“人工智能技术可以将海量指纹数据作为‘原材料’，学习其结构特征和详细信息，并按照一定的规则进行重组，生成具有高度仿真性的假数据。”人工智能行业资深专家研究员孙立斌告诉科技日报记者。 最近，美国纽约大学和密歇根州立大学发表的一篇论文详细介绍了深度学习技术如何削弱指纹识别的安全系统。 AI可以伪造指纹，指纹解锁还安全吗？ Generateadversarialnetworkstoforgefingerprints 》指纹识别，即通过识别指纹来确认身份。虽然指纹识别应用广泛，但也有一定的缺点。由于触摸验证方式对环境和环境要求高手指的湿度和清洁度要求更高，指纹磨损也会造成识别困难；有些人天生没有指纹，或者指纹特征少，无法成像；不可忽视的是指纹容易残留，有被抄袭的可能，造假成本低。”旷视科技研究院研究员范浩强告诉科技日报记者。 论文表明，研究人员使用神经网络数据训练底层软件，以创建令人信服的假指纹，其图像甚至比原始指纹材料更好。“该团队使用神经网络技术的一种变体来生成对抗性网络伪造指纹，”纽约大学副教授、该论文的作者之一朱利安·托吉留斯(JulianTogilius)说。 》生成对抗网络是目前非常流行的深度学习算法，它本质上是一种生成模型，通过对抗训练，可以创建带有数据噪声的deepfake图片，可以用于数据增强或者更好突破特定的识别系统。”范浩强说道。 孙立斌解释说，人工智能技术还可以利用人眼与计算机认知方式的差异，在指纹图像中嵌入一些隐藏属性。用于识别目的的图像。而且很多系统没有活体检测模块，无法判断获取的图像是否来自真人。该漏洞允许伪造的指纹图像通过系统验证。 指纹、人脸、虹膜识别各有特色。 范浩强介绍，在生物识别方面，目前常见的应用包括指纹识别、人脸识别、虹膜识别等。 虹膜识别，目前主要应用于一些高端智能手机的虹膜识别和解锁。与指纹识别相比，虹膜识别技术利用人体特有的虹膜特征来识别身份。虹膜识别的准确率在各种生物识别中较高。然而，与其他生物识别技术相比，虹膜识别硬件价格昂贵。识别过程需要协同，难以大规模推广。镜头可能会产生图像失真并降低可靠性。因此，虹膜识别的图像采集和模式匹配相对不便，实现大规模商用还有很多技术难点需要攻克。 》人脸识别，利用计算机图像处理技术从人脸中提取关键特征点，利用构建的人脸特征模板对被验证人的特征进行比对分析，并根据分析结果给出相似度值。通过这个值可以判断是否是同一个人，相对于指纹需要触摸，虹膜需要配合的识别特性，人脸识别可以自动抓拍验证，非配合识别更方便，适用场景有更丰富。”范浩强说道。 多模态融合识别方式更安全 范浩强分析，评价人脸识别的安全性有两个维度不可忽视。 》是否容易获取。这包括获取应用场景的人脸数据和基础数据库数据，仅靠任何单一数据是无法完成识别比对的。目前无论是数据采集，调用人脸识别业务应用场景中的任何部分点对点过程都需要在用户知情和同意的情况下进行，人脸生物样本核心数据库由公安、司法等核心机构控制中央银行，普通商业经营者无权。”范浩强说，其次是容易断吗。这不仅考验算法的强度，更重要的是抵御攻击的能力。 》综合来看，人脸识别是目前生物识别领域最安全的，当然也不是万无一失的。要实现人脸识别安全和大规模实施，技术水平、法律法规、行业标准需要逐步完善。”范浩强说。 孙立斌认为，随着生物识别技术的快速发展，不同模式的生物识别技术各有特点，其防伪能力也各不相同。为了在更高层面对抗假体攻击风险，可以采用多模态融合识别方式，比如步态和人脸的融合识别，可以大大增加伪造数据的难度，提高识别系统的安全性。
