人工智能技術可以以海量指紋數據為“原材料”，學習其結構特征和詳細信息，并按照一定規(guī)則進行重組，生成模擬精度極高的偽造數據。人工智能行業(yè)資深人士孫立斌告訴科技日報記者。

近日，紐約大學和密歇根州立大學發(fā)表的一篇論文詳細介紹了深度學習技術如何削弱指紋識別的安全系統(tǒng)。

AI可以偽造指紋，指紋解鎖還安全嗎？

生成對抗網絡可以偽造指紋

指紋識別是通過識別指紋來確認身份。盡管指紋識別被廣泛使用，但它也有一定的缺點。由于觸摸式驗證方式對環(huán)境以及手指的濕度和清潔度要求較高，指紋佩戴也會造成識別困難；有些人天生沒有指紋，或者指紋特征很少，無法成像；不可忽視的是，指紋痕跡容易保留，存在被復制的可能性，且造假成本低。曠視技術研究院研究員范浩強告訴科技日報記者。

這篇論文表明，研究人員利用神經網絡數據訓練基礎軟件來創(chuàng)建令人信服的偽造指紋，而且圖像甚至比原始指紋材料還要好。該團隊使用一種稱為生成對抗網絡的神經網絡技術變體來偽造指紋。該論文的合著者、紐約大學副教授朱利安·托格柳斯（Julian Togelius）說。

生成對抗網絡是目前非常流行的深度學習算法。它本質上是一個生成模型。通過對抗性訓練，它創(chuàng)建帶有數據噪聲的深度假圖像。它可以用于數據增強，也可以用于破解特定的識別系統(tǒng)。范浩強說道。

孫立斌解釋說，人工智能技術還可以利用人眼和計算機認知方式的差異，在指紋圖像中嵌入某些隱藏屬性。雖然肉眼看不見，但計算機可以捕獲這些信息并使用偽造的指紋圖像進行身份驗證。識別目的。而且，很多系統(tǒng)沒有活體檢測模塊，無法判斷獲取的圖像是否來自真實的人體。該漏洞允許偽造的指紋圖像通過系統(tǒng)驗證。

指紋、人臉、虹膜識別各有特點

范浩強介紹，在生物識別方面，目前常見的應用包括指紋識別、人臉識別、虹膜識別等。

虹膜識別目前主要見于一些高端智能手機上的虹膜識別解鎖。與指紋識別相比，虹膜識別技術利用人體獨特的眼睛虹膜特征來識別身份。在各種生物特征識別中，虹膜識別的準確率較高。然而，與其他生物識別技術相比，虹膜識別硬件價格昂貴。識別過程需要合作，難以大規(guī)模推廣。鏡頭可能會產生圖像失真，從而降低可靠性。因此，虹膜識別的圖像采集和模式匹配相對不方便，還需要克服許多技術難點才能實現大規(guī)模商用。

人臉識別利用計算機圖像處理技術提取人臉的關鍵特征點，利用構建的人臉特征模板與被驗證人的特征進行對比分析，并根據分析結果給出相似度值。這個值可以用來判斷他們是否是同一個人。與需要接觸指紋、虹膜配合的識別功能相比，人臉識別可以自動抓拍和驗證，使得非配合識別更加便捷，適用于更多場景。范浩強說道。

多模態(tài)融合識別方法更安全

范浩強分析，評估人臉識別的安全性有兩個維度不可忽視。

是否容易獲得。這包括獲取人臉數據和應用場景的數據庫數據。任何單一數據都無法完成識別和比較。目前，在人臉識別商業(yè)應用場景中，每一個環(huán)節(jié)，無論是數據采集、調用還是比對，都需要在用戶知情并同意的情況下進行。人臉生物樣本的核心數據庫由公安、央行等核心機構控制，并不是普通商業(yè)經營者有權利獲得的。范浩強說，第二是是否容易壞。這不僅考驗算法的強度，更重要的是其抵抗攻擊的能力。

綜合起來，人臉識別是目前生物識別領域最安全的，但當然它也不是萬無一失的。要實現人臉識別的安全、規(guī)?；涞?，必須逐步完善技術水平、法律法規(guī)和行業(yè)標準。范浩強說道。

孫利斌認為，生物識別正在快速發(fā)展，不同模式的生物識別特征各有特點，防偽能力也不同。為了在更高層面對抗假肢攻擊的風險，可以采用多模態(tài)融合識別方法，例如集成步態(tài)和人臉識別，可以大大增加偽造數據的難度，提高識別系統(tǒng)的安全性。 （記者馬愛萍）