[논문]무자각 사용자 인증을 위한 실용적 뇌파인증 기술 - EEG 기반 인증기술 동향 및 요구사항 분석 -

조진만; 고한규; 최대선

무자각 사용자 인증을 위한 실용적 뇌파인증 기술 - EEG 기반 인증기술 동향 및 요구사항 분석 - 원문보기

情報保護學會誌 = KIISC review, v.27 no.1, 2017년, pp.39 - 46

조진만 (한국전자통신연구원 초연결통신연구소 정보보호연구본부) , 고한규 (한국전자통신연구원 초연결통신연구소 우정기술연구센터) , 최대선 (공주대학교 의료정보학과)

초록
AI-Helper

본 논문에서는 생체인식 인증의 한 가지 방법인 뇌파 기반 사용자 인증기술의 최신 기술동향에 대해 고찰하고 해당기술의 실용화를 위해 해결해야 할 기술적 문제점과 요구사항에 대해 분석한다. 뇌파 기반 사용자 인증기술은 최근에 스마트폰, 금융 등 다양한 분야에서 사용되고 있는 기존의 생체인식 인증기술과 비교해볼 때 가변성, 유출 저항성 등의 장점이 있지만, 사용자들로부터 뇌파를 수집하기 위해 필요한 장비의 경제성, 뇌파 수집 행위의 사용자 편의성, 현재까지 발표된 뇌파 기반 사용자 식별 기법들의 안정성 등이 개선되어야 하는 것으로 파악된다. 이와 관련하여 뇌파 측정 장비들의 발전 동향을 살펴보고 해당 장비들의 간소화와 인증정확도 간 트레이드오프(trade-off)와 최신 기계학습 및 인공지능 기술들을 활용한 뇌파 기반 사용자 식별 기법들의 안정성을 위해 해결되어야 할 뇌파의 시간차 문제 및 이에 따른 인증정확도 저하 문제를 규명하고 분석한다.

AI 본문요약
AI-Helper

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

문제 정의

동일한 EEG 측정 장비를 활용하여 수행한 실험을 통해 기존 연구들에 의해 왜곡되어 있던 EEG 기반 인증기술의 문제점을 경험적으로 증명하고 실용화 차원에서 추가적으로 수행되어야 할 기술적 요구사항들을 도출하였다. EEG는 지문이나 홍채와 같은 생체인식정보가 만족시키지 못하는 가변성이나 유출 저항성과 같은 보안 요구사항을 만족시키는 이상적인 생체인식정보이나 그만큼 개개인을 식별할 수 있는 특징 정보를 시간에 독립적으로 일관성 있게 추출하기에 기술적으로 보완되어야 할 점들을 파악했으며, 향후 EEG 기반 사용자 인증기술의 실용화를 위한 요구사항 도출 및 발전방향에 대해 제시하였다.
따라서 본 논문에서는 EEG 기반 인증기술의 실용화를 위해 해결 되어야 하는 문제점들을 도출/분석하고 해당 기술의 발전방향에 대해 제안한다. 우선 EEG 기반 인증기술의 발전 동향에 대해 살펴보고 한계와 문제점에 대해 분석한다.
본 논문에서는 최신 EEG 기반 사용자 인증기술의 발전 동향을 살펴보고 기존 연구들의 한계와 문제점을 분석하였다. 동일한 EEG 측정 장비를 활용하여 수행한 실험을 통해 기존 연구들에 의해 왜곡되어 있던 EEG 기반 인증기술의 문제점을 경험적으로 증명하고 실용화 차원에서 추가적으로 수행되어야 할 기술적 요구사항들을 도출하였다.

