據(jù)外媒消息，本周美國密歇根州立大學與紐約大學的研究人員共同發(fā)布了一項關于指紋識別的研究成果：利用人類指紋的某些共同點制造虛假指紋能夠輕松欺騙智能手機的指紋傳感器。

在如今的智能設備上，指紋識別模塊幾乎成為了標配。人們對它的依賴性日益增加。解鎖、支付等各種應用都能通過指紋加以識別。除了指紋識別之外，人臉識別、虹膜識別等各種生物識別技術層出不窮。

在許多人的觀念中，生物識別具備獨一無二的特質，理論上應當是十分安全的，但在技術層面和實際應用中，生物識別的問題不在少數(shù)。當然，這并不能影響生物識別成為未來的主流趨勢，更不妨礙其成為百億級市場。在探索精神與利益的雙重驅動下，人類最終會找到靠譜的生物識別方式，推動行業(yè)的進一步發(fā)展。

生物識別，即通過計算機與光學、聲學、生物傳感器和生物統(tǒng)計學原理等高科技手段密切結合，利用人體固有的生理特性（如指紋、臉象、虹膜等）和行為特征（如筆跡、聲音、步態(tài)等）來進行個人身份的鑒定。

在五花八門的生物識別技術未出現(xiàn)之前，我們一般靠能夠標識身份的物品、證件或用戶名、密碼等身份標識知識鑒定個體身份。然而這類外物一旦被盜，身份就極易被人冒用甚至取代。隨著技術的發(fā)展，生物識別因其唯一性與不可復制性成為新型的身份識別方式。

目前，主要的生物識別方式分為觸摸式（指紋識別、掌紋識別、指靜脈識別、掌靜脈識別）及非觸摸式（人臉識別、虹膜識別、眼紋識別、DNA識別、行為步態(tài)識別）。不同的識別方式在理論上各有優(yōu)勢，但在實踐過程中依然出現(xiàn)了諸多問題。

1．指紋識別：最普遍的生物識別方式，但安全隱患不容忽視

就當前的情況來看，指紋識別是最簡單、最準確、發(fā)展形式最好的生物識別方式。

傳統(tǒng)的指紋識別方式是打卡和門禁，但隨著移動互聯(lián)網(wǎng)的普及，移動支付、信息安全等各個領域都對生物識別有了需求。發(fā)展最早、應用最為廣泛的指紋識別便逐漸普及至移動端。

縱觀全球生物識別市場，指紋識別占了將近60％的份額，廠商達到數(shù)千家，產(chǎn)品也有幾百種，與之相比，其他生物識別技術廠商還不足指紋識別的十分之一。毫無疑問，指紋識別已成為主流智能設備廠商及消費者最為認可和接受的方式，在移動支付爆發(fā)的前夜，基于智能終端的指紋識別亦迎來了大規(guī)模爆發(fā)。

然而，在實際應用過程中，指紋識別暴露出大量問題。比如易偽造、接觸式錄入不夠健康、天氣變化影響穩(wěn)定性等，其安全性也受到質疑。上文關于指紋識別的報告更是深刻地反映了這一隱患。研究人員通過計算機模擬了一系列人造“主指紋”，結果發(fā)現(xiàn)人造指紋與傳感器中真實指紋的匹配率達到65％。

雖然并未在真實手機上測試此種方式，信息安全專家也認為在實際中幾率會下降，但這項研究仍能引發(fā)我們對于指紋識別可靠性的思考。盡管每個人的指紋都是獨一無二的，但手機上傳感器的尺寸很小，只能掃描到部分指紋，用戶在啟用指紋識別之后，手機通常會為了匹配方便獲取8～10幅指紋圖像，更何況許多用戶記錄的還不只一個指紋。一旦這些信息泄露，就會產(chǎn)生極大的安全隱患。

對于此項研究成果，科技界的說法不一而同。有的認為研究存在局限，不足以證明什么，但更多的觀點認同了此成果確實能夠反映出指紋識別存在的風險，正如加拿大卡爾頓大學系統(tǒng)和計算機工程教授Andy Adler所言：“情況并非如此令人擔憂，但確實很不妙。如果我想做的是拿你的手機，使用你的Apple Pay去買東西，如果我能破解1／10的手機，那么情況就很嚴重。”

2．人臉識別：理論向好商用廣泛，但距實際應用場景仍有距離

人臉識別從出現(xiàn)到現(xiàn)在，也經(jīng)歷了相當長的發(fā)展時間。此種方式從錄入到識別均為非接觸方式，時間較短，準確率也有一定保障，目前在國內(nèi)已逐漸被接受，在移動端的開機解鎖、注冊、支付、文件加密等方面的應用力度也逐步加大。除此之外，在計生社保、司法公安、住建、教育等領域也有普及之勢。

在中國，深耕人臉識別的公司不在少數(shù)。BAT中，阿里在2104年明確了DT（data technology）戰(zhàn)略，2015年收購了face＋＋。騰訊組建了專注于圖像處理及模式識別的“優(yōu)圖團隊”。百度在吳恩達未離開之時成立了深度學習團隊，在號稱“最難人臉圖像庫”的LFW數(shù)據(jù)庫上刷到最高分。其他公司如360聘請了新加坡國立大學副教授顏水成出任人工智能研究院院長。川大智勝、漢王科技、格林深瞳等公司也都涉足了人臉識別。

