由于人為設置的安全密碼表現不佳，人們引入了一系列基于生物特征識別技術的新設備來解決安全問題，包括指紋、語音和面部識別技術。指紋識別系統是一種被廣泛認同和采用的生物認證形式，目前全球有數十億智能手機和其他設備都安裝了該系統。然而，紐約大學(NYU)研究團隊的一項新研究揭示了這些系統存在的安全隱患，讓人懷疑生物識別安全系統是否可以保護人們最敏感的數據。

　　紐約大學坦頓計算機科學與工程學院的副教授Julian Togelius和博士生Philip Bontrager領導了這個研究團隊，他們指出，問題在于指紋傳感器的工作方式，大部分指紋傳感器依靠部分而非完整的指紋來確認用戶身份，允許用戶提交多個指紋驗證，通過對比已經保存的部分指紋來識別用戶身份，NYU坦頓的Nasir Memon和MSU的Arun Ross在此前的另一項研究中使用“MasterPrint”一詞來描述這種方式。此外，大多數生物識別安全系統不會驗證指紋或其他生物信息是來自于本人的還是復制品，因此，從理論上講一個主密鑰可以利用AI來匹配存儲在指紋數據庫中的大量打印件進而解鎖大量的設備。

　　NYU的研究人員利用這些發現進一步發展了MasterPrint的概念——創建一種新的機器學習算法來生成合成指紋。他們構建了這些合成指紋的完整圖像，這一過程具有雙重意義。首先，這能評估MasterPrint對真實設備的可行性(研究人員尚未對其進行測試);其次，這些圖像被復制和存儲在可訪問的指紋數據庫中，其圖像的安全緩存可被利用來發起暴力攻擊，即用窮舉法測試直至系統開鎖相關設備。

　　這個研究團隊表示，這些實驗證明了對多因素身份驗證的需求，為生物識別安全系統的設備制造商敲響了關于人工指紋攻擊可能性的警鐘。除了安全領域外，這種生成指紋的潛在演變方法也可用于其他行業的設計制作，尤其是游戲開發，此項技術已經被用于開發流行視頻游戲的新等級。