Fingergezeichnete Ziffern: KI-basierte Biometrie für Touchscreen‑Sicherheit

Eine neue Studie, veröffentlicht auf arXiv (2511.11235v1), zeigt, dass Fingerzeichnungen von Ziffern (0‑9) auf Touchscreens als zuverlässige biometrische Authentifizierung dienen können. Forscher haben dabei neuronale Netzwerke eingesetzt, um die individuellen Zeichenmuster der Nutzer zu erkennen.

Im Experiment nahmen 20 Personen teil und zeichneten jeweils 2.000 Fingerziffern auf ihren eigenen Geräten. Für die Authentifizierung wurden zwei Convolutional Neural Network (CNN)-Architekturen getestet: ein modifiziertes Inception‑V1-Modell und ein leichtgewichtiges, flaches CNN, das speziell für mobile Umgebungen optimiert ist. Beide Modelle erreichten eine Genauigkeit von etwa 89 %. Das flache CNN benötigte dabei deutlich weniger Parameter, was es besonders für ressourcenbeschränkte Smartphones attraktiv macht.

Zusätzlich wurden Autoencoder – sowohl konvolutionale als auch vollständig verbundene Varianten – zur Anomalieerkennung eingesetzt. Diese Ansätze erzielten eine Genauigkeit von rund 75 %. Obwohl die Trefferquote etwas niedriger ist, demonstrieren die Ergebnisse, dass Autoencoder als ergänzende Sicherheitsstufe sinnvoll sein können.

Die Ergebnisse deuten darauf hin, dass fingergezeichnete Symbolauthentifizierung eine praktikable, sichere und benutzerfreundliche Ergänzung zu bestehenden Touchscreen‑Sicherheitsmechanismen darstellt. Durch die Integration in mehrschichtige Systeme können Entwickler robuste, multi‑Layer‑Sicherheitslösungen für mobile Anwendungen realisieren.