呂昱帆，張永良，吳 浩，王子政，鄒佳利，秦 旗，劉 寰

（1.公安部物證鑒定中心，北京 100038；2. 浙江工業(yè)大學(xué)，杭州 310014）

自1892年高爾頓出版《指紋學(xué)》至今，指紋檢驗(yàn)技術(shù)已有100多年的發(fā)展歷史。指紋不僅成為最重要的物證之一，在媒體的宣傳下也為廣大民眾所了解，利用指紋逃避法律制裁或偽造證據(jù)的案例時(shí)有發(fā)生。值得關(guān)注的是，20世紀(jì)初以來，隨著制模材料的發(fā)展，制模技術(shù)成本不斷降低，加之易于操作、對專業(yè)知識要求不高，指紋/指印偽造越來越容易[1]。盡管指紋研究人員對此早有關(guān)注，但偽造指紋/指印識別依然是指紋檢驗(yàn)領(lǐng)域的短板。國內(nèi)外指紋研究人員主要從兩方面對偽造指印識別方法進(jìn)行研究：傳統(tǒng)的形態(tài)學(xué)比對方法和近年熱度較高的機(jī)器學(xué)習(xí)方法。本文將分別從上述兩條技術(shù)路線角度，對近年來中外法庭科學(xué)偽造指印識別方法研究情況進(jìn)行回顧和綜述，并分析未來發(fā)展趨勢和研究方向，為我國法庭科學(xué)領(lǐng)域偽造指印識別研究提供參考。

1 偽造指印識別研究概述

1.1 研究背景

1998 — 1999年，為調(diào)查專業(yè)人員對指印偽造現(xiàn)象的看法，Geller等[2]在愛沙尼亞、法國、以色列、瑞士四國開展了一項(xiàng)針對指紋工作者的國際調(diào)查，這項(xiàng)調(diào)查共有152名具有10年以上指紋檢驗(yàn)工作經(jīng)歷的現(xiàn)場勘查人員、指紋檢驗(yàn)專家參加。分析調(diào)查結(jié)果后，研究人員發(fā)現(xiàn)，盡管參與者都認(rèn)為指印偽造現(xiàn)象存在，但絕大部分都無法發(fā)現(xiàn)、辨別偽造指印，因此對偽造指印進(jìn)行技術(shù)、社會學(xué)和法律層面的研究極有必要。Espinoza等[3]則將活體采集的同一人的偽造指印與真實(shí)指印錄入數(shù)據(jù)庫中，用AFIS系統(tǒng)比對并比較真?zhèn)沃赣”戎械梅?，?shí)驗(yàn)結(jié)果表明，高分辨率指紋傳感器對偽造指紋的識別能力也十分有限。2015年，司法部頒布了《文件上可見指印鑒定技術(shù)規(guī)范》[4]，該技術(shù)規(guī)范從形態(tài)學(xué)比對角度提出了可見指印概念和可見指印可能具有的積墨特征、漏白特征、邊緣特征、介質(zhì)特征和變異特征等指印印面特征，但并未對這些特征的定義、價(jià)值等進(jìn)行進(jìn)一步闡述。盡管目前未形成識別指印形成方式、判斷指印真?zhèn)蔚臋z驗(yàn)方法，但實(shí)際工作中涉及此類檢驗(yàn)的案件逐年增多，已成為指紋檢驗(yàn)工作的難點(diǎn)和痛點(diǎn)。

1.2 偽造指印分類

要系統(tǒng)認(rèn)識偽造指印、研究其識別方法，首先應(yīng)當(dāng)對偽造指印這一研究對象進(jìn)行分類?，F(xiàn)有文獻(xiàn)中的分類標(biāo)準(zhǔn)各異，主要可以依據(jù)偽造方式和指印是否可見對偽造指印進(jìn)行分類。

1.2.1 按偽造方式分類

依據(jù)偽造方式分類，偽造指印可分為直接偽造和間接偽造：直接偽造是以被偽造指印所在手指為母版，即在指紋所屬主體的主動(dòng)或被動(dòng)配合下完成；間接偽造則是以手指遺留的指印（顯現(xiàn)后的潛在指印或可見指?。槟赴孢M(jìn)行偽造[1]。

