[논문]특성 벡터를 이용한 얼굴 인증 시스템에서 변환된 생체 정보 데이터의 가역성에 대한 보안 문제 분석

김군순; 강전일; 양대헌; 이경희

doi:10.13089/jkiisc.2008.18.3.51

특성 벡터를 이용한 얼굴 인증 시스템에서 변환된 생체 정보 데이터의 가역성에 대한 보안 문제 분석
The Security Problem Analysis for Reversibility of Transformed Biometric Information Data on Eigenvector-based face Authentication 원문보기

情報保護學會論文誌 = Journal of the Korea Institute of Information Security and Cryptology, v.18 no.3, 2008년, pp.51 - 59

김군순 (인하대학교 정보보호연구실) , 강전일 (인하대학교 정보보호연구실) , 양대헌 (인하대학교 정보보호연구실) , 이경희 (수원대학교 전기공학과)

초록
AI-Helper

생체 정보 인식은 사용자의 인증을 위한 수단으로써 많은 연구가 진행 되어 오고 있다. 그 중 얼굴 인식 분야에서 특성벡터를 이용한 사용자의 얼굴 인식 기법이 존재한다. 이 기법은 전체 얼굴 데이터 집합에서 벡터 공간을 만들어 내고 생체정보 템플릿을 사상시켜 추상화된 데이터를 생성하는 기법이다. 그러나 생체 정보의 보안성을 일컫는 개념인 취소 가능한 특성(Cancelable Feature)을 기대 할 수 는 없다. 이 논문에서는 특성 벡터를 이용한 얼굴 인증 시스템에서 변환된 생체정보 데이터의 복원에 대한 보안 문제를 지적하고, 예상 가능한 공격 시나리오를 실험을 통해 보인다.

Abstract ▼ AI-Helper

The biometrics has been researched as a means for authenticating user's identity. Among the biometrics schemes for face recognition, the eigenvector-based schemes, which use eigenvector made from training data for transforming test data to abstracted data, are widely adopted. From those schemes, however, it is hard to expect cancelable feature, which is a general concept for security in the biometrics. In this paper, we point out the security problem that is the recovery of valuable face information from the abstracted face data and consider a possible attack scenario by showing our experiment results.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

수 있어야 한다. 이 논문에서는 실험을 통해서 이러한 공격 시나리오가 가능한지를 보인다.
이 논문에서는 특성 벡터 알고리즘에서 수식 변환을통한 데이터의 가역성이 얼굴 인증 시스템에서 보안 문제로 작용할 수 있음을 지적하고 실험을 통하여 이를 증명하였다. 이러한 보안 문제의 해결 방안인 변환된 생체정보 데이터의 비가역성에 대한 연구는 취소 가능한 특성을 지원하는 생체 정보 인식 연구에 속하는 분야이다.
이 논문에서는 특성 벡터 알고리즘이 사용되는 얼굴인증 시스템에서 생체 정보 템플릿 복원에 대한 보안 문제를 지적하고, 예상 가능한 공격 시나리오를 실험을 통해 보인다. II 장에서는 생체 정보 인식 보안 분야의 관련 연구를 설명하고, 이를 통해서 이 논문의 신규성을제시한다.
[11]이다. 이 논문은 생체 정보가 사용자의 인증을위해서 사용되는 경우에 발생할 수 있는 프라이버시 침해 문제를 언급하고, 이를 해결하기 위한 방법론을 제시하였다. 논문에서 담고 있는 방법론은 암호학 분야에서오래전부터 응용된 격자 변형(Grid Morphing)이나 블록 치환(Block Permutation)를 이용한 변형 함수를 제시하였고, 이상적으로는 비가역성(noninvertible)을 만족해야 한다는 전제를 달았다.
이 논문은 특성 벡터를 이용한 얼굴 생체 정보 시스템에서 발생 가능한 템플릿 복원에 대한 보안 문제를지적하고, 구체적인 실험을 통해서 보안 취약성의 문제를 분석한다.

