0
| 本文作者： dragondevil | 編輯：程弢 | 2017-05-03 08:00 |
雷鋒網按：本文作者為邁瑞微電子創始人李揚淵。
除了給手機解鎖，指紋識別已經成為安全支付的必要技術，以及家居安防的重要技術。但在紛亂的市場中，有多少假技術在忽悠著你，威脅著你的手機、帳戶、隱私，甚至家人的安全？
危險指數★★★★
在契約紙上按下指印是Finger “Print”這個詞的來源。為把手指上的指紋與紙上的指印做區別，就會加上Alive這個前綴。這就是Aliveness，中文譯名“活體”本來的意思。在英語語境里，Aliveness是證明某個Fingerprint來自生物體；但在漢語語境里，經過一些人別有用心的鼓吹，竟成了排除非生物體指紋的安全技術。這不得不說漢語真巧妙。
先來看對“活體”技術的最近一次官方打臉：央視2017年315晚會曝光了所謂的“活體”人臉識別，某人臉識別APP竟然被非人類質感的低劣合成圖片破解。
再來看點高端水平，這胖墩成功扮演了前美國總統，要是白宮使用如此“活體”人臉識別，豈不免費一日游？
回到“活體”指紋識別，同樣是央視，這次卻站在了對立面：
請問，這黑乎乎的一坨，到底要證明其不是“活體”，還是無法證明其是“活體”呢？
果然，打臉來得比315還快，在2017年315晚會之前就有視頻發布，如下：
該視頻中使用的是下圖所示的透明假指紋。
吃瓜群眾們恍然大悟，原來是這“活體”就是“鑒黃”啊，只排除黑的。
“活體”指紋雖然是假技術，但要是你信的話，把身家放在被這“活體”指紋技術保護的手機里，那么就“信則貧”了。明為“活體”實為“鑒黃”，對安全進行捏造和夸大，誤導用戶冒更大的風險，危險指數4星。
危險指數★★★
從字面意思看，“通過率”指使用中的成功概率。這對使用體驗至上的消費電子可不得了，“通過率”測試就是指紋識別的尚方寶劍，足以一票否決。
可惜道高一尺魔高一丈，有一種偏執就會有一百種造假等著你。先看下圖：
這是同一手指在干、正常、濕三種情況下采集到的圖像，基于圖像匹配很難解決這種差異性。而消費者真正的使用體驗，是在任意時間任意身體狀況下使用的“通過率”，尤其在遭受拒絕后主動配合擺正姿勢時仍然被拒絕是非常惱火的。iPhone 5S曾經就暴露經過一段時間后不能使用，必須重新注冊的缺陷，隨后通過版本更新消除了這一缺陷。
但不幸的是在Android手機里隨著廠商對“通過率”要求越來越苛刻，這種指紋不能用的抱怨卻越來越多。大致有以下幾個原因：
為了降低成本，指紋傳感器能夠提供的指紋圖像面積越來越??；
指紋識別和圖像識別是有本質區別的，圖像識別不考慮指紋受壓變形、皮膚含水含油變化、起皺脫皮等生理變化；
圖像面積不足又要通過苛刻的“通過率”測試，使一些指紋識別供應商面向“測試方法”，簡單說就是造假。
先來談談背后的故事，指紋識別的基本測試依據是 FAR / FRR 對比圖如下：
對每次匹配給出一個打分，不同手指的指紋圖像匹配分數超過閾值的比率叫做誤通過率（False Accept Rate, FAR），相同手指的指紋圖像匹配分數低于閾值的比率叫做誤拒絕率（False Reject Rate, FRR）。FAR 和 FRR 是此消彼長的關系。但受限于測試的數據規模，FAR / FRR 測試基于離線圖像數據庫進行。在學術界的測試中使用相同的數據庫，是相對公平的；但在商業測試中由于傳感器差異，圖像數據庫實際上由受測方提供。這就留下了造假的空間。
要想“通過率”高，無非讓指紋圖像非常穩定，且總是在同一個區域。多數提供商業送檢的指紋圖像數據庫采集只包含在極短時間內連續采集小區域的指紋圖像，以規避指紋的變化。這就是在實際使用體驗低下的條件下大幅度提升“測試通過率”的靈丹妙藥。
隨著“大數據”測試方法的興起，“通過率”造假亂象有望解決。以50人總計超過30000次的日常使用作為統計依據，總能比5人1小時內測試結論有意義。但考慮到iPhone 5S爆出不能使用的周期大于一個月，目前的“大數據”測試仍不夠。市場呼喚第三方標準化測試的建立，還市場一個公平的環境。
虛假的“通過率”，使消費者放棄使用指紋識別，回到不安全的Pin碼，危險指數3星。
指紋識別技術未建立定量安全評估，以“誤識率”來替代安全性。但“誤識率”僅是天然指紋隨機碰撞被算法判定為相同的概率，不是對主動攻擊的抵抗能力。
即便如此，在“誤識率”上的造假手段也層出不窮。從誤識率的定義“不同手指的指紋圖像匹配分數超過閾值的比率”可引申出3種造假手段：
1.定義造假
智能手機行業的測試方法以“指 * 次”為分母，例如注冊5指，給他人使用1次就產生了5個“指 * 次”；1/50,000誤識率意味著注冊5指后，被他人隨機嘗試10,000次為被解開的期望值。但由于傳感器面積很小，誤識總是發生在A指紋某個局部和B指紋某個局部之間；從安全考慮我們關心的是多少人當中存在一個人的一個指紋的一個局部能夠和我的5指的某一個局部匹配上。對10,000次進行分解，一人10指，每指視傳感器尺寸不同可分解為10-50個獨立局部。在傳感器極小的情況下，1/50,000的誤識率竟然意味著每20個人里有一個能打開我的手機？！納尼？！
2.測試方法造假
和通過率不同，誤識率的分母往往達百萬級，只能依賴數據庫測試。這又回到送檢數據庫造假了。包括如下幾種手法：
剔圖法，把導致誤識的圖刪除；
集合法，調整圖像在注冊集合和匹配集合的分配，使誤識圖像不進行匹配；
排序法，調整注冊匹配的順序，使誤識圖像不進行匹配。
3.隱瞞缺陷
眾所周知指紋識別要進行動態更新，一旦發生誤識，且分數給的很高，被學習更新進去，是不是在以后會保證發生誤識？對此進行隱瞞有兩種做法：
在同指匹配和異指匹配中，采用不同的閾值或采用不同的判決邏輯；
異指匹配中無論分數多高，都不允許學習更新。
這一節難以附圖解釋，讀者不妨只關注結論：由供應商開發測試軟件是一種極端落后的做法，存在造假空間。在多年前公安部對安防產品的測試中就淘汰了這一落后的做法，改由供應商提供AP以統一調用防止流程造假，圖像的采集也由第三方獨立進行防止造庫造假。可惜的是至今沒有產生為智能手機行業服務的第三方指紋測試，談何指紋安全？
誤識率造假，徹底毀壞指紋識別技術的安全屬性，危險程度5星。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