Harper[5]將指印偽造分為了兩大類：以真實(shí)指印為模板制作模具的偽造和轉(zhuǎn)移指印遺留物質(zhì)的偽造。張森 將偽造指印分為直接偽造指印和間接偽造指印兩大類別，并進(jìn)一步對這兩類偽造指印進(jìn)行細(xì)分：直接偽造指印包括利用尸體手印偽造死者生前押名手印，以及從日常場所中轉(zhuǎn)移至犯罪現(xiàn)場的案件無關(guān)人員的真實(shí)指??；間接偽造指印包括利用化學(xué)制模法、以粉末類物質(zhì)為介質(zhì)的轉(zhuǎn)印制模法、“溺死手套”法、彩色打印/復(fù)印法、照相制模法、轉(zhuǎn)印法方式制作的指印。Geller等[7]總結(jié)了三種主要的指印偽造方式：指模偽造、提取轉(zhuǎn)移、圖片拼接修飾，以及兩種新型偽造方式：利用美容假手套（假肢）偽造、計(jì)算機(jī)模擬指紋細(xì)節(jié)特征偽造。以上偽造方式均可歸納為直接和間接偽造兩種類別。實(shí)際上，直接偽造指印的本質(zhì)，在于偽造者能夠在被偽造者的主動(dòng)或被動(dòng)配合下，接觸到其手指并進(jìn)行偽造；間接偽造指印的本質(zhì)，在于偽造者利用的是被偽造者的指印而非手指。

1.2.2 按是否可見分類

按指印介質(zhì)的不同，偽造指印可分為潛在偽造指印和可見偽造指印。潛在偽造指印是指無法用肉眼直接觀察到、需顯現(xiàn)處理的偽造指??；可見偽造指印即無需技術(shù)顯現(xiàn)，通過目測或借助放大鏡即可觀察到的有色加層或減層指印[4]。

Saharan等[8]用PVA材料制作指模，蘸取人工汗液捺印在紙張、硬紙板、本色木等滲透性客體和塑料瓶、玻璃等非滲透性客體上制作偽造汗?jié)撌钟颖?，以研究顯現(xiàn)后的汗?jié)搨卧焓钟『驮谕葪l件下遺留的真實(shí)汗?jié)撌钟〉膮^(qū)別。潘自勤等[9]利用液態(tài)硅膠制作仿生指紋膜，分別用仿生指紋膜和手指捺印汗?jié)撝赣〔@現(xiàn)，以比較仿生指紋膜印與真實(shí)指印的特征差異。Dittmann等[10]制作了3D打印指模，蘸取人工汗液后在紙張、玻璃片等常見客體上捺印偽造汗?jié)撌钟颖荆状翁岢隽朔缸铿F(xiàn)場勘查中識別偽造汗?jié)撌钟『圹E的步驟以及檢測特性（detection properties, DP）、環(huán) 境 異 常 特 性（context anomaly properties, CAP）等概念。

可見偽造指印主要指文書上的印油/印泥偽造指印。由于習(xí)慣和傳統(tǒng)不同，國外鮮有此類偽造指印，文獻(xiàn)中有報(bào)道的僅1916年印度加爾各答曾發(fā)生的一起支票偽造指印案件[7]。國內(nèi)王勇等[11]通過比較光敏指紋印章蓋印指印與手指捺印紅印油指印，提出了區(qū)分光敏印模指印與捺印指印所依據(jù)的特征，并對指印形成方式的檢驗(yàn)方法進(jìn)行了闡述。李珍珍 等[12]分別以真實(shí)指紋的立體指印、文件上的真實(shí)指印為模版制作了硅膠高仿指模和感光樹脂板高仿指模，并從指模的制作原理、指印形成機(jī)制、變化因素、表現(xiàn)形式等方面，分析了高仿指模與真實(shí)指紋、指印的特征差異。孫年峰等[13]分別以三名志愿者的印泥指印為母版采用曝光法制作指模，并形成對應(yīng)的偽造指印，通過整體比較、重疊法分析尺寸差異、紋線形態(tài)比較、汗孔特征比較、墨跡分布比較等方法，對偽造指印與對應(yīng)母版指印進(jìn)行整體和微觀分析，得出了偽造指印與母版指印的差異和特點(diǎn)，并指出識別偽造指印需要綜合多種特征分析，強(qiáng)調(diào)墨跡分布特征是識別偽造指印的主要依據(jù)。

