[发明专利]一种指纹防伪方法及电子设备

说明书

本申请提供一种指纹防伪方法、电子设备。所述指纹防伪方法包括以下步骤：电子设备检测到用户的指纹输入动作后，获取指纹输入动作产生的指纹图像，同时获取所述指纹输入动作产生的振声信号；该设备依据指纹防伪模型判断所述指纹图像和振声信号是否为真手指的指纹输入动作产生，所述指纹防伪模型为依据训练用指纹图像及对应的振声信号学习获得的多维网络模型。本申请实施例的指纹防伪方法，有助于提高电子设备对假指纹攻击的防护能力。

技术领域

本申请涉及计算机技术领域，尤其涉及一种指纹防伪方法和电子设备。

背景技术

人类的指纹互不相同，是一种常见的用于身份识别的生物特征，现在已广泛应用于设备解锁、门禁系统、考勤系统、金融支付等领域。但是在生活中，指纹信息很容易被泄露、伪造，给基于指纹识别的身份认证系统带来安全隐患。另外，随着手机等智能终端进入全面屏时代，屏下光学指纹识别方案已经是很多厂家首选的指纹识别技术，且随着LCD屏下光学指纹识别技术的成熟，屏下光学指纹识别方案已经成为趋势。具体来说，屏下光学指纹识别技术利用屏下光源发射光线至手指表面，反射光经感光组件转换为包含指纹信息的电信号，进一步完成指纹信息识别。然而，由于光线只能到达手指皮肤的表皮层，不能到达真皮层，因此光学指纹识别设备可能被制作简单、成本低的假指纹(尤其是3D指纹膜)欺骗。

综上所述，假指纹攻击是现有指纹识别技术的一个痛点，给用户的隐私、财产的安全带来广泛影响。目前，针对假指纹攻击的解决方案可概括为两类：一类为硬件层面的解决方案，通过增加额外硬件模块对手指的真皮层、血管、心率、血氧等生物特征信号进行检测，结合指纹识别对假指纹攻击进行检测；另一类是基于软件算法的解决方案，基于真假指纹本身的特征，利用图像识别技术对指纹图像进行真假的判断。

在硬件层面假指纹攻击解决方案方面，业界提出一种采用指纹传感器和心率传感器结合的方案进行真假指纹识别，其中心率传感器利用了心脏收缩和扩张时软组织中血液含量的不同进行心率检测，进而判断指纹图像是否来自活体。比如，某厂商公开了其单芯片活体指纹检测方案，其通过集成的硬件传感器对手指的血液流动、心率进行识别，以检测假指纹攻击行为。

另外，也有相关文献报道了一种综合利用光学相干层析成像技术和光学微血管造影技术的方案进行真假指纹判断，该方案通过光学相干层析成像装置获取指尖表皮层、真皮层和汗腺等结构信息，同时利用光学微血管造影装置获取微血管结构及血流信息，进一步结合获取的两种信息进行活体检测。此外，还有一种公开专利显示，可以通过增加红外硬件模块，利用红外反射率检测手指真皮下的各种物质进行活体检测。

然而，硬件层面假指纹攻击解决方案具有如下缺点。首先，额外增加特征检测硬件模块会增加设备成本，如一套光学相干层析成像装置的费用高达数十万美元，应用于手机的可能性较小。第二，额外的特征检测硬件模块与终端设备集成困难。第三，假指纹攻击手段层出不穷，基于硬件的假指纹攻击解决方案在面对不断出现的新型攻击手段时升级困难。

在基于软件算法的假指纹攻击解决方案方面，有相关专利提出了基于SVM与稀疏表示以及基于朴素贝叶斯分类器的假指纹检测方案，这两种方案是基于不同的传统机器学习方法，采集真指纹和假指纹图像数据集，进行特征提取和学习，最终利用得到的模型进行真假指纹判别；另外有相关专利公开了一种利用卷积神经网络进行真假指纹判别的方法，利用真指纹数据集和假指纹数据集对神经网络进行训练，指纹识别过程中，利用训得的卷积神经网络对指纹进行真假分类。

可是，软件算法解决方案也具有如下一些缺点。比如，真假指纹图像特征相近，人眼也很难判断，传统机器学习方案缺乏对指纹信息纹理特征的深层挖掘；而目前的深度学习方案在手机等移动设备的小面积指纹传感器上仍然存在局限，尤其是对于3D假指纹攻击识别率还有待进一步提升等。

发明内容

为改善现有假指纹攻击对指纹识别可靠性的影响，本申请提出一种指纹防伪方法和电子设备。

本申请一种实施例提供一种指纹防伪方法，其包括如下步骤：