紐約大學和密歇根州立大學的計算機科學家已經訓練了一個人工神經網絡來創(chuàng)建可以繞過手機鎖的假數(shù)字指紋。這些偽造被稱為“DeepMasterPrints”，它們給任何依賴這種生物識別數(shù)據認證的設備帶來了嚴重的安全漏洞。利用蜂窩設備人體工程學要求的固有弱點，DeepMasterPrints可以模仿測試數(shù)據庫中70%以上的指紋。

人工神經網絡是一種人工智能，包括根據人腦識別模式的能力建模的計算機算法。DeepMasterPrints系統(tǒng)已經過培訓，可以分析指紋圖像集，并根據最常見的特征生成新圖像。然后你可以用這個“主密鑰”用你的手機認證用戶的指紋。

在手機中，指紋讀取器的必要尺寸非常小，這將在驗證打印內容時造成缺陷。通常，當用戶試圖解鎖設備時，電話傳感器僅捕獲打印圖像的一部分，然后將該部分與電話的授權打印圖像數(shù)據庫進行比較。因為部分打印意味著比完全打印更少的特征來區(qū)分它，所以DeepMasterPrint需要匹配更少的功能來模仿指紋。值得注意的是，利用這一缺陷的概念并不是這一特定研究獨有的。然而，產生獨特的圖像而不是使用真實或合成圖像是一種新的發(fā)展。

紐約大學和密歇根州立大學的計算機科學家已經訓練了一個人工神經網絡來創(chuàng)建可以繞過手機鎖的假數(shù)字指紋。這些偽造被稱為“DeepMasterPrints”，它們給任何依賴這種生物識別數(shù)據認證的設備帶來了嚴重的安全漏洞。利用蜂窩設備人體工程學要求的固有弱點，DeepMasterPrints可以模仿測試數(shù)據庫中70%以上的指紋。

人工神經網絡是一種人工智能，包括根據人腦識別模式的能力建模的計算機算法。DeepMasterPrints系統(tǒng)已經過培訓，可以分析指紋圖像集，并根據最常見的特征生成新圖像。然后你可以用這個“主密鑰”用你的手機認證用戶的指紋。

在手機中，指紋讀取器的必要尺寸非常小，這將在驗證打印內容時造成缺陷。通常，當用戶試圖解鎖設備時，電話傳感器僅捕獲打印圖像的一部分，然后將該部分與電話的授權打印圖像數(shù)據庫進行比較。因為部分打印意味著比完全打印更少的特征來區(qū)分它，所以DeepMasterPrint需要匹配更少的功能來模仿指紋。值得注意的是，利用這一缺陷的概念并不是這一特定研究獨有的。然而，產生獨特的圖像而不是使用真實或合成圖像是一種新的發(fā)展。

研究團隊最終創(chuàng)建了DeepMasterPrint，并開始將其作為正在進行的指紋識別系統(tǒng)漏洞評估的一部分。在所有帶有安全組件的數(shù)字系統(tǒng)中，找到可用的缺陷并修復它們是一場持久戰(zhàn)?？紤]到這一現(xiàn)實，科學家們已經確定，僅僅暴露指紋系統(tǒng)的缺陷并不能提供有效的解決方案。反之亦然，達拉斯到禮堂如何執(zhí)行攻擊的有效示例為研究人員的設計和預防提供了更具體的數(shù)據。DeepMasterPrint系統(tǒng)就是為了滿足這一要求而創(chuàng)建的。

DeepMasterPrint系統(tǒng)顯示的結果讓任何依賴智能手機進行指紋認證的人都感到擔憂?？茖W家生成的假指紋與VeriFinger 9.0 SDK、Bozorth3和Innovatrics IDKit 5.3 SKD生成的模板進行對比，這些都是全球指紋認證系統(tǒng)中使用的軟件系統(tǒng)。在低誤匹配率(即嚴格的認證要求)下，DeepMasterPrint生成的假指紋可以模仿測試數(shù)據庫中23%的指紋。如果假匹配率稍高(仍在標準電話認證限值內)，假冒產品將模仿77%的測試指紋。

紐約大學和密歇根州立大學的計算機科學家已經訓練了一個人工神經網絡來創(chuàng)建可以繞過手機鎖的假數(shù)字指紋。這些偽造被稱為“DeepMasterPrints”，它們給任何依賴這種生物識別數(shù)據認證的設備帶來了嚴重的安全漏洞。利用蜂窩設備人體工程學要求的固有弱點，DeepMasterPrints可以模仿測試數(shù)據庫中70%以上的指紋。

人工神經網絡是一種人工智能，包括根據人腦識別模式的能力建模的計算機算法。DeepMasterPrints系統(tǒng)已經過培訓，可以分析指紋圖像集，并根據最常見的特征生成新圖像。然后你可以用這個“主密鑰”用你的手機認證用戶的指紋。

在手機中，指紋讀取器的必要尺寸非常小，這將在驗證打印內容時造成缺陷。通常，當用戶試圖解鎖設備時，電話傳感器僅捕獲打印圖像的一部分，然后將該部分與電話的授權打印圖像數(shù)據庫進行比較。因為部分打印意味著。

著要比完全打印更少的特征來區(qū)分它，因此DeepMasterPrint需要匹配更少的功能來模仿指紋。值得注意的是，利用此缺陷的概念并不是該特定研究獨有的。然而，產生獨特的圖像而不是使用實際的或合成的圖像是新的發(fā)展。

參與研究的團隊最終創(chuàng)建了DeepMasterPrint，并將其作為正在進行的指紋識別系統(tǒng)漏洞評估的一部分而啟動。在具有安全組件的所有數(shù)字系統(tǒng)中，尋找可利用的缺陷并加以修復是一場持久戰(zhàn)?？紤]到這一現(xiàn)實，科學家們確定僅暴露指紋系統(tǒng)的缺陷將無法提供有效的解決方案;反之亦然。一個如何執(zhí)行攻擊的有效示例為研究人員提供了更具體的數(shù)據，以供他們設計和防范。創(chuàng)建DeepMasterPrint系統(tǒng)旨在解決這一需求。

DeepMasterPrint系統(tǒng)顯示的結果對于任何依靠智能手機進行指紋認證的人來說都是令人擔憂的?？茖W家將生成的偽造指紋與VeriFinger 9.0 SDK，Bozorth3和Innovatrics IDKit 5.3 SKD生成的模板進行了比較，這些模板都是全球指紋認證系統(tǒng)中使用的軟件系統(tǒng)。在低假匹配率(即嚴格的身份驗證要求)下，DeepMasterPrint生成的假打印可以模仿測試數(shù)據庫中23%的指紋。如果假匹配率略高(仍在標準電話身份驗證限制之內)，則假冒產品會模仿77%的測試指紋。

這項研究中的科學家并未創(chuàng)造出物理指紋來嘗試解鎖實際的手機，因此這項工作將在不久的將來完成。然而，即使成功的DeepMasterPrints尚未在真實的應用程序而非虛擬環(huán)境中進行測試，所收集的數(shù)據仍證實了最初的安全隱患，這激發(fā)了實驗的靈感。除了手機安全性外，指紋還在越來越多的應用程序中用作身份驗證，例如，解鎖入口，付款驗證等。隨著生物識別認證的不斷發(fā)展，DeepMasterPrint系統(tǒng)是幫助研究人員保護其安全性的另一種工具。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！