郭佳穎 解謙 陳詩洋

【摘 要】指紋識(shí)別技術(shù)現(xiàn)已被廣泛應(yīng)用于各種移動(dòng)智能終端設(shè)備，終端指紋識(shí)別的性能不僅關(guān)系到用戶體驗(yàn)，更與用戶隱私和信息安全緊密相關(guān)。而當(dāng)前針對(duì)移動(dòng)智能終端指紋識(shí)別性能測(cè)試方面的研究尚處于起步階段，可依據(jù)的理論不多。針對(duì)智能終端指紋識(shí)別技術(shù)，詳細(xì)介紹了其各項(xiàng)性能指標(biāo)，結(jié)合指標(biāo)構(gòu)建了相關(guān)指紋庫的制定方案以及測(cè)試方法，并實(shí)驗(yàn)論證了其可行性。

【關(guān)鍵詞】智能終端；指紋識(shí)別性能；指紋識(shí)別測(cè)試；指紋庫

1 引言

指紋識(shí)別技術(shù)是生物特征身份識(shí)別技術(shù)中應(yīng)用最為廣泛的技術(shù)之一。具有現(xiàn)代意義的指紋識(shí)別技術(shù)發(fā)端于19世紀(jì)末Galton等人的研究[1]，隨后開始應(yīng)用并普及于刑事偵破領(lǐng)域。隨后，指紋識(shí)別技術(shù)逐漸成熟并被應(yīng)用到門禁、考勤系統(tǒng)等商用領(lǐng)域。近幾年，隨著電子信息和移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，指紋識(shí)別模塊已經(jīng)成為移動(dòng)智能終端的標(biāo)配，主要用于完成解鎖、移動(dòng)支付和文件夾加密等[2]。

1998年，德國西門子公司研制出了全球首款搭載指紋識(shí)別模塊的原型機(jī)。2011年，第一部搭載指紋識(shí)別功能的智能手機(jī)MOTO Atrix 4G問世，但由于技術(shù)不成熟，其用戶體驗(yàn)較差。2013年，蘋果公司在iPhone 5s上加入了Touch ID指紋識(shí)別功能，采用按壓式指紋解鎖，大大提升了用戶體驗(yàn)。從2015年開始，隨著技術(shù)的成熟，大量搭載指紋識(shí)別功能的智能終端開始涌現(xiàn)[3]。目前，智能終端使用的主流指紋識(shí)別傳感器是電容式傳感器，也是唯一能夠鑒別活體指紋的傳感器。此外，當(dāng)下比較流行的指紋識(shí)別傳感器還有超聲波傳感器和光學(xué)傳感器[4-6]。

智能終端上的指紋識(shí)別模塊，其性能不僅關(guān)系到用戶體驗(yàn)，更與用戶隱私和信息安全緊密相關(guān)，因此針對(duì)指紋識(shí)別性能的測(cè)試十分必要。本文主要研究與用戶隱私安全和使用體驗(yàn)直接相關(guān)的識(shí)別率和識(shí)別處理時(shí)延測(cè)試，給出了針對(duì)指紋識(shí)別性能指標(biāo)的測(cè)試方法和指紋庫構(gòu)建方案，并通過實(shí)驗(yàn)驗(yàn)證了方案的可行性。

2 指紋識(shí)別技術(shù)原理

2.1 指紋識(shí)別流程

智能終端上的指紋識(shí)別流程包括指紋錄入過程、指紋驗(yàn)證過程和指紋辨識(shí)過程[7]，如圖1所示。指紋錄入過程通過指紋傳感器采集指紋圖像，進(jìn)行預(yù)處理后提取指紋特征值，保存為指紋模板。為確保用戶隱私安全，錄入的指紋模板不保存指紋圖片，而是以數(shù)據(jù)格式保存至終端Trust Zone區(qū)域。指紋驗(yàn)證過程將所產(chǎn)生的樣本特征與給定的用戶模板特征進(jìn)行比對(duì)，確定用戶所聲稱的身份，驗(yàn)證過程中對(duì)指紋信息的處理在TEE安全環(huán)境下執(zhí)行，以保證信息安全。指紋辨識(shí)過程將所產(chǎn)生的樣本特征與數(shù)據(jù)庫中所有的用戶模板特征進(jìn)行1：N比對(duì)，選出相符用戶，識(shí)別用戶真實(shí)身份。圖1給出的指紋識(shí)別流程適用于所有智能終端，與其搭載的系統(tǒng)無關(guān)。

