紐約大學(xué)和密歇根州立大學(xué)的計算機(jī)科學(xué)家已經(jīng)訓(xùn)練了一個人工神經(jīng)網(wǎng)絡(luò)來創(chuàng)建可以繞過手機(jī)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(jù)認(rèn)證的設(shè)備帶來了嚴(yán)重的安全漏洞。利用蜂窩設(shè)備人體工程學(xué)要求的固有弱點，DeepMasterPrints可以模仿測試數(shù)據(jù)庫中70%以上的指紋。

人工神經(jīng)網(wǎng)絡(luò)是一種人工智能，包括根據(jù)人腦識別模式的能力建模的計算機(jī)算法。DeepMasterPrints系統(tǒng)已經(jīng)過培訓(xùn)，可以分析指紋圖像集，并根據(jù)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(jī)認(rèn)證用戶的指紋。

在手機(jī)中，指紋讀取器的必要尺寸非常小，這將在驗證打印內(nèi)容時造成缺陷。通常，當(dāng)用戶試圖解鎖設(shè)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(quán)打印圖像數(shù)據(jù)庫進(jìn)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(dú)有的。然而，產(chǎn)生獨(dú)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(xué)和密歇根州立大學(xué)的計算機(jī)科學(xué)家已經(jīng)訓(xùn)練了一個人工神經(jīng)網(wǎng)絡(luò)來創(chuàng)建可以繞過手機(jī)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(jù)認(rèn)證的設(shè)備帶來了嚴(yán)重的安全漏洞。利用蜂窩設(shè)備人體工程學(xué)要求的固有弱點，DeepMasterPrints可以模仿測試數(shù)據(jù)庫中70%以上的指紋。

人工神經(jīng)網(wǎng)絡(luò)是一種人工智能，包括根據(jù)人腦識別模式的能力建模的計算機(jī)算法。DeepMasterPrints系統(tǒng)已經(jīng)過培訓(xùn)，可以分析指紋圖像集，并根據(jù)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(jī)認(rèn)證用戶的指紋。

在手機(jī)中，指紋讀取器的必要尺寸非常小，這將在驗證打印內(nèi)容時造成缺陷。通常，當(dāng)用戶試圖解鎖設(shè)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(quán)打印圖像數(shù)據(jù)庫進(jìn)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(dú)有的。然而，產(chǎn)生獨(dú)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(tuán)隊最終創(chuàng)建了DeepMasterPrint，并開始將其作為正在進(jìn)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(fù)它們是一場持久戰(zhàn)。考慮到這一現(xiàn)實，科學(xué)家們已經(jīng)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(dá)拉斯到禮堂如何執(zhí)行攻擊的有效示例為研究人員的設(shè)計和預(yù)防提供了更具體的數(shù)據(jù)。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(jié)果讓任何依賴智能手機(jī)進(jìn)行指紋認(rèn)證的人都感到擔(dān)憂?？茖W(xué)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(jìn)行對比，這些都是全球指紋認(rèn)證系統(tǒng)中使用的軟件系統(tǒng)。在低誤匹配率(即嚴(yán)格的認(rèn)證要求)下，DeepMasterPrint生成的假指紋可以模仿測試數(shù)據(jù)庫中23%的指紋。如果假匹配率稍高(仍在標(biāo)準(zhǔn)電話認(rèn)證限值內(nèi))，假冒產(chǎn)品將模仿77%的測試指紋。

紐約大學(xué)和密歇根州立大學(xué)的計算機(jī)科學(xué)家已經(jīng)訓(xùn)練了一個人工神經(jīng)網(wǎng)絡(luò)來創(chuàng)建可以繞過手機(jī)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(jù)認(rèn)證的設(shè)備帶來了嚴(yán)重的安全漏洞。利用蜂窩設(shè)備人體工程學(xué)要求的固有弱點，DeepMasterPrints可以模仿測試數(shù)據(jù)庫中70%以上的指紋。

人工神經(jīng)網(wǎng)絡(luò)是一種人工智能，包括根據(jù)人腦識別模式的能力建模的計算機(jī)算法。DeepMasterPrints系統(tǒng)已經(jīng)過培訓(xùn)，可以分析指紋圖像集，并根據(jù)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(jī)認(rèn)證用戶的指紋。

在手機(jī)中，指紋讀取器的必要尺寸非常小，這將在驗證打印內(nèi)容時造成缺陷。通常，當(dāng)用戶試圖解鎖設(shè)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(quán)打印圖像數(shù)據(jù)庫進(jìn)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(dú)有的。然而，產(chǎn)生獨(dú)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(tuán)隊最終創(chuàng)建了DeepMasterPrint，并將其作為正在進(jìn)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(fù)是一場持久戰(zhàn)?？紤]到這一現(xiàn)實，科學(xué)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(jù)，以供他們設(shè)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(jié)果對于任何依靠智能手機(jī)進(jìn)行指紋認(rèn)證的人來說都是令人擔(dān)憂的?？茖W(xué)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(jìn)行了比較，這些模板都是全球指紋認(rèn)證系統(tǒng)中使用的軟件系統(tǒng)。在低假匹配率(即嚴(yán)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(jù)庫中23%的指紋。如果假匹配率略高(仍在標(biāo)準(zhǔn)電話身份驗證限制之內(nèi))，則假冒產(chǎn)品會模仿77%的測試指紋。

這項研究中的科學(xué)家并未創(chuàng)造出物理指紋來嘗試解鎖實際的手機(jī)，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(yīng)用程序而非虛擬環(huán)境中進(jìn)行測試，所收集的數(shù)據(jù)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(jī)安全性外，指紋還在越來越多的應(yīng)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(rèn)證的不斷發(fā)展，DeepMasterPrint系統(tǒng)是幫助研究人員保護(hù)其安全性的另一種工具。

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

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！