2 偽造指印識別方法

2.1 形態(tài)學(xué)比對方法

形態(tài)學(xué)比對是痕跡檢驗(yàn)中較為常用的檢驗(yàn)方法，也廣泛應(yīng)用于偽造指印識別。國內(nèi)外研究人員采用形態(tài)學(xué)比對方法所提出的偽造指印特征，可根據(jù)其反映指印特征的層級歸納為整體特征和顯微特征兩大類。形態(tài)學(xué)比對方法研究采用的特征及偽造方式見補(bǔ)充材料表S1。

2.1.1 整體特征

整體特征主要包括墨跡分布特征、指印印面形態(tài)特征、偽造指印與母版指印的尺寸差異、紋線質(zhì)量特征、背景噪聲等，其反映的是指印總體形態(tài)和可見指印油墨分布特征。其中，墨跡分布特征之所以能夠用于區(qū)分真?zhèn)沃赣?，主要原因是偽造指印所用的模具較人的手指剛性更強(qiáng)、印面更為平整，以及模具（尤其是光敏印章）的出墨方式與手指蘸取油墨捺印不同[11]；制作模具所用設(shè)備的精密程度和制模材料自身特性則會造成紋線質(zhì)量差異和背景噪聲的出現(xiàn)[1,11,13]；偽造指印與母版指印的尺寸差異主要是制模過程中的縮放導(dǎo)致的，且這種縮放為設(shè)備所固有，但要注意手指捺印也會由于用力、角度的不同造成指印尺寸發(fā)生細(xì)微變化[1,13]。

2.1.2 顯微特征

顯微特征主要包括露白特征、空白特征、印面疵點(diǎn)特征、紋線缺失特征、紋線寬度異常、微孔特征等，這類特征關(guān)注的是單一指印紋線的形態(tài)以及紋線間的關(guān)系特征，往往需要借助放大鏡、顯微鏡等工具進(jìn)行觀察。此外，模具自身瑕疵造成的痕跡往往較細(xì)小，不會影響指印總體形態(tài)，也可歸為顯微特征。露白特征、空白特征和印面疵點(diǎn)特征均指偽造指印紋線某處出現(xiàn)了不同于汗孔和脫皮的小范圍空白，該特征的出現(xiàn)與模具制作過程中對原始母版指印圖像的處理有關(guān)，或因模具制作過程中產(chǎn)生氣泡或有細(xì)小雜質(zhì)干擾而出現(xiàn)“露白” ；紋線寬度的變化主要由模具材料本身特性及制模工藝導(dǎo)致，相應(yīng)也會影響紋線間距，但手指捺印力度變化及蘸墨量的不同也會對紋線寬度造成影響[1,13]；微孔特征是光敏指紋印章指印特有的特征，主要是由于章體材料存在缺陷或制章過程影響形成，微孔的尺寸較汗孔略大，分布較為無序，不像汗孔特征一樣在同一條紋線上連續(xù)出現(xiàn)[11]。值得注意的是，偽造指印的顯微特征與手印鑒定所說的三級特征不同，顯微特征本質(zhì)上反映的是模具特征或母版指印紋線形態(tài)和相互關(guān)系特征，這些特征更多的是因設(shè)備工藝或人為操作而產(chǎn)生，并非指紋紋線的本質(zhì)特征，而三級特征反映的是指紋紋線本身的形態(tài)、汗孔等固有特征。

