生物识别安全是数据安全领域中一个重要的新兴问题。生物识别系统是通过计算机与光学、声学、生物传感器和生物统计学原理等手段密切结合，利用人体固有的生理特征 (如指纹、脸象、虹膜等)和行为特征 (如声音、步态、笔迹等)来进行个人身份鉴定的技术。其核心在于如何获取这些生物特征，并将之转换为数字信息，存储于计算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程。指纹作为一种个人“身份证”和“信息银行”的信息特征，是生物识别的首选技术。当手指接触物体表面，汗液分泌物和油性物质会形成摩擦脊图案的印记，被称为潜在指纹 (LFP)。LFP是犯罪现场最常见的指纹类型，肉眼几乎看不见。因此，LFP的提取和识别在刑事调查、个人身份识别和生物识别安全方面发挥着关键作用。然而，根据现有研究，建立一套高效、完整、精确的LFP提取和识别系统仍存在挑战。我院闫冰教授课题组长期致力于氢键有机框架材料(HOFs)的功能化研究，随着人工智能（AI）技术应用的成熟，该团队借助AI将功能化的HOFs应用于生物识别领域，提供了一种实用的解决方案，相关工作以“Multifunctional Eu(III) Modified HOFs: Roxarsone and Aristolochic Acid Carcinogen Monitoring and Latent Fingerprint Identification Based on Artificial Intelligence”为题在线发表于《Materials Horizons》(2023, DOI: 10.1039/D3MH01253K)上。
日前，该课题组合成了一例多功能Eu3+离子修饰的氢键有机框架 (Eu@HOF-BTB, Eu@1)紫红光材料。基于AI技术，Eu@1实现了集两种功能于一体：致癌物的监测以及LFP的提取和识别。一方面，借助于支持向量机 (SVM)、主成分分析 (PCA)和层次聚类分析 (HCA)等机器学习算法，基于不同机理，Eu@1传感器可同时区分两种致癌物洛克沙砷 (Rox)和马兜铃酸 (AA)。另一方面，Eu@1可作为一种用于LFP识别的高分辨率和高对比度的染料。AI技术被用作LFP信息分析的实用解决方案。基于指纹自动识别系统 (AFIS)，实现了两幅指纹图象的同时识别，可以有效地用于个人信息的获取和识别。此外，团队还进行了刑事逮捕的仿真模拟实验。基于AlexNet的指纹分析平台 (AlexNet-FAP)，“警察”将犯罪现场的未知LFP与数据库进行比较，在1秒内锁定“罪犯”，识别准确率超过90%。尽管指纹在三分之一甚至一半的区域被Rox或AA污染，AlexNet-FAP模型仍可准确识别指纹。
图1. 基于AI的多种致癌物监测及LFP提取识别示意图
图2. 基于PCA及SVM对致癌物Rox和AA的识别区分
图3. Eu@1对Rox和AA的荧光传感性能研究
图4. (a)(b)(c) 日光灯及310 nm紫外灯下的高分辨率LFP图象；(d) 基于AI的LFP的提取和识别过程
图5. (a) AFIS机制图；(b)(c) 基于AFIS的双指纹识别过程；(d)(e) 基于AFIS的个人信息识别示意图
图6. (a) AlexNet卷积神经网络结构；(b) 基于AlexNet-FAP的刑事逮捕模拟实验及匹配结果
该项工作将HOFs荧光材料与AI技术相结合，为下一代LFP提取和识别技术提供一种实用的解决方案，也为法医学或其他案件处理领域提供参考。我院博士生朱凯是论文第一作者，闫冰教授是通讯作者。该研究工作得到了国家自然科学基金的支持。
论文连接：https://pubs.rsc.org/en/content/articlelanding/2023/mh/d3mh01253k
