從解鎖智能手機(jī)到授權(quán)付款，指紋廣泛用于識別人員。

然而，一組研究人員現(xiàn)在已經(jīng)設(shè)法準(zhǔn)確地復(fù)制真實指紋并創(chuàng)建了名為“DeepMasterPrints”的假指紋。

研究人員 - 使用神經(jīng)網(wǎng)絡(luò)創(chuàng)建假印刷品 - 能夠模仿超過五分之一的指紋。

這些新的技術(shù)發(fā)展表明指紋識別可能變得越來越不安全。

紐約大學(xué)的Philip Bontrager領(lǐng)導(dǎo)的研究人員在洛杉磯安全會議上發(fā)表的論文中寫道，“MasterPrints是可以偶然匹配大量指紋的真實或合成指紋” 。

“在這項工作中，我們生成了完整的圖像級MasterPrints，稱為DeepMasterPrints，其攻擊精度比以前的方法要好得多。”

該方法稱為潛在變量進(jìn)化，通過在真實指紋圖像上訓(xùn)練生成對抗網(wǎng)絡(luò)(GAN)來創(chuàng)建。

GAN通過提供大量信息來“教授”關(guān)于特定主題的算法 - 在這種情況下是指紋。

GAN由兩個從查看原始數(shù)據(jù)中學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)組成。

一個查看原始數(shù)據(jù)(指紋)，另一個根據(jù)數(shù)據(jù)集生成虛假圖像。

Guardian寫道，指紋系統(tǒng)通常不會讀取整個指紋，而只是記錄它最先接觸掃描儀的哪一部分 。

這意味著它們比完整的印刷品更容易偽造。

GAN創(chuàng)建了多個虛擬指紋，這些指紋與真實指紋相匹配，足以欺騙掃描儀以及人眼。

研究人員發(fā)現(xiàn)，當(dāng)仿生系統(tǒng)的錯誤率只有千分之一時，它能夠模仿五個以上的指紋。

研究人員 - 使用神經(jīng)網(wǎng)絡(luò)創(chuàng)建假印刷品 - 能夠模仿超過五分之一的指紋

研究人員寫道，“基礎(chǔ)方法很可能在指紋安全性和指紋合成方面有廣泛的應(yīng)用”。

他們希望他們的研究有助于在未來開發(fā)更安全的身份驗證系統(tǒng)。

使用三種不同指紋匹配器和兩個不同數(shù)據(jù)集的實驗表明該方法是穩(wěn)健的并且不依賴于任何特定指紋匹配器或數(shù)據(jù)集的偽影。

研究人員發(fā)現(xiàn)，“這個想法出人意料地被低估了，可能對計算創(chuàng)造力研究以及其他安全領(lǐng)域有用”。

物理生物識別技術(shù)，例如指紋，面部識別和視網(wǎng)膜掃描，目前更常用于安全目的。

然而，行為生物特征識別 - 包括你如何行走 - 能夠捕獲關(guān)于一個人的行為和運(yùn)動的獨(dú)特事物。

它們還包括語音ID和簽名分析等內(nèi)容。

曼徹斯特大學(xué)的研究人員開發(fā)了一種AI生物識別驗證系統(tǒng)，可以測量個人的步態(tài)或步行模式。

這種非侵入式技術(shù)可以成功地驗證人們在走過地板上的壓力墊后準(zhǔn)確度達(dá)到99.3% - 而且他們甚至不需要脫鞋。

行為生物識別已經(jīng)用于金融機(jī)構(gòu)和企業(yè)的身份驗證。

在人們提供他們的生物識別數(shù)據(jù)后，AI會選擇使用算法處理的特定數(shù)據(jù)點(diǎn)。