本文摘要：“人工智能技术需要将海量的指纹数据作为‘原材料’，自学到他们的结构特征和细节信息，并且根据一定的规则展开重组，分解仿真度极高的假造数据。”人工智能行业资深人士孙立斌说道。最近，美国纽约大学和密歇根州立大学公开发表的一篇论文详尽讲解了深度自学技术如何巩固指纹识别的安全性系统。AI能假造指纹，指纹关卡还安全性吗？分解对付网络可假造指纹“指纹识别，即通过辨识手指纹路证实身份。 指纹识别虽应用于普遍但不存在一定的弊端。

“人工智能技术需要将海量的指纹数据作为‘原材料’，自学到他们的结构特征和细节信息，并且根据一定的规则展开重组，分解仿真度极高的假造数据。”人工智能行业资深人士孙立斌说道。最近，美国纽约大学和密歇根州立大学公开发表的一篇论文详尽讲解了深度自学技术如何巩固指纹识别的安全性系统。AI能假造指纹，指纹关卡还安全性吗？分解对付网络可假造指纹“指纹识别，即通过辨识手指纹路证实身份。

指纹识别虽应用于普遍但不存在一定的弊端。因为触摸式的检验方式对环境拒绝低，对手指的湿度和清洁度更加有拒绝，指纹磨损也不会导致辨识艰难；另外一些人天生没指纹，或者指纹特征较少造成无法光学；不容忽视的是，指纹痕迹更容易存留，不存在被拷贝的可能性，不实成本低。

”旷视科技研究院研究人员范浩强告诉他科技日报记者。此次论文表明，研究人员用于神经网络数据训练基础软件，创立出有令人信服的假造指纹，其图像甚至高于完整指纹素材。

“团队用于神经网络技术变体，即分解对付网络假造指纹。”论文作者之一、纽约大学副教授朱利安·托吉留斯说道。

“分解对付网络是当下十分疯狂的一种深度自学算法，它本质是一种生成式模型，通过对付式训练，生产具有数据噪音的深度假造的图片，可用作数据强化，也可用作攻陷特定的识别系统。”范浩强说道。孙立斌说明，人工智能技术还需要利用人眼和计算机理解方式的有所不同，在指纹图像中映射某些隐蔽属性，虽然肉眼看不出来，但计算机可捕捉这些信息，超过利用假造指纹图像展开身份辨识的目的。并且很多系统没活体检测模块，无法判断提供的图像否来自于现实的人体，这一漏洞使得假造的指纹图像可以通过系统验证。

指纹、人脸、虹膜识别各有特色范浩强讲解，就生物识别来说，目前少见的应用于有指纹识别、人脸识别、虹膜识别等。虹膜识别，目前主要载于部分高端智能手机的虹膜识别关卡。

相比于指纹识别，虹膜识别技术通过人体独一无二的眼睛虹膜特征来辨识身份，虹膜识别的准确性是各种生物识别中较高的，但相比于其它生物识别技术，虹膜识别硬件耗资低，辨识过程须要因应，大范围推展更为艰难，镜头有可能产生图像畸变而使可靠性减少。因此，虹膜识别的图像提供和模式匹配都比较不便，构建大规模商用还有许多技术考验亟需攻下。“人脸识别，以计算机图像处理技术从人的面部萃取关键特征点，利用已竣工的人脸特征模板与被检验者的特征展开对比分析，根据分析的结果得出相近值。

通过这个值才可确认否为同一人。相比于指纹必须认识、虹膜必须因应的辨识特性，人脸识别可自动捕捉检验，非因应式的辨识更为便利，限于场景更为非常丰富。”范浩强说道。多模态融合的辨识方式更加安全性范浩强分析，人脸识别在评估安全性上有两个维度不能忽视。

“否不易提供。这还包括提供应用于场景的人脸数据和底库数据，仅有享有任何单一数据都无法已完成辨识核对。

目前人脸识别商业应用于场景中不管是数据采集、调用还是核对等任一环节都必须在用户知情、并且表示同意的情况下展开。而人脸生物样本的核心数据库是由公安、央行等核心机构掌控，并非一般商业运营商需要有权取得的。

”范浩强说道，其次是，否不易攻陷。这不仅考验算法实力，更加最重要的是外用攻击能力。“综合来看，人脸识别是目前生物识别领域安全性较高的，当然也并非万无一失，想构建人脸识别安全性、规模化落地必须技术水平、法律法规和行业标准逐步完善。

”范浩强回应。孙立斌指出，生物特征辨识迅猛发展，有所不同模态的生物特征有其自身的特性，外用假造能力也有所不同。若要更高级别抗击假体反击的风险，可以采行多模态融合的辨识方式，例如步态和人脸一体化辨识，需要大幅减少假造数据的可玩性，提高识别系统的安全性。

本文来源：皇冠官方链接-www.jackiefewell.com