가설 설정

실험은 특성 벡터 추출 알고리즘 중 하나인 R- LDA[1 기를 이용한 얼굴 인증 시스템을 가정하였다. 얼굴 데이터베이스는 ORL(Olivetti Research Lab) 데이터베이스를 사용하되, 인증의 일관성을 적용하기 위하여 얼굴 부분만을 50x픽셀로 잘라낸 이미지를 사용하였다.

제안 방법

정했다. 각 클래스별로 거리 분포도를 구한 이후, 거리차가 0인 곳에서부터 해당 클래스 분포의 90% 지점, 80% 지점 그리고 70% 지점을 한계치로 설정하였다. 한계치의 적용이 엄격할 경우에, 거짓 인증의 시도를 막을 수 있을 것으로 기대 하였고, 실험을 통해서인증 결과의 변화 추이를 지켜보았다.
이 논문은 생체 정보가 사용자의 인증을위해서 사용되는 경우에 발생할 수 있는 프라이버시 침해 문제를 언급하고, 이를 해결하기 위한 방법론을 제시하였다. 논문에서 담고 있는 방법론은 암호학 분야에서오래전부터 응용된 격자 변형(Grid Morphing)이나 블록 치환(Block Permutation)를 이용한 변형 함수를 제시하였고, 이상적으로는 비가역성(noninvertible)을 만족해야 한다는 전제를 달았다. 그러나 변형 함수를 실제로구현하기 위한 구체적인 기법을 제시하지는 못한 채, 개념적인 언급 수준에서 그쳤다.
템플릿이다. 복원된 템플릿을 생성하기 위해서, ORL 데이터베이스의 전체 템플릿 데이터에 대한 특성벡터 雇 계산해 내고, 이에 원본 데이터 템플릿「에평균 데이터 屮를 뺀 데이터를 사상시켜 각각의 추상화된 데이터 Q를 얻는다. 이 후에, 수식 (9)의 과정을 거쳐서, 전체 데이터 수만큼의 복원된 템플릿을 생성하였다.
[그림 1]의 복원된 템플릿은 그 중에서 앞의 10명의임의 자세를 선정하여 보였다. 이 때, 특성 벡터 U를 계산하기 위한 방법으로, PCA와 R-LDA를 사용하고 복원 템플릿의 결과를 비교하였다.
다양하게 적용하였다. 전체 데이터베이스 집합을 20개씩의 클래스로 두 개의 집합으로 나누고, 공유된클래스의 수를 1부터 9까지 증가시키면서 인증 성공률을 측정하였다. 이때 클래스에 같은 자세가 중복되지않도록 5개씩 나누어 공유하였다.
클래스마다 개별적인 한계치를 구한다. 전체 얼굴 데이터 집합을 학습 집합(Train Set)과 실험 집합(Test Set)으로 나눈 후에 특성 벡터 알고리즘을 통해 구해진벡터 0간의 거리를 구하고 이를 통해서 각 클래스와 다른 클래스 간의 거리 분포도를 구한다. 그리고 클래스별로 구해진 거리 분포도에서 한계치로 설정하고자 하는해당 거리 지점을 한계치로 설정한다' 이러한 연산을 반복적으로 수행하여 각 클래스의 특징을 반영하는 평균치에 근접한 한계치를 구한다.
특정 사용자가 공유된 데이터 집합을 가지고 있는 두개의 얼굴 인증 시스템으로 가정하고 한 쪽의 시스템에서 특정 사용자의 데이터를 복원시켜, 이를 원래의 데이터와 함께 다른 데이터 시스템에 인증을 시도하였다. 실험 결과에서 나타난 것처럼 복원된 사용자 데이터의 인증 성공률은 원래의 사용자 데이터의 인증 성공률과 동일하거나 그 이상의 수준으로 가능하기 때문에, 특성 벡터 알고리즘을 이용한 얼굴 인증 시스템에서는 이러한보안 문제를 고려해야 할 것이다.
각 클래스별로 거리 분포도를 구한 이후, 거리차가 0인 곳에서부터 해당 클래스 분포의 90% 지점, 80% 지점 그리고 70% 지점을 한계치로 설정하였다. 한계치의 적용이 엄격할 경우에, 거짓 인증의 시도를 막을 수 있을 것으로 기대 하였고, 실험을 통해서인증 결과의 변화 추이를 지켜보았다.

