指纹用户识别是确定一个人身份的相对可靠的方法之一。 当然，最好将它与其他方法结合使用，没有人能消除多因素性质。 尽管如此，软件和各种设备的开发人员比其他任何生物识别方法更经常使用指纹技术。
很可能一段时间后将不得不放弃此方法。 事实是，在美国开发了可以伪造指纹的神经网络。 而且，计算机以这样的方式创建图像，使得它们被各种传感器视为真实人的指纹片段。
为了教他们的神经网络执行这项工作，该项目的作者使用了5400人的真实数据。 样本不是很大，但足以训练神经网络。 科学家通过
张贴文章的预印本来发表他们的工作结果。
到目前为止，系统只能生成指纹碎片-但这对于许多使用碎片的系统来说已经足够。 尽管指纹是唯一的，这允许开发指纹和许多用于指纹的身份验证机制，但是您仍然可以欺骗保护。
仅对于使用片段的系统而言尤其如此；事实证明，您可以创建一个可以同时容纳多个人手指的人工模式。 有许多这样的系统-智能手机，笔记本电脑和其他电子系统中内置的许多指纹扫描仪只能使用一部分用户指纹。 它存储在映射了已验证指纹的数据库中。
版画的某些部分具有重复性，这使科学家得以实现他们的计划。
以前，人们开发了一个称为
MasterPrints的神经网络。 她修改了现有印刷品的细节。 这样的系统不能产生全新的印刷品。
本文讨论的纽约大学开发团队已经取得了更多成就。 科学家们最近推出了Deep MasterPrints神经网络，它能够根据给定的模式生成通用的“主密钥”，指纹。
神经网络的效率令人印象深刻-事实是Deep MasterPrints能够生成与76％的样品匹配的碎片。 先前的神经网络显示的结果要适度得多，为33.4％。 为了避免错误，科学家决定使用现有系统生成随机指纹。 后者进行了检查，结果发现它们仅与对照样品的7％一致，也就是说，其有效性比新神经网络生成的模式低10倍。
值得注意的是，专家共享指纹识别保护的三个级别。 最安全的是错误匹配的概率为0.01％，最中间的是最常见的错误匹配的概率为0.1％，最低的是错误匹配的概率仅为1％。 纽约大学的专家工作水平较低。 他们知道，生物特征识别传感器最常以0.1％的错误匹配机会工作。 在这里，系统性能较低-仅23％。 神经网络的高层尚不可用-只有1.3％的案例成功欺骗了超精密传感器。
尽管如此，但这项技术正在发展中，因此不久将有望获得令人印象深刻的结果。 Deep MasterPrints的优点是神经网络可以处理数字指纹，而不是具有不同人的指纹副本的位图图像数据库。
据科学家称，它们的发展将有助于改善与指纹识别有关的保护方法，用户识别方法。
顺便说一下，现在越来越多地使用面部识别技术来代替指纹。 特别地，正是这种用户识别方法在新的Apple智能手机上起作用-称为FaceID。