Autenticação por impressão digital — o que é, princípio de funcionamento e aplicações

O que é a autenticação por impressão digital?

A autenticação por impressão digital é um método de identificação biométrica que analisa o padrão papilar único na superfície do dedo para verificar a identidade do utilizador. Cada pessoa tem um padrão individual de cristas e vales que se forma na 12.ª semana de desenvolvimento prenatal e permanece inalterado durante toda a vida, exceto por lesões físicas.

A impressão digital é uma das três características biométricas reconhecidas como as mais fiáveis para identificação automática, juntamente com a íris do olho e o padrão da retina. As linhas papilares formam características distintivas — minúcias: terminações, bifurcações, pontos e cruzamentos. A singularidade de uma impressão digital é determinada pela localização e tipo de 40–100 minúcias na área de digitalização, dando uma probabilidade matemática de correspondência de 1 em 64 mil milhões para duas pessoas diferentes.

Os primeiros sistemas automatizados de identificação de impressões digitais (AFIS) surgiram na década de 1970 para agências de aplicação da lei. A adoção em massa em dispositivos de consumo começou em 2013 com o iPhone 5S e Touch ID. Hoje, os scanners de impressões digitais são instalados em smartphones, laptops, tablets, fechaduras de portas e terminais de pagamento.

Como funciona um scanner de impressões digitais?

Independentemente do tipo de sensor, o processo de autenticação por impressão digital consiste em três etapas: captura de imagem, processamento e extração de características, e comparação com um modelo de referência. Cada etapa pode ser realizada ao nível do SO ou ao nível do Ambiente de Execução Confiável (TEE), dependendo da implementação.

Captura de imagem da impressão digital

O sensor captura o padrão físico do dedo. As matrizes capacitivas leem a diferença de potencial elétrico entre as cristas (tocam na matriz) e os vales (não tocam). Os scanners ópticos iluminam o dedo com luz LED e capturam a luz refletida através de um sensor CMOS. Os sensores ultrassónicos emitem uma onda sonora e analisam o eco refletido de diferentes profundidades da pele — isto proporciona uma imagem tridimensional resistente a contaminantes na superfície do dedo.

Extração de minúcias e criação do modelo

A imagem capturada é submetida a filtragem: remoção de ruído, normalização de contraste e binarização (conversão para preto e branco). O algoritmo identifica as linhas de cristas papilares, esqueletiza-as (reduz para 1 pixel de largura) e encontra minúcias — pontos de terminação e bifurcação das linhas. Cada minúcia é descrita por coordenadas (x, y), ângulo de direção e tipo. O modelo matemático tem 2–10 KB de tamanho, não contém a imagem original e não permite reconstruir a impressão digital.

Comparação e tomada de decisão

O modelo obtido durante a digitalização é comparado com o modelo de referência guardado durante o registo. O algoritmo calcula o número de minúcias correspondentes. Para uma verificação bem-sucedida, é necessária uma correspondência de pelo menos 12–15 minúcias (ajustável pelo fabricante). Se o número de pontos correspondentes exceder o limite, a autenticação é considerada bem-sucedida. Em dispositivos móveis, o limite é definido para que o FAR não exceda 0.001% com um FRR de cerca de 2%.

Tipos de scanners de impressões digitais

Os dispositivos móveis modernos utilizam três tipos principais de scanners de impressões digitais, que diferem na tecnologia de leitura, precisão e custo de produção. A escolha do tipo depende do segmento de preço do dispositivo e dos requisitos de segurança.

Em 2025–2026, os scanners sob o ecrã (in-display) integrados diretamente sob o ecrã OLED estão a ganhar popularidade. Podem ser ópticos (segmento económico) ou ultrassónicos (segmento premium). A vantagem é a ausência de um botão ou zona separada no corpo, permitindo um ecrã sem moldura. A desvantagem dos scanners ópticos sob o ecrã é a vulnerabilidade à luz solar intensa, que satura o sensor CMOS através dos pixels do ecrã.

Comparação entre impressão digital e reconhecimento facial

A autenticação por impressão digital e o reconhecimento facial são as duas tecnologias biométricas dominantes em dispositivos móveis. Cada uma tem pontos fortes e fracos que influenciam a escolha para casos de uso específicos.

