當(dāng)前指紋識(shí)別技術(shù)被廣泛使用，有人甚至認(rèn)為指紋識(shí)別比常規(guī)密碼來的安全。但研究人員發(fā)現(xiàn)用人工智能繪制出來的假指紋，竟能成功騙過指紋識(shí)別系統(tǒng)。這相當(dāng)于，未來駭客根本不用跟在使用者背后竊取指紋，也能搞定指紋識(shí)別認(rèn)證了。

如今指紋識(shí)別已被大量用于安全防護(hù)，從門禁系統(tǒng)、電子支付到手機(jī)解鎖，在某些裝置，如智能手機(jī)上，礙于空間不夠，往往只使用小型指紋識(shí)別感測(cè)器。這類感測(cè)器并不需要完整的指紋，而只需要一小部份指紋即可。這使得單一指頭的部份指紋可能被誤認(rèn)或剛好符合其他手指的部份指紋。這是紐約大學(xué)坦頓分校資工系研究人員Aditi Roy等人名為MasterPrint研究發(fā)現(xiàn)到指紋識(shí)別的問題。研究人員發(fā)展出的MasterPrints是一組真實(shí)或合成的指紋，可以在大量真的指紋中碰巧出現(xiàn)符合情形，而用于指紋的字典攻擊。

Roy等人在最新發(fā)表的研究中則以此為基礎(chǔ)發(fā)展出DeepMasterPrints的假指紋系統(tǒng)。之前研究并未生成任何指紋圖像，但DeepMasterPrints則是要繪制有如人類指紋的圖像。

最新的研究在實(shí)驗(yàn)產(chǎn)生DeepMasterPrints的方法。研究人員先是以真實(shí)指紋圖像來訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Network)，訓(xùn)練它產(chǎn)生指紋圖像。接著他們使用名為“潛在變項(xiàng)演化”(Latent Variable Evolution)的方法，為生成網(wǎng)絡(luò)搜尋潛在的輸入變項(xiàng)，以便使指紋符合的機(jī)率最大化。

研究人員稱這是第一項(xiàng)研究可生成圖像式的合成指紋，配合小面積的指紋感測(cè)器和解析度不佳的APP，提升冒充真指紋的機(jī)率。最后研究人員將AI系統(tǒng)產(chǎn)出的DeepMasterPrints來比對(duì)美國(guó)國(guó)家標(biāo)準(zhǔn)暨技術(shù)研究院(NIST)的真人指紋資料庫，以及由感測(cè)器蒐集到的指紋資料集，并在0.01%、0.1%及1%三種安全層級(jí)設(shè)定下由指紋識(shí)別軟件進(jìn)行測(cè)試。結(jié)果顯示，在0.1%的誤識(shí)率下，可以模仿23%的樣本，而若降到1%的誤識(shí)率，則假指紋將可冒充77%的樣本。

研究人員表示，研究的結(jié)果有望被廣泛用于指紋識(shí)別安全系統(tǒng)的強(qiáng)化。

關(guān)鍵詞： 指紋識(shí)別 AI