指纹认证 — 定义、工作原理与应用

什么是指纹认证？

指纹认证是一种生物识别方法，通过分析手指表面的独特乳头状纹路来验证用户身份。每个人都有独特的脊线和沟纹图案，在子宫内发育的第12周形成，除物理损伤外终生不变。

指纹是公认最可靠的三种生物识别特征之一，另外两种是虹膜和视网膜图案。乳头状纹路形成特征性细节——细节特征点：终点、分叉点、点和交叉点。指纹的唯一性由扫描区域中40–100个细节特征点的位置和类型决定，这使两个不同人的匹配概率为1比640亿。

第一个自动指纹识别系统（AFIS）于20世纪70年代为执法机构出现。2013年，随着iPhone 5S和Touch ID的推出，开始大规模应用于消费设备。如今，指纹扫描仪安装在智能手机、笔记本电脑、平板电脑、门锁和支付终端中。

指纹扫描仪如何工作？

无论传感器类型如何，指纹认证过程都包括三个阶段：图像采集、处理和特征提取、与参考模板比较。根据实现方式，每个阶段可以在操作系统级别或可信执行环境级别执行。

指纹图像采集

传感器记录手指的物理图案。电容矩阵读取脊线（接触矩阵）和沟纹（不接触）之间的电位差。光学扫描仪使用LED照明照亮手指，并通过CMOS传感器记录反射光。超声波传感器发射声波，分析从不同皮肤深度反射的回声——这提供了对手指表面污垢具有抵抗力的三维图像。

细节特征提取和模板创建

捕获的图像经过滤波：去噪、对比度归一化和二值化（转换为黑白）。算法提取乳头状纹路的脊线，进行骨架化（细化到1像素宽度），并找到细节特征点——线条的终点和分叉点。每个细节特征点由坐标（x, y）、方向角和类型描述。大小为2–10 KB的数学模板不包含原始图像，无法重建指纹。

比较与决策

扫描获得的模板与注册时保存的参考模板进行比较。算法计算匹配的细节特征点数量。成功验证需要至少12–15个细节特征点匹配（由制造商设置）。如果匹配点数超过阈值，则认证成功。在移动设备中，阈值设置使得FAR不超过0.001%，FRR约为2%。

指纹扫描仪的类型

现代移动设备使用三种主要类型的指纹扫描仪，它们在读取技术、精度和生产成本上有所不同。类型的选择取决于设备的价位段和安全要求。

在2025–2026年，直接嵌入OLED屏幕下方的屏下（in-display）扫描仪越来越受欢迎。它们可以是光学式（廉价段）或超声波式（高端段）。优点——外壳上没有单独的按钮或区域，实现了无边框显示屏。光学屏下扫描仪的缺点——容易受到强烈阳光的影响，阳光通过屏幕像素照亮CMOS矩阵。

指纹与人脸识别的比较

指纹认证和人脸识别是移动设备中两种主要的生物识别技术。每种技术在特定使用场景中都有影响选择的优缺点。

• 精度（FAR） — 超声波指纹扫描仪：0.0005%，3D Face ID：0.0001%。使用深度摄像头时人脸识别更精确
• 速度 — 电容式扫描仪：200–300毫秒，光学式：400–600毫秒，3D人脸：600–1000毫秒。在静态场景下指纹更快
• 非接触性 — Face ID和2D人脸无需触摸设备；指纹需要与扫描仪物理接触
• 条件 — 指纹在湿手指时无法工作，但在戴口罩和手套时可用；Face ID在戴口罩时（无Apple Watch）和红外摄像头被污染时无法工作
• 传感器成本 — 电容式扫描仪：约0.5–1.5美元，超声波式：约3–5美元，3D TrueDepth摄像头：约12–15美元

对于移动应用开发者来说，重要的是安卓上的BiometricPrompt和iOS上的LocalAuthentication抽象了传感器类型。然而，在较旧的安卓设备（API < 28）上可能只有FingerprintManager可用——在这种情况下，应用程序必须明确检查传感器类型并提供替代认证方法。

在安卓上实现Fingerprint Auth

在安卓9（API 28）之前，集成指纹扫描仪的唯一方法是使用在API 23中添加的FingerprintManager类。从安卓9开始，谷歌推荐使用BiometricPrompt，它统一了与所有类型生物识别传感器的工作。然而，对于API 23–27的设备，开发者可能仍需要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
            )
        }
    }
}

// 使用:
val helper = FingerprintAuthHelper(context)
helper.authenticate(object : FingerprintManager.AuthenticationCallback() {
    override fun onAuthenticationSucceeded(
        result: FingerprintManager.AuthenticationResult
    ) {
        // 指纹已识别 — 访问已授权
        binding.showContent()
    }

    override fun onAuthenticationFailed() {
        binding.showError("指纹未识别")
    }
})

所示代码演示了通过FingerprintManager对较旧安卓设备进行完全认证的完整流程。需要注意的是，FingerprintManager默认不使用TEE——认证结果返回到用户空间，这使其不如带有BIOMETRIC_STRONG标志的BiometricPrompt安全。对于新项目，应始终使用BiometricPrompt，而FingerprintManager仅用于与API 23–27的向后兼容。

从FingerprintManager迁移到BiometricPrompt时，必须考虑安全模型的变化：BiometricPrompt保证所有生物识别操作在TEE（可信执行环境）中执行。在TEE内使用加密密钥签名的认证结果无法从用户代码伪造。AndroidX Biometric库还提供BiometricPrompt.AuthenticationResult.getCryptoObject()接口，用于将生物识别认证与加密操作（密钥加密和数据签名）关联。

安全标准与防伪保护

防止指纹伪造是扫描仪制造商的关键任务之一。现代传感器使用硬件和算法方法的组合来检测活手指（活体检测）并阻止假体。每种方法都有其局限性，但共同使伪造对于大规模攻击在经济上不可行。

主要保护方法包括：皮肤深度分析（超声波扫描仪根据回声信号返回时间确定表皮厚度）、皮肤光谱分析（光学扫描仪评估皮肤在不同波长下的反射系数——硅胶和明胶有不同的光谱）、脉搏检测（手指毛细血管中血液流动的微振动）和电位测量检查（活皮肤具有与合成材料不同的特定电阻抗）。

ISO/IEC 30107-3:2023标准定义了生物识别系统对呈现攻击的抵抗力级别。对于金融应用，建议使用2级（PAD Level 2），要求自动检测至少95%使用假体的攻击，FAR不超过0.01%。三星和高通3D Sonic Sensor超声波扫描仪满足PAD Level 2的要求，而廉价光学扫描仪通常无法获得Level 1以上的认证。