有關這項研究的詳情,已經發表在近日出版的 IEEE《信息取證與安全事務》( Transactions on Information Forensics and Security )期刊上。
(原標題:機器學習加速了法醫指紋比對:算法表現媲美人類)
指紋是司法鑑定領域的一個重要部分,儘管我們已經在熒幕上見識過很多「高大上」的場景和劇情,但在現實生活中,分析和比對指紋依然是一項相當繁重的專家工作。 好消息是,美國國家標準與技術研究所(NIST)與密西根州立大學的科學家們,已經開發出了一套藉助機器學習技術和算法的自動化流程,讓指紋比對工作變得更具效率。 通過智慧型手機內建的指紋傳感器,使得面向司法鑑定的自動指紋分析看似輕而易舉。
新算法有助於讀取髒汙或不完整的指紋。
智能機用戶在錄入指紋的時候,需要給出多個角度的清晰指紋,以便日後用於系統的快速比對和解鎖。問題在於,犯罪嫌疑人基本不會給法醫們留下這麼好的現場物證。
通常情況下,法醫只能採集到不完整、扭曲、塗汙、或留在其它圖案上方的指紋,比如難以讀取的銀行票據,因此更不用提分析和匹配了。
正因如此,指紋分析是一項以人為主、費時費力的專家工作。其不僅需要在警方文檔中的進行比對,還需確定是否有足夠多的信息去尋找匹配。
當前的計算機化系統可在受控條件下採集十指的指紋,但在現實生活中的可操作性並不強。即便有了自動化指紋識別系統(AFIS),但若沒有對提供的信息進行適當的審查,就極有可能增加匹配出錯的結果。
不過 NIST/密西根州立大學的團隊,就在這方面做了充分的工作,目前看來也最有希望實現自動化,從而加快匹配過程、減少工作積壓。
研究人員們請來了31名指紋專家,讓他們分析100份潛藏的指紋,然後給出1~5之間的品質評級,以便藉助機器學習技術來訓練其算法。
之後,該系統的又針對一組新案例進行了性能測試,然後將評分提交給AFIS(其連接了超過25萬的潛藏指紋資料庫),正確的搜索結果會被給出相應的品質評分。
為消除隱私問題,研究中從密西根州警署資料庫中抽調的指紋,均已被抹去了與個人身份相關的信息。研究團隊表示,其品質與精確度有一致相關性,低質量分的指紋會產生更多錯誤的結果。
相比之下,高質量分的指紋,算法的表現比人類專家還略勝一籌。下一步,該團隊將嘗試改進算法,並通過更大的數據集來檢驗和降低其錯誤率。
有關這項研究的詳情,已經發表在近日出版的 IEEE《信息取證與安全事務》( Transactions on Information Forensics and Security )期刊上。