不同的指紋偽造方式對偽造指印特征的種類有一定影響，部分偽造指印特征對某類偽造方式具有專屬性。如利用光敏印章偽造的指印，因光敏墊材料特性而呈現(xiàn)出微孔特征；曝光法制作指模偽造的指印，因制作過程中的縮放而使紋線間隔有所變化等。這意味著采用形態(tài)學(xué)比對方法研究偽造指印識別，需對偽造方式進(jìn)行識別并分類后再開展后續(xù)工作，這也要求研究人員了解盡可能多的指印偽造技術(shù)。同時(shí)，目前國內(nèi)外采用形態(tài)學(xué)比對方法研究所提出的特征名稱繁雜、種類多樣，存在同一種特征采用不同名稱描述或特征名稱相近但實(shí)際分屬整體特征和顯微特征的現(xiàn)象，若要使偽造指印識別的形態(tài)學(xué)比對研究更加深入，應(yīng)規(guī)范特征命名和 定義。

2.2 機(jī)器學(xué)習(xí)識別方法

指紋圖像作為一種非結(jié)構(gòu)化的復(fù)雜數(shù)據(jù)，國內(nèi)外研究者往往采用機(jī)器學(xué)習(xí)方法來對其進(jìn)行研究。經(jīng)典機(jī)器學(xué)習(xí)方法主要基于人工設(shè)計(jì)的特征來實(shí)現(xiàn)指紋圖像識別和處理，但該類方法容易局限于人的認(rèn)知。隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的應(yīng)用不斷拓展，研究人員開始使用深度學(xué)習(xí)方法處理指紋圖像，提高了方法模型的計(jì)算速度和精度，實(shí)現(xiàn)了活體捺印指印和偽造指印的區(qū)分。

2.2.1 經(jīng)典機(jī)器學(xué)習(xí)方法

本世紀(jì)初，許多研究人員基于指紋圖像的紋理特征，通過包括連續(xù)性、清晰度和延展性在內(nèi)的紋理特征的差異來區(qū)分活體捺印指印和偽造指印。

為檢測偽造指紋對指紋識別系統(tǒng)的攻擊，Nikam等[14]開發(fā)了基于梯度的局部二進(jìn)制模式（local binary pattern, LBP），該方法基于真實(shí)指紋和偽造指紋表現(xiàn)出不同的紋理特征這一觀察結(jié)果，融合神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和使用“乘積規(guī)則”的k最近鄰分類算法三個(gè)分類器，正確率達(dá)到94% ～ 97%，這是紋理特征首次應(yīng)用于指紋活體檢測。Gragnaniello等[15]提出了專為指紋圖像設(shè)計(jì)的局部描述符，并將其命名為局部對比度相位描述（local contrast-phase descriptor, LCPD），不同于LBP，LCPD將梯度和局部相位信息結(jié)合在一起，最終由經(jīng)過訓(xùn)練的線性核支持向量機(jī)分類器做出決策。隨著實(shí)踐的深入，研究者們發(fā)現(xiàn)僅僅基于紋理特征的檢測方法無法滿足實(shí)際工作中指印形態(tài)多變、偽造方式多樣背景下的檢測需求，為此，研究人員通常采用多種分類器結(jié)合、特征融合等方式來提升模型性能。Hildebrandt[16]開發(fā)了一種魯棒性增強(qiáng)的特征空間融合算法識別人工汗液打印指紋，該方法采用CfsSubsetEval技術(shù)結(jié)合Best-First算法尋找非相關(guān)特征，并用爬山算法優(yōu)化模型。該研究表明，特征級融合可提高檢測精度，且特征選擇對不同分類器影響各異，尤其是貝葉斯網(wǎng)絡(luò)在特征選擇后魯棒性顯著提高。Xia等[17]提出了一種新的韋伯局部二進(jìn)制描述符（weber local binary descriptor, WLBD），該方法由提取強(qiáng)度方差特征的局部二元差分激勵(lì)分量和提取方向特征的局部二元梯度方向分量兩部分組成，通過計(jì)算兩個(gè)分量的共現(xiàn)概率來構(gòu)建判別特征向量，再將特征向量輸入支持向量機(jī)（support vector machine, SVM）分類器，最后通過直觀分析和基于馬氏距離的數(shù)值論證驗(yàn)證其有效性。

