一组美国学术研究人员开发了一个神经网络，以产生人工指纹，该指纹可以在滚动和电容性生物识别验证系统上产生虚假匹配。研究人员能够对滚动指纹系统进行成功的“词典攻击”，其中23％的虚假比赛与匹配者进行了虚假比赛率（FMR），设置为0.1％。
研究人员建立在先前发展的基础上，由他们的三个团队主印刷，这是由常见指纹特征产生的图像。潜在变量演化在纸（PDF）作为训练生成对抗网络的一种方法，以生成指纹图像，研究人员称之为DeepMasterPrints，该图像是由共同特征构建为图像级的。该方法利用了通常由指纹传感器捕获的部分印刷品，这意味着不必欺骗整个手指以产生假匹配。
该团队由纽约大学的菲利普·邦特拉格（Philip Bontrager）领导，纽约大学和密歇根州立大学的其他研究人员。
Bozorth3 Matcher错误地匹配了23.1和89.7％的DeepMasterPrints，分别为0.1％和1％的FMR。使用电容性数据集，创新的匹配器分别为0.1和1％的DeepMasterPrint匹配了3.6％和25.3％，而在同一FMR下，Verifinger Matcher的22.5和76.7％的verifinger Matcher匹配为22.5和76.7％。电容性深层固定与BOZORTH3的相对相似性以及最新的创新匹配者的匹配器使研究人员假设可以使用特定验证系统特定的通用模式来生成电容式印刷品。
在电子邮件中，突触营销副总裁戈弗雷·郑告诉生物识别更新长期以来，人们一直预见了“大师指纹”攻击类型的可能性。当公司决定投资较大的传感器时，该公司认为这种威胁向量从根本上说，这从根本上来说是更安全的。他写道，突触还使用神经网络和机器学习来对抗欺骗，通过拒绝可以用作模仿手指来应用欺骗的任何材料。
Cheng评论说：“此外，如果出现一种新的欺骗材料，可以击败我们当前的匹配项，我们将简单地训练我们的量子匹配器来学习和区分这种新材料与真实的手指。” “然后，我们将提供安全的更新以提供免疫力。”