제안 방법

1에서 수집한 EEG 데이터를 바탕으로 인증정확도를 측정한 결과이다. 기존 연구들의 실험은 EEG 데이터 수집이 기간이 1~2일 정도이고 인증테스트를 실시할 때도 다른 날 측정된 EEG 데이터 간의 교차 검증을 수행하지 않은 반면, 본 논문에서 수행한 실험은 총 10일에 걸쳐 수집된 EEG 데이터를 활용하여 첫째 날 수집된 EEG 데이터로 학습한 후 2~10일에 수집된 EEG 데이터로 인증테스트를 수행하는 방식으로 진행되었다.
본 논문에서는 최신 EEG 기반 사용자 인증기술의 발전 동향을 살펴보고 기존 연구들의 한계와 문제점을 분석하였다. 동일한 EEG 측정 장비를 활용하여 수행한 실험을 통해 기존 연구들에 의해 왜곡되어 있던 EEG 기반 인증기술의 문제점을 경험적으로 증명하고 실용화 차원에서 추가적으로 수행되어야 할 기술적 요구사항들을 도출하였다. EEG는 지문이나 홍채와 같은 생체인식정보가 만족시키지 못하는 가변성이나 유출 저항성과 같은 보안 요구사항을 만족시키는 이상적인 생체인식정보이나 그만큼 개개인을 식별할 수 있는 특징 정보를 시간에 독립적으로 일관성 있게 추출하기에 기술적으로 보완되어야 할 점들을 파악했으며, 향후 EEG 기반 사용자 인증기술의 실용화를 위한 요구사항 도출 및 발전방향에 대해 제시하였다.
본 장에서는 EEG 기반 인증기술을 EEG 측정 장비와 측정된 EEG를 활용한 사용자 식별기술로 구분하고 각각에 대한 기술 발전 동향에 대해 기술한다.
[15]는 단일 채널 EEG 측정 기기의 사용자 인증목적으로의 사용 가능성을 최초로 검증한 연구 결과를 소개하였다. 앞서 설명한 EEG 기반 사용자 인증기법들에서 다양한 특징 추출 기법과 기계학습기법을 사용한 것과는 달리, 푸리에 변환(Fourier
transform)과 대역 필터(bandpass filter)로 Alpha, Beta 대역의 신호만 추출하고 각각의 중앙값(median value)만 취한 뒤, 중앙값들 간의 코사인 유사도(cosine similarity)를 측정하여 비교하는 방법으로 인증 프로세스를 구현하였다. 특정 사용자에 속한 중앙값들 중, 다른 사용자들의 중앙값과 유사도가 더 높은 중앙값들은 실험에서 배제하는 customized threshold 기법을 통해 외부자극 없이 수집된 15명의 EEG 데이터에 대해 94%의 인증정확도를 달성하였다.
따라서 본 논문에서는 EEG 기반 인증기술의 실용화를 위해 해결 되어야 하는 문제점들을 도출/분석하고 해당 기술의 발전방향에 대해 제안한다. 우선 EEG 기반 인증기술의 발전 동향에 대해 살펴보고 한계와 문제점에 대해 분석한다. 이를 바탕으로 뇌파 인증의 실용화를 위한 기술적 요구사항을 정의하고 EEG 기반 인증기술의 발전 방향을 제시한다.
우선 EEG 기반 인증기술의 발전 동향에 대해 살펴보고 한계와 문제점에 대해 분석한다. 이를 바탕으로 뇌파 인증의 실용화를 위한 기술적 요구사항을 정의하고 EEG 기반 인증기술의 발전 방향을 제시한다.

대상 데이터

실험 참가자는 총 11명으로 20세 이상 대학생 남녀로 구성되어 있으며, MindWave를 사용하여 EEG 데이터 수집을 개인 당 한 번에 10초씩 10번, 총 10일에 걸쳐 진행하였다.

