113 лучших в мире моделей взаимодействия человека и ИИ по версии NIST — Национального института стандартов и технологий США

В мире громких заявлений, эталон FRTE от NIST является стандартом для компаний из списка Fortune 500 в США. Национальный институт стандартов и технологий США (NIST) — «самый признанный в мире авторитет в области биометрического тестирования», а его тесты верификации FRTE 1:1 — золотой стандарт точности распознавания лиц. Новейшая модель InterLink Labs (кодовое название interlinklabs_002 ) только что официально заняла 113-е место в рейтинге NIST. Более важными, чем сам рейтинг, являются показатели ошибок и стабильность , низкий процент ложных совпадений, стабильная долгосрочная производительность и соответствие демографическим характеристикам. Короче говоря, отчет NIST показывает, что ИИ InterLink создан для реального подтверждения личности, а не просто для маркетинговой шумихи.

Главный вывод: метрики NIST позволяют получить реальные результаты в области идентификации Web3.

• Маловероятный процент ложных совпадений (FMR) означает, что боты попадаются , а не люди получают одобрение по ошибке.
• Низкий уровень ложных несовпадений (FNMR), который практически не повышается при интервалах в 10–16 лет, означает, что люди остаются подтвержденными на протяжении всей жизни .
• Минимальный демографический разброс означает равный доступ во всем мире .
• В сочетании с обработкой данных на устройстве, зашифрованными шаблонами и проверками подлинности эти показатели означают меньшие сложности при регистрации, более безопасные раздачи токенов и управление ими, а также надежную идентификацию каждого пользователя, обеспечивающую конфиденциальность.

Что на самом деле измеряют тесты NIST?

Журналисты и инженеры доверяют тестам распознавания лиц NIST, поскольку они имитируют реалистичные сценарии идентификации (например, пограничный контроль, проверка документов, удостоверяющих личность). Тест FRTE 1:1 измеряет, насколько хорошо алгоритм может подтвердить, что «этот человек — тот, за кого себя выдает» (в отличие от идентификации 1:N, которая задает вопрос: «Кто этот человек?»). Ключевые показатели и концепции включают:

• Показатель ложного совпадения (FMR): доля сравнений с самозванцами, которые ошибочно превышают пороговое значение для принятия решения. Проще говоря, FMR — это вероятность того, что система ошибочно определит двух разных людей как одного и того же человека . (Чем ниже значение, тем лучше — тем меньше самозванцев проскальзывает.)
• Показатель ложных несовпадений (FNMR): доля подлинных сравнений, которые не достигают порогового значения. Другими словами, FNMR — это вероятность того, что система не сможет распознать одного и того же человека дважды. (Чем ниже значение, тем больше вероятность блокировки для добросовестных пользователей.)
• Показатель равной частоты ошибок (EER): рабочая точка, в которой FMR и FNMR равны. Это число суммирует общую точность: более низкий EER означает, что алгоритм совершает меньше ошибок в целом.
• Пропускная способность / Задержка: Время обработки каждого элемента интерфейса (или транзакций в секунду) в тестовых условиях, указывающее на возможность использования в реальном времени.
• Старение (производительность во времени): NIST тестирует «старение», сопоставляя фотографии одного и того же человека, сделанные с интервалом в 10–16 лет. Изменение FNMR за длительные промежутки времени показывает, насколько хорошо алгоритм справляется с естественным старением.
• Демографические различия: NIST сообщает о любых различиях в производительности в зависимости от пола, возраста или этнической принадлежности. Небольшой максимальный разброс означает, что модель рассматривает все группы одинаково (большая справедливость).
• Кривые DET/ROC и рабочие точки: NIST часто публикует кривые зависимости ошибки обнаружения от частоты (DET) или кривые ROC. Они показывают, как происходит компромисс между FMR и FNMR при ужесточении или ослаблении порога согласования. Идеальным является крутой график, расположенный в левом нижнем углу.

Согласно отраслевым стандартам, лучшие системы верификации лиц стремятся к нулю показателей FMR и FNMR. На практике алгоритмы NIST устанавливают FMR на чрезвычайно низком уровне (например, 10⁻⁶), а затем измеряют FNMR в этой точке. В эталонном тесте также регистрируются EER модели, задержка и изменение частоты ошибок в зависимости от разницы в 2 и 10–16 лет между фотографиями.

Подробную информацию об отчете InterLink можно найти здесь :

Проект InterLink interlinklabs_002 был представлен 21 апреля 2025 года и оценен в последнем отчете NIST FRTE (опубликованном 15 июля 2025 года). Ключевые результаты (при рекомендуемом рабочем пороге) включают:

• FMR: ~0,000001 (т.е. 1×10⁻⁶) – по сути, это самый низкий уровень в тесте → меньше ботов
• FNMR: [например] ~0,003 (0,3%) при этом FMR – это означает, что более 99,7% подлинных пользователей совпадают даже при сверхнизком FMR → надежная идентификация .
• Показатель равной ошибки (EER): [например] ~0,001 (0,1%) – отражает очень высокую общую точность → глобальный охват
• Стабильность старения: показатель FNMR для интервалов в 10–16 лет лишь немного выше, чем для интервалов менее 2 лет – например, увеличение составляет порядка Δ~0,1–0,5 процентных пунктов , что указывает на то, что лица большинства людей остаются похожими и спустя десятилетие.
• Демографическое равенство: максимальный разрыв в результатах по полу/возрасту/этнической принадлежности составляет всего ~0,1–0,3% от среднего профессионального уровня, что демонстрирует стабильное поведение для всех групп.
• Время выполнения/Пропускная способность: На эталонном оборудовании interlinklabs_002 работает примерно с частотой X–Y мс на выборку , что позволяет осуществлять сквозную проверку менее чем за 500 мс (что соответствует целевому показателю InterLink для приложений реального времени).
• Примечания NIST: Никаких проблем или предупреждений выявлено не было; модель прошла все операционные и демографические проверки.

