$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 실용적 뇌파 기반 사용자 인증을 위한 단일 채널 EEG 측정 장비를 통해 수집된 EEG 샘플의 점진적 제거 방법
An Incremental Elimination Method of EEG Samples Collected by Single-Channel EEG Measurement Device for Practical Brainwave-Based User Authentication 원문보기

情報保護學會論文誌 = Journal of the Korea Institute of Information Security and Cryptology, v.27 no.2, 2017년, pp.383 - 395  

고한규 (한국전자통신연구원) ,  조진만 (한국전자통신연구원) ,  최대선 (공주대학교)

초록
AI-Helper 아이콘AI-Helper

뇌파 기반 사용자 인증기술은 최근에 스마트폰, 금융 등 다양한 분야에서 사용되고 있는 지문인식 등의 기존 생체인식 인증기술과 비교해볼 때 가변성, 유출 저항성 등의 장점이 있다. 이러한 장점에도 불구하고 사용자로부터 인증에 필요한 뇌파를 수집하기 위해 필요한 장비의 경제성과 뇌파 수집 행위의 편의성 문제 때문에 뇌파 기반 사용자 인증기술이 실제 환경에서 사용되지는 못했다. 최근 하드웨어 기술의 발전으로 휴대성과 통신 기능을 갖춘 간소화 된 형태의 뇌파 수집 기기들의 개발로 인해 뇌파를 활용한 인증기술에 대한 관련 연구가 활발히 진행되어왔다. 그러나 본 논문에서 가장 간소화된 형태인 단일 채널 뇌파 측정기기를 통해 수집된 뇌파 샘플들을 대상으로 수행된 실험에 따르면 뇌파 수집 채널 수 감소에 따라 인증정확도의 감소 현상이 있는 것으로 파악되었다. 따라서 본 논문에서는 뇌파 기반 사용자 인증기술의 실용화를 위해 해결해야 할 기술적 문제점에 대해 분석하고 이를 위해서 점진적 뇌파 샘플 제거 방법을 통해 각 사용자의 인증에 유효한 뇌파 샘플 집합을 구성하는 방법을 제안한다.

Abstract AI-Helper 아이콘AI-Helper

Brainwave-based user authentication technology has advantages such as changeability, shoulder-surfing resistance, and etc. comparing with conventional biometric authentications, fingerprint recognition for instance which are widely used for smart phone and finance user authentication. Despite these ...

Keyword

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 본 논문에서는 EEG 기반 인증기술의 실용화를 위해 해결 되어야 하는 문제점들을 도출/분석하고 이를 해결하기 위한 점진적 EEG 샘플 제거 방법을 제안한다. 우선 EEG 기반 인증기술의 발전 동향에 대해 살펴보고 기술적 한계와 문제점에 대해 분석한다.
  • 본 논문에서는 최신 EEG 기반 사용자 인증기술의 발전 동향을 살펴보고 기존 연구들의 한계와 문제점을 분석하였다. 특히, EEG 기반 사용자 인증기술의 실용화를 위해 EEG 측정 장비의 간소화가 요구되는데 이 때 발생할 수 있는 인증정확도의 저하 문제를관련 연구와 동일한 단일 채널 EEG 측정 장비를 사용하여 수행한 실험을 통해 경험적으로 증명하였다.

가설 설정

  • 3장에서 언급했듯이 본 논문에서는 총 11명의 실험 참가자들로부터 각각 매일 10번씩 EEG 샘플을 수집하였다. 따라서 하루에 총 110개의 EEG 샘플이존재하며 편의상 실험 참가자 별 EEG 샘플이 순차적으로 리스트 변수(samples)에 저장되어 있다고 가정하고 의사 코드를 작성하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
유출 저항성이란 무엇인가? ∙ 유출 저항성 (Shoulder-surfing resistance):사용자가 인지하지 못한 상태에서 악의적 사용자나 비디오 기록 장치에 의해 인증정보가 노출된 경우에도 명의가 도용되지 않아야 한다.
EEG 데이터를 수집하기 위한 장비가 필수적인 이유는 무엇인가? EEG를 활용한 사용자 인증기술은 EEG 측정 장비를 통해 수집된 데이터로부터 푸리에 변환을 통해인증에 사용하고자 하는 대역의 신호들만 추출하여 등록되어 있는 EEG 신호와의 유사도 비교 등을 통해인증여부를 결정한다. 따라서 지문이나 홍채인식과 마찬가지로 사용자로부터 EEG 데이터를 수집하기 위한 장비가 필수적이다.
뇌파 기반 사용자 인증기술이 실제 환경에서 사용되지 못한 이유는 무엇인가? 뇌파 기반 사용자 인증기술은 최근에 스마트폰, 금융 등 다양한 분야에서 사용되고 있는 지문인식 등의 기존 생체인식 인증기술과 비교해볼 때 가변성, 유출 저항성 등의 장점이 있다. 이러한 장점에도 불구하고 사용자로부터 인증에 필요한 뇌파를 수집하기 위해 필요한 장비의 경제성과 뇌파 수집 행위의 편의성 문제 때문에 뇌파 기반 사용자 인증기술이 실제 환경에서 사용되지는 못했다. 최근 하드웨어 기술의 발전으로 휴대성과 통신 기능을 갖춘 간소화 된 형태의 뇌파 수집 기기들의 개발로 인해 뇌파를 활용한 인증기술에 대한 관련 연구가 활발히 진행되어왔다.
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. A.K. Jain, A. Ross, and S. Prabbakar, "An Introduction to Biometric Recognition," IEEE Transactions on Circuits and Systems for Video Technology, vol. 14, no. 1, pp. 4-20, Jan. 2004. 