성능/효과

Sun [13]은 실험에 참가한 사용자들이 양손의 손가락을 움직이는 상상을 할 때 수집된 EEG 데이터로부터 CSP (common spatial patterns)을 통해 특징 벡터를 추출한 뒤 인공신경망을 학습 시키고 테스트 하였다. 1개의 은닉계층과 1개의 출력계층으로 구성된 인공신경망의 인증정확도는 실험 참가자 왼쪽 손가락을 움직였을 때 95.6%, 오른쪽 손가락을 움직였을 때 94.81%로 측정되었다.
2.2에서 논의된 다양한 기계학습 기법들을 사용한 EEG 기반 사용자 인증/식별 기술들은 각각 약 95% 이상의 인증정확도를 달성한 것으로 보고되었으나, 본 논문에서 대표적인 기계학습 기법들을 대상으로 재현 실험을 수행한 결과 기존 연구들에서 주장에 반하는 결과가 도출되었다.
[14]는 두 개의 서로 다른 그룹을 가장 잘 구분하는 최적의 초평면(optimal Hyper-plane)을 구하는 서포트 벡터 머신을 활용한 EEG 기반 사용자 인증기법을 제안하였다. EEG 데이터로부터 AR 계수(autoregressive coefficient), PSD(power spectral density), SP(spectral power), IHPD(interhemispheric power difference), IHLC(interhemispheric channel linear complexity), 총 5종류의 특징 벡터를 추출하여 서포트 벡터 머신을 학습시키고 테스트 하였고 5명의 실험 참가자들을 대상으로 97.69%의 인증 성공률을 보였다.
첫째, EEG 측정 장비 간소화에 따른 인증정확도 저하 문제가 해결되어야 한다. EEG 측정 장비 기술의 발전으로 사용자가 휴대할 수 있고 착용도 비교적 간편한 단일 채널 기기가 존재하지만, 기존 단일 채널 기반 EEG 인증연구[15, 16]에서 주장하는 것과는 달리, 채널 수 감소로 인한 인증정확도 문제가 있음을 본 논문의 실험을 통해 확인할 수 있었다. 향후, EEG 기반 사용자 인증기술의 실용화를 위해서는 EEG 데이터의 수집 과정에서의 사용자 편의성 보장이 필수적이기 때문에 이와 같은 사용자 편의성과 인증 성능 간의 트레이드오프 문제가 반드시 해결되어야 한다.
[16]은 EEG 데이터 이외에 사용자의 눈 깜빡임에 의해 발생되는 EOG(eletrooculogram) 데이터를 추가로 수집하여 EEG와 EOG로부터 추출된 특징을 CCA(cannonical correlation analysis)로 합성하여 선형판별분석 기법을 통해 사용자 인증을 수행한다. EOG와 EEG의 특징을 모두 사용한다는 측면을 제외하고는 방법론에서 기존 연구[10-14]와 큰 차이가 없으며 31명의 실험참가자를 대상으로 수행한 실험에서 97.3%의 인증정확도를 달성하였다.
관련연구들의 실험결과에 따르면 인증 정확도 측면에서 EPOC+나 MindWave를 사용한 실험결과가 기존 64 channel 또는 32 channel을 사용한 EEG 데이터 기반의 연구들과 비교해볼 때 차이가 없이 수십 명 규모의 실험 대상자 그룹을 대상으로 약 95% 이상의 인증정확도를 보임을 확인할 수 있다.
단일 채널 관련연구뿐만 아니라 현재까지 발표된 모든 EEG 기반 인증기술 연구들이 간과하고 있는 문제로써 하루 이상 차이가 나는 동일 사용자의 EEG 데이터의 교차 테스트 시 뇌파를 인증 목적에 사용할 수 없다고 판단될 정도의 인증정확도 저하 문제가 발생함을 본 논문의 실험을 통해 확인하였다.
본 실험 결과를 통해 유추할 수 있는 사실은 동일한 조건에서 수집된 동일한 사용자의 EEG 데이터라고 할지라도 시간의 변화에 따라 변할 수 있는 반면에, 기존 연구들은 특정 기간에 집중적으로 수집된 EEG 데이터에 대해 과적합(overfitting)된 실험결과를 토대로 그들이 제안하는 EEG 기반 인증기법의 유효성을 주장하고 있다는 것이다.
위의 그래프에서 볼 수 있듯이, 서포트 벡터 머신(SVM)의 경우 대부분 HTER (half total error rate) 기준 0.5에 수렴하는 것으로 측정되었는데, 본 실험의 인증정확도를 측정하기 위해 사용된 HTER은 FAR (false acceptance rate)과 FRR (false rejection rate)의 평균이기 때문에 HTER이 0.5라는 것은 FAR이나 FRR이 1.0으로 측정된 경우에 해당하는 것으로 사용자를 인증/식별하는 것이 불가능함을 의미한다. 다중 계층 퍼셉트론(MLP)의 경우, 특정 실험 참가자에 한정된 결과(dschoi, 2day)이지만, HTER이 0.
특정 사용자에 속한 중앙값들 중, 다른 사용자들의 중앙값과 유사도가 더 높은 중앙값들은 실험에서 배제하는 customized threshold 기법을 통해 외부자극 없이 수집된 15명의 EEG 데이터에 대해 94%의 인증정확도를 달성하였다.
EEG 측정을 위한 전극수의 감소는 뇌파 인증기술의 실용화 측면에서는 긍정적인 변화이지만 측정된 EEG 신호의 정확도 감소 여부와 이에 따른 인증정확도의 저하 문제가 해결되어야 한다. 해당 EEG 측정 장비들을 활용해서 수행된 관련 연구들의 실험결과들을 살펴보면 약 95~98%의 인증 정확도를 보이는 것으로 확인 되지만[11~16], 본 연구에서 수행한 실험에 따르면 실제로 전극수의 감소에 따른 인증정확도 저하 문제뿐만 아니라 시간 변화에 따라 동일 사용자에 대한 EEG 신호의 변화로 인한 인증정확도 저하 문제 또한 존재하는 것으로 파악되었다.

