การตรวจสอบลายนิ้วมือ — คืออะไร หลักการทำงานและการประยุกต์ใช้

การตรวจสอบลายนิ้วมือคืออะไร?

การตรวจสอบลายนิ้วมือ เป็นวิธีการระบุตัวตนทางชีวมาตรที่วิเคราะห์รูปแบบ papillary ที่เป็นเอกลักษณ์บนพื้นผิวนิ้วเพื่อตรวจสอบตัวตนของผู้ใช้ แต่ละบุคคลมีรูปแบบสันเขาและหุบเขาเฉพาะตัวซึ่งก่อตัวขึ้นในสัปดาห์ที่ 12 ของการพัฒนาตัวอ่อนในครรภ์และคงอยู่ไม่เปลี่ยนแปลงตลอดชีวิต ยกเว้นการบาดเจ็บทางร่างกาย

ลายนิ้วมือเป็นหนึ่งใน สามประเภทของลักษณะทางชีวมาตร ที่ได้รับการยอมรับว่าเชื่อถือได้มากที่สุดสำหรับการระบุตัวตนอัตโนมัติ ร่วมกับม่านตาและรูปแบบจอประสาทตา เส้น papillary ก่อให้เกิดลักษณะเฉพาะ — minutiae: จุดสิ้นสุด จุดแยก จุด และจุดตัด ความเป็นเอกลักษณ์ของลายนิ้วมือถูกกำหนดโดยตำแหน่งและประเภทของ minutiae 40–100 จุดในพื้นที่สแกน ซึ่งให้ความน่าจะเป็นทางคณิตศาสตร์ของการตรงกันที่ 1 ใน 64 พันล้านสำหรับคนสองคนที่แตกต่างกัน

ระบบระบุลายนิ้วมืออัตโนมัติระบบแรก (AFIS) ปรากฏในทศวรรษ 1970 สำหรับหน่วยงานบังคับใช้กฎหมาย การนำมาใช้ในอุปกรณ์ผู้บริโภคจำนวนมากเริ่มต้นในปี 2013 ด้วย iPhone 5S และ Touch ID ปัจจุบัน สแกนเนอร์ลายนิ้วมือถูกติดตั้งในสมาร์ตโฟน แล็ปท็อป แท็บเล็ต กลอนประตู และเครื่องชำระเงิน

สแกนเนอร์ลายนิ้วมือทำงานอย่างไร?

โดยไม่คำนึงถึงประเภทของเซนเซอร์ กระบวนการตรวจสอบลายนิ้วมือประกอบด้วยสามขั้นตอน: การจับภาพ การประมวลผลและการแยกคุณลักษณะ และการเปรียบเทียบกับแม่แบบอ้างอิง แต่ละขั้นตอนสามารถดำเนินการได้ที่ระดับระบบปฏิบัติการหรือระดับ Trusted Execution Environment ขึ้นอยู่กับการใช้งาน

การจับภาพลายนิ้วมือ

เซนเซอร์บันทึกรูปแบบทางกายภาพของนิ้ว อาร์เรย์ capacitive อ่านความแตกต่างของศักย์ไฟฟ้าระหว่างสันเขา (สัมผัสอาร์เรย์) และหุบเขา (ไม่สัมผัส) สแกนเนอร์แบบออปติคอล ส่องแสง LED ไปที่นิ้วและบันทึกแสงสะท้อนผ่านเซนเซอร์ CMOS เซนเซอร์อัลตราโซนิกปล่อยคลื่นเสียงและวิเคราะห์เสียงสะท้อนที่สะท้อนจากความลึกต่าง ๆ ของผิวหนัง ซึ่งให้ภาพสามมิติที่ทนทานต่อสิ่งสกปรกบนพื้นผิวนิ้ว

การแยก minutiae และการสร้างแม่แบบ

ภาพที่จับได้จะผ่านการกรอง: การกำจัดสัญญาณรบกวน การปรับคอนทราสต์ให้เป็นปกติ และการทำให้เป็นสองสี (แปลงเป็นขาวดำ) อัลกอริทึมระบุ เส้นสันเขา papillary ทำให้เป็นโครงกระดูก (ทำให้บางลงเหลือความกว้าง 1 พิกเซล) และค้นหา minutiae — จุดสิ้นสุดและจุดแยกของเส้น แต่ละ minutiae อธิบายด้วยพิกัด (x, y) มุมทิศทางและประเภท แม่แบบทางคณิตศาสตร์มีขนาด 2–10 KB ไม่มีภาพต้นฉบับและไม่สามารถใช้สร้างลายนิ้วมือขึ้นใหม่ได้

