C'était autrefois l'étoffe de la sécurité de la science-fiction, ouvrez grand les yeux et regardez dans la caméra pour accéder au pont d'envol du vaisseau spatial ou appuyez le bout de votre doigt ou la paume de votre main contre le pad pour accéder à la base de données secrète qui vous permet de prendre le contrôle des armes des méchants. Aujourd'hui, bien sûr, reconnaissance de l'iris, lecteurs d'empreintes digitales, et d'autres systèmes biométriques deviennent de plus en plus courants. La plupart des téléphones intelligents modernes ont un lecteur d'empreintes digitales qui vous permet de déverrouiller votre téléphone sans avoir à vous souvenir d'un mot de passe ou d'un numéro.

Bien sûr, du point de vue de la sécurité, qu'est-ce qui empêche un tiers de « lever » votre empreinte digitale, et créer un fac-similé de ses boucles, des verticilles et des arcs avec un morceau de matériau caoutchouteux ressemblant à de la peau, puis le présenter au dispositif biométrique pour y accéder ? La réponse simple est rien ! De plus, pour un système d'identification d'empreintes digitales simple, il n'y aurait aucun moyen pour lui de savoir que l'empreinte digitale présentée n'était pas une partie du doigt d'une personne vivante plutôt qu'un tampon en caoutchouc.

Cependant, écrit dans le Journal international de biométrie , une équipe indienne décrit leur approche pour développer un système qui non seulement lit les empreintes digitales, mais peut détecter la « vivance » de l'empreinte digitale sur la base d'une analyse algorithmique des caractéristiques micro et macro. Rohit Agrawal et Anand Singh Jalal de l'Université GLA, à Mathura, et K.V. Arya de l'Institut d'ingénierie et de technologie, à Lucknow, expliquer que leur approche contourne le problème associé aux méthodes statistiques antérieures qui fonctionnent bien avec le micro, mais pas la macro, caractéristiques d'une empreinte digitale.

L'équipe explique qu'elle a combiné des caractéristiques de micro texture Haralick locales avec des caractéristiques macro dérivées de la matrice de différence de tons de gris du voisinage. Cela leur permet de générer un vecteur de caractéristiques efficace. Ils entraînent ensuite l'algorithme avec des empreintes digitales connues et le testent par rapport à des empreintes digitales authentiques et fausses. Ils atteignent une précision de près de 95 % avec un faible taux d'erreur. Les systèmes antérieurs ne peuvent se vanter d'être précis qu'à 90 %.