후속연구

둘째, 시간 차이에 따른 EEG 데이터 변화에 적응적인 사용자 템플릿 구성 및 인증기법이 개발되어야 한다. 단일 채널 관련연구뿐만 아니라 현재까지 발표된 모든 EEG 기반 인증기술 연구들이 간과하고 있는 문제로써 하루 이상 차이가 나는 동일 사용자의 EEG 데이터의 교차 테스트 시 뇌파를 인증 목적에 사용할 수 없다고 판단될 정도의 인증정확도 저하 문제가 발생함을 본 논문의 실험을 통해 확인하였다.
EEG 측정 장비 기술의 발전으로 사용자가 휴대할 수 있고 착용도 비교적 간편한 단일 채널 기기가 존재하지만, 기존 단일 채널 기반 EEG 인증연구[15, 16]에서 주장하는 것과는 달리, 채널 수 감소로 인한 인증정확도 문제가 있음을 본 논문의 실험을 통해 확인할 수 있었다. 향후, EEG 기반 사용자 인증기술의 실용화를 위해서는 EEG 데이터의 수집 과정에서의 사용자 편의성 보장이 필수적이기 때문에 이와 같은 사용자 편의성과 인증 성능 간의 트레이드오프 문제가 반드시 해결되어야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	생체정보를 이용한 인증방법은 어떠한 장점이 있는가?	최근 개인을 식별하기 위한 방법으로 지문, 홍채, 목소리, 얼굴 등 사용자의 생체정보를 활용한 인증방법이 다양한 분야에서 활용되고 있다[1]. 사용자가 비밀번호를 잊어버리거나 독립된 하드웨어 형태의 보안토큰을 분실할 경우, 타인에 의해 쉽게 명의가 도용될 수 있는 문제점이 존재하는 전통적인 인증방법에 비해, 지문, 홍채 등의 각 개인에게 종속적인 생체정보를 이용한 인증방법은 분실의 위험이 없고 노출되었을 경우에도 타인에 의해 도용될 수 있는 가능성이 상대적으로 낮아 기존 인증방법들 보다 편리하고 안전하다는 장점이 있기 때문이다. Thorpe et al.
	개인을 식별하기 위한 방법으로 무엇이 활용되는가?	최근 개인을 식별하기 위한 방법으로 지문, 홍채, 목소리, 얼굴 등 사용자의 생체정보를 활용한 인증방법이 다양한 분야에서 활용되고 있다[1]. 사용자가 비밀번호를 잊어버리거나 독립된 하드웨어 형태의 보안토큰을 분실할 경우, 타인에 의해 쉽게 명의가 도용될 수 있는 문제점이 존재하는 전통적인 인증방법에 비해, 지문, 홍채 등의 각 개인에게 종속적인 생체정보를 이용한 인증방법은 분실의 위험이 없고 노출되었을 경우에도 타인에 의해 도용될 수 있는 가능성이 상대적으로 낮아 기존 인증방법들 보다 편리하고 안전하다는 장점이 있기 때문이다.

