Fingerabdruck-Authentifizierung — was es ist, Funktionsweise und Anwendung

Was ist Fingerabdruck-Authentifizierung?

Die Fingerabdruck-Authentifizierung ist eine biometrische Identifikationsmethode, die das einzigartige Papillarmuster auf der Fingeroberfläche zur Überprüfung der Benutzeridentität analysiert. Jeder Mensch hat ein individuelles Muster von Erhebungen und Tälern, das sich in der 12. Schwangerschaftswoche bildet und lebenslang unverändert bleibt, abgesehen von physischen Verletzungen.

Der Fingerabdruck ist eines der drei biometrischen Merkmale, die neben der Iris des Auges und dem Netzhautmuster als die zuverlässigsten für die automatische Identifikation anerkannt sind. Papillarlinien bilden charakteristische Merkmale — Minutien: Endungen, Verzweigungen, Punkte und Kreuzungen. Die Einzigartigkeit eines Fingerabdrucks wird durch die Position und Art von 40–100 Minutien im Scanbereich bestimmt, was eine mathematische Wahrscheinlichkeit einer Übereinstimmung von 1 zu 64 Milliarden für zwei verschiedene Personen ergibt.

Die ersten automatischen Fingerabdruck-Identifikationssysteme (AFIS) entstanden in den 1970er Jahren für Strafverfolgungsbehörden. Die Masseneinführung in Verbrauchergeräten begann 2013 mit dem iPhone 5S und Touch ID. Heute sind Fingerabdruckscanner in Smartphones, Laptops, Tablets, Türschlössern und Zahlungsterminals verbaut.

Wie funktioniert ein Fingerabdruckscanner?

Unabhängig vom Sensortyp besteht der Fingerabdruck-Authentifizierungsprozess aus drei Phasen: Bilderfassung, Verarbeitung und Merkmalsextraktion sowie Vergleich mit einer Referenzvorlage. Jede Phase kann je nach Implementierung auf OS-Ebene oder auf Ebene der Trusted Execution Environment durchgeführt werden.

Erfassung des Fingerabdruckbildes

Der Sensor erfasst das physische Muster des Fingers. Kapazitive Arrays lesen den Unterschied im elektrischen Potenzial zwischen den Erhebungen (die das Array berühren) und den Tälern (die es nicht berühren). Optische Scanner beleuchten den Finger mit LED-Licht und erfassen das reflektierte Licht durch einen CMOS-Sensor. Ultraschallsensoren senden eine Schallwelle aus und analysieren das Echo, das aus verschiedenen Hauttiefen reflektiert wird — dies liefert ein dreidimensionales Bild, das resistent gegen Verschmutzungen auf der Fingeroberfläche ist.

Minutienextraktion und Vorlagenerstellung

Das erfasste Bild durchläuft eine Filterung: Rauschentfernung, Kontrastnormalisierung und Binarisierung (Umwandlung in Schwarz-Weiß). Der Algorithmus identifiziert die Papillarleisten, skeletonisiert sie (verdünnt auf 1 Pixel Breite) und findet Minutien — End- und Verzweigungspunkte der Linien. Jede Minutie wird durch Koordinaten (x, y), Richtungswinkel und Typ beschrieben. Die mathematische Vorlage ist 2–10 KB groß, enthält kein Originalbild und kann nicht zur Rekonstruktion des Fingerabdrucks verwendet werden.

Vergleich und Entscheidungsfindung

Die beim Scannen gewonnene Vorlage wird mit der bei der Registrierung gespeicherten Referenzvorlage verglichen. Der Algorithmus berechnet die Anzahl der übereinstimmenden Minutien. Für eine erfolgreiche Überprüfung ist eine Übereinstimmung von mindestens 12–15 Minutien erforderlich (vom Hersteller einstellbar). Übersteigt die Anzahl der übereinstimmenden Punkte den Schwellenwert, gilt die Authentifizierung als erfolgreich. Bei mobilen Geräten wird der Schwellenwert so eingestellt, dass die FAR 0,001% nicht überschreitet bei einer FRR von etwa 2%.

Arten von Fingerabdruckscannern

Moderne mobile Geräte verwenden drei Haupttypen von Fingerabdruckscannern, die sich in der Erfassungstechnologie, Genauigkeit und Produktionskosten unterscheiden. Die Wahl des Typs hängt von der Preisklasse des Geräts und den Sicherheitsanforderungen ab.

In den Jahren 2025–2026 gewinnen Display-integrierte (In-Display) Scanner, die direkt unter dem OLED-Bildschirm eingebaut sind, an Popularität. Sie können optisch (günstiges Segment) oder ultraschallbasiert (Premiumsegment) sein. Der Vorteil ist das Fehlen einer separaten Taste oder Zone am Gehäuse, was ein randloses Display ermöglicht. Der Nachteil optischer In-Display-Scanner ist die Anfälligkeit für helles Sonnenlicht, das den CMOS-Sensor durch die Bildschirmpixel übersteuert.

Vergleich von Fingerabdruck und Gesichtserkennung

Die Fingerabdruck-Authentifizierung und die Gesichtserkennung sind die beiden dominierenden biometrischen Technologien in mobilen Geräten. Beide haben Stärken und Schwächen, die die Wahl für bestimmte Anwendungsfälle beeinflussen.

