本文来自微信公众号:SF 中文 (ID:kexuejiaodian),作者:SF
指纹生物识别是数字认证技术和法医学中不可或缺的一部分。指纹研究能有如此广泛的应用,都是基于一个假设:没有两个指纹是相同的,即使是来自同一个人的不同手指。然而,最新的研究却显示,同一个人的不同手指的指纹具有相当高的相似性,甚至不同的人的指纹也可能存在相似性。
文 | 闻静
1 月 12 日,发表于《科学进展》(Science Advances)的一项研究显示,科学家利用深度学习的神经网络系统分析了同一个人不同手指(甚至来自于不同的手)指纹的相似度。结果显示,同一个人的指纹差距和不同人的指纹差距明显不同。经过训练,人工智能模型可以区分来自同一个人和不同人的指纹组合。
指纹可能受基因调控
如今,全世界有数十亿台智能移动设备依赖指纹识别技术,在全球各地的法医实验室,每年要分析成千上万个指纹。指纹研究被广泛应用于物理和化学传感技术、人工智能、刑事司法场景中的可靠性分析以及生物演化的探索等领域。
然而,这些研究所依赖的理论前提 —— 没有两个指纹是相同的,即使是来自同一个人的不同手指 —— 此前并没有被明确验证过。并且,根据这个假设,指纹匹配的做法在犯罪现场或犯罪认证中通常作用有限,因为采集到的指纹与记录在案的指纹很难匹配。
此前有研究显示,指纹可能受基因调控。有科学家认为其中许多基因与肢体发育有关。那么,同一个人的指纹之间可能存在相似性,甚至,对于不同的人,如果他们具有相同的调控指纹的基因,他们的指纹就会具有相似性。
传统方法太关注指纹的特殊性
2023 年 2 月,发表于《细胞》(Cell)的一篇研究显示,人体中的两种蛋白质 WNT 和 BMP 相互作用,WNT 刺激指纹脊状凸起,而 BMP 则会抑制它们,从而产生周期性脊状波纹,这些波纹出现在指尖三个不同区域(指尖、指尖中心,以及指尖底部的褶线)。这些区域的位置差异叠加波纹的形状差异,就形成了各种指纹图案。
类似的研究都在强调指纹之间的差异性。传统的指纹识别技术通常关注指纹脊状凸起和凹陷的部分,还会受采集指纹时的背景图案和背景亮度干扰,因此,所识别出的特异性可能是虚假的特异性。
而在新研究中,人工智能模型根据指纹图像的几何分布进行建模,结合数据统计的方法,对大量样本进行分析,最终得到每个指纹核心的区域。测试结果显示,人工智能根据这个核心区域识别一个人多个手指的指纹以及区分不同人的指纹,准确率都非常理想。
那么,传统方法的“过度”识别该被抛弃吗?我们知道,如果你只在手机中录入了一根手指的指纹,那么你就无法用另一根手指解锁。而根据新研究的结论,我们以后可以在录入一根手指的指纹后,用任何一个手指头解锁手机。
但是,你真的放心这样吗?或许,有时候为了安全性需要放弃一些便利性。科学家也在研究中表示,未来新结论的应用领域可能主要还是犯罪侦查。
当然,即使新研究的结论能用于数字认证中,牺牲的安全性也有限。因为现在伪造指纹的方法也不少。相对于这些方法,在茫茫人海中找一个跟你指纹类似的人来冒充你,显然也划不来。
人工智能的潜力
现在,对人工智能的一大质疑是认为它不能创新。而这个研究显示,人工智能也能以自己的方式得到新发现,而不只是在人类限定好的假设、思路下去完成任务。除了“每个指纹独一无二”,类似的难以用人力验证的假设(通常是需要穷举法验证的问题),或许都可以交给人工智能。
在人工智能没能证明假设有问题的时候,我们还可以延续此前的做法。而如果人工智能发现了问题,我们就要考虑尽快把这个漏洞补上,或者利用新的发现去解决此前不好解决的问题。
参考文献:
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。