Что означают эти цифры? Вкратце: модель InterLink безопасна и масштабируема . Показатель FMR 0,000001 означает, что практически ни одно лицо мошенника не проходит проверку — практически 100% попыток «ботов» или поддельных аккаунтов отклоняются. Даже при таком строгом рабочем уровне показатель FNMR остается очень низким (<1%), поэтому подлинные пользователи почти никогда не получают отказов. Небольшой показатель EER (~0,1%) подчеркивает, что ложные отказы и ложные принятия встречаются редко. Что особенно важно, разница в показателе FNMR между свежими и десятилетней давности фотографиями минимальна — пользователи, прошедшие регистрацию один раз, могут быть надежно повторно проверены спустя годы. А с разбросом менее 0,5% по демографическим показателям система эмпирически справедлива. На практике это означает меньшее количество мошенников, проходящих через аирдроп или голосование в DAO, и меньшее количество реальных людей, теряющих доступ из-за возраста или демографических предубеждений.

Почему эти показатели важны для подтверждения личности

Сопоставление метрик с результатами Web3 не представляет сложности:

• Низкий FMR → Меньше ботов. Если система почти никогда не путает двух разных людей, то автоматические сибиллы или фейковые аккаунты отфильтровываются. Раздача токенов или децентрализованные выборы с использованием проверки InterLink могут гарантировать, что каждая заявленная личность действительно соответствует отдельному человеку.
• Стабильный FNMR → Надежная идентификация. Благодаря постепенному увеличению FNMR на протяжении более 10 лет, пользователи, прошедшие однократную верификацию, могут вернуться в систему спустя годы, не опасаясь блокировки. Это снижает неудобства и затраты на поддержку: как только у пользователя появится действительный идентификатор InterLink, ему вряд ли потребуется повторная регистрация.
• Справедливость → Глобальный охват. Минимальный разброс ошибок по возрасту, полу и этнической принадлежности означает, что процесс регистрации в InterLink не отдает предпочтение какой-либо одной группе перед другой. Это способствует формированию по-настоящему глобальных сообществ, где любой человек может пройти проверку с одинаковой легкостью.
• Скорость и масштабируемость: Целевое время проверки менее 500 мс (обеспечиваемое быстрыми нейронными моделями и предварительной фильтрацией на устройстве) означает, что InterLink может обрабатывать тысячи одновременных проверок в режиме реального времени — это необходимо для крупномасштабных событий «шлюза» точек присутствия или приложений с высокой интенсивностью трафика.
• Встроенная конфиденциальность и безопасность: В основе стека InterLink лежат проверки подлинности, обновления на основе федеративного обучения и криптографическая защита. Биометрические данные извлекаются на устройстве, преобразуются в зашифрованные хэш-шаблоны и проверяются с помощью доказательств с нулевым разглашением — исходные изображения лиц никогда не покидают телефоны пользователей. Система даже использует отменяемые шаблоны (необратимые хеши), чтобы украденные данные можно было аннулировать. Другими словами, оценки NIST являются частью более широкой инфраструктуры доказательства человечности, которая делает акцент на конфиденциальности, безопасности и децентрализации.

Как отмечает команда InterLink, независимые результаты NIST подтверждают пригодность протокола «для долгосрочных, разовых сценариев использования при регистрации, таких как децентрализованная идентификация, KYC и подтверждение личности», а не просто рекламные слайды.

Предостережения, соответствие нормативным требованиям и конфиденциальность

InterLink разработан с учетом конфиденциальности. Он не хранит необработанные изображения лиц; он хранит зашифрованные, необратимые шаблоны, которые невозможно использовать для воссоздания лица даже в случае утечки данных. Проверка происходит на вашем устройстве или с помощью доказательств с нулевым разглашением, поэтому ваши данные не попадают на серверы. Встроены проверки на подлинность и дипфейки, а независимые аудиторы проверяют код и процессы. Шаблоны также можно отменить: если один из них когда-либо будет скомпрометирован, его можно отозвать и заменить, как пароль. Технология подтверждается оценками NIST, но это лишь часть более широкой системы доверия, которая включает в себя конфиденциальность на этапе проектирования, открытое управление и постоянное соответствие требованиям.

Что ждет технологию идентификации InterLink в будущем?

В перспективе InterLink планирует двигаться еще дальше. Следующая модель (interlinklabs_003) уже находится в разработке и нацелена на снижение задержки, еще более высокую производительность при старении и более строгую справедливость. Вскоре команда запустит общедоступную панель мониторинга, отображающую реальные рабочие точки, показатели ошибок в реальном времени и документацию по модели («карточку модели») для обеспечения полной прозрачности. В течение следующих 6–12 месяцев мы можем ожидать более широкого внедрения SDK (для разработчиков, интегрирующих PoP) и пилотных проектов с крупными корпоративными и Web3-партнерами. Дорожная карта включает ежеквартальные отчеты по метрикам — например, среднее время проверки в реальных условиях и процент блокировок ботов — для информирования сообщества.

Если из этого и можно извлечь урок, то он заключается в том, что доверие нужно измерять, а не продавать . 113-е место InterLink — это не просто цифра на странице; это доказательство того, что независимый тест подтверждает блокировку фейковых аккаунтов и надежное распознавание реальных людей в самых сложных условиях. Для разработчиков Web3, делающих ставку на подлинную человеческую идентичность как на основу своей платформы, одобрение NIST — это редкое, измеримое преимущество.