2.2.2 深度學(xué)習(xí)方法

如2.2.1所述，大多數(shù)現(xiàn)有的基于紋理的方法都依賴于專業(yè)知識來設(shè)計(jì)特征，但這些特征對于未知材料和多樣的傳感器缺乏魯棒性[18]。此外，紋理描述符是一種淺層特征，只反映了指紋圖像的表面屬性，而沒有體現(xiàn)出更深層的特征[19]。目前大多數(shù)先進(jìn)的方法是基于深度學(xué)習(xí)的，其中高級語義特征是通過訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來獲得的。

目前，國內(nèi)外研究人員大多以VGG、Google- Net、ResNet等網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)設(shè)計(jì)真?zhèn)沃赣∽R別算法模型，構(gòu)建出的基于深度神經(jīng)網(wǎng)絡(luò)的模型具有較高的魯棒性、更高的準(zhǔn)確性和泛化能力以及更強(qiáng)的應(yīng)用性。Nogueira等[20]比較了VGG模型預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)（CNN-VGG）、Alexnet預(yù)訓(xùn)練的CNN（CNN-Alexnet）、具有隨機(jī)權(quán)重的CNN（CNN-Random）和經(jīng)典的LBP方法檢測指紋真?zhèn)蔚男Ч瑢?shí)驗(yàn)顯示CNN-VGG模型顯著優(yōu)于其他算法，且無需選擇框架或超參數(shù)，該模型在2015年指紋活性檢測競賽（LivDet）中獲得第一名。Jiang等[21]在LBP方法基礎(chǔ)上引入了指紋的三層空間金字塔，提出統(tǒng)一局部二進(jìn)制模式（uniform local binary pattern, ULBP），該方法用ULBP來描述三層空間金字塔的紋理信息以提取指紋特征，并使用SVM分類器，大大提高了該模型在標(biāo)準(zhǔn)數(shù)據(jù)集上的性能。Jang等[22]利用直方圖均衡化來增強(qiáng)圖像對比度，并通過由6個(gè)權(quán)重層組成的CNNs判斷指紋圖像子塊是否偽造，從而提高了CNN的檢測精度，該模型的平均準(zhǔn)確率高達(dá)99.8%。Bhanu等[23]提出了基于三重卷積網(wǎng)絡(luò)的度量學(xué)習(xí)方法來代替?zhèn)鹘y(tǒng)的二元分類模型，其中活體檢測是通過將來自被測指紋的圖像塊分別與參考活體指紋塊和偽造指紋塊進(jìn)行匹配來實(shí)現(xiàn)的。對新型采集設(shè)備和新材料制作的偽造指印，該模型在基準(zhǔn)數(shù)據(jù)集上均表現(xiàn)出了良好的泛化性和魯棒性。Chugh等[24]提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的方法，該方法在以細(xì)節(jié)為中心的局部塊上采用投票策略，能夠?qū)崿F(xiàn)傳感器內(nèi)、跨采集傳感器、不同制模材料的偽造指紋檢測，平均精確度達(dá)到99.03%。但定位大量細(xì)節(jié)點(diǎn)并考慮每個(gè)細(xì)節(jié)塊將不可避免地增加計(jì)算成本和時(shí)間，因此該模型不適用于實(shí)時(shí)應(yīng)用。Nguyen等[25]提出了一種由Fire和Gram-K模塊組成的緊湊而高效的網(wǎng)絡(luò)架構(gòu)，并將其命名為fPADnet（fingerprint presentation attack detection network）。其中，F(xiàn)ire模塊按照SqueezeNet Fire模塊的結(jié)構(gòu)設(shè)計(jì)，源自于Gram矩陣的Gram-K模塊用于提取指紋紋理信息以提供區(qū)分真?zhèn)沃讣y的特征，該架構(gòu)使網(wǎng)絡(luò)規(guī)模顯著減小，處理時(shí)間明顯縮短。Zhang等[26]對深度殘差網(wǎng)絡(luò)進(jìn)行修改，構(gòu)建了新的Slim-ResCNN網(wǎng)絡(luò)，該網(wǎng)絡(luò)由一系列專為指紋活體檢測而設(shè)計(jì)改進(jìn)的殘差塊的堆棧組成，與以往的網(wǎng)絡(luò)結(jié)構(gòu)相比，Slim-ResCNN更加輕量化且性能強(qiáng)大，獲得了2017年LivDet比賽第一名，總體準(zhǔn)確率達(dá)到95.25%。針對由未知材料制作模具或跨傳感器采集的偽造指印，González-Soler等[27]對局部特征[即尺度不變特征變換（scale-invariant feature transform, SIFT）］采用三種不同的通用特征編碼方法[詞袋（bag of words, BoW）、局部特征聚合描述符（vector of locally aggregated descriptors, Vlad） 和Fisher向量（Fisher vector, FV）］進(jìn)行處理，再分別使用SVM進(jìn)行分類操作，最后對結(jié)果進(jìn)行加權(quán)融合，該方法結(jié)合了指紋的局部和全局信息，具有較好的泛化 能力。

