指纹是司法鉴定领域的一个重要部分，尽管我们已经在荧幕上见识过很多“高大上”的场景和剧情，但在现实生活中，分析和比对指纹依然是一项相当繁重的专家工作。好消息是，美国国家标准与技术研究所（NIST）与密歇根州立大学的科学家们，已经开发出了一套借助机器学习技术和算法的自动化流程，让指纹比对工作变得更具效率。通过智能手机内建的指纹传感器，使得面向司法鉴定的自动指纹分析看似轻而易举。
新算法有助于读取脏污或不完整的指纹。
智能机用户在录入指纹的时候，需要给出多个角度的清晰指纹，以便日后用于系统的快速比对和解锁。问题在于，犯罪嫌疑人基本不会给法医们留下这么好的现场物证。
通常情况下，法医只能采集到不完整、扭曲、涂污、或留在其它图案上方的指纹，比如难以读取的银行票据，因此更不用提分析和匹配了。
正因如此，指纹分析是一项以人为主、费时费力的专家工作。其不仅需要在警方文档中的进行比对，还需确定是否有足够多的信息去寻找匹配。
当前的计算机化系统可在受控条件下采集十指的指纹，但在现实生活中的可操作性并不强。即便有了自动化指纹识别系统（AFIS），但若没有对提供的信息进行适当的审查，就极有可能增加匹配出错的结果。
不过 NIST/密歇根州立大学的团队，就在这方面做了充分的工作，目前看来也最有希望实现自动化，从而加快匹配过程、减少工作积压。
研究人员们请来了 31 名指纹专家，让他们分析 100 份潜藏的指纹，然后给出 1~5 之间的品质评级，以便借助机器学习技术来训练其算法。
之后，该系统的又针对一组新案例进行了性能测试，然后将评分提交给 AFIS（其连接了超过 25 万的潜藏指纹数据库），正确的搜索结果会被给出相应的品质评分。
为消除隐私问题，研究中从密歇根州警署数据库中抽调的指纹，均已被抹去了与个人身份相关的信息。研究团队表示，其品质与精确度有一致相关性，低质量分的指纹会产生更多错误的结果。
相比之下，高质量分的指纹，算法的表现比人类专家还略胜一筹。下一步，该团队将尝试改进算法，并通过更大的数据集来检验和降低其错误率。
有关这项研究的详情，已经发表在近日出版的 IEEE《信息取证与安全事务》（Transactions on Information Forensics and Security）期刊上。