본 논문에서는 휴대 전화에 내장된 센서 자원을 활용하여 두 가지의 새로운 보행 인증 시스템을 제안하였다.
첫 번째 방법으로 전처리 단계에서 정밀한 검토를 실행함으로써 성능을 향상 시킨 패턴 인식 및 기계 학습(PR-ML) 알고리즘을 기반으로 하는 시스템 구축에 초점을 맞추었다. 효과적이며 새로운 분할 알고리즘은 분할 신호를 완벽한 정확성을 갖는 분리된 보행 주기로 제공한다. 그 다음으로, 특징은 시간 및 주파수 영역으로부터 추출된다. 이 시스템은 간단하면서 신뢰성이 높은 모델의 구축을 목표로 하기 때문에 특징 ...
본 논문에서는 휴대 전화에 내장된 센서 자원을 활용하여 두 가지의 새로운 보행 인증 시스템을 제안하였다.
첫 번째 방법으로 전처리 단계에서 정밀한 검토를 실행함으로써 성능을 향상 시킨 패턴 인식 및 기계 학습(PR-ML) 알고리즘을 기반으로 하는 시스템 구축에 초점을 맞추었다. 효과적이며 새로운 분할 알고리즘은 분할 신호를 완벽한 정확성을 갖는 분리된 보행 주기로 제공한다. 그 다음으로, 특징은 시간 및 주파수 영역으로부터 추출된다. 이 시스템은 간단하면서 신뢰성이 높은 모델의 구축을 목표로 하기 때문에 특징 부분 집합 선택 알고리즘은 특징 벡터의 크기뿐만 분류 아니라 분류 태스크의 처리 시간을 최적화하기 위해 적용되고, 최적의 특징 벡터는 SVM 및 RBF 커널을 이용하여 분류된다.
이러한 최적화 방안에도 불구하고 PR-ML 기반의 생체 인식 인증은 여전히 시스템 보안 및 사용자의 개인정보 보호 문제가 남아있다.
본 시스템에서, 인증에 사용되는 본래의 생체 인식 템플릿이나 추출된 특징은 끊임없는 손실을 갖는 데이터 결과를 절충하기 위해서 안전하지 않게 저장된다.
두 번째 방법으로는 사용자의 개인정보 보호와 더불어 시스템의 보안을 보장하기 위해서 Fuzzy Commitment Scheme 방식을 이용한 생체 인식 암호화 시스템을 기반의 보행 인증을 연구하였다. 사용자 확인을 위한 본래의 생체 인식 템플릿의 사용을 대신에 생체 측정 통합 모바일 가속도 센서에 의해 취득한 보행 템플릿을 사용하여 암호화 된 암호 키를 기반으로 한다.
관련 분야의 연구에서 모바일 가속도 센서에 의해 취득한 공용 보행 데이터 집합이 없기 때문에, 자체적으로 38명의 피험자(남 10, 여 28)로부터 보행 신호를 취득하여 성능을 평가하였다.
PR-ML 방식을 구현함으로써 식별 모드에서 94.93%, zeroFAR, FRR 3.89%에 가까운 정확도를 달성하였으며, 인증 모드에서 4초 미만의 처리 시간을 달성했다.
또한 보행 기반의 생체 인식 암호화 방식에서, 139 및 50 비트의 키 길이를 갖을 때, 거의 16.18%과 14.71%에 해당하는 최적의 zeroFAR 및 FRR를 달성하였다.
따라서 본 연구의 결과는 모바일 센서 기반의 보행은 홍채, 지문, 음성 등의 생체 요인과 비교했을 때, 생체 암호 시스템을 구축하는 효과적인 요소로 활용 할 수 있음을 보여준다.
본 논문에서는 휴대 전화에 내장된 센서 자원을 활용하여 두 가지의 새로운 보행 인증 시스템을 제안하였다.
첫 번째 방법으로 전처리 단계에서 정밀한 검토를 실행함으로써 성능을 향상 시킨 패턴 인식 및 기계 학습(PR-ML) 알고리즘을 기반으로 하는 시스템 구축에 초점을 맞추었다. 효과적이며 새로운 분할 알고리즘은 분할 신호를 완벽한 정확성을 갖는 분리된 보행 주기로 제공한다. 그 다음으로, 특징은 시간 및 주파수 영역으로부터 추출된다. 이 시스템은 간단하면서 신뢰성이 높은 모델의 구축을 목표로 하기 때문에 특징 부분 집합 선택 알고리즘은 특징 벡터의 크기뿐만 분류 아니라 분류 태스크의 처리 시간을 최적화하기 위해 적용되고, 최적의 특징 벡터는 SVM 및 RBF 커널을 이용하여 분류된다.
이러한 최적화 방안에도 불구하고 PR-ML 기반의 생체 인식 인증은 여전히 시스템 보안 및 사용자의 개인정보 보호 문제가 남아있다.
본 시스템에서, 인증에 사용되는 본래의 생체 인식 템플릿이나 추출된 특징은 끊임없는 손실을 갖는 데이터 결과를 절충하기 위해서 안전하지 않게 저장된다.
두 번째 방법으로는 사용자의 개인정보 보호와 더불어 시스템의 보안을 보장하기 위해서 Fuzzy Commitment Scheme 방식을 이용한 생체 인식 암호화 시스템을 기반의 보행 인증을 연구하였다. 사용자 확인을 위한 본래의 생체 인식 템플릿의 사용을 대신에 생체 측정 통합 모바일 가속도 센서에 의해 취득한 보행 템플릿을 사용하여 암호화 된 암호 키를 기반으로 한다.
