目前虹膜掃描器涉及一些高安全性的需求,但是壞人只需要透過殺死相關人並拿取眼球以獲得訪問權,這的確是繞過虹膜掃描器的安全可行方法。研究人員希望阻止現代虹膜掃描器中的這一缺陷。
科學家們已經開發出一種虹膜掃描器,可以使用機器視覺系統從死亡的虹膜中識別活的虹膜。來自波蘭華沙理工大學的研究員Mateusz Trokielewicz及其同事建立了一個活虹膜和死虹膜掃描資料庫,在樣本物件死後5小時至34天之間,從17個不同的人收集了574個近紅外虹膜影象,他們使用這些掃描結果來訓練機器學習系統,以發現生活和死亡虹膜的差異。
科學家們聲稱,他們開發的演算法能夠分辨出活的和死亡的虹膜,準確度達到99%。研究人員還使用與已故受試者相同的虹膜相機將256張實時虹膜影象新增到資料庫中。這樣做是為了防止機器學習演算法基於相機之間的差異而被欺騙。活的和死亡的虹膜影象之間的明顯區別在於死者的眼瞼使用金屬牽開器保持開啟狀態。
演算法很容易發現。裁剪影象以顯示單獨的虹膜。該演算法仍然可以分辨現活的和死亡的虹膜。但是,有一種解決方法可以讓駭客希望使用死者虹膜掃描獲得受保護的內容,即死後5小時或更短時間內從屍體上切下眼睛變化太少,演算法無法判斷眼睛上的虹膜是否死亡。
目前虹膜掃描器涉及一些高安全性的需求,但是壞人只需要透過殺死相關人並拿取眼球以獲得訪問權,這的確是繞過虹膜掃描器的安全可行方法。研究人員希望阻止現代虹膜掃描器中的這一缺陷。
科學家們已經開發出一種虹膜掃描器,可以使用機器視覺系統從死亡的虹膜中識別活的虹膜。來自波蘭華沙理工大學的研究員Mateusz Trokielewicz及其同事建立了一個活虹膜和死虹膜掃描資料庫,在樣本物件死後5小時至34天之間,從17個不同的人收集了574個近紅外虹膜影象,他們使用這些掃描結果來訓練機器學習系統,以發現生活和死亡虹膜的差異。
科學家們聲稱,他們開發的演算法能夠分辨出活的和死亡的虹膜,準確度達到99%。研究人員還使用與已故受試者相同的虹膜相機將256張實時虹膜影象新增到資料庫中。這樣做是為了防止機器學習演算法基於相機之間的差異而被欺騙。活的和死亡的虹膜影象之間的明顯區別在於死者的眼瞼使用金屬牽開器保持開啟狀態。
演算法很容易發現。裁剪影象以顯示單獨的虹膜。該演算法仍然可以分辨現活的和死亡的虹膜。但是,有一種解決方法可以讓駭客希望使用死者虹膜掃描獲得受保護的內容,即死後5小時或更短時間內從屍體上切下眼睛變化太少,演算法無法判斷眼睛上的虹膜是否死亡。