市面上的指紋解鎖技術主要包括三種：電容式指紋識別、光學式指紋識別、超聲波指紋識別。目前，除超聲波指紋識別技術沒有被大規模普及之外，電容式指紋識別、光學式指紋識別是最為常用的兩種指紋識別技術解決方案。

隨著近幾年AI人工智能技術在全球范圍內愈演愈烈，指紋識別技術的穩定性可能比面部識別更差。

最近，美國紐約大學和密歇根州立大學發表的一篇論文詳細介紹了深度學習技術如何削弱生物識別的安全系統。該研究項目在今年10月份的生物識別和網絡安全峰會上獲得了最佳論文獎。

據最新研究顯示，人工智能創建的偽造數字指紋可以“欺騙”智能手機上的指紋掃描儀，黑客可以利用漏洞，竊取受害者網上銀行的賬戶信息。

某些指紋識別系統中存在的致命級缺陷，問題的根源在于大多數指紋傳感器的工作方式。大多數人依靠部分指紋來確認身份，而不是使用完整的指紋。且多數設備允許用戶提交多個指紋圖像，匹配其中任何一部分，便可以確認用戶身份。

最新的研究成果，建立在紐約大學和密歇根州立大學的研究基礎之上。通過修改真實的指紋數據或者部分指紋圖像來“欺騙”系統，這些偽造指紋利用系統只能驗證部分指紋圖像，而不是整個完整指紋圖像的漏洞，順利通過系統驗證。

當然，人是可以很快地發現指紋是偽造的，軟件系統卻不具備識別真偽的能力。

左側為真實指紋，右側為AI偽造指紋

最新論文顯示，研究人員使用神經網絡數據訓練基礎軟件，創建出令人信服的偽造指紋，其圖像甚至優于原始指紋素材。偽造的指紋真實度極高，包含了肉眼無法觀察到的隱藏屬性，足以混淆指紋掃描儀。

這種“深度偽造”一度引起了政府機構的擔憂，因為該項技術完全可以制作公眾難以辨別的假視頻，被違法分子利用進行虛假宣傳活動。

一些有意思的例子，研究人員曾利用AI人工智能技術，偽造前總統奧巴馬的演講視頻。實際上，這些演講活動根本沒有發生過。去年，研究人員制作了一張烏龜的圖像，用以混淆谷歌圖像識別軟件。通過特定技術，谷歌圖像識別軟件將烏龜誤認為步槍。因為軟件識別出圖像中的某些隱藏元素與步槍的屬性相似，這些細微的元素人類肉眼根本無法辨別。

通常研究人員采用兩種生成對抗網絡GAN的組合，一起工作，嵌入真實圖像中，可以順利欺騙圖像識別軟件。其中一套神經網絡，使用數千個公開、可用的指紋圖像，訓練神經網絡識別真實的指紋圖像。另一套神經網絡，訓練創建生成偽造指紋。

很多指紋識別系統安裝了生物指紋熱傳感器。對于想要突破網絡安全、銀行、智能手機等機構、設備的犯罪分子而言，偽造體溫的難度就相對大多了。指紋傳感器制造商Neurotechnology公司的研發經理Justas Kranauskas對這項研究提出異議，他表示，企業客戶在使用產品時，掃描軟件設置的安全級別，要比論文研究中高得多。

現在，AI“造假”風暴即將席卷而來，你還對指紋識別技術的安全性抱有美好幻想嗎？是不是覺得Face ID面部識別技術也沒有那么差勁，至少，偽造臉要比偽造指紋難多了。