指紋識(shí)別算法是智能終端指紋識(shí)別系統(tǒng)中的重要組成部分，用于完成圖1中對(duì)指紋樣本的分割、特征提取和質(zhì)量控制，及比對(duì)和決策過程。在決策過程中，指紋識(shí)別算法會(huì)預(yù)先設(shè)定合理的閾值（T），通過比較指紋樣本與指紋模板匹配的相似度分?jǐn)?shù)與該閾值的大小得到最終驗(yàn)證結(jié)果或辨識(shí)結(jié)果[7-8]。指紋識(shí)別算法的優(yōu)劣直接決定了指紋識(shí)別系統(tǒng)的性能。

2.2 指紋識(shí)別性能指標(biāo)

智能終端指紋識(shí)別性能的關(guān)鍵指標(biāo)包括指紋識(shí)別率和識(shí)別處理時(shí)延。其中識(shí)別率包括從采集指紋樣本到得出匹配結(jié)果整個(gè)過程中涉及到的概率，具體有：

FMR（False Match Rate，錯(cuò)誤匹配率）：使用錯(cuò)誤指紋測(cè)試樣本與指紋模版進(jìn)行逐一匹配實(shí)驗(yàn)，匹配成功的次數(shù)占總匹配次數(shù)的比例。

FNMR（False Non Match Rate，錯(cuò)誤不匹配率）：使用正確指紋測(cè)試樣本與指紋模版進(jìn)行逐一匹配實(shí)驗(yàn)，匹配失敗的次數(shù)占總匹配次數(shù)的比例。

FTA（Failure To Acquire Rate，采集失敗率）：指紋采集過程中，系統(tǒng)未能成功獲取到符合要求的樣本數(shù)量占總錄入樣本數(shù)量的比例。

FAR（False Accept Rate，錯(cuò)誤接受率）：在驗(yàn)證過程中，錯(cuò)誤指紋測(cè)試樣本被接受的次數(shù)占總驗(yàn)證次數(shù)的比例。

FRR（False Reject Rate，錯(cuò)誤拒絕率）：在驗(yàn)證過程中，正確指紋測(cè)試樣本被拒絕的次數(shù)占總驗(yàn)證次數(shù)的比例。

以上，錯(cuò)誤指紋測(cè)試樣本特指與指紋模版信息不同的指紋樣本，正確指紋測(cè)試樣本特指與指紋模版信息相同的指紋樣本。需要注意的是，一次驗(yàn)證過程可以包含多次匹配實(shí)驗(yàn)，這與指紋識(shí)別系統(tǒng)設(shè)置相關(guān)，匹配實(shí)驗(yàn)的次數(shù)會(huì)對(duì)驗(yàn)證結(jié)果有所影響。本文中提到的指紋識(shí)別率測(cè)試均設(shè)置一次驗(yàn)證過程僅包含一次匹配實(shí)驗(yàn)，此時(shí)：

FRR=FTA+FNMR×（1–FTA） （1）

FAR=FMR×（1–FTA） （2）

在對(duì)智能終端的實(shí)際測(cè)試中，通常比較關(guān)心的兩個(gè)識(shí)別率測(cè)試指標(biāo)為FRR和FAR，由于FTA對(duì)用戶隱私安全和使用體驗(yàn)的影響可以忽略，通常認(rèn)為FTA=0。此時(shí)：

FRR=FNMR （3）

FAR=FMR （4）

在驗(yàn)證過程中，指紋識(shí)別算法會(huì)將用于驗(yàn)證的指紋樣本與指紋模板進(jìn)行匹配并對(duì)其相似度打分，正確樣本和錯(cuò)誤樣本的相似度分?jǐn)?shù)分布圖如圖2所示，均呈正態(tài)分布。指紋識(shí)別算法預(yù)先設(shè)定閾值（T）作為判定標(biāo)準(zhǔn)，相似度大于T則表示匹配成功，否則表示匹配失敗。從圖2可以看出閾值對(duì)驗(yàn)證結(jié)果的影響，當(dāng)T值設(shè)置較高時(shí)，被接受的錯(cuò)誤樣本減少，被拒絕的正確樣本增多，即表示FAR降低，F(xiàn)RR升高，相應(yīng)地會(huì)提高指紋識(shí)別的安全性，降低用戶體驗(yàn)。相反地，當(dāng)T值設(shè)置較低時(shí)，會(huì)降低指紋識(shí)別的安全性，但用戶體驗(yàn)會(huì)得到提升。值得注意的是，圖2中錯(cuò)誤樣本和正確樣本的相似度分?jǐn)?shù)的分布曲線在同一次測(cè)試中是固定的，與閾值的設(shè)定無關(guān)。目前業(yè)界相關(guān)的白皮書對(duì)智能終端指紋識(shí)別的性能參數(shù)均做了要求，業(yè)界常用的標(biāo)準(zhǔn)是：FAR不應(yīng)大于1/50 000，F(xiàn)RR應(yīng)不高于3%～10%，識(shí)別處理時(shí)延應(yīng)低于1 s。