การเปรียบเทียบและการตัดสินใจ

แม่แบบที่ได้จากการสแกนจะถูกเปรียบเทียบกับแม่แบบอ้างอิงที่บันทึกไว้ระหว่างการลงทะเบียน อัลกอริทึมคำนวณจำนวน minutiae ที่ตรงกัน การตรวจสอบที่สำเร็จต้องมีการตรงกันของ minutiae อย่างน้อย 12–15 จุด (ปรับได้โดยผู้ผลิต) หากจำนวนจุดที่ตรงกันเกินเกณฑ์ การตรวจสอบถือว่าสำเร็จ ในอุปกรณ์เคลื่อนที่ เกณฑ์ถูกตั้งค่าให้ FAR ไม่เกิน 0.001% โดย FRR ประมาณ 2%

ประเภทของสแกนเนอร์ลายนิ้วมือ

อุปกรณ์เคลื่อนที่สมัยใหม่ใช้สแกนเนอร์ลายนิ้วมือสามประเภทหลัก ซึ่งแตกต่างกันในเทคโนโลยีการอ่าน ความแม่นยำ และต้นทุนการผลิต การเลือกประเภทขึ้นอยู่กับกลุ่มราคาของอุปกรณ์และข้อกำหนดด้านความปลอดภัย

ในปี 2025–2026 สแกนเนอร์ใต้จอแสดงผล (in-display) ที่รวมอยู่ใต้หน้าจอ OLED กำลังได้รับความนิยม สามารถเป็นแบบออปติคอล (กลุ่มประหยัด) หรืออัลตราโซนิก (กลุ่มพรีเมียม) ข้อดีคือไม่มีปุ่มหรือพื้นที่แยกต่างหากบนตัวเครื่อง ทำให้สามารถมีจอแสดงผลไร้ขอบได้ ข้อเสียของสแกนเนอร์ออปติคอลใต้จอแสดงผลคือความเสี่ยงต่อแสงแดดจ้าที่ทำให้เซนเซอร์ CMOS อิ่มตัวผ่านพิกเซลของหน้าจอ

เปรียบเทียบลายนิ้วมือและการจดจำใบหน้า

การตรวจสอบลายนิ้วมือและการจดจำใบหน้าเป็นเทคโนโลยีชีวมาตรสองประเภทที่โดดเด่นในอุปกรณ์เคลื่อนที่ แต่ละประเภทมีจุดแข็งและจุดอ่อนที่ส่งผลต่อการเลือกสำหรับกรณีการใช้งานเฉพาะ

• ความแม่นยำ (FAR) — สแกนเนอร์ลายนิ้วมืออัลตราโซนิก: 0.0005%, Face ID 3D: 0.0001% การจดจำใบหน้าแม่นยำกว่าเมื่อใช้กล้องวัดความลึก
• ความเร็ว — สแกนเนอร์ capacitive: 200–300 ms, ออปติคอล: 400–600 ms, ใบหน้า 3D: 600–1000 ms ลายนิ้วมือเร็วกว่าในสถานการณ์คงที่
• ไม่ต้องสัมผัส — Face ID และใบหน้า 2D ไม่ต้องสัมผัสอุปกรณ์ ลายนิ้วมือต้องสัมผัสทางกายภาพกับสแกนเนอร์
• เงื่อนไข — ลายนิ้วมือไม่ทำงานกับนิ้วเปียกแต่ทำงานกับหน้ากากและถุงมือ Face ID ไม่ทำงานกับหน้ากาก (ไม่มี Apple Watch) และเมื่อกล้อง IR ถูกบดบัง
• ราคาเซนเซอร์ — สแกนเนอร์ capacitive: ~$0.5–1.5, อัลตราโซนิก: ~$3–5, กล้อง 3D TrueDepth: ~$12–15

สำหรับนักพัฒนาแอปพลิเคชันมือถือ สิ่งสำคัญคือต้องทราบว่า BiometricPrompt บน Android และ LocalAuthentication บน iOS ทำให้ไม่ต้องคำนึงถึงประเภทเซนเซอร์ อย่างไรก็ตาม บนอุปกรณ์ Android รุ่นเก่า (API < 28) อาจมีเฉพาะ FingerprintManager — ในกรณีนี้ แอปต้องตรวจสอบประเภทเซนเซอร์อย่างชัดเจนและเสนอวิธีการตรวจสอบอื่น

การใช้งาน Fingerprint Auth บน Android

ก่อน Android 9 (API 28) วิธีเดียวในการรวมสแกนเนอร์ลายนิ้วมือคือคลาส FingerprintManager ซึ่งเพิ่มใน API 23 ตั้งแต่ Android 9 เป็นต้นไป Google แนะนำให้ใช้ BiometricPrompt ซึ่งรวมการทำงานกับเซนเซอร์ชีวมาตรทุกประเภทเข้าด้วยกัน อย่างไรก็ตาม สำหรับอุปกรณ์ที่มี API 23–27 นักพัฒนาอาจยังคงต้องการ 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
            )
        }
    }
}

