生物識別安全是數據安全領域中一個重要的新興問題。生物識別系統是通過計算機與光學、聲學🧜🏿‍♀️、生物傳感器和生物統計學原理等手段密切結合✍🏼，利用人體固有的生理特征（如指紋、臉像🥧、虹膜等）和行為特征（如聲音、步態🥍🗺、筆跡等）來進行個人身份鑒定的技術。其核心在於如何獲取這些生物特征，並將之轉換為數字信息，存儲於計算機中🧏🏼，利用可靠的匹配算法來完成驗證與識別個人身份的過程⚾️。指紋作為一種個人“身份證”和“信息銀行”的信息特征，是生物識別的首選技術🖖🏽。當手指接觸物體表面，汗液分泌物和油性物質會形成摩擦脊圖案的印記，被稱為潛在指紋（LFP）。LFP是犯罪現場最常見的指紋類型，肉眼幾乎看不見。因此，LFP的提取和識別在刑事調查、個人身份識別和生物識別安全方面發揮著關鍵作用。然而，根據現有研究😩，建立一套高效👨‍👨‍👧、完整🤽🏿、精確的LFP提取和識別系統仍存在挑戰👏🏼。我校化學科學與工程學院閆冰教授課題組長期致力於氫鍵有機框架材料（HOFs）的功能化研究，隨著人工智能（AI）技術應用的成熟，該團隊借助AI將功能化的HOFs應用於生物識別領域，提供了一種實用的解決方案，相關工作以“Multifunctional Eu(III) Modified HOFs: Roxarsone and Aristolochic Acid Carcinogen Monitoring and Latent Fingerprint Identification Based on Artificial Intelligence”為題在線發表於《材料地平線》（Materials Horizons）。

近日，該課題組合成了一例多功能Eu³⁺離子修飾的氫鍵有機框架（Eu@HOF-BTB,Eu@1）紫紅光材料🦐。基於AI技術👮🏼‍♂️，Eu@1實現了集兩種功能於一體：致癌物的監測以及LFP的提取和識別。一方面🚁，借助於支持向量機（SVM）、主成分分析（PCA）和層次聚類分析（HCA）等機器學習算法，基於不同機理，Eu@1傳感器可同時區分兩種致癌物洛克沙砷（Rox）和馬兜鈴酸（AA）🍜。另一方面，Eu@1可作為一種用於LFP識別的高分辨率和高對比度的染料。AI技術被用作LFP信息分析的實用解決方案。基於指紋自動識別系統（AFIS），實現了兩幅指紋圖像的同時識別，可以有效地用於個人信息的獲取和識別🧏🏻‍♀️。此外，團隊還進行了刑事逮捕的仿真模擬實驗。基於AlexNet的指紋分析平臺（AlexNet-FAP），“警察”將犯罪現場的未知LFP與數據庫進行比較，在1秒內鎖定“罪犯”，識別準確率超過90%。盡管指紋在三分之一甚至一半的區域被Rox或AA汙染🪐👰🏿‍♀️，AlexNet-FAP模型仍可準確識別指紋🧔‍♂️🤾🏻‍♀️。

基於AI的多種致癌物監測及LFP提取識別示意圖

基於PCA及SVM對致癌物Rox和AA的識別區分

Eu@1對Rox和AA的熒光傳感性能研究

 (a)(b)(c)日光燈及310 nm紫外燈下的高分辨率LFP圖像🌪；(d)基於AI的LFP的提取和識別過程

(a)AFIS機製圖；(b)(c)基於AFIS的雙指紋識別過程；(d)(e)基於AFIS的個人信息識別示意圖

(a)AlexNet卷積神經網絡結構；(b)基於AlexNet-FAP的刑事逮捕模擬實驗及匹配結果

該項工作將HOFs熒光材料與AI技術相結合，為下一代LFP提取和識別技術提供一種實用的解決方案，也為法醫學或其他案件處理領域提供參考📜。化學科學與工程學院博士生朱凱為論文第一作者，閆冰教授為通訊作者。該研究工作得到了國家自然科學基金的支持🤹🏽。

論文鏈接：https://pubs.rsc.org/en/content/articlelanding/2023/mh/d3mh01253k