3 指紋識(shí)別率測(cè)試

3.1 指紋識(shí)別率測(cè)試方法

指紋識(shí)別率主要測(cè)試FRR和FAR兩個(gè)指標(biāo)，依據(jù)簡單驗(yàn)證方法[9]，應(yīng)先采集一定量的指紋注冊(cè)樣本用于注冊(cè)指紋庫，再對(duì)每個(gè)指紋采集一定量的測(cè)試樣本用于測(cè)試指紋庫。將測(cè)試指紋庫中的指紋樣本順序打亂，依次與注冊(cè)指紋庫中的指紋信息進(jìn)行匹配，記錄匹配結(jié)果并統(tǒng)計(jì)得出FRR和FAR。測(cè)試可采用人工加自動(dòng)化方式進(jìn)行，即先通過人工采集方式獲取指紋信息，再交由相關(guān)軟件工具進(jìn)行測(cè)試。下面給出識(shí)別率測(cè)試匹配次數(shù)的計(jì)算。

假設(shè)樣本庫的構(gòu)建選取人數(shù)為N，每人用于采集樣本的手指數(shù)為n，每根手指采集a個(gè)樣本用于注冊(cè)，采集b個(gè)樣本用于驗(yàn)證，則：

（1）共有N×n×（a+b）個(gè)指紋樣本，其中有N×n×b個(gè)樣本用于驗(yàn)證；

（2）正確匹配次數(shù)共有N×n×b次；

（3）錯(cuò)誤匹配次數(shù)共有N×n×（N×n-1）×b次。

其中，正確匹配指的是正確指紋樣本與指紋模版的匹配，用于測(cè)試FRR；錯(cuò)誤匹配指錯(cuò)誤樣本與指紋模版的匹配，用于測(cè)試FAR。在FAR為1/50 000的水平下，錯(cuò)誤匹配過程中發(fā)生N×n×（N×n-1）×b/50 000=x次匹配成功即可以對(duì)指紋識(shí)別率進(jìn)行評(píng)價(jià)。

3.2 指紋庫構(gòu)建方案

指紋識(shí)別率測(cè)試結(jié)果的準(zhǔn)確性與指紋庫的選擇至關(guān)重要，需要選取與被測(cè)終端相關(guān)的傳感器、相關(guān)場(chǎng)景、相關(guān)模板群體，而且指紋庫的樣本數(shù)量要足夠大。

真實(shí)的指紋采集受到各種實(shí)際采集情況的約束，根據(jù)測(cè)試工作中的經(jīng)驗(yàn)及行業(yè)規(guī)范，可以總結(jié)出其中對(duì)最終測(cè)試結(jié)果影響較大的條件。圖3中所示的采集條件即為根據(jù)不同測(cè)試需求所需要考慮的選取角度。

圖3 指紋庫采集條件

指紋識(shí)別采集條件主要包括指紋類型、傳感器類型及尺寸、環(huán)境條件、樣本提供者和樣本采集者約束條件、采集過程約束條件等。實(shí)際測(cè)試時(shí)，應(yīng)根據(jù)實(shí)際情況合理對(duì)上述條件進(jìn)行約束，以降低測(cè)試誤差和系統(tǒng)誤差。

指紋庫樣本數(shù)量的確定可依據(jù)3法則或30法則[7，10]。規(guī)定每人用于采集樣本的手指數(shù)為6，每根手指采集36個(gè)樣本用于注冊(cè)，采集10個(gè)樣本用于驗(yàn)證。通常情況下，會(huì)選取較為常用或具有代表性的手指作為樣本選取對(duì)象，如拇指、食指和小拇指。拇指和食指是常用手指，小拇指能夠在一定程度上代表細(xì)紋路的樣本。

（1）3法則

依據(jù)3法則，若想在FAR為1/50 000的水平下對(duì)指紋識(shí)別率進(jìn)行評(píng)價(jià)，在置信度為95%的條件下，至少需要3/FAR=15萬個(gè)指紋樣本量。由此可以推算出：