대상 데이터

얼굴 데이터베이스는 ORL(Olivetti Research Lab) 데이터베이스를 사용하되, 인증의 일관성을 적용하기 위하여 얼굴 부분만을 50x픽셀로 잘라낸 이미지를 사용하였다. ORL 데이터베이스는 40명의 사용자 클래스로 이루어져 있으며, 각 클래스는 10개의 자세(pose)를 포함하고 있다.
얼굴 데이터베이스는 ORL(Olivetti Research Lab) 데이터베이스를 사용하되, 인증의 일관성을 적용하기 위하여 얼굴 부분만을 50x픽셀로 잘라낸 이미지를 사용하였다. ORL 데이터베이스는 40명의 사용자 클래스로 이루어져 있으며, 각 클래스는 10개의 자세(pose)를 포함하고 있다.

이론/모형

또한 인식 기법은 모든 클래스 집합을 검색해야 하기 때문에 본질적으로 클래스의 수와 자세의 수가 많은 데이터베이스에 적용시키기 어려운 문제점을 가지고 있다. 따라서 이 논문에서는 특성 벡터 알고리즘에 인증 기법을 적용하여 실험을진행하였다.
벡터간의 거리 측정 방법은 시티 블록 거리(City Block Distance)[5]< 사용하였다. 시티 블록 거리는 다음과 같이 정의한다.

성능/효과

이를 미루어 볼 때, 복원 과정에서 손실된데이터 자체는 인증 과정에서 불필요한 노이즈로 작용하여 인증에 좋지 않은 영향을 미치는 것을 알 수 있다. 그리고 예상한 바와 같이 두 시스템의 데이터 집합의유사도가 높을수록 인증 성공률이 높게 나타나는 것을알 수 있다.
그러나사용자 인증에 대한 의존도가 사용자의 생체 정보에 의한 것인지 일종의 필터의 기능을 하는 사용자 토큰에의한 것인지 증명된 니卜가 없다. 또한 비밀 키인 사용자토큰 정보기- 유출될 경우, 키 계산을 위한 한계치 변환의 역변환 과정에서 정보의 손실이 발생하지만 부분적으로 생체정보의 복원이 가능할 것으로 보인다.

후속연구

수준으로 인증이 가능하다. 따라서 추가적으로 보안 알고리즘[22]을 특성 벡터 기반의 얼굴 인증 시스템에 적용해야만 이러한 종류의 공격에 대비할 수 있을것이다.
실험 결과에서 나타난 것처럼 복원된 사용자 데이터의 인증 성공률은 원래의 사용자 데이터의 인증 성공률과 동일하거나 그 이상의 수준으로 가능하기 때문에, 특성 벡터 알고리즘을 이용한 얼굴 인증 시스템에서는 이러한보안 문제를 고려해야 할 것이다.

참고문헌 (22)

강전일, 이경희, 양대헌, "두 가지 보안요소를 사 용하는 취소 가능한 얼굴인증 기술" , 정보보호학회논문지, 117권 3호, pp. 55-67, 2007. 06
김군순, 강전일, 이경희, 양대헌, "취소 가능한 언굴 인식을 지원하는 치환 변환 기법에 대한 고찰", 정보보호학회논문지, 16권 6호, pp. 37-46, 2006 12
An Juels and Madhu Sudan. "A fuzzy commitment scheme." In ACM Conference on Computer and Communications Security, page 28-36, 1999
L. Chen, H. Liao, M. Ko, J. Lin and G. Yu. "A new LDAbased face recognition system which can solve the small Samp1e size Problem", Pattern Recognition, Vol 33, No.10, pp. 1713-1726, 2000

