Künstliche Intelligenz zeigt, dass Fingerabdrücke nicht einzigartig sind – ein Jahrhundert forensischer Forschung widerlegt
Fingerabdrücke galten seit über einem Jahrhundert als unfehlbares Mittel zur Identifikation von Personen. Dieses Vertrauen bildete lange das Rückgrat vieler Strafverfolgungssysteme weltweit. Neue Studien öffnen jetzt andere Blickwinkel und werfen Fragen zur klassischen Vorgehensweise auf. In einer Publikation in Science Advances im Januar 2024 wird diskutiert, ob diese lange geltende Prämisse noch einmal gründlich überprüft werden muss und welche Folgen das für forensische Anwendungen haben könnte.
Was man bislang annahm
Lange Zeit ging man davon aus, dass Fingerabdrücke einzigartig sind und zur eindeutigen Identifizierung taugen. Besonders wichtig sind dabei Minutien wie Ridge-Endingen und Bifurkationen, die in der Forensik als Goldstandard gelten. Dieses Verfahren stößt jedoch an Grenzen, vor allem bei großen Verdächtigenpools, weil der Abgleich eines gefundenen Abdrucks mit einer Datenbank sehr zeitaufwendig sein kann. Heutige Systeme verlangen oft die Erfassung aller zehn Fingerabdrücke jeder Person, was erheblichen Aufwand und Zeit bedeutet.
Was die neuen Studien zeigen
Eine aktuelle Studie von Informatikern aus den USA, unter anderem von der Columbia University und der University at Buffalo, stellt diese traditionellen Verfahren in Frage. Mit Unterstützung des NIST (National Institute of Standards and Technology) und mit Datensätzen wie dem RidgeBase (ein Fingerabdruck-Datensatz) haben die Forschenden neue Analysemethoden entwickelt. Sie setzten eine tiefe kontrastive Lernmethode ein, basierend auf einer Zwillings-Neuronale-Netzwerkarchitektur (Siamese-Netzwerk), um Fingerabdrücke nicht nur über klassische Merkmale zu vergleichen, sondern auch unter Einbeziehung von Ridge-Orientierung und Krümmung. Über 60.000 Fingerabdruckbilder aus vier großen Datensätzen sowie mehr als 500.000 synthetische Bilder erzeugt mit PrintsGAN wurden genutzt, um das Modell durch Vortraining auf realistischen Daten zu verfeinern.
Wie die Methodik neu gedacht wurde
Die Studie arbeitete mit Salienz-Karten und Konvolutionsfiltern, die Bereiche eines Abdrucks mit starken Richtungswechseln im Ridge-Fluss gezielt hervorheben. Daraus entstand eine Erkennung mit einem Vertrauensniveau von über 99,99 %, ob zwei Fingerabdrücke zur selben Person gehören. Allerdings hatte das Verfahren Schwächen, wenn es darum ging, dieselbe Person anhand verschiedener Finger (also nicht des gleichen Fingers) zu identifizieren: hier lag die Genauigkeit nur bei 77 %. Durch das Kombinieren mehrerer Fingerabdrücke konnte die Trefferquote deutlich steigen, wobei in der Studie keine exakte Prozentzahl dafür angegeben wurde. Diese Ergebnisse zeigen, dass das Modell noch nicht als gerichtliches Beweismittel taugt, wohl aber nützlich sein kann zur Generierung von Ermittlungsansätzen.
Was das für die Praxis heißt
Die Studie hat weitreichende Folgen für Systeme, die auf der Einzigartigkeit von Fingerabdrücken beruhen, etwa Smartphones und Grenzidentitätskontrollen. Es besteht die Gefahr, dass Angreifer strukturelle Ähnlichkeiten ausnutzen könnten, um Authentifizierungssysteme zu umgehen. Gleichzeitig bieten sich Chancen: Beispielsweise könnten flexiblere Authentifizierungsoptionen hilfreich sein, wenn der primäre Finger nicht lesbar ist. Außerdem raten die Forschenden, die Trainingsdatensätze deutlich zu vergrößern und demografisch breiter aufzustellen, um algorithmische Voreingenommenheit zu reduzieren.
Die Fortschritte in der Fingerabdruckanalyse eröffnen viele Möglichkeiten, die forensische Wissenschaft zu verbessern. Die aktuelle Studie macht deutlich, dass bestehende Ansätze hinterfragt und neu definiert werden sollten, um Identifikationen in der Strafverfolgung schneller und genauer zu machen. Mit weiterer Forschung könnte das die Annahme, Fingerabdrücke seien immer einzigartig, grundlegend verändern — gleichzeitig müssen die damit verbundenen Herausforderungen und Risiken weiterhin sorgfältig geprüft werden.