  2. J. Thorpe, P.C. van Oorschot, and A. Somayaji, "Pass-thoughts: Authenticating with Our Minds," Proceedings of the 2005 Workshop on New Security Paradigms, pp. 45-56, Sep. 2005. 

  3. J. Berkhout, D.O. Walter, "Temporal Stability and Individual Differences in the Human EEG," IEEE Transactions on Biomedical Engineering, vol. BME-15, no. 3, pp.165-168, Apr. 2008. 

  4. 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, vol. 47, no. 1, pp. 87-94, Jul. 1979. 

  5. J. Ma, J.W. Minett, T. Blu, and W. Wang, "Resting State EEG-Based Biometrics for Individual Identification Using Convolutional Neural Networks," Proceedings of the 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 2848-2851, Aug. 2015. 

  6. T. Pham, W. Ma, D. Tran, P. Nguyen, and D. Phung, "A Study on the Feasibility of using EEG Signals for Authentication Purpose," ICONIP 2013, LNCS 8227, pp. 562-569, Nov. 2013. 

  7. W. Khalifa, A. Salem, M. Roushdy, and K. Revett, "A Survey of EEG Based User Authentication Schemes," Proceedings of the 2012 8th International Conference on Informatics and Systems, pp. 55-60, May 2012. 

  8. S. Marcel, J.R. Millan, "Person Authentication Using Brainwaves (EEG) and Maximum A Posteriori Model Adaptation," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 29, no. 4, pp. 743-748, April 2007. 

  9. S. Sun, "Multitask Learning for EEG-Based Biometrics," Proceedings of the 2008 19th International Conference on Pattern Recognition, pp. 51-55, Dec. 2008. 

  10. C. Ashby, A. Bhatia, F. Tenore, and J. Vogelstein, "Low-Cost Electroencephalogram (EEG) based Authentication," Proceedings of the 2011 5th International IEEE/EMBS Conference on Neural Engineering, pp. 442-445, Apr. 2011. 

  11. J. Chuang, H. Nguyen, C. Wang, and B. Johnson, "I think, therefore I am: Usability and Security of Authentication using Brainwaves," Proceedings of the 2013 Workshop on Usable Security, pp. 1-16, Apr. 2013. 

  12. 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, vol. 82, no. 2, pp. 216-225, Oct. 2016. 

  13. S. Lange and M. Riedmiller, "Deep Auto-Encoder Neural Networks in Reinforcement Learning," Proceedings of the 2010 International Joint Conference on Neural Networks, pp. 1-8, Jul. 2010. 

  14. X. Lu, Y, Tsao, S. Matsuda, and C. Hori, "Speech Enhancement Based on Deep Denoising Autoencoder," Proceedings of the 14th Annual Conference of the International Speech Communication Association, pp. 436-440, Aug. 2013. 

  15. K. Wu, Z. Gao, C. Peng, and X. Wen, "Text Window Denoising Autoencoder: Building Deep Architecture for Chinese Word Segmentation," NLPCC 2013, CCIS 400, pp. 1-12, 2013. 

  16. M.R. Souza, L.R. Almeida, and G.D. Cavalcani, "Combining Distances through an Auto-Encoder Network to Verify Signatures," Proceedings of the 2008 10th Brazilian Symposium on Neural Networks, pp. 63-68, 2008. 

  17. "Officials make fake fingers and recognize fingerprints by using them to steal night work allowances," http://www.yonhapnews.co.kr/bulletin/2016/06/14/0200000000AKR20160614175700064.html [Accessed 2017.02.17.] 

  18. "Normal EEG Waveforms," http://emedicine.medscape.com/article/1139332-overview [Accessed 2017.02.17.] 

  19. "EMOTIV EPOC+," https://www.emotiv.com/epoc/ [Accessed 2017.02.17.] 

  20. "NeuroSky MindWave Mobile," http://store.neurosky.com/pages/mindwave [Accessed 2017.02.17.] 

  21. "MindWave Mobile: User Guide," http://download.neurosky.com/support_page_files/MindWaveMobile/docs/mindwave_mobile_user_guide.pdf [Accessed 2017.02.17.] 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

연관된 기능

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로