Immer häufiger kommen biometrische Merkmale wie Fingerabdrücke zum Einsatz, wenn es darum geht, Geräte zu entsperren oder Türen zu öffnen. Grundlage ist dabei, dass Fingerabdrücke einmalig sind und von einem System auch eindeutig erkannt werden können. Dies stellen jedoch aktuelle Forschungsergebnisse immer mehr infrage.

(Bild: Bontrager et al.)

Ein Forscher-Team der New York University Tandon erstellte künstliche Fingerabdrücke, die als eine Art Generalschlüssel fungierten – sie bezeichnen sie als DeepMasterPrints. Diese testeten sie unter anderem gegen eine Fingerabdruckerkennung namens VeriFinger, die auf einen zufälligen, unbekannten Fingerabdruck reagieren sollte und auf eine False Match Rate (FMR) von 0,1% eingestellt war. Bereits mit einem einzigen der DeepMasterPrints konnten sie VeriFinger in über 22 Prozent der Fälle überlisten. Selbst bei einer FMR von 0,01% lag die Erfolgsquote noch über 1 Prozent. Mit einem Satz von Masterprints, die man nacheinander ausprobiert, kann man die Quote weiter steigern.

Methoden aus der KI-Forschung

Die Forscher testeten ihr Verfahren gegen insgesamt drei verschiedene Fingerabdruckscanner. Dabei erhielten sie zwar jeweils etwas unterschiedliche Ergebnisse. Doch in allen Fällen funktionierten ihre synthetischen DeepMasterPrints um ein Vielfaches besser als zufällig gewählte, reale Fingerabdrücke. Sie profitierten dabei von der Tatsache, dass Fingerabdruckscanner wie sie in Smartphones zum Einsatz kommen, nur einen vergleichsweise kleinen Teil des gesamten Fingerabdrucks zu sehen bekommen und auswerten können.

Wie der Name DeepMasterPrints schon andeutet, nutzten die Forscher Methoden, die man aus der KI-Forschung kennt. Sie trainierten ein Neuronales Netz so, dass es künstliche Fingerabdrücke erstellt und nutzten evolutionäre Optimierungsverfahren, um daraus die besten – ihre DeepMasterPrints zu finden. Philip Bontrager, Aditi Roy, Julian Togelius, Nasir Memon und Arun Ross tauften dieses Verfahren zur Erstellung von MasterPrints Latent Variable Evolution. Als Eingabedaten zum Belernen und Optimieren ihrer neuronalen Netze nutzten sie eine öffentliche Datenbank der NIST mit 54.000 Fingerabdrücken und 8640 Finger-Scans. (ju)