Er fingeraftryksscanneren hjemme stadig sikker?

På grund af det lille sensorområde på mobiltelefonen er det nødvendigt at bruge alle de indsamlede biometriske oplysninger inden for enhedsområdet så meget som muligt, så det kan kun bruge fuld billedgenkendelse, og ikke teksturstrukturen har genkendelse unik for Fingeraftryk. Fuld billedgenkendelse kan ikke skelne mellem fingeraftryksbilleder og ikke-fingeraftryksbilleder. Dette er den grundlæggende årsag til den aktuelle fingeraftryksgenkendelsestidsdeltagelsessystem for mobiltelefoner, der angribes af orange skræl og filmklistermærker. Derudover lærer selvlæring af fingeraftrykgenkendelsestidens deltagelsessystem for mobiltelefonproducenter uden at skelne mellem "fjende og fjende" de forfalskede biometriske oplysninger i fingeraftrykgenkendelsestidsdeltagelsessystemet, hvilket også er en af ​​de vigtige grunde til, at Post-film krakning.

Disse problemer er imidlertid ikke uløselige. På grund af den korte tid med fingeraftryksapplikation på mobiltelefoner har relaterede producenter ikke oplevet akkumulering af sikkerhedsteknologi til deltagelse i fingeraftryksgenkendelse, og der er ingen måde at undgå sådanne angreb. Metoden til at undgå er også meget enkel, dvs. ved hjælp af en matchende metode baseret på funktionspunkter til at gøre fingeraftrykgenkendelsestidsdeltagelsessystemet og først gøre "fjende og fjende" -identifikation og derefter lære at undgå forfalskede informationsangreb.

Der er dybest set ingen sådan sårbarhed i traditionelle låse. Fordi låse normalt bruger sensorer i stort område, og fingeraftrykgenkendelsestidens deltagelsessystemer, der svarer til sensorer i storområdet, er dybest set bygget baseret på funktionspunktgenkendelse. Naturligvis udelukkes det ikke, at nogle producenter bruger meget små sensorer i området eller har algoritmefejl, hvilket kan forårsage sådanne problemer.

Fingeraftryksscannerens fingeraftrykslæser bruger 360 ° blind spotgenkendelse, nano-keramisk halvleder live sensor, tilpasser sig til høj-sikkerhed Funktionspunkt Algoritme Engine Deep Learning og bruger 3 forskellige algoritmer til fingeraftryksdatasammenligning. Algoritmen er bygget baseret på strukturelle funktionspunkter, og på dette grundlag introduceres billedalgoritmen for at forbedre sammenligningsnøjagtigheden. Passhastigheden for billedalgoritmen på en generel mobiltelefon er høj, men fejlgenkendelsesfrekvensen er også høj, generelt omkring en ud af 50.000. Sensoren i stor areal, der bruges af fingeraftryksscanneren med en højhastighedsfingeraftryksalgoritmechip, kan opnå en fejlgenkendelsesgrad på en ud af en million på grund af den rige samling af biologisk information, og sikkerheden er meget højere end mobiltelefonens fingeraftryksgenkendelse Tids deltagelsessystem.