Vingerafdrukauthenticatie — wat het is, werkingsprincipe en toepassing

Wat is vingerafdrukauthenticatie?

Vingerafdrukauthenticatie is een methode van biometrische identificatie die het unieke papillaire patroon op het oppervlak van de vinger analyseert om de identiteit van de gebruiker te verifiëren. Elke persoon heeft een individueel patroon van richels en dalen dat zich vormt in de 12e week van de intra-uteriene ontwikkeling en gedurende het hele leven onveranderd blijft, behalve bij fysieke verwondingen.

De vingerafdruk is een van de drie soorten biometrische kenmerken die als de meest betrouwbare worden beschouwd voor automatische identificatie, samen met de iris van het oog en het netvliespatroon. Papillaire lijnen vormen karakteristieke kenmerken — minutiae: uiteinden, vertakkingen, punten en kruisingen. De uniciteit van een vingerafdruk wordt bepaald door de locatie en het type van 40–100 minutiae op het scanoppervlak, wat een wiskundige kans op overeenkomst geeft van 1 op 64 miljard voor twee verschillende personen.

De eerste geautomatiseerde vingerafdrukidentificatiesystemen (AFIS) verschenen in de jaren 1970 voor wetshandhavingsinstanties. Massale implementatie in consumentenapparaten begon in 2013 met de iPhone 5S en Touch ID. Tegenwoordig worden vingerafdrukscanners geïnstalleerd in smartphones, laptops, tablets, deursloten en betaalterminals.

Hoe werkt een vingerafdrukscanner?

Ongeacht het type sensor bestaat het vingerafdrukauthenticatieproces uit drie fasen: beeldvastlegging, verwerking en extractie van kenmerken, vergelijking met het referentiesjabloon. Elke fase kan zowel op OS-niveau als op Trusted Execution Environment-niveau worden uitgevoerd, afhankelijk van de implementatie.

Beeldvastlegging van de vingerafdruk

De sensor legt het fysieke patroon van de vinger vast. Capacitieve matrices lezen het verschil in elektrische potentiaal tussen richels (die de matrix raken) en dalen (die niet raken). Optische scanners verlichten de vinger met LED-verlichting en leggen het gereflecteerde licht vast via een CMOS-sensor. Ultrasone sensoren zenden een geluidsgolf uit en analyseren de echo die wordt gereflecteerd door verschillende huidlagen — dit geeft een driedimensionaal beeld dat bestand is tegen vervuiling op het vingeroppervlak.

Extractie van minutiae en aanmaken van sjabloon

Het vastgelegde beeld ondergaat filtering: ruisverwijdering, contrastnormalisatie en binarisatie (omzetting naar zwart-wit). Het algoritme extraheert de richels van papillaire lijnen, skeletoniseert ze (verdunt tot 1 pixel breedte) en vindt minutiae — eindpunten en vertakkingspunten van lijnen. Elke minutie wordt beschreven door coördinaten (x, y), richtingshoek en type. Het wiskundige sjabloon van 2–10 KB bevat geen originele afbeelding en maakt het niet mogelijk de vingerafdruk te reconstrueren.

Vergelijking en besluitvorming

Het tijdens het scannen verkregen sjabloon wordt vergeleken met het referentiesjabloon dat tijdens de registratie is opgeslagen. Het algoritme berekent het aantal overeenkomende minutiae. Voor succesvolle verificatie is een overeenkomst van minstens 12–15 minutiae vereist (instelbaar door de fabrikant). Als het aantal overeenkomende punten de drempel overschrijdt, wordt de authenticatie als succesvol beschouwd. In mobiele apparaten wordt de drempel zo ingesteld dat FAR niet hoger is dan 0.001% met FRR rond 2%.

Soorten vingerafdrukscanners

In moderne mobiele apparaten worden drie hoofdtypen vingerafdrukscanners gebruikt, die verschillen in leestechnologie, nauwkeurigheid en productiekosten. De keuze van het type hangt af van de prijsklasse van het apparaat en de veiligheidseisen.

In 2025–2026 winnen in-display scanners, die direct onder het OLED-scherm zijn ingebouwd, aan populariteit. Ze kunnen zowel optisch (budgetsegment) als ultrasoon (premiumsegment) zijn. Voordeel — geen aparte knop of zone op de behuizing, waardoor een randloos display mogelijk is. Nadeel van optische in-display scanners — kwetsbaarheid voor fel zonlicht dat de CMOS-matrix overbelicht door de pixels van het scherm.

Vergelijking van vingerafdruk en gezichtsherkenning

Vingerafdrukauthenticatie en gezichtsherkenning zijn de twee dominante biometrische technologieën in mobiele apparaten. Elk heeft sterke en zwakke punten die de keuze in specifieke gebruiksscenario's beïnvloeden.