• Precisão (FAR) — Scanner ultrassónico de impressões: 0.0005%, Face ID 3D: 0.0001%. O reconhecimento facial é mais preciso quando utiliza uma câmara de profundidade
• Velocidade — Scanner capacitivo: 200–300 ms, óptico: 400–600 ms, facial 3D: 600–1000 ms. A impressão digital é mais rápida em cenários estáticos
• Sem contacto — Face ID e rosto 2D não requerem toque no dispositivo; a impressão digital requer contacto físico com o scanner
• Condições — A impressão digital não funciona com dedos molhados mas funciona com máscara e luvas; Face ID não funciona com máscara (sem Apple Watch) e quando a câmara IR está obstruída
• Custo do sensor — Scanners capacitivos: ~$0.5–1.5, ultrassónicos: ~$3–5, câmara 3D TrueDepth: ~$12–15

Para programadores de aplicações móveis, é importante notar que o BiometricPrompt no Android e o LocalAuthentication no iOS abstraem o tipo de sensor. No entanto, em dispositivos Android antigos (API < 28), apenas o FingerprintManager pode estar disponível — neste caso, a aplicação deve verificar explicitamente o tipo de sensor e oferecer um método de autenticação alternativo.

Implementação de autenticação por impressão digital no Android

Antes do Android 9 (API 28), a única forma de integrar o scanner de impressões digitais era a classe FingerprintManager, adicionada na API 23. A partir do Android 9, a Google recomenda a utilização do BiometricPrompt, que unifica o trabalho com todos os tipos de sensores biométricos. No entanto, para dispositivos com API 23–27, os programadores ainda podem precisar do 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
            )
        }
    }
}

// Uso:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // Impressão digital reconhecida — acesso concedido
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("Impressão digital não reconhecida")
    }
})

O código acima demonstra o ciclo completo de autenticação usando o FingerprintManager para dispositivos Android antigos. É importante notar que o FingerprintManager não utiliza TEE por defeito — o resultado da autenticação é devolvido ao espaço de utilizador, tornando-o menos seguro que o BiometricPrompt com a flag BIOMETRIC_STRONG. Para novos projetos, deve-se sempre usar o BiometricPrompt, e o FingerprintManager deve ser usado apenas para retrocompatibilidade com API 23–27.

Ao migrar do FingerprintManager para o BiometricPrompt, considere a mudança no modelo de segurança: o BiometricPrompt garante que todas as operações biométricas são realizadas no TEE (Ambiente de Execução Confiável). O resultado da autenticação, assinado por uma chave criptográfica dentro do TEE, não pode ser falsificado a partir do código do espaço de utilizador. A biblioteca AndroidX Biometric fornece adicionalmente a interface BiometricPrompt.AuthenticationResult.getCryptoObject() para associar a autenticação biométrica a operações criptográficas — encriptação de chaves e assinatura de dados.

Padrões de segurança e proteção contra falsificação

A proteção contra falsificação de impressões digitais é um dos principais desafios para os fabricantes de scanners. Os sensores modernos utilizam uma combinação de métodos de hardware e algorítmicos para deteção de vida (liveness detection) e bloqueio de réplicas. Cada método tem as suas limitações, mas juntos tornam a falsificação economicamente inviável para ataques em massa.

Os principais métodos de proteção incluem: análise da profundidade da pele (os scanners ultrassónicos determinam a espessura da epiderme pelo tempo de retorno do eco), análise espectral da pele (os scanners ópticos avaliam o coeficiente de reflexão da pele em diferentes comprimentos de onda — silicone e gelatina têm espetros diferentes), deteção de pulsação (microvibrações do fluxo sanguíneo nos capilares do dedo), e verificação potenciométrica (a pele viva tem uma impedância elétrica específica que difere dos materiais sintéticos).

A norma ISO/IEC 30107-3:2023 define níveis de resistência dos sistemas biométricos a ataques de apresentação (deteção de ataques de apresentação, PAD). Para aplicações financeiras, recomenda-se o Nível 2 (PAD Level 2), que requer a deteção automática de pelo menos 95% dos ataques com réplicas com um FAR não superior a 0.01%. Os scanners ultrassónicos Samsung e Qualcomm 3D Sonic Sensor cumprem os requisitos de PAD Level 2, enquanto os scanners ópticos económicos geralmente não passam a certificação acima do Level 1.