3 偽造指印識別方法發(fā)展趨勢

3.1 形態(tài)學(xué)比對特征研究

目前采用形態(tài)學(xué)比對方法的研究，雖然提出了許多區(qū)分真?zhèn)沃赣〉男螒B(tài)學(xué)特征，但特征的定義都不十分明確，特征的出現(xiàn)受多方面因素影響且局限于已知的偽造方式，這意味著這些特征的穩(wěn)定性、唯一性有待考察，而且隨著偽造技術(shù)不斷發(fā)展，研究和檢驗(yàn)處于被動(dòng)地位，這對日常檢驗(yàn)鑒定工作十分不利。因此，偽造指印識別的形態(tài)學(xué)比對研究，今后應(yīng)關(guān)注手指與模具的本質(zhì)區(qū)別和手指捺印指印與模具偽造指印的本質(zhì)區(qū)別，從這一原則出發(fā)才可能得出能夠應(yīng)用于實(shí)際檢驗(yàn)鑒定工作的形態(tài)學(xué)特征。

3.2 深度學(xué)習(xí)算法在司法實(shí)踐中的應(yīng)用研究

因?yàn)樯疃葘W(xué)習(xí)方法自身網(wǎng)絡(luò)結(jié)構(gòu)的特點(diǎn)（包含很多隱藏層），我們無法得知其輸出結(jié)果所依據(jù)的特征，在目前的應(yīng)用中該方法缺乏可解釋性，且深度學(xué)習(xí)得出的結(jié)果也并非法定證據(jù)類型，這在一定程度上限制了該方法在司法實(shí)踐中的應(yīng)用。

一方面，針對目前缺乏偽造指紋識別與鑒定方法的現(xiàn)狀，研究人員應(yīng)專門開發(fā)針對偽造指印識別的深度學(xué)習(xí)方法，且由于受制于無法窮盡所有偽造和制模方式，該算法應(yīng)具有較好的泛化能力，并仍然具有魯棒性、收斂性以及較高的準(zhǔn)確度和精度，這樣才能充分應(yīng)對實(shí)際工作中可能出現(xiàn)的情況。另一方面，近年來深度學(xué)習(xí)的可解釋性研究成為一個(gè)新的研究方向，積極開展偽造指印識別深度學(xué)習(xí)算法的可解釋性研究，能夠?yàn)檫@一方法今后在物證鑒定等司法實(shí)踐活動(dòng)中廣泛應(yīng)用提供重要依據(jù)。

補(bǔ)充材料

與本文相關(guān)的補(bǔ)充數(shù)據(jù)見：http://www.xsjs-cifs.com/CN/abstract/abstract6959.shtml。