Autentificarea prin amprentă — ce este, principiul de funcționare și aplicare

Ce este autentificarea prin amprentă?

Autentificarea prin amprentă este o metodă de identificare biometrică care analizează modelul papilar unic de pe suprafața degetului pentru a verifica identitatea utilizatorului. Fiecare persoană are un model individual de creste și văi care se formează în săptămâna a 12-a de dezvoltare intrauterină și rămâne neschimbat pe tot parcursul vieții, cu excepția leziunilor fizice.

Amprenta este una dintre cele trei tipuri de caracteristici biometrice considerate cele mai fiabile pentru identificarea automată, alături de iris și modelul retinei. Liniile papilare formează caracteristici distinctive — minutii: terminații, bifurcații, puncte și încrucișări. Unicitatea amprentei este determinată de poziția și tipul a 40–100 de minutii pe suprafața de scanare, ceea ce oferă o probabilitate matematică de coincidență de 1 la 64 de miliarde pentru două persoane diferite.

Primele sisteme automatizate de identificare a amprentelor (AFIS) au apărut în anii 1970 pentru organele de aplicare a legii. Implementarea în masă în dispozitivele de consum a început în 2013 cu iPhone 5S și Touch ID. Astăzi, scanerele de amprente sunt instalate în smartphone-uri, laptopuri, tablete, încuietori de uși și terminale de plată.

Cum funcționează scanerul de amprente?

Indiferent de tipul senzorului, procesul de autentificare prin amprentă constă în trei etape: capturarea imaginii, procesarea și extragerea caracteristicilor, compararea cu modelul de referință. Fiecare etapă poate fi executată atât la nivelul sistemului de operare, cât și la nivelul Trusted Execution Environment, în funcție de implementare.

Capturarea imaginii amprentei

Senzorul înregistrează modelul fizic al degetului. Matricele capacitive citesc diferența de potențial electric între creste (care ating matricea) și văi (care nu ating). Scanerele optice iluminează degetul cu lumină LED și înregistrează lumina reflectată printr-un senzor CMOS. Senzorii ultrasonici emit o undă sonoră și analizează ecoul reflectat de la diferite adâncimi ale pielii — aceasta oferă o imagine tridimensională rezistentă la impuritățile de pe suprafața degetului.

Extragerea minutiilor și crearea modelului

Imaginea capturată trece prin filtrare: eliminarea zgomotului, normalizarea contrastului și binarizarea (transformarea în alb-negru). Algoritmul extrage crestele liniilor papilare, le scheletizează (le subțiază la lățimea de 1 pixel) și găsește minutiile — punctele de terminare și bifurcație ale liniilor. Fiecare minutie este descrisă prin coordonate (x, y), unghiul de direcție și tip. Modelul matematic de 2–10 KB nu conține imaginea originală și nu permite reconstituirea amprentei.

Compararea și luarea deciziei

Modelul obținut la scanare este comparat cu modelul de referință salvat la înregistrare. Algoritmul calculează numărul de minutii potrivite. Pentru verificarea reușită este necesară potrivirea a cel puțin 12–15 minutii (reglabil de producător). Dacă numărul de puncte potrivite depășește pragul, autentificarea este considerată reușită. În dispozitivele mobile, pragul este stabilit astfel încât FAR să nu depășească 0.001% cu FRR de aproximativ 2%.

Tipuri de scanere de amprente

În dispozitivele mobile moderne sunt utilizate trei tipuri principale de scanere de amprente, care diferă prin tehnologia de citire, precizie și costul de producție. Alegerea tipului depinde de segmentul de preț al dispozitivului și de cerințele de securitate.

În anii 2025–2026 câștigă popularitate scanerele sub-ecran (in-display), încorporate direct sub ecranul OLED. Acestea pot fi atât optice (segment bugetar), cât și ultrasonice (segment premium). Avantajul — absența unui buton sau a unei zone separate pe carcasă, ceea ce permite realizarea unui afișaj fără ramă. Dezavantajul scanerelor optice sub-ecran — vulnerabilitatea la lumina puternică a soarelui, care suprasaturează matricea CMOS prin pixelii ecranului.

Comparație între amprentă și recunoașterea facială

Autentificarea prin amprentă și recunoașterea facială sunt cele două tehnologii biometrice dominante în dispozitivele mobile. Fiecare are puncte tari și slabe care influențează alegerea în scenarii specifice de utilizare.