관련 분야의 연구에서 모바일 가속도 센서에 의해 취득한 공용 보행 데이터 집합이 없기 때문에, 자체적으로 38명의 피험자(남 10, 여 28)로부터 보행 신호를 취득하여 성능을 평가하였다.
PR-ML 방식을 구현함으로써 식별 모드에서 94.93%, zeroFAR, FRR 3.89%에 가까운 정확도를 달성하였으며, 인증 모드에서 4초 미만의 처리 시간을 달성했다.
또한 보행 기반의 생체 인식 암호화 방식에서, 139 및 50 비트의 키 길이를 갖을 때, 거의 16.18%과 14.71%에 해당하는 최적의 zeroFAR 및 FRR를 달성하였다.
따라서 본 연구의 결과는 모바일 센서 기반의 보행은 홍채, 지문, 음성 등의 생체 요인과 비교했을 때, 생체 암호 시스템을 구축하는 효과적인 요소로 활용 할 수 있음을 보여준다.
In this thesis, two novel gait authentication systems using sensor resources on mobile phone are proposed. The first approach focuses on constructing a system based on pattern recognition and machine learning (PR-ML) algorithms, in which the performance is enhanced by executing deep examination at p...
In this thesis, two novel gait authentication systems using sensor resources on mobile phone are proposed. The first approach focuses on constructing a system based on pattern recognition and machine learning (PR-ML) algorithms, in which the performance is enhanced by executing deep examination at pre- and post- processing steps. The installation errors including misplacement and disorientation, which could badly affect the accuracy of the system, are also overcome completely. A novel and effective segmentation algorithm is also provided to segment signal into separate gait cycles with an optimal accuracy. Subsequently, features are then extracted in both time and frequency domains. We aim to construct a lightweight but high reliable model; hence feature subsets selection algorithms are applied to optimize the dimension of the feature vectors as well as the processing time of classification tasks. Afterward, the optimal feature vector is classified using Support Vector Machine with Radial Basis Function kernel. Nevertheless, PR-ML based biometric authentications remain system security and user privacy issues. In these systems, original biometric templates or extracted features used for authentication are stored insecurely so that a compromise of such data results in everlasting forfeiture. Hence to guarantee system security and user privacy, we propose a second approach of gait authentication based on biometric cryptosystem using fuzzy commitment scheme. Instead of using directly original biometric templates for user verification, the decision is based on a cryptographic key which is biometrically encrypted by gait templates acquired by an integrated mobile accelerometer. The performance of our two approaches is evaluated on the self-constructed dataset consisting of gait signals of 38 volunteers (28 males, 10 females) because of the unavailability of public gait dataset in this area. By implementation on PR-ML approach, we achieved the accuracy approximately 94.93% under identification mode, the zeroFAR, FRR of 3.89% and processing time of less than 4 seconds under authentication mode. In the gait based biometric cryptosystem approach, we achieved the optimal zeroFAR and the FRR of approximately 16.18% and 14.71% corresponding with the key length of 139 and 50 bits respectively. The results also show that mobile sensor-based gait could be utilized as an effective modality to construct a biometric cryptosystem, compared with other factors such as iris, fingerprint, voice, signature, etc.
In this thesis, two novel gait authentication systems using sensor resources on mobile phone are proposed. The first approach focuses on constructing a system based on pattern recognition and machine learning (PR-ML) algorithms, in which the performance is enhanced by executing deep examination at pre- and post- processing steps. The installation errors including misplacement and disorientation, which could badly affect the accuracy of the system, are also overcome completely. A novel and effective segmentation algorithm is also provided to segment signal into separate gait cycles with an optimal accuracy. Subsequently, features are then extracted in both time and frequency domains. We aim to construct a lightweight but high reliable model; hence feature subsets selection algorithms are applied to optimize the dimension of the feature vectors as well as the processing time of classification tasks. Afterward, the optimal feature vector is classified using Support Vector Machine with Radial Basis Function kernel. Nevertheless, PR-ML based biometric authentications remain system security and user privacy issues. In these systems, original biometric templates or extracted features used for authentication are stored insecurely so that a compromise of such data results in everlasting forfeiture. Hence to guarantee system security and user privacy, we propose a second approach of gait authentication based on biometric cryptosystem using fuzzy commitment scheme. Instead of using directly original biometric templates for user verification, the decision is based on a cryptographic key which is biometrically encrypted by gait templates acquired by an integrated mobile accelerometer. The performance of our two approaches is evaluated on the self-constructed dataset consisting of gait signals of 38 volunteers (28 males, 10 females) because of the unavailability of public gait dataset in this area. By implementation on PR-ML approach, we achieved the accuracy approximately 94.93% under identification mode, the zeroFAR, FRR of 3.89% and processing time of less than 4 seconds under authentication mode. In the gait based biometric cryptosystem approach, we achieved the optimal zeroFAR and the FRR of approximately 16.18% and 14.71% corresponding with the key length of 139 and 50 bits respectively. The results also show that mobile sensor-based gait could be utilized as an effective modality to construct a biometric cryptosystem, compared with other factors such as iris, fingerprint, voice, signature, etc.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.