在美國，涉及指紋證據(jù)的第一大案是1911年芝加哥的托馬斯·詹寧斯謀殺案，因其在犯罪現(xiàn)場留下的指紋而被定罪。在后來的近乎一個世紀里，指紋同時被法庭和公眾認為是一個可靠識別方法，然而，最近的研究表明，指紋檢查也可能導致錯誤的結果。如2009年美國科學院的研究報告表明，即使是經驗豐富的探員在后來重復檢查同一個指紋時也可能得出和自己先前不同的結論。這種情況導致無辜的人被錯誤判罪，犯罪分子卻無法被定罪而逍遙法外。

近期，美國國家標準技術研究院（NIST）和密歇根大學合作研究，開發(fā)出一種算法，在指紋自動識別上取得突破。該算法主要是減少人的主觀性，使指紋分析更加可靠和高效，避免一旦有效信息不足時，分析將因人而異，形成不同的結論。如犯罪現(xiàn)場獲取的指紋質量較高，可簡單匹配，而采取該自動識別技術，，研究誤差縮小，還可修復指紋，使探員更加高效處理證據(jù)，減少積壓，花費更少的時間應對指紋證據(jù)搜集的挑戰(zhàn)。該算法另一大特點是利用機器學習來構建算法，通過不斷訓練，對算法的準確性進行測試。下一步，研究團隊將利用大數(shù)據(jù)的方法，進一步提高算法的準確率。

該研究成果發(fā)表在IEEE Transactions on Information Forensics and Security期刊上。endprint