• Genauigkeit (FAR) — Ultraschall-Fingerabdruckscanner: 0,0005%, 3D Face ID: 0,0001%. Die Gesichtserkennung ist bei Verwendung einer Tiefenkamera genauer
• Geschwindigkeit — Kapazitiver Scanner: 200–300 ms, optisch: 400–600 ms, 3D-Gesicht: 600–1000 ms. Der Fingerabdruck ist in statischen Szenarien schneller
• Kontaktlosigkeit — Face ID und 2D-Gesicht erfordern keine Berührung des Geräts; der Fingerabdruck erfordert physischen Kontakt mit dem Scanner
• Bedingungen — Der Fingerabdruck funktioniert nicht bei nassen Fingern, aber mit Maske und Handschuhen; Face ID funktioniert nicht mit Maske (ohne Apple Watch) und bei blockierter IR-Kamera
• Sensorkosten — Kapazitive Scanner: ~$0,5–1,5, Ultraschall: ~$3–5, 3D TrueDepth-Kamera: ~$12–15

Für Entwickler mobiler Apps ist es wichtig zu beachten, dass BiometricPrompt unter Android und LocalAuthentication unter iOS den Sensortyp abstrahieren. Auf älteren Android-Geräten (API < 28) ist jedoch möglicherweise nur FingerprintManager verfügbar — in diesem Fall muss die App explizit den Sensortyp prüfen und eine alternative Authentifizierungsmethode anbieten.

Implementierung der Fingerabdruck-Authentifizierung unter Android

Vor Android 9 (API 28) war die einzige Möglichkeit zur Integration des Fingerabdruckscanners die Klasse FingerprintManager, die in API 23 hinzugefügt wurde. Ab Android 9 empfiehlt Google die Verwendung von BiometricPrompt, das die Arbeit mit allen Arten biometrischer Sensoren vereinheitlicht. Für Geräte mit API 23–27 benötigen Entwickler jedoch möglicherweise weiterhin FingerprintManager.

class FingerprintAuthHelper(
    private val context: Context
) {
    private val manager =
        context.getSystemService(Context.FINGERPRINT_SERVICE)
            as FingerprintManager?

    fun isFingerprintAvailable(): Boolean {
        return manager?.isHardwareDetected() == true
            && manager?.hasEnrolledFingerprints() == true
    }

    fun authenticate(callback: FingerprintManager.AuthenticationCallback) {
        if (isFingerprintAvailable()) {
            manager?.authenticate(
                null,
                CancellationSignal(),
                0,
                callback,
                null
            )
        }
    }
}

// Verwendung:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // Fingerabdruck erkannt — Zugriff gewährt
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("Fingerabdruck nicht erkannt")
    }
})

Der obige Code zeigt den vollständigen Authentifizierungszyklus mit FingerprintManager für ältere Android-Geräte. Es ist wichtig zu beachten, dass FingerprintManager standardmäßig kein TEE verwendet — das Authentifizierungsergebnis wird in den Userspace zurückgegeben, was es weniger sicher macht als BiometricPrompt mit dem BIOMETRIC_STRONG-Flag. Für neue Projekte sollte immer BiometricPrompt verwendet werden, und FingerprintManager sollte nur für die Abwärtskompatibilität mit API 23–27 eingesetzt werden.

Bei der Migration von FingerprintManager zu BiometricPrompt sollte die Änderung des Sicherheitsmodells berücksichtigt werden: BiometricPrompt garantiert, dass alle biometrischen Operationen in der TEE (Trusted Execution Environment) ausgeführt werden. Das Authentifizierungsergebnis, das von einem kryptografischen Schlüssel innerhalb der TEE signiert wird, kann aus Userspace-Code nicht gefälscht werden. Die AndroidX Biometric-Bibliothek bietet zusätzlich das Interface BiometricPrompt.AuthenticationResult.getCryptoObject() zur Bindung der biometrischen Authentifizierung an kryptografische Operationen — Schlüsselverschlüsselung und Datensignierung.

Sicherheitsstandards und Fälschungsschutz

Der Schutz vor Fingerabdruckfälschung ist eine der Hauptherausforderungen für Scanner-Hersteller. Moderne Sensoren verwenden eine Kombination aus Hardware- und algorithmischen Methoden zur Lebenderkennung (Liveness Detection) und zur Blockierung von Attrappen. Jede Methode hat ihre Grenzen, aber zusammen machen sie Fälschungen für Massenangriffe wirtschaftlich unattraktiv.

Zu den wichtigsten Schutzmethoden gehören: Hauttiefenanalyse (Ultraschallscanner bestimmen die Dicke der Epidermis anhand der Echo-Rücklaufzeit), spektrale Hautanalyse (optische Scanner bewerten den Reflexionskoeffizienten der Haut bei verschiedenen Wellenlängen — Silikon und Gelatine haben unterschiedliche Spektren), Pulserkennung (Mikrovibrationen des Blutflusses in den Fingerkapillaren) und potentiometrische Überprüfung (lebende Haut hat eine bestimmte elektrische Impedanz, die sich von synthetischen Materialien unterscheidet).

Die Norm ISO/IEC 30107-3:2023 definiert Widerstandsniveaus biometrischer Systeme gegen Präsentationsangriffe (Presentation Attack Detection, PAD). Für Finanzanwendungen wird Stufe 2 (PAD Level 2) empfohlen, die eine automatische Erkennung von mindestens 95% der Angriffe mit Attrappen bei einer FAR von nicht mehr als 0,01% erfordert. Die Ultraschallscanner Samsung und Qualcomm 3D Sonic Sensor erfüllen die Anforderungen von PAD Level 2, während günstige optische Scanner in der Regel keine Zertifizierung über Level 1 hinaus bestehen.