2026年10月15日，韩国浦项科技大学（POSTECH）发布了一项关于生物识别认证技术的最新研究成果。该研究由机械工程、化学工程及电气工程系教授Junsuk Rho领导，团队成员包括融合科学与技术研究生院博士生Seokho Lee以及机械工程系硕士/博士项目学生Beomseok Oh。
这项研究已发表于《自然传感器》（Nature Sensors）期刊。研究团队提出了一种全新的指纹认证方案，其核心突破在于彻底摒弃了将指纹转换为数字数据并进行存储比对的传统流程，转而利用超声波与指纹之间的物理相互作用直接完成身份验证计算。
传统生物识别的安全隐患
目前，指纹识别广泛应用于智能手机解锁、金融交易及门禁控制等场景。然而，与可随时更改的密码不同，指纹具有不可变性，一旦泄露便无法重置。现有的生物识别系统通常先将指纹转化为数字模板并加密存储，验证时需调取这些数据进行比对。即便数据经过加密处理，这一过程仍需访问原始生物特征信息，从而留下了潜在的安全漏洞。
超表面驱动的循环衍射神经网络
为解决上述问题，研究团队没有选择加强数据存储的安全性，而是从机制上消除了数字存储和比对的需求。该系统不再将指纹数据发送至计算机进行分析，而是通过“超表面”（Metasurface）控制超声波的行为来实现认证。
超表面是一种能够精确调控声波方向、强度和相位的人造微结构阵列。在本研究中，它充当了人工神经网络中的基本元素，构成了一个“超表面驱动的循环衍射神经网络”。研究人员设计该系统，使超声波穿过超表面时，根据指纹的物理形态被引导至不同的空间位置：
- 当呈现注册过的指纹时，声能会聚焦在指定的“注册”区域；
- 当呈现未注册的指纹时，声能则被引导至“未注册”区域。
通过简单比较这两个区域的信号强度即可判定身份，无需重建指纹图像或通过数字算法提取特征点。
多维波控提升识别精度
与传统主要调节相位的衍射神经网络不同，该研究进一步引入了对超声波振幅和开关状态（传输/阻断）的控制。这种多自由度的波动操纵能力显著提升了系统的识别性能。
实验数据显示，在使用四个人的指纹进行测试时，系统在192个验证样本中达到了97.92%的准确率。此外，针对国际指纹数据库进行的数值分析表明，对于单个注册用户，该系统的准确率高达99.75%。研究还观察到，随着超表面设计自由度的增加，整体识别性能呈普遍改善趋势。
应用前景与技术挑战
这项技术标志着生物识别认证从“存储与比对”模式向“物理计算与直接决策”模式的转变。由于不需要单独存储指纹的数字信息，该方法从根本上降低了生物识别数据泄露的风险。
该技术有望应用于对安全性要求极高的领域，如金融、医疗保健、国防，以及汽车、智能手机和可穿戴设备等行业。
尽管前景广阔，但该技术在落地前仍面临工程挑战。目前的实验系统运行频率约为40kHz，而工业级传感器通常工作在MHz频率范围，因此需要大幅缩小系统尺寸并优化工作频率。此外，现有技术尚需改进以支持多个用户的并发注册。研究团队计划未来通过将多层超表面与数字技术相结合来推进该平台的发展。
Junsuk Rho教授表示：“这项研究并非旨在开发更快的算法或更强的加密技术。通过消除存储生物识别信息的必要性，我们预计这种方法将发展成为一种全新的身份验证范式。”
相关论文信息：
Seokho Lee 等人，《全波计算超声波指纹识别与超表面驱动的循环衍射神经网络》，《自然传感器》(2026)。DOI: 10.1038/s44460-026-00102-7
