指纹模块fpc和用户认证，是伴随着账号系统产生的需求。为了保证数据安全就需要加密，加密也就意味着需要认证解锁。QQ/微信/支付宝/微博/邮箱等网络工具越来越多，加密和用户认证的频次和安全要求也跟着提升。对用户认证的方便和安全性要求，催生出了复杂的密码和用户认证学科。

认证方式分为“知识因素（用户知道的）、所有权因素（用户拥有的）和用户自有特征”3种，这也是用户认证历史的发展路径：PC的交互方式主要是键盘和鼠标，最核心和基础的用户认证方式依旧是数字和字母密码。

在输入不便但带有大量隐私信息的移动端，最简单的数字PIN码到图形解锁，对应的是“用户所知道的知识因素”；后来的NFC和蓝牙标签，对应用户的所有权因素；再后来的人脸和指纹等生物认证，对应的则是用户的自有特征。百花齐放，脑洞大开的生物识别

用户认证最核心的是方便和安全性，用大白话讲就是需要别人难以破解，但用户却可以轻松完成认证。毫无疑问，生物认证才是用户认证的终极方式，这就是指纹识别可以在短短的4年间从高端功能变成了所有手机标配功能的核心原因。

生物认证远远不止指纹一种方式，其概念已经存在了数万年之久，最古老的例子莫过于人类自身通过人脸对其他个体的识别，不同个体之间的语音、步态、签名都是可用于生物认证的特征。

虽然人类漫长的进化史留下了多种多样的生物特征，但不同的生物特征及其认证机制的难易程度千差万别，最后能适用于移动平台的方案屈指可数。

目前应用最广泛，方案最成熟的生物认证方案主要包括指纹、眼睛、人脸/耳朵和语音识别有4种。当中的语音识别，是最早实现但却一直没有大规模使用的方案。录音和校对即可完成语音识别，但声音这个物理量本身的限制太多：负载信息极其有限、容易受环境音影响、甚至人类年龄和身体状况都会影响声音。

最致命的，是声音实在是太容易记录和复制了，即便是预设的语句校验，只要一定的运算量和时间，人工合成的声音就能欺骗认证系统，安全性有天然的缺陷。

眼睛识别的认证方案主要包括视网膜、虹膜和巩膜血管识别，它们分别对应眼球的底部以及大家俗称的眼珠和眼白。这些都是高度异像的生物特征，现在都只能通过光学的方式进行采集和认证。

当中的视网膜的位置太深入，难以采集图像，而虹膜、巩膜血管都可以通过普通的光学摄像头进行采样，且有一定的防伪造能力，应用场景更加广阔，早在1年前的Note7上，就已经大规模使用虹膜识别了。

人脸和耳朵都是基于物理的深度信息进行认证，同样是光学识别方案，通过采集的图像和深度信息，对人脸和耳朵轮廓的特征点进行拟合。最著名的应用，肯定是苹果iPhone X的Face ID，当年的微软Kincet本质上也能有类似能力。

人脸认证可能会受到眼镜、帽子、毛发的影响，也会受到光学方案无法避免的环境光影响，用户年龄、疾病和体重都会导致面容的变化，苹果的方案为了减轻这方面的影响，主要通过人工智能深度学习和使用过程中的后台多重录入进行规避。虽然增加了工作量，但安全性已经非常高了。

生物识别中，最耳熟能详的肯定是指纹识别了。人类指尖皮肤上的脊会形成独特图案，几乎没有重复的随机特性是极佳的认证数据源。指纹和其他几种方案，最核心和本质的分别在于，指纹是接触式识别，可以留下压力、温度，甚至声学的信息，是现在识别方式最丰富的生物认证方式之一。

主流的指纹识别方案包括光学、电容、超声波、热感、压力等5种，当中的主动热感和压力指纹，分别受限于功耗和压感材料的热敏特性，暂时无法在移动设备中大规模应用。电容指纹识别，就是现在手机上应用最广泛的识别方案，瑞典FPC、中国汇顶、美国Synaptics都已经是业内耳熟能详的电容方案供应商了。

而最近兴起的主要有超声波识别和光学两种，而它们崛起的主因，却是大家都预料不到的全面屏。