據(jù)臺(tái)灣媒體報(bào)道，研究人員利用生成對(duì)抗網(wǎng)路，合成繪制出假指紋，在小面積的指紋辨識(shí)、解析度不佳的app及指紋比對(duì)的安全層級(jí)條件下，可以假亂真，冒充真實(shí)的指紋通過辨識(shí)機(jī)制。

指紋識(shí)別被大量用于安全防護(hù)，從門禁系統(tǒng)、電子支付到手機(jī)解鎖等。采用指紋識(shí)別的安全設(shè)備需要使用者的指紋，因此被認(rèn)為比設(shè)密碼安全。但研究人員現(xiàn)在已發(fā)展人工智能繪制而成的假指紋，已能成功騙過指紋辨識(shí)系統(tǒng)。

在某些裝置，如智能手機(jī)上，由于空間不夠，往往只使用小型指紋辨識(shí)感測器。而這類感測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)到指紋辨識(shí)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，而用於指紋的字典攻擊。

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則是要繪制人類指紋的圖像。

最新的研究在實(shí)驗(yàn)產(chǎn)生Deep Master Prints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)路（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)路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，配合小面積的指紋傳感器和分辨率不佳的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Deep Master Prints來比對(duì)美國國家標(biāo)準(zhǔn)暨技術(shù)研究院（NIST）的真人指紋資料庫，以及由傳感器搜集到的指紋數(shù)據(jù)庫，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)行測試。結(jié)果顯示，在0．1％的誤識(shí)率（false match rate）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)果可望被廣泛用于指紋辨識(shí)安全系統(tǒng)的強(qiáng)化，或是以指紋合成破解。