1）采集者N=21人；

2）共有5 976個(gè)指紋樣本，其中1 260個(gè)樣本用于驗(yàn)證；

3）用于測(cè)試FRR的正確匹配次數(shù)共有1 260次；

4）用于測(cè)試FAR的錯(cuò)誤匹配次數(shù)共有15.75萬次；

5）根據(jù)3法則的定義，在指紋匹配測(cè)試過程中，不允許發(fā)生錯(cuò)誤匹配。

（2）30法則

依據(jù)30法則，若想在FAR為1/50 000的水平下對(duì)指紋識(shí)別率進(jìn)行評(píng)價(jià)，需要至少發(fā)生30次錯(cuò)誤，則在置信度為90%，誤差為±30%的條件下，至少需要30/FAR=150萬個(gè)指紋樣本量。由此可以推算出：

1）采集者N=65人；

2）共有17 940個(gè)指紋樣本，其中3 900個(gè)樣本用于驗(yàn)證；

3）用于測(cè)試FRR的正確匹配次數(shù)共有3 900次；

4）用于測(cè)試FAR的錯(cuò)誤匹配次數(shù)共有151.71萬次。

3.3 實(shí)驗(yàn)結(jié)果與分析

本文使用NIST Special Database 10指紋庫和SourceAFIS指紋識(shí)別算法，模擬智能終端指紋解鎖過程，以驗(yàn)證提出的測(cè)試方法和指紋庫構(gòu)建方案的可行性。

NIST Special Database 10指紋庫共包括552人的指紋圖像，每人均取了全部手指的指紋樣本圖片，共5 520張。樣本庫中包括弓型、斗型、左箕和右箕等四種常見類型的指紋圖片，具體如圖4所示。

SourceAFIS指紋識(shí)別算法可進(jìn)行1：1或1：N辨識(shí)，能夠與任何指紋讀取工具配合使用。該算法的指紋圖像處理時(shí)間為180 ms，調(diào)整閾值使得其錯(cuò)誤接受率FAR=0.002%（即1/50 000）。接下來分別對(duì)指紋庫構(gòu)建方案及指紋識(shí)別率測(cè)試方法進(jìn)行驗(yàn)證。

測(cè)試指紋庫的構(gòu)建采用無放回抽樣方法，依據(jù)3法則分別建立指紋庫A1、A2和A3。依據(jù)30法則分別建立指紋庫B1、B2和B3。表1分別給出了指紋庫構(gòu)建時(shí)應(yīng)選取的各指紋類型樣本對(duì)應(yīng)的人數(shù)及性別。按照3.1節(jié)中給出的測(cè)試方法和3.2節(jié)中計(jì)算出的匹配次數(shù)，分別利用上述指紋庫測(cè)試SourceAFIS指紋識(shí)別算法的FAR和FRR。

表1 指紋庫樣本選取

類型 弓型 斗型 左箕/右箕

3法則指紋庫 男4 女4 男4 女3 男3 女3

30法則指紋庫 男11 女11 男11 女11 男11 女10

表2給出了FAR的測(cè)試結(jié)果。依據(jù)3法則和30法則構(gòu)建的指紋庫，均是根據(jù)FAR=1/50 000的水平確定樣本數(shù)量，得出的FAR結(jié)果符合3法則或30法則。使用指紋庫A1和A2測(cè)試，結(jié)果均未出現(xiàn)錯(cuò)誤，滿足3法則成立條件，F(xiàn)AR≤3/157 500≈0.002%，置信度為95%；而指紋庫A3在測(cè)試中出現(xiàn)1次錯(cuò)誤，此時(shí)3法則不成立。使用指紋庫B1、B2和B3進(jìn)行測(cè)試，得到的FAR依次為0.002 0%、0.001 9%、0.002 0%，依據(jù)30法則，各結(jié)果誤差均為±30%，置信區(qū)間為90%。表3給出了FRR的測(cè)試結(jié)果。由于FRR的評(píng)測(cè)相較于FAR更簡單，所需的指紋樣本量也遠(yuǎn)遠(yuǎn)少于對(duì)FAR評(píng)測(cè)，因此FRR的測(cè)試通常直接使用相應(yīng)的根據(jù)FAR水平構(gòu)建的指紋庫，測(cè)試結(jié)果本身與3法則或30法則無關(guān)。3法則指紋庫測(cè)試FRR的均值為1.59%，30法則指紋庫測(cè)試FAR的均值為1.63%，實(shí)驗(yàn)結(jié)果基本一致。