상세보기
Wedndy S. Yambor, Bruce A. Draper and J. Ross Beveridge. "Analyzing PCAbased Face Recognition Algorithm : Eigenvector Selection and Distance Measures", 2nd Workshop on Empirical Evaluation in Computer Vision, 2000
Hua Yu and Jie Yang. "A Direct LDA Algorithm for High-DimensionalData - with Application to Face Recognition", Pattern Recognition, Vol.34, No.10, pp. 2067-2070, Oct 2001

상세보기
Michael Braithwaite, Ulf Cahn von Seeln, James Cambier, John Daugman, Randy Glass, Russ Moore, and Ian Scott. "Application-specific biometrics templates", In IEEE Workshop on Automatic Identification Advanced Technologies, pages 167-171, 2002
Mario Savvides, B.V.K. Vijaya Kumar and P.K. Khosla, "Cancelable biometric filters for face recognition", Pattern Recognition, 2004 ICPR 2004 Proceedings of the 17th International Conference on Vol.3, pp. 922-925, Aug 2004
Alwyn Goh and David Ngo Chek Ling. "Computation of cryptographic keys from face biometrics" Communications and Multimedia Security, volume 2828 of Lecture Notes in Computer Science, pages 1-13, Springer, 2003
Peter N. Belhumeur, Joao P. Hespanha and David J. Kriegman. "Eigenfaces vs. Fisherfaces : Recognition Using Class Specific Linear Projection", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.19, No.7, pp. 711-720, July 1997

상세보기
N.K. Ratha, J.K. Connell and R.M. Bolle, "Enhancing security and privacy in biometrics-based authentication systems", IBM Systems Journal, Vol.40, No.3, pp. 614-634, 2001

상세보기
Mattew A. Turk and Alex P. Pentland. "Eigenfaces for Recognition", Journal of Cognitive Neuroscience, Vol. 3, No. 1, pp 71-86, 1991

상세보기
Mattew A. Turk and Alex P. Pentland. "Face Recognition Using Eigenfaces", Computer Vision and Pattern Recognition, 1991. Proceedings CVPR "91, IEEE Computer Society Conference on 3-6 pp. 586-591, June 1991
Zhuji and Y.L. Yu "Face recognition with eigenfaces", Industrial Technology, 1994. Proceedings of the IEEE International Conference on 5-9, pp. 434-438, Dec. 1994
Marian Stewart Bartlett, Javier R. Movellan and Terrence J. Sejnowski, "Face Recognition by Independent Component Analysis", IEEE Transactions on Neural Networks, Vol.13, No.6, pp.1450-1464, Nov. 2002

상세보기
Juwei Lu, Kostantinos N. Plataniotis and Anastasios N. Venetsanopoulos, "Face Recognition Using LDA-Based Algorithm", IEEE Transactions on Neural Networks, Vol.14, No.1, pp.195-200, Jan 2003

상세보기
R. Lotlikar and R. Kothari. "Fractional-step dimensionality reduction", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.22, pp.623-627, June 2000

상세보기
Umu Uludag, Sharath Pankanti, and Anil K. Jain, "Fuzzy vault for fingerprints.", AVBPA, volume 3546 of Lecture Notes in Computer Science, page 310-319 Springer, 2005
Aleix M. Martinez, and Avinash C. Kak. "PCA Versus LDA", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.23, No.2, pp. 228-233, Feb. 2001

상세보기
Juwei Lu, Kostantinos N. Plataniotis and Anastasios N. Venetsanopoulos. "Regularization Studies of Linear Discriminant Analysis in Small Sample Size Scenarios with Application to Face Recognition", Elsevier Science Inc, Pattern Recognition Letters, Vol.26, Issue 2, pp. 181-191, Jan 2005

상세보기
Shenglin Yang and Ingrid M. Verbauwhede, "Secure fuzzy vault based fingerprint verification system." In 38th Asilomar Conference on Signals, Systems, and Computers, volume 1, page 577-581, Nov. 2004
Jeonil Kang, DaeHun Nyang and KyungHee Lee, "Two Factor Face Authentication Scheme with Cancelable Feature", the Proceeding of IWBRS 2005, LNCS 3781, pp.67-75, Oct 2005

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증