• Nauwkeurigheid (FAR) — ultrasone vingerafdrukscanner: 0.0005%, 3D Face ID: 0.0001%. Gezichtsherkenning is nauwkeuriger op voorwaarde dat een dieptecamera wordt gebruikt
• Snelheid — capacitieve scanner: 200–300 ms, optisch: 400–600 ms, 3D-gezicht: 600–1000 ms. Vingerafdruk is sneller in statische scenario's
• Contactloosheid — Face ID en 2D-gezicht vereisen geen aanraking van het apparaat; vingerafdruk vereist fysiek contact met de scanner
• Omstandigheden — vingerafdruk werkt niet bij natte vingers, maar werkt met masker en handschoenen; Face ID werkt niet met masker (zonder Apple Watch) en bij vervuiling van de IR-camera
• Sensor kosten — capacitieve scanners: ~0.5–1.5 dollar, ultrasoon: ~3–5 dollar, 3D TrueDepth-camera: ~12–15 dollar

Voor de ontwikkelaar van mobiele apps is het belangrijk dat BiometricPrompt op Android en LocalAuthentication op iOS het sensortype abstraheren. Op oudere Android-apparaten (API < 28) is echter mogelijk alleen FingerprintManager beschikbaar — in dat geval moet de app het sensortype expliciet controleren en een alternatieve authenticatiemethode bieden.

Implementatie van Fingerprint Auth op Android

Vóór Android 9 (API 28) was de enige manier om een vingerafdrukscanner te integreren de klasse FingerprintManager, toegevoegd in API 23. Vanaf Android 9 raadt Google aan om BiometricPrompt te gebruiken, die het werken met alle soorten biometrische sensoren verenigt. Voor apparaten met API 23–27 kan de ontwikkelaar echter nog steeds FingerprintManager nodig hebben.

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
            )
        }
    }
}

// Gebruik:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // Vingerafdruk herkend — toegang verleend
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("Vingerafdruk niet herkend")
    }
})

De getoonde code demonstreert de volledige authenticatiecyclus via FingerprintManager voor oudere Android-apparaten. Het is belangrijk op te merken dat FingerprintManager standaard geen TEE gebruikt — het authenticatieresultaat wordt teruggegeven aan de gebruikersruimte, wat het minder veilig maakt dan BiometricPrompt met de BIOMETRIC_STRONG-vlag. Voor nieuwe projecten moet altijd BiometricPrompt worden gebruikt, en FingerprintManager alleen voor achterwaartse compatibiliteit met API 23–27.

Bij migratie van FingerprintManager naar BiometricPrompt moet rekening worden gehouden met de verandering van het veiligheidsmodel: BiometricPrompt garandeert dat alle biometrische bewerkingen worden uitgevoerd in TEE (Trusted Execution Environment). Het authenticatieresultaat, ondertekend met een cryptografische sleutel binnen de TEE, kan niet worden vervalst vanuit gebruikerscode. De AndroidX Biometric-bibliotheek biedt ook de interface BiometricPrompt.AuthenticationResult.getCryptoObject() voor het koppelen van biometrische authenticatie aan cryptografische bewerkingen — sleutelversleuteling en gegevensondertekening.

Veiligheidsnormen en bescherming tegen vervalsing

Bescherming tegen vervalsing van vingerafdrukken is een van de belangrijkste taken van scannerfabrikanten. Moderne sensoren gebruiken een combinatie van hardware- en algoritmische methoden voor het detecteren van levende vingers (liveness detection) en het blokkeren van namaaksels. Elke methode heeft zijn beperkingen, maar samen maken ze vervalsing economisch onaantrekkelijk voor massa-aanvallen.

De belangrijkste beschermingsmethoden zijn: huiddiepteanalyse (ultrasone scanners bepalen de dikte van de opperhuid aan de hand van de retourtijd van het echosignaal), spectrale analyse van de huid (optische scanners beoordelen de reflectiecoëfficiënt van de huid bij verschillende golflengten — siliconen en gelatine hebben een ander spectrum), pulsatiedetectie (microtrillingen van de bloedstroom in de haarvaten van de vinger) en potentiometrische controle (levende huid heeft een bepaalde elektrische impedantie die verschilt van synthetische materialen).

De norm ISO/IEC 30107-3:2023 definieert niveaus van weerstand van biometrische systemen tegen presentatie-aanvallen (presentation attack detection, PAD). Voor financiële toepassingen wordt niveau 2 (PAD Level 2) aanbevolen, dat automatische detectie vereist van ten minste 95% van aanvallen met namaaksels met een FAR van niet meer dan 0.01%. De ultrasone scanners van Samsung en Qualcomm 3D Sonic Sensor voldoen aan de eisen van PAD Level 2, terwijl budget optische scanners meestal geen certificering boven Level 1 halen.