• Precizie (FAR) — scaner ultrasonic de amprente: 0.0005%, 3D Face ID: 0.0001%. Recunoașterea facială este mai precisă cu condiția utilizării unei camere de adâncime
• Viteză — scaner capacitiv: 200–300 ms, optic: 400–600 ms, față 3D: 600–1000 ms. Amprenta este mai rapidă în scenariul static
• Fără contact — Face ID și fața 2D nu necesită atingerea dispozitivului; amprenta necesită contact fizic cu scanerul
• Condiții — amprenta nu funcționează cu degetele umede, dar funcționează cu mască și mănuși; Face ID nu funcționează cu mască (fără Apple Watch) și la murdărirea camerei IR
• Costul senzorului — scanere capacitive: ~0.5–1.5 dolari, ultrasonice: ~3–5 dolari, cameră 3D TrueDepth: ~12–15 dolari

Pentru dezvoltatorul de aplicații mobile este important de reținut că BiometricPrompt pe Android și LocalAuthentication pe iOS abstractizează tipul senzorului. Cu toate acestea, pe dispozitivele Android vechi (API < 28) poate fi disponibil doar FingerprintManager — în acest caz, aplicația trebuie să verifice explicit tipul senzorului și să ofere o metodă alternativă de autentificare.

Implementarea Fingerprint Auth pe Android

Înainte de Android 9 (API 28), singura modalitate de integrare a scanerului de amprente era clasa FingerprintManager, adăugată în API 23. Începând cu Android 9, Google recomandă utilizarea BiometricPrompt, care unifică lucrul cu toate tipurile de senzori biometrici. Cu toate acestea, pentru dispozitivele cu API 23–27, dezvoltatorul poate avea încă nevoie de 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
            )
        }
    }
}

// Utilizare:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // Amprentă recunoscută — acces permis
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("Amprentă nerecunoscută")
    }
})

Codul prezentat demonstrează ciclul complet de autentificare prin FingerprintManager pentru dispozitivele Android vechi. Este important de remarcat că FingerprintManager nu utilizează TEE în mod implicit — rezultatul autentificării este returnat în spațiul utilizatorului, ceea ce îl face mai puțin sigur decât BiometricPrompt cu flagul BIOMETRIC_STRONG. Pentru proiecte noi trebuie utilizat întotdeauna BiometricPrompt, iar FingerprintManager — doar pentru compatibilitate inversă cu API 23–27.

La migrarea de la FingerprintManager la BiometricPrompt trebuie luată în considerare schimbarea modelului de securitate: BiometricPrompt garantează executarea tuturor operațiunilor biometrice în TEE (Trusted Execution Environment). Rezultatul autentificării, semnat cu o cheie criptografică în interiorul TEE, nu poate fi falsificat din codul utilizatorului. Biblioteca AndroidX Biometric oferă suplimentar interfața BiometricPrompt.AuthenticationResult.getCryptoObject() pentru legarea autentificării biometrice de operațiunile criptografice — criptarea cheilor și semnarea datelor.

Standarde de securitate și protecția împotriva falsificării

Protecția împotriva falsificării amprentelor este una dintre sarcinile cheie ale producătorilor de scanere. Senzorii moderni utilizează o combinație de metode hardware și algoritmice pentru detectarea degetului viu (liveness detection) și blocarea machetelor. Fiecare metodă are limitările sale, dar împreună fac falsificarea neprofitabilă din punct de vedere economic pentru atacurile în masă.

Principalele metode de protecție includ: analiza adâncimii pielii (scanerele ultrasonice determină grosimea epidermei după timpul de întoarcere a semnalului ecou), analiza spectrală a pielii (scanerele optice evaluează coeficientul de reflexie al pielii la diferite lungimi de undă — siliconul și gelatina au un spectru diferit), detectarea pulsației (microvibrațiile fluxului sanguin în capilarele degetului) și verificarea potențiometrică (pielea vie are o anumită impedanță electrică, diferită de materialele sintetice).

Standardul ISO/IEC 30107-3:2023 definește nivelurile de rezistență ale sistemelor biometrice la atacurile de prezentare (presentation attack detection, PAD). Pentru aplicațiile financiare se recomandă nivelul 2 (PAD Level 2), care necesită detectarea automată a cel puțin 95% din atacurile cu utilizarea machetelor cu FAR nu mai mare de 0.01%. Scanerele ultrasonice Samsung și Qualcomm 3D Sonic Sensor îndeplinesc cerințele PAD Level 2, în timp ce scanerele optice bugetare nu trec de obicei certificarea peste Level 1.