Ключові слова
маніпуляції
біометрія
комп’ютерні технології
підробка документів
виклики
Як цитувати
Анотація
Розглянуто проблему виявлення фальсифікацій з цифровими фотозображеннями осіб, як виклик сучасній системі захисту документів у контексті біометричної ідентифікації та верифікації особи. Наведено комплекс доцільних заходів щодо її вирішення. В умовах запровадження в розвинених країнах автоматизованих систем біометричної верифікації та ідентифікації, маніпуляції з цифровими фотозображеннями осіб (морфінг) є відносно новим викликом, особливо для автоматизованих систем прикордонного контролю, в яких для ідентифікації особи використовуються цифрові та надруковані фотозображення обличчя пред’явника документа. Сучасні апаратно-програмні засоби, які здійснюють ідентифікацію особи на основі фотозображення обличчя, із значною вірогідністю розпізнають зображення облич, згенерованих шляхом маніпуляцій з цифровими фотозображеннями, як аутентичні. Разом з цим, коли всучасних розвинених країнах відбувається активне запровадження в діяльність правоохоронних органів та міграційних служб високотехнологічних рішень, вже правомірно стверджувати про незворотну світову тенденцію щодо поступового планомірного відходу від безпосередньої фізичної участі співробітників правоохоронних органів у процесі перевірки документів на користь автоматизованих систем. Тому, проблема виявлення у документах змінених фотозображень пред’явника потребує комплексних рішень, які охоплюють організаційну, правоохоронну, технічну та етичну площини. Щодо судової експертизи, то сучасні виклики в епоху загальної цифровізації, які постають перед судово-експертними установами, вимагають модернізації існуючих та розробки нових методик ідентифікації особи за ознаками зовнішності за матеріальними зображеннями з урахуванням методів біометричної ідентифікації та диференційованого впровадження в судово-експертну діяльність технологій штучного інтелекту, що мінімізувало б вірогідність експертних помилок.
Посилання
Androshchuk H.O. (2023). Shtuchnyi intelekt i intelektualna vlasnist: problemy rehuliuvannia: naukovo-praktychne vydannia [Artificial intelligence and intellectual property: regulatory issues: scientific and practical publication]. Naukovo-doslidnyi instytut intelektualnoi vlasnosti Natsionalnoi akademii pravovykh nauk Ukrainy. Kyiv: Interservice. 204 p. [in Ukrainian].
Havrylko D.D., Skakalina O.V. (2025). Metody vyiavlennia manipuliatsii u tsyfrovykh zobrazhenniakh: tekhnichna veryfikatsiia yak instrument protydii dezinformatsii [Methods for detecting manipulation in digital images: technical verification as a tool for countering disinformation]. Zbirnyk materialiv 77-i naukovoi konferentsii profesoriv, vykladachiv, naukovykh pratsivnykiv, aspirantiv ta mahistrantiv universytetu, Natsionalnyi universytet “Poltavska politekhnika imeni Yuriia Kondratiuka”, Poltava, May 16–22, 2025, 534–536 [in Ukrainian].
Handbook of Computational Geometry / edited by J.-R. Sack, J. Urrutia. North Holland, 2000. P. 121–153. URL: https://www.sciencedirect.com/book/edited-volume/9780444825377/handbook-of-computational-geometry (accessed: 01.02.2026) [in English].
Filippov S. (2021). Okremi aspekty vykorystannia pasazhyrskykh danykh (API/PNR) v interesakh prykordonnoi bezpeky [Selected aspects of the use of passenger data (API/PNR) in the interests of border security]. Rule of Law, 43, 169–176. DOI: https://doi.org/10.18524/2411-2054.2021.43.240997 [in Ukrainian].
Scherhag U., Budhrani D., Gomez-Barrero M., Busch C. (2018). Detecting morphed face images using facial landmarks. Proceedings of the International Conference on Image and Signal Processing, Cherbourg, France, July 2–4, 2018, 444–452. URL: https://orbit.dtu.dk/en/publications/detecting-morphed-face-images-using-facial-landmarks/ (accessed: 29.01.2026) [in English].
