудобна.

В действующей российской архитектуре ЕБС для неё установлен прямой правовой барьер.

И, возможно, это к лучшему.

Геном невозможно нормально «сменить» после компрометации, а содержащейся в нём информации значительно больше, чем нужно для входа в интернет-банк.

Российское право уже допускает дополнительный фактор

Есть ещё одна интересная норма.

Часть 20 статьи 3 572-ФЗ предусматривает, что законодательством может быть установлена необходимость дополнительной аутентификации при идентификации или аутентификации с использованием биометрических ПДн.

То есть концептуально схема:

биометрия + другой фактор

российскому регулированию совершенно не чужда.

И наиболее логичным вторым фактором в будущем выглядит как раз не ещё одна централизованная биометрическая база, а device-bound cryptographic authenticator.

Как это делают в мире

Здесь существуют две довольно разные философии.

Централизованная биометрия

Яркий пример — индийская Aadhaar.

Система позволяет проводить аутентификацию по отпечаткам пальцев, iris и другим предусмотренным режимам; UIDAI также использует face authentication. Возможна и комбинация нескольких факторов.

При этом проверка выполняется относительно данных, хранящихся в центральной инфраструктуре Aadhaar.

Это очень масштабируемая модель, но она неизбежно создаёт крупный централизованный объект защиты.

Локальная биометрия + криптография

Другой путь развивается вокруг FIDO/passkeys.

Здесь серверу вообще не требуется хранить вашу биометрию.

Биометрическая проверка происходит локально, после чего устройство использует закрытый ключ.

В таком варианте компрометация базы конкретного сервиса не раскрывает ни пароль, ни отпечаток пользователя — сервер хранит публичный ключ.

Именно этот подход особенно интересен применительно к физиологической биометрии.

Европейская цифровая идентичность

Европейский союз параллельно разворачивает European Digital Identity Wallet.

По состоянию на лето 2026 года государства ЕС должны предоставить гражданам цифровые кошельки к концу 2026 года. Архитектура строится вокруг пользовательского wallet, контролируемого раскрытия атрибутов, криптографической защиты и единых требований безопасности и interoperability.

Это не «европейская ЕБС» и не проект по хранению физиологии граждан.

Но направление важно: цифровая идентичность всё больше переносится в доверенное устройство пользователя, которое само доказывает необходимые свойства внешнему сервису.

GDPR и новая физиологическая биометрия

Европейское регулирование здесь даже жёстче российского по классификации.

GDPR определяет biometric data как данные, полученные в результате специальной технической обработки физических, физиологических или поведенческих характеристик, позволяющие уникально идентифицировать человека.

А Article 9 относит биометрические данные, обрабатываемые с целью уникальной идентификации, вместе с генетическими данными и сведениями о здоровье к special categories of personal data.

Для будущей molecular biometrics это особенно важно.

Один сигнал способен оказаться одновременно:

идентификатором человека

и

источником информации о его здоровье.

Какой должна быть безопасная архитектура

Если когда-нибудь условный смартфон научится уверенно измерять:

• сосуды;
• PPG;
• ECG;
• multispectral profile;
• Raman profile,

я бы считал плохой архитектурой передачу всего этого в центральную систему.

Гораздо разумнее:

При регистрации

Надёжно устанавливается личность:

паспорт / ЕСИА / ЕБС / банк / иной trusted enrollment.

После этого устройство создаёт закрытый криптографический ключ.

В защищённой среде устройства создаются локальные biometric templates.

При обычном входе

Пользователь касается экрана.

Устройство одновременно проверяет несколько признаков:

Vein + PPG + fingerprint + spectrum.

Matcher вычисляется локально.

Если результат положительный, Secure Element разрешает использовать закрытый ключ.

Сервис получает:

подписанный challenge.

А не:

изображение сосудов пользователя.

И тем более не:

его спектр крови.

Почему такая конструкция лучше одной сверхточной биометрии

Допустим, мы когда-нибудь получим биометрический признак с ошибкой 0,001%.

Это ещё не означает, что система безопасна.

Можно:

• подменить регистрацию;
• украсть шаблон;
• внедрить данные после сенсора;
• атаковать систему восстановления;
• получить доступ к разблокированному устройству;
• заставить пользователя пройти биометрию;
• найти ошибку в реализации Secure Element;
• атаковать сам доверенный сервис.

Поэтому правильная формула примерно такая:

Security ≠ Accuracy of biometric matcher.

Скорее:

Security = trusted enrollment + sensor integrity + PAD + multimodal consistency + protected template + cryptographic authenticator + secure recovery.

Именно системы восстановления, кстати, часто остаётся слабейшим звеном прекрасной беспарольной системы.

Можно создать совершенно устойчивый к фишинговым атакам идентификатор и потом оставить кнопку:

«не можете войти? получите шестизначный код на почту».

После этого атакующий просто обойдёт весь технологический стек.

Какие риски появляются у новой биометрии

Технология выглядит красиво до тех пор, пока не вспомнить фундаментальное отличие биометрии от пароля.

Пароль можно поменять.

Сосудистый рисунок — значительно сложнее.

Геном — практически невозможно.

