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、脸像、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。我校化学科学与工程学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《材料地平线》（Materials Horizons）。

近日，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），实现了两幅指纹图像的同时识别，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。

基于AI的多种致癌物监测及LFP提取识别示意图

基于PCA及SVM对致癌物Rox和AA的识别区分

Eu@1对Rox和AA的荧光传感性能研究

 (a)(b)(c)日光灯及310 nm紫外灯下的高分辨率LFP图像；(d)基于AI的LFP的提取和识别过程

(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

(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。化学科学与工程学院博士生朱凯为论文第一作者，闫冰教授为通讯作者。该研究工作得到了国家自然科学基金的支持。

论文链接：https://pubs.rsc.org/en/content/articlelanding/2023/mh/d3mh01253k