在安全方面，提高生物识别认证系统的准确性和效率并不总是通过人工编程来完成的。人工智能和机器学习可以帮助我们提高系统的安全性和效率。
生物识别技术可以分为物理和行为两个领域。
物理生物识别技术
物理生物识别包括我们在本文中已经讨论过的所有内容。这些是人的客观特征，例如面部或指纹、DNA 等。这必须转换为人工智能系统可以分析的数据，并与数据库进行比较以进行身份?验证。
人工智能和机器学习证明最有用的案例之一是面部识别。人工智能广泛用于增强现实解决方案，通过分析面部特征并将其与数据库进行匹配，可以帮助计算机更轻松地进行面部识别。
行为生物识别技术
人工智能使之成为可能的最有趣的趋势之一是行为生物识别技术。这使用了主体如何与世界互动的独特行为特征，用户甚至可能没有意识到他们自己的事情。这是抵御深度虚假欺诈企图的最有效防线之一。一些比较流行的测量行为生物特征的方法是：
-
鼠标活动
-
击键动作
-
触摸屏印刷尺寸、面积和压力
-
移动设备动作
马德里自治大学的生物识别和数据模式分析实验室开发了 BeCAPTCHA，这是一种使用行为生物识别的机器人检测系统。完全有可能在用户不知情的情况下使用行为生物识别技术，无需像 CAPTCHA 挑战多年来那样对用户的人性进行烦人的测试。在接下来的几年里，用户在浏览互联网时可能再也不需要点击人行横道和红绿灯的图片来证明他们“不是机器人”。
重要的是，行为生物识别技术可以帮助确保整个会话的安全性。例如，如果用户对自己进行身份验证然后离开房间，无意中使未经授权的用户能够访问他们的计算机，这可能会带来严重的安全风险。但是，行为生物识别技术可以检测第二个用户的不一致行为并动态限制他们的访问。
