由于人为设置的安全性密码展现出不欠佳，人们引进了一系列基于生物特征辨识技术的新设备来解决问题安全性问题，还包括指纹、语音和面部辨识技术。指纹识别系统是一种被普遍尊重和使用的生物证书形式，目前全球有数十亿智能手机和其他设备都加装了该系统。

然而，纽约大学（NYU）研究团队的一项新的研究说明了了这些系统不存在的安全隐患，让人猜测生物识别安全性系统否可以维护人们最脆弱的数据。纽约大学坦顿计算机科学与工程学院的副教授JulianTogelius和博士生PhilipBontrager领导了这个研究团队，他们认为，问题在于指纹传感器的工作方式，大部分指纹传感器依赖部分而非原始的指纹来证实用户身份，容许用户递交多个指纹检验，通过对比早已留存的部分指纹来辨识用户身份，NYU坦顿的NasirMemon和MSU的ArunRoss在此前的另一项研究中用于“MasterPrint”一词来叙述这种方式。此外，大多数生物识别安全性系统会检验指纹或其他生物信息是来自于本人的还是复制品，因此，从理论上谈一个主密钥可以利用AI来给定存储在指纹数据库中的大量打印机件进而关卡大量的设备。

NYU的研究人员利用这些找到更进一步发展了MasterPrint的概念——创立一种新的机器学习算法来分解制备指纹。他们建构了这些制备指纹的原始图像，这一过程具备双重意义。首先，这能评估MasterPrint对现实设备的可行性（研究人员仍未对其展开测试）；其次，这些图像被拷贝和存储在可采访的指纹数据库中，其图像的安全性内存可被利用来发动暴力反击，即用穷举法测试以后系统杠杆涉及设备。这个研究团队回应，这些实验证明了对多因素身份验证的市场需求，为生物识别安全性系统的设备制造商响起了关于人工指纹反击可能性的警钟。

除了安全性领域外，这种分解指纹的潜在演进方法也可用作其他行业的设计制作，特别是在是游戏研发，此项技术早已被用作研发风行视频游戏的新等级。

本文来源：kaiyun·体育官方入口-www.cdyctw.com