根據(jù)上述測(cè)試結(jié)果可得出，利用本文提出的3法則和30法則指紋庫構(gòu)建方案及測(cè)試方法對(duì)SourceAFIS指紋識(shí)別算法進(jìn)行測(cè)試，得到的測(cè)試結(jié)果與算法自身的標(biāo)稱值基本相符，也驗(yàn)證了指紋庫構(gòu)建方案和測(cè)試方法的可行性。由此可得出結(jié)論：針對(duì)識(shí)別率測(cè)試，可依據(jù)3法則和30法則分別構(gòu)建兩個(gè)指紋庫，且3法則構(gòu)建的指紋庫是30法則指紋庫的子集，當(dāng)在使用3法則指紋庫測(cè)試的過程中出現(xiàn)意外錯(cuò)誤而不再滿足條件時(shí)，可擴(kuò)大指紋庫至30法則指紋庫后繼續(xù)進(jìn)行測(cè)試。

4 指紋識(shí)別處理時(shí)延測(cè)試

指紋識(shí)別處理時(shí)延為用戶從接觸指紋識(shí)別蓋板到識(shí)別完成的時(shí)間，通?？梢酝ㄟ^測(cè)試終端屏幕解鎖時(shí)延得到。解鎖時(shí)延一般為測(cè)試從激活終端的指紋識(shí)別模組到完成解鎖的時(shí)間。可采用高清攝像頭結(jié)合圖像分析處理軟件的方法進(jìn)行測(cè)試。由測(cè)試人員操作手機(jī)解鎖，操作過程使用高速攝像頭記錄，將手機(jī)垂直置于高速攝像頭下，捕捉手指和手機(jī)的接觸瞬間，再利用鏡片反射撲捉屏幕變化，最后分析測(cè)試結(jié)果，測(cè)試步驟如圖5所示。

按照上述測(cè)試方法及操作步驟，對(duì)某款A(yù)ndroid智能終端進(jìn)行了指紋識(shí)別解鎖時(shí)延測(cè)試，共計(jì)測(cè)試10次，表4給出了測(cè)試所得的處理時(shí)延結(jié)果。依據(jù)測(cè)試結(jié)果可計(jì)算得出平均解鎖時(shí)延為698 ms，滿足小于1 s的要求，由此也驗(yàn)證了該測(cè)試方法的可行性。

5 結(jié)束語

針對(duì)移動(dòng)智能終端指紋識(shí)別性能的測(cè)試是比較繁瑣復(fù)雜的，由于指紋識(shí)別率測(cè)試是概率性事件，還需要對(duì)測(cè)試結(jié)果的準(zhǔn)確性作出評(píng)估。本文分別給出了指紋識(shí)別率和識(shí)別處理時(shí)延的測(cè)試方法，并針對(duì)識(shí)別率測(cè)試依據(jù)3法則和30法則給出了指紋樣本庫的構(gòu)建方案。通過實(shí)驗(yàn)證明提出的測(cè)試方法和指紋庫構(gòu)建方案能夠有效評(píng)估智能終端指紋識(shí)別的性能。

參考文獻(xiàn)：

[1] Galton F. Fingerprint directories[M]. Macmillan and Company， 1895.

[2] 田捷，楊鑫. 生物特征識(shí)別理論與應(yīng)用[M]. 北京： 清華大學(xué)出版社， 2009.

[3] 邱士星. 基于Android手機(jī)的指紋識(shí)別技術(shù)研究[D]. 西安： 西安電子科技大學(xué)， 2014.

[4] 王曙光. 指紋識(shí)別技術(shù)綜述[J]. 信息安全研究， 2016（4）： 343-355.

[5] Memon S A. Novel active sweat pores based liveness detection techniques for fingerprint biometrics[D]. London： Brunel University， 2012.

[6] Kang H， Lee B， Kim H， et al. A Study on Performance Evaluation of Fingerprint Sensors[C]//Audio-And Video-Based Biometrie Person Authentication， International Conference， 2003： 574-583.

[7] ISO. IEC 19795-1： Information technology-Biometric performance testing and reporting-Part 1： Principles and framework[S]. 2006.

[8] 車榮祿. 指紋圖像的特征提取與匹配算法研究[D]. 秦皇島： 燕山大學(xué)， 2014.

[9] ISO. IEC 19795-2： Information technology-Biometric performance testing and reporting-Part 2： Testing methodologies for technology and scenario evaluation[S]. 2007.

[10] 丁增喜，王旭，祁衛(wèi)煒. 指紋測(cè)試樣本采集系統(tǒng)關(guān)鍵技術(shù)研究[J]. 警察技術(shù)， 2015（5）： 14-16.