SOTAMD. (n.d.). State of the art of Morphing Detection. URL: https://www.utwente.nl/en/eemcs/dmb/research/research-archive/sotamd/ (accessed: 02.01.2026) [in English].
Busch C., Caillebotte S., Seidel U., Knopjes F., Maltoni D., Ferrara M., Veldhuis R., Spreeuwers L., Raja K., Raghavendra R., Gomez-Barrero M., Rathgeb C. (2019). Face morphing attacks: what needs to be done. Proceedings of the International Conference on Biometrics for Borders, Frontex, Warsaw, October 9–10, 2019, 96–108. URL: https://www.christoph-busch.de/files/Busch-iMARS-Frontex-2019.pdf (accessed: 02.01.2026) [in English].
iMARS: official website. (n.d.). URL: https://imars-project.eu/concept-objectives/ (accessed: 03.02.2026) [in English].
Commission proposes an EU Digital Travel application. European Commission. (2024). URL: https://ec.europa.eu/commission/presscorner/detail/en/ip_24_5047 (accessed: 03.02.2026) [in English].
Informatsiia shchodo Yevropeiskoi systemy informatsii ta avtoryzatsii podorozhei (ETIAS) [Information on the European Travel Information and Authorisation System (ETIAS)]. Predstavnytstvo Yevropeiskoho Soiuzu v Ukraini: ofitsiinyi vebsait. URL: https://www.eeas.europa.eu/delegations/ukraine (accessed: 03.02.2026) [in Ukrainian].
Busch C. (2024). Challenges for automated face recognition systems. Nature Reviews Electrical Engineering. URL: https://www.christoph-busch.de/f iles/Busch-NatureReview-ChallengesFRS-2024.pdf (accessed: 04.02.2026) [in English].
Europol Innovation Lab. (2025). Biometric vulnerabilities: ensuring future law enforcement preparedness. An Observatory Report from the Europol Innovation Lab. Luxembourg: Publications Office of the European Union. 60 p. DOI: https://doi.org/10.2813/8081090 [in English].
Jacquet M., Champod C. (2020). Automated face recognition in forensic science: review and perspectives. Forensic Science International, 307, 110–124. DOI: https://doi.org/10.1016/j.forsciint.2019.110124 [in English].
O’Toole A.J., Castillo C.D. (2021). Face recognition by humans and machines: three fundamental advances from deep learning. Annual Review of Vision Science, 7, 543–570. DOI: https://doi.org/10.1146/annurev-vision-093019-111701[in English].
Phillips P.J., Yates A.N., Hu Y., Hahn C.A., Noyes E., Jackson K., Cavazos J.G., Jeckeln G., Ranjan R., Sankaranarayanan S., Chen J.-C., Castillo C.D., Chellappa R., White D., O’Toole A.J. (2018). Face recognition accuracy of forensic examiners, superrecognizers, and algorithms. Proceedings of the National Academy of Sciences, 115(24), 6171–6176. DOI: https://doi.org/10.1073/pnas.1721355115 [in English].
European Network of Forensic Science Institutes. (2022). Guideline for Facial Recognition System End Users. Version 1.0. 36 p. URL: https://enfsi.eu/wp-content/uploads/2022/07/GUIDELINES-FOR-FR-USERS-V_01_public-review-1-1.pdf (accessed: 04.02.2026) [in English].
European Network of Forensic Science Institutes. (2018). ENFSI Best Practice Manual for Facial Image Comparison (BPM-DI-01). 50 p. URL: https://enfsi.eu/wp-content/uploads/2017/06/ENFSI-BPM-DI-01.pdf (accessed: 05.02.2026) [in English].
Pereidenko A. (2025). Vykorystannia avtomatyzovanykh system dlia perevirky rezultativ analizu zobrazhen oblychchia [The use of automated systems for verifying the results of facial image analysis]. Aktualni pytannia sudovoi ekspertyzy, kryminolohii ta kryminalnoho protsesu: materialy VII Mizhnarodnoi naukovo-praktychnoi konferentsii, Kyiv, December 10, 2025 / za red. M.Ye. Kiselova. Kyiv: Lira-K, 273–276 [in Ukrainian].