1993年的电影拆迁的人故事发生在虚构的未来的2030年代,人们或多或少获得一切通过虹膜扫描。导致一个奇怪的情节装置中一个囚犯从监狱逃通过削减了狱长的眼球和用它来恶搞生物扫描仪。
这就引发了一个有趣的问题。是一个扫描器可以区分活虹膜和死一个?
今天,我们得到一个答案的工作Mateusz Trokielewicz在波兰华沙理工大学和他的同事。这些家伙已经创建了一个数据库的虹膜扫描从活人和尸体,然后机器学习算法来训练点的区别。
他们说他们的算法可以区分一个活生生的虹膜和死亡有99%的准确率。但是他们的研究结果提供罪犯一个潜在的方法检测系统。
第一次的一些背景知识。眼科医生早就认识到,虹膜的复杂结构的独特之处在于每一个个人。在近红外虹膜图像细节尤其明显,在这个波长和虹膜图像广泛应用于各种安全应用程序。
但是该系统并不完美。去年,黑客解锁一个虹膜扫描三星智能手机的印刷图像所有者的虹膜上隐形眼镜,然后将隐形眼镜到一个虚拟的眼球。
更可怕的攻击拆迁的人是另一种方式来规避这些系统。但是没有人工作是否可以检测到这种形式的攻击,直到现在。
这项研究是通过一种不同寻常的数据库—华沙BioBase后期虹膜数据集,其中包括574年收集的近红外虹膜图像17人在不同时期后已经死亡。照片日期从5小时34天后死亡。
该小组还收集了256活虹膜图像。她们照顾使用相同的虹膜相机使用的尸体,这样无法骗到机器学习算法识别图像特点的基础上,不同的相机。
明显偏见的研究小组还检查了数据集的图像,如不同的方式不同的运营商可能拍照的方式影响图像强度。他们发现几乎没有在这方面来区分图像。
然而,有一个明显不同的方式活着和死了虹膜经常看图片。这是因为持有的尸体通常眼睑开放使用金属的牵引器,不像大多数生活虹膜图像。这些都是机器视觉算法容易点。出于这个原因,团队裁剪图像显示虹膜。
最后,他们用大多数的数据集来训练一个机器学习系统识别死和活虹膜。他们使用的其他数据集测试算法。
结果表明,该算法准确点都死了虹膜,很少分类的生活。“没有死后的样本被错误地归类为一个生活,将现场划分样本的概率死在1%左右,“团队说。
然而,有一个警告。这个精度仅适用于虹膜已经死了16个小时或更多。“样本收集简要死后(即。,5个小时在我们的研究中)未能提供死后变化明显足以作为活性检测,提示“说Trokielewicz和有限公司
给这些可怕的黑客机会之窗,因为刚摘眼球应该治疗。担心读者可以从知识肯定会得到一些安慰,摘眼球失去黑客效力仅仅几小时后。
裁判:arxiv.org/abs/1807.04058:表示攻击检测尸体虹膜
深潜水
人工智能
保持联系
得到最新的更新
麻省理工学院技术评论
发现特价,头条新闻,即将来临的事件等等。