由此可見，人臉識別在商用層面已然達到比較頻繁的程度。然而深挖技術和實際應用層面，會發(fā)現(xiàn)存在諸多缺陷。

就技術層面而言，LFW上的數(shù)據(jù)其實也并不是非常優(yōu)質的。比如人臉識別的準確率在LFW上達到了99．7％，看似極高，但將這個99．7％的技術拿到實際場景中加以驗證之時，會發(fā)現(xiàn)其準確率可能只有75％。真實的情況是，LFW中的許多圖片都是從網(wǎng)上下載的，人臉的質量更是千差萬別，有人認為這樣更接近實際，但距離絕大多數(shù)的應用場景依然很遙遠。

在LFW中，刷的是人臉與人臉的對比，即1：1、1：N和N：N。但在實際應用中，所有的廠商都不得不降低N的樣本，或加入其他方法以保障便捷性和安全性。比如我們?nèi)ネ饷娉燥垼Y賬的時候對著攝像頭刷臉然后走人，這是在驗證1：N。結果過了半小時服務器還沒找到用戶的臉，畢竟要在上億數(shù)據(jù)庫中搜索，用戶體驗可想而知。但此時如果同時輸入用戶的姓名或其他信息，那么這個N就減少了許多，由1：N切換為1：1，從而使效率得以提升。

然而這其中的問題在于，如果有人攻擊該用戶的賬戶，危險性也會隨之增加。當前人臉識別有兩個主要條件，一是身份，二是活體。拿著別人的照片對著鏡頭掃一下再報出身份證號，是否能成功？基于活體的條件，人臉識別要求幾個表情的變換，以此來提高安全性，但如果采集到被攻擊者的視頻呢？這同樣也是值得深思的問題。

3．虹膜識別：日漸興起準確率高，但需要主動配合與培訓

虹膜識別是一種新型的識別技術，因為人體虹膜組織一生都不會改變，而且與指紋、容貌等相比穩(wěn)定性更高，因而識別通過率也高，其非接觸的識別方式也更易讓人接受。然而，由于該技術較為復雜，需要在一定角度且避免光照直射的條件下才能順利識別，動作幅度大，因此需要前期用戶具備主動配合的機制，即接受培訓的過程。

但是，生物識別之所以受青睞，除了安全保障之外，高效也是一個重要因素，如果在識別上花費過多時間，倒還不如直接使用指紋或人臉識別來的方便。

綜上所述，不同的生物識別方式固然有其自身優(yōu)勢，但由于技術與行業(yè)尚未成熟，劣勢也同樣存在?？杉词故窃谶@樣的情況下，依然可以看到許多企業(yè)前赴后繼的入局，除了對于新技術的追求與創(chuàng)新之外，還因為這塊蛋糕著實誘人。可以期待的是，生物識別的市場在未來會更為火爆，并且能夠反推技術的進一步發(fā)展。

據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《中國生物識別技術行業(yè)市場前瞻與投資戰(zhàn)略規(guī)劃分析報告》顯示，2009年，全球生物識別市場規(guī)模為34．22億美元，2013年規(guī)模直逼98億美元，2014年突破了百億美元大關。預計到2020年，全球生物識別市場規(guī)模將達250億美元。

而根據(jù)《中國生物識別技術行業(yè)市場分析及2015－2020年發(fā)展策略研究報告》顯示，2010至2014年，國內(nèi)生物識別市場平均增長率均為60％以上。2014年。生物識別市場規(guī)模為80億元，預計到2020年，生物識別市場規(guī)模將突破300億元。

如此誘人的蛋糕，也無怪乎相關企業(yè)紛紛入局，百億級的市場，誰不想從中分一杯羹？當然，利潤并不那么容易獲得。315晚會上，一張靜態(tài)照片通過圖像處理和動態(tài)合成技術，就輕易破解了APP人臉識別。

諸如此類的安全隱患在生物識別呈普及趨勢的情況下不在少數(shù)。雖然生物識別是科技發(fā)展的必然趨勢，但不同的識別方式中存在的不同漏洞確實在一定程度上阻礙著這一行業(yè)的發(fā)展。

目前，許多公司已經(jīng)就不同的生物識別方式開發(fā)出了自己的算法，下一步應當會在模塊采集和應用層面實現(xiàn)一些突破。過去指紋識別發(fā)展較快，如今人臉識別也逐漸興起。以后包括虹膜識別、聲紋識別、靜脈識別都是可以加深探索的領域，也是可以相互結合的熱點技術。

實際上，生物識別技術真正的發(fā)展趨勢，應該是走進普通人的生活，能夠滿足人們在各類場景下的識別需求。然而，僅靠某一種生物識別技術永遠無法滿足全部的場景需求。一個高安全級別的環(huán)境，必然需要多種生物識別相互彌補而完成，指紋、人臉、虹膜、步態(tài)等多種識別方式的組合，是一條不錯的發(fā)展道路。

生物識別的組合對相關技術部門和企業(yè)而言是一種可參考的發(fā)展方向，畢竟生物識別領域還有百億級市場等待開發(fā)，而且有利于提高準確性和安全性，并可能促使行業(yè)進一步發(fā)展。