Cualquier plataforma de verificación de identidad muestra en su página una fila de siglas: NIST, ISO/IEC 30107-3, liveness, KYC. Suenan a garantía, pero cada una responde una pregunta distinta, y ninguna por sí sola dice si el sistema es seguro.
En esta entrada explico, desde el punto de vista de un ingeniero, qué significa cada una, cómo leer sus números y qué preguntas hacer antes de poner un sistema biométrico en producción.
Dos preguntas que no son la misma
Un sistema de reconocimiento facial en un proceso de confianza tiene que responder dos cosas:
- ¿Eres tú? Comparar el rostro capturado contra una referencia. Puede ser una verificación 1:1 (¿esta persona es quien dice ser, según su identificación?) o una identificación 1:N (¿quién de toda la base de datos es esta persona?).
- ¿Eres real? Confirmar que frente a la cámara hay una persona viva y presente, y no una foto, un video en una pantalla o una máscara. Esto es la detección de ataques de presentación (PAD), lo que en el mercado se llama liveness.
Un algoritmo puede ser excelente en la primera pregunta y vulnerable en la segunda. Por eso se evalúan por separado.
NIST FRTE y FATE: un banco de pruebas, no un sello
Durante años, la referencia mundial fue el Face Recognition Vendor Test (FRVT) del NIST de Estados Unidos. En 2023 el programa se dividió en dos:
- FRTE (Face Recognition Technology Evaluation): mide la precisión del reconocimiento, en pistas como verificación 1:1 e identificación 1:N.
- FATE (Face Analysis Technology Evaluation): mide capacidades de análisis, como detección de ataques de presentación, detección de morphing y calidad de imagen.
Lo importante: aparecer en NIST no es una certificación. Significa que un fabricante envió su algoritmo y el NIST lo midió con sus conjuntos de datos. Al leer un resultado conviene preguntar:
- ¿Qué pista? No es lo mismo 1:1 que 1:N, ni fotos de visa que imágenes tomadas en la calle.
- ¿Qué fecha? Los algoritmos mejoran rápido; un resultado de hace dos años dice poco.
- ¿En qué punto de operación? La tasa de rechazo (FNMR) siempre se reporta a una tasa de falsa aceptación (FMR) fija. Bajar una sube la otra.
ISO/IEC 30107-3: cómo se mide el liveness
La norma ISO/IEC 30107-3 (segunda edición, 2023) define cómo probar y reportar la detección de ataques de presentación. Sus dos métricas centrales son:
- APCER (Attack Presentation Classification Error Rate): la proporción de ataques que el sistema clasificó como personas reales. Es decir, cuántos fraudes pasaron.
- BPCER (Bona fide Presentation Classification Error Rate): la proporción de personas reales que el sistema clasificó como ataque. Es decir, cuántos usuarios legítimos fueron rechazados.
Las dos dependen del mismo umbral de decisión, y se mueven en sentidos opuestos. No hay forma de bajar ambas moviendo el umbral; solo un mejor detector las baja a la vez. Muévelo tú:

