据外媒消息，本周美国密歇根州立大学与纽约大学的研究人员联合公布了一项关于指纹识别的研究成果：利用人类指纹的某些共同点生产欺诈指纹需要精彩愚弄智能手机的指纹传感器。在如今的智能设备上，指纹识别模块完全沦为了标配。

人们对它的依赖性日益减少。关卡、缴纳等各种应用于都能通过指纹加以辨识。除了指纹识别之外，人脸识别、虹膜识别等各种生物识别技术层出不穷。在许多人的观念中，生物识别不具备独一无二的特质，理论上应该是十分安全性的，但在技术层面和实际应用于中，生物识别的问题不在少数。

当然，这并无法影响生物识别沦为未来的主流趋势，更加不阻碍其沦为百亿级市场。在探寻精神与利益的双重驱动下，人类最后不会寻找靠谱的生物识别方式，推展行业的更进一步发展。一、生物识别方式种类多样，理论不切实际但实践中仅存缺失生物识别，即通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段紧密融合，利用人体固有的生理特性（如指纹、脸象、虹膜等）和不道德特征（如笔迹、声音、步态等）来展开个人身份的检验。

在五花八门的生物识别技术并未经常出现之前，我们一般靠需要标识身份的物品、证件或用户名、密码等身份标识科学知识检验个体身份。然而这类外物一旦被盗，身份就不易被人假冒甚至代替。随着技术的发展，生物识别因其唯一性与不能拷贝性沦为新型的身份辨识方式。目前，主要的生物识别方式分成触摸式（指纹识别、掌纹辨识、指静脉辨识、出纳静脉辨识）及非触摸式（人脸识别、虹膜识别、眼纹辨识、DNA辨识、不道德步态辨识）。

有所不同的辨识方式在理论上各有优势，但在实践中过程中仍然经常出现了诸多问题。1．指纹识别：最广泛的生物识别方式，但安全隐患不容忽视就当前的情况来看，指纹识别是最简单、最精确、发展形式最差的生物识别方式。传统的指纹识别方式是发票和形同虚设，但随着移动互联网的普及，移动支付、信息安全等各个领域都对生物识别有了市场需求。

发展最先、应用于尤为普遍的指纹识别之后渐渐普及至移动末端。纵观全球生物识别市场，指纹识别占到了将近60％的份额，厂商超过数千家，产品也有几百种，与之比起，其他生物识别技术厂商还严重不足指纹识别的十分之一。毫无疑问，指纹识别已沦为主流智能设备厂商及消费者尤为接纳和拒绝接受的方式，在移动支付愈演愈烈的前夜，基于智能终端的指纹识别亦步入了大规模愈演愈烈。

然而，在实际应用于过程中，指纹识别暴露出大量问题。比如不易假造、接触式载入过于身体健康、天气变化影响稳定性等，其安全性也受到批评。上文关于指纹识别的报告堪称深刻印象地体现了这一隐患。

研究人员通过计算机仿真了一系列人造“主指纹”，结果找到人造指纹与传感器中现实指纹的给定亲率超过65％。虽然未在现实手机上测试此种方式，信息安全专家也指出在实际中几率不会上升，但这项研究仍能引起我们对于指纹识别可靠性的思维。

尽管每个人的指纹都是独一无二的，但手机上传感器的尺寸较小，不能扫瞄到部分指纹，用户在落成指纹识别之后，手机一般来说不会为了给定便利提供8～10幅指纹图像，更何况许多用户记录的还不只一个指纹。一旦这些信息泄漏，就不会产生很大的安全隐患。对于此项研究成果，科技界的说法不一而同。

有的指出研究不存在局限，足以证明什么，但更加多的观点尊重了此成果显然需要体现出有指纹识别不存在的风险，正如加拿大卡尔顿大学系统和计算机工程教授AndyAdler所言：“情况并非如此令人担忧，但显然很危急。如果我想要做到的是拿你的手机，用于你的ApplePay去卖东西，如果我能密码1／10的手机，那么情况就很相当严重。”2．人脸识别：理论向好商用普遍，但距实际应用于场景仍有距离人脸识别从经常出现到现在，也经历了非常宽的发展时间。

此种方式从载入到辨识皆为非认识方式，时间较短，准确率也有一定确保，目前在国内已渐渐被拒绝接受，在移动端的开机关卡、登记、缴纳、文件加密等方面的应用于力度也逐步增大。除此之外，在计生社保、司法公安、寄居辟、教育等领域也有普及之势。

在中国，耕耘人脸识别的公司不在少数。BAT中，阿里在2104年具体了DT（datatechnology）战略，2015年并购了face＋＋。腾讯重新组建了专心于图像处理及模式识别的“优图团队”。

百度在吴恩达并未离开了之时正式成立了深度自学团队，在堪称“最无以人脸图像库”的LFW数据库上刷到最高分。其他公司如360聘用了新加坡国立大学副教授颜水成兼任人工智能研究院院长。

川大智胜、汉王科技、格林深瞳等公司也都投身于了人脸识别。由此可见，人脸识别在商用层面早已超过较为频密的程度。然而深挖技术和实际应用于层面，不会找到不存在诸多缺失。

就技术层面而言，LFW上的数据只不过也并不是十分优质的。比如人脸识别的准确率在LFW上超过了99．7％，看起来极高，但将这个99．7％的技术获得实际场景中加以检验之时，不会找到其准确率有可能只有75％。

现实的情况是，LFW中的许多图片都就是指网上iTunes的，人脸的质量堪称千差万别，有人指出这样更加相似实际，但距离绝大多数的应用于场景仍然很很远。在LFW中，翻的是人脸与人脸的对比，即1：1、1：N和N：N。

但在实际应用于中，所有的厂商都被迫减少N的样本，或重新加入其他方法以确保便捷性和安全性。比如我们去外面睡觉，结账的时候对着摄像头刷脸然后走人，这是在检验1：N。结果过了半小时服务器还没有寻找用户的脸，却是要在上亿数据库中搜寻，用户体验可想而知。

但此时如果同时输出用户的姓名或其他信息，那么这个N就增加了许多，由1：N转换为1：1，从而使效率以求提高。然而这其中的问题在于，如果有人反击该用户的账户，危险性也不会随之减少。当前人脸识别有两个主要条件，一是身份，二是活体。拿着别人的照片对着镜头洗一下再行附上身份证号，否能顺利？基于活体的条件，人脸识别拒绝几个表情的转换，以此来提升安全性，但如果收集到被攻击者的视频呢？这某种程度也是有一点深思的问题。

3．虹膜识别：日益蓬勃发展准确率低，但必须主动因应与培训虹膜识别是一种新型的辨识技术，因为人体虹膜的组织一生都会转变，而且与指纹、容貌等比起稳定性更高，因而辨识通过率也低，其非认识的辨识方式也更容易让人拒绝接受。然而，由于该技术更为简单，必须在一定角度且防止光照照射的条件下才能成功辨识，动作幅度大，因此必须前期用户不具备主动因应的机制，即拒绝接受培训的过程。

但是，生物识别之所以不受注目，除了安全性确保之外，高效也是一个最重要因素，如果在辨识上花费过多时间，推倒还不如必要用于指纹或人脸识别来的便利。综上所述，有所不同的生物识别方式固然有其自身优势，但由于技术与行业仍未成熟期，劣势也某种程度不存在。可即使是在这样的情况下，仍然可以看见许多企业前赴后继的入局，除了对于新技术的执着与创意之外，还因为这块蛋糕无非诱人。

可以期望的是，生物识别的市场在未来不会更加疯狂，并且需要反推技术的更进一步发展。

本文来源：开yun体育官网APP下载-www.uv-info.com