// การใช้งาน:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // รู้จำลายนิ้วมือแล้ว — อนุญาตการเข้าถึง
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("ไม่รู้จำลายนิ้วมือ")
    }
})

โค้ดข้างต้นแสดงวงจรการตรวจสอบที่สมบูรณ์โดยใช้ FingerprintManager สำหรับอุปกรณ์ Android รุ่นเก่า สิ่งสำคัญคือต้องทราบว่า FingerprintManager ไม่ได้ใช้ TEE โดยค่าเริ่มต้น — ผลการตรวจสอบจะถูกส่งกลับไปยัง userspace ทำให้ปลอดภัยน้อยกว่า BiometricPrompt ที่มีแฟล็ก BIOMETRIC_STRONG สำหรับโปรเจกต์ใหม่ ควรใช้ BiometricPrompt เสมอ และใช้ FingerprintManager เพื่อความเข้ากันได้ย้อนหลังกับ API 23–27 เท่านั้น

เมื่อย้ายจาก FingerprintManager ไปยัง BiometricPrompt ให้พิจารณาการเปลี่ยนแปลงในแบบจำลองความปลอดภัย: BiometricPrompt รับประกันว่าการดำเนินการชีวมาตรทั้งหมดจะดำเนินการใน TEE (Trusted Execution Environment) ผลการตรวจสอบซึ่งลงนามด้วยคีย์เข้ารหัสภายใน TEE ไม่สามารถปลอมแปลงจากโค้ด userspace ได้ ไลบรารี AndroidX Biometric ยังมีอินเทอร์เฟซ BiometricPrompt.AuthenticationResult.getCryptoObject() สำหรับเชื่อมโยงการตรวจสอบชีวมาตรกับการดำเนินการเข้ารหัส — การเข้ารหัสคีย์และการลงนามข้อมูล

มาตรฐานความปลอดภัยและการป้องกันการปลอมแปลง

การป้องกันการปลอมแปลงลายนิ้วมือเป็นหนึ่งในความท้าทายหลักสำหรับผู้ผลิตสแกนเนอร์ เซนเซอร์สมัยใหม่ใช้วิธีการทั้งฮาร์ดแวร์และอัลกอริทึมร่วมกันเพื่อตรวจจับความมีชีวิต (liveness detection) และสกัดกั้นลายนิ้วมือปลอม แต่ละวิธีมีข้อจำกัด แต่เมื่อรวมกันแล้วทำให้การปลอมแปลงไม่คุ้มทุนสำหรับการโจมตีจำนวนมาก

วิธีการป้องกันหลักรวมถึง: การวิเคราะห์ความลึกของผิวหนัง (สแกนเนอร์อัลตราโซนิกกำหนดความหนาของหนังกำพร้าจากเวลาที่เสียงสะท้อนกลับ), การวิเคราะห์สเปกตรัมผิวหนัง (สแกนเนอร์ออปติคอลประเมินค่าสัมประสิทธิ์การสะท้อนของผิวหนังที่ความยาวคลื่นต่างกัน — ซิลิโคนและเจลาตินมีสเปกตรัมต่างกัน), การตรวจจับชีพจร (การสั่นสะเทือนระดับจุลภาคของการไหลเวียนเลือดในเส้นเลือดฝอยของนิ้ว), และ การตรวจสอบศักย์ไฟฟ้า (ผิวหนังที่มีชีวิตมีอิมพีแดนซ์ไฟฟ้าเฉพาะที่แตกต่างจากวัสดุสังเคราะห์)

มาตรฐาน ISO/IEC 30107-3:2023 กำหนดระดับความต้านทานของระบบชีวมาตรต่อการโจมตีแบบนำเสนอ (การตรวจจับการโจมตีแบบนำเสนอ, PAD) สำหรับแอปพลิเคชันทางการเงิน แนะนำระดับ 2 (PAD Level 2) ซึ่งต้องการการตรวจจับอัตโนมัติอย่างน้อย 95% ของการโจมตีที่ใช้ลายนิ้วมือปลอม โดยมี FAR ไม่เกิน 0.01% สแกนเนอร์อัลตราโซนิก Samsung และ Qualcomm 3D Sonic Sensor ตอบสนองความต้องการ PAD Level 2 ในขณะที่สแกนเนอร์ออปติคอลราคาประหยัดมักไม่ผ่านการรับรองเหนือ Level 1