참고문헌 (17)

A.K. Jain, A. Ross, and S. Prabbakar, "An Introduction to Biometric Recognition," IEEE Transactions on Circuits and Systems for Video Technology, 14(1), pp. 4-20, Jan. 2004

상세보기
J. Thorpe, P.C. Van Oorschot, and A. Somayaji, "Pass-thoughts: Authenticating with Our Minds," NSPW'05, pp. 45-56, Sep. 2005
"가짜 손가락 만들어 지문인식 하다니... 야근수당 훔치는 공무원들 ," http://www.yonhapnews.co.kr/bulletin/2016/06/14/0200000000AKR20160614175700064.HTML (accessed 2017.01.27.)
J. Berkhout, D.O. Walter, "Temporal Stability and Individual Differences in the Human EEG," IEEE Transactions on Biomedical Engineering, BME-15(3), pp.165-168, April 2008
H. Van Dis, M. Corner, R. Dapper, G. Hanewald, and H. Kok, "Individual Differences in the Human Electroencephalogram during Quiet Wakefulness," Electroencephalography and Clinical Neurophysiology, 47(1), pp. 87-94, July 1979

상세보기
J. Ma, J.W. Minett, T. Blu, and W. Wang, "Resting State EEG-Based Biometrics for Individual Identification Using Convolutional Neural Networks," EMBC, pp. 2848-2851, Aug. 2015
T. Pham, W. Ma, D. Tran, P. Nguyen, and D. Phung, "A Study on the Feasibility of using EEG Signals for Authentication Purpose," ICONIP, pp. 562-569, Nov. 2013
"Normal EEG Waveforms," http://emedicine.medscape.com/article/1139332-overview (accessed 2017.01.27.)
"EMITOV EPOC+," https://www.emotiv.com/epoc/ (accessed 2017.01.30.)
"NeuroSky MindWave Mobile," http://store.neurosky.com/pages/mindwave (accessed 2017.01.30.)
W. Khalifa, A. Salem, M. Roushdy, and K. Revett, "A Survey of EEG Based User Authentication Schemes," INFOS, pp. (BIO)55-60, May 2012
S. Marcel, J.R. Millan, "Person Authentication Using Brainwaves (EEG) and Maximum A Posteriori Model Adaptation," IEEE Transactions on Pattern Analysis and Machine Intelligence, 29(4), pp. 743-748, April 2007

상세보기
S. Sun, "Multitask Learning for EEG-Based Biometrics," ICPR, pp. 51-55, Dec. 2008
C. Ashby, A. Bhatia, F. Tenore, and J. Vogelstein, "Low-Cost Electroencephalogram (EEG) based Authentication," NER, pp. 442-445, April 2011
J. Chuang, H. Nguyen, C. Wang, and B. Johnson, "I think, therefore I am: Usability and Security of Authentication using Brainwaves," USEC'13, pp. 1-16, April 2013
M. Abo-Zahhad, S.M. Ahmed, and S.N. Abbas, "A new multi-level approach to EEG based human authentication using eye blinking," Pattern Recognition Letters, 82(P2), pp. 216-225, Oct. 2016

상세보기
"MindWave Mobile: User Guide," http://download.neurosky.com/support_page_files/MindWaveMobile/docs/mindwave_mobile_user_guide.pdf (accessed 2017.01.30.)

저자의 다른 논문 :

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