Поэтому возникает несколько принципиальных требований.

1. Нельзя хранить исходные данные без необходимости

Чем богаче физиологический сигнал, тем больше информации из него потенциально можно извлечь в будущем.

Сегодня из спектра определяют один набор характеристик.

Через десять лет новый алгоритм может увидеть ещё пять.

Это классическая проблема function creep.

2. Template должен быть отменяемым

После компрометации невозможно выпустить человеку новые сосуды.

Зато можно менять способ преобразования:

raw biometric → cancellable template.

Компрометированный шаблон отзывается, создаётся новый с другим преобразованием.

3. Нельзя превращать биометрию в единственный путь

Травма пальца, заболевание, возрастные изменения, нарушение кровообращения или просто отказ сенсора не должны лишать человека доступа к собственным средствам и услугам.

Это, кстати, совпадает с логикой российского законодательства: предоставление биометрии по общему правилу не может быть обязательным, а отказ от её использования не должен автоматически вести к отказу в обслуживании. Статья 3 572-ФЗ прямо закрепляет эти принципы.

4. Медицинские выводы должны быть отделены от идентификации

Если authentication-сенсор способен одновременно увидеть признаки заболевания, вовсе не очевидно, что банк, работодатель или сайт должны иметь право их получать.

Лучший вариант:

сенсор знает много → matcher использует минимум → сервис не знает ничего лишнего.

Privacy by design здесь должна появиться раньше массового внедрения, а не после первой большой утечки.

Что реально может появиться в ближайшие годы

Здесь имеет смысл отделять достаточно реалистичный прогноз от фантазии.

Уже сейчас — 2026

Массовые устройства уже содержат:

• fingerprint;
• камеры;
• глубинные сенсоры;
• NIR-компоненты;
• PPG в носимой электронике;
• hardware-backed cryptographic storage;
• passkeys.

То есть большая часть архитектуры уже существует.

2026-2029

Вполне реалистично ожидать дальнейшего распространения:

• многоточечного PPG;
• NIR vascular imaging;
• сенсоров под дисплеем;
• более сложного multispectral imaging;
• объединения liveness и biometric matching;
• более широкого использования hardware attestation.

Работы по Sensor OLED и NIR meta-optics показывают, что физические размеры компонентов уже позволяют двигаться именно в эту сторону.

2028-2031

Интересным следующим этапом может стать интеграция компактной спектроскопии.

Не обязательно сразу Raman.

Даже многочастотный NIR-сенсор даст модели значительно больше физиологической информации, чем обычная RGB-камера.

Можно ожидать эксперименты с комбинированным:

fingerprint + vein + PPG + multispectral signature.

Именно эта комбинация сегодня кажется наиболее реалистичной для исследования новой мультимодальной биометрии.

После 2030 года

Raman и другие методы молекулярной спектроскопии потенциально могут добавить ещё один уровень.

Но здесь пока слишком много нерешённых вопросов:

• глубина измерения;
• слабый сигнал;
• индивидуальные различия кожи;
• температура;
• питание;
• лекарства;
• заболевания;
• долговременная стабильность;
• воспроизводимость между устройствами;
• размер необходимых выборок;
• regulatory approval.

Поэтому говорить, что «через пять лет смартфон будет узнавать человека по крови через экран», было бы преждевременно.

Но утверждение:

«необходимые для этого компоненты быстро миниатюризируются, а отдельные части концепции уже подтверждаются экспериментально»

сегодня вполне обоснованно.

Что в итоге

Будущее беспарольной аутентификации, возможно, вообще не будет выглядеть как поиск одного идеального биометрического признака.

Не:

лицо вместо пароля.

Не:

отпечаток вместо пароля.

И даже не:

кровь вместо пароля.

Скорее:

**несколько независимых признаков человека

• доверенное устройство
• локальная обработка
• криптографический ключ
• проверяемая целостность сенсора
• безопасный enrollment.**

То есть смартфон должен не сообщать серверу:

«Я измерил у человека вот такой пульс, такие сосуды и такой спектр».

А доказать:

«Я — доверенный аутентификатор, привязанный к этой цифровой личности. Я локально проверил зарегистрированного пользователя несколькими независимыми физиологическими методами. Вот криптографическое доказательство текущей операции».

В такой системе генеративному ИИ уже недостаточно нарисовать лицо или склонировать голос.

А центральной системе не требуется создавать гигантскую базу человеческой физиологии.

Наверное, именно здесь проходит наиболее интересная граница между биометрией сегодняшнего дня и действительно беспарольной идентификацией будущего:

не сделать организм человека новым паролем, а использовать организм для безопасного доступа к криптографическому идентификатору, который при необходимости всё-таки можно заменить.

И в этом смысле июльская инициатива Минцифры по защите биометрической регистрации от подмены выглядит не отдельной историей про ЕБС, а частью гораздо более крупной проблемы.

Главный вопрос уже не в том, научимся ли мы точнее узнавать человека.

С этим как раз всё становится неплохо.

Главный вопрос — сможем ли мы доказать, что человека действительно измерил доверенный сенсор здесь и сейчас, не сохранив при этом о нём больше данных, чем действительно необходимо.