[논문]뇌파 기반 개인 인증 시스템 개발

최가영; 김은지; 강예나; 박수빈; 박수진; 최수인; 황한정

doi:10.9718/jber.2018.39.1.43

Abstract ▼ AI-Helper

Traditional electroencephalography (EEG)-based authentication systems generally use external stimuli that require user attention and relatively long time for authentication. The aim of this study is to investigate the feasibility of biometric authentication based on EEG without using any external st...

Traditional electroencephalography (EEG)-based authentication systems generally use external stimuli that require user attention and relatively long time for authentication. The aim of this study is to investigate the feasibility of biometric authentication based on EEG without using any external stimuli. Seventeen subjects took part in the experiment and their EEGs were measured while repetitively closing and opening their eyes. For identifying each subject, we calculated inter- and intra-subject cross-correlation using changes in alpha activity (8-13 Hz) during eyes closed as compared to eyes open. In order to optimize the number of recording electrodes, we calculated authentication accuracy by progressively reducing the number of electrodes used in the analysis. Significant increase in alpha activity was observed for all subjects during eyes closed, focusing on occipital areas, and spatial patterns of changed alpha activity were considerably different between the subjects. A mean authentication accuracy of 92.45% was obtained, which was retained over 75% when using only 8 electrodes placed around occipital areas. Our results could demonstrate the feasibility of the proposed novel authentication method based on resting state EEGs.

주제어

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 앞서 제시한 선행 연구들의 한계점을 극복하기 위하여 외부 자극을 사용하지 않고 사용자가 안정 상태일 때 자연스럽게 유발되는 뇌파를 활용하여 생체 인증 시스템을 개발하고자 한다. 눈을 뜨고 있을 때(개안) 대비 눈을 감고 있을 때(폐안) 시각을 관장하는 후두엽을 중심으로 알파 파워(8-13 Hz)가 크게 증가한다는 것은 이미 많은 선행 연구에서 보고가 되었다 [14-15].

제안 방법

개안과 폐시 사용자의 눈 움직임을 통제하는 것과 비교적 많은 수의 전극 사용은 인증 시스템의 사용자 편의성을 저하시키는 요인이므로, 추후 개안/폐안 시간과 전극의 개수를 최소화할 수 있는 방법의 고안이 필요하다. 또한, 본 연구에서는 피험자마다 같은 날에 측정한 데이터로 분석을 진행하였으며, 분석에서는 간단한 필터링만 거친 후 상호 상관 분석법을 이용하여 성능 평가를 하였다. 미래 연구에서는 인증 시스템의 재현성과 인증 정확도를 향상시키기 위해 동일한 피험자를 대상으로 다수의 날에 걸쳐 추가 실험을 진행하고, 새로운 특징 추출과 분류 기법을 적용하고자 한다.
본 논문에서는 기존의 뇌파를 이용한 인증 연구들과 달리 외부 자극을 사용하지 않고, 단순히 눈을 감고 있는 안정상태에서 유도되는 알파 파워의 변화를 이용한 뇌파 기반 인증 시스템의 개발 가능성에 대해 조사하였다. 또한 실용성 향상을 위해 분석에 이용하는 채널의 개수를 줄여가며 인증 성능의 변화를 확인하였다.
본 연구에서는 뇌파 기반 인증 시스템 개발을 위해 피험자가 개안과 폐안 과제를 수행할 때 31개의 두피 전극을 이용하여 뇌파 데이터를 측정하였다. 개안과 폐시 사용자의 눈 움직임을 통제하는 것과 비교적 많은 수의 전극 사용은 인증 시스템의 사용자 편의성을 저하시키는 요인이므로, 추후 개안/폐안 시간과 전극의 개수를 최소화할 수 있는 방법의 고안이 필요하다.

대상 데이터

본 실험에는 자발적으로 참여의사를 밝힌 성인 17명(남자 5명, 여자 12명)을 대상으로 실험을 진행하였다. 피험자들은 모두 정신적 또는 신체적 질환이 없었으며 평균 연령은 22.

데이터처리

동일한 분석을 개별 trial별로 모든 채널에 대해 적용하였으며, 최종적으로 각 채널 별 개안 대비 폐안 시 알파 파워의 변화(채널-주파수 패턴 맵)를 특징으로 활용하였다(그림 3 참조). 인증 정확도를 계산하기 위해 개별 피험자별로 잭나이프법(leave-one-outcross-validation, Jack-knife)을 이용하였으며, 교차 상관 분석(cross-correlation: 이하 CC)결과를 최종 분류에 활용하였다. 예를 들어, 한 명의 피험자에서 선택한 특정 trial 데이터를 인증 테스트할 경우, 해당 trial로부터 도출한 채널-주파수 패턴 맵과 해당 피험자의 나머지 모든 trial의 채널-주파수 패턴 맵 사이의 CC를 계산하여 최종적으로 평균 CC값을 계산하였다.

이론/모형

측정된 뇌파의 원신호(raw data)에 공통 평균 기준 도출법(common average reference: CAR)을 적용하여 뇌파 측정 당시 유입된 공통 잡음 성분을 제거하였다 [16-17]. 1-45 Hz 대역 필터를 적용하였으며(3^rd order butterworth band pass filter), 분석에서는 알파 대역(8-13 Hz)을 포함하는 6-15 Hz 대역 정보만을 사용하였다.
필터링 한 데이터는 개안 1초와 폐안 15초를 하나의 trial로 간주하여 trial별로 데이터를 추출하였다(epoching). 피험자별로 시간에 따른 개, 폐안 시 주파수 파워 변화를 관찰하기 위해 1초 간격으로 50%씩 중첩하는 이동-창 기법(moving-window technique)을 적용하여 주파수 파워를 추정하였다. 각 trial별로 개별 채널에 대해 동일한 분석을 적용하였다.

성능/효과

또한 실용성 향상을 위해 분석에 이용하는 채널의 개수를 줄여가며 인증 성능의 변화를 확인하였다. 피험자가 눈을 뜨고 있을 때 대비 감고 있을 때 알파 파워가 전 채널에서 전반적으로 크게 증가하였으며, 피험자 간의 알파 파워 변화 패턴이 유의미하게 다르다는 것을 확인하였다. 실험에 사용한 31개의 채널 정보를 모두 이용했을 때 평균 92.
본 논문에서는 기존의 뇌파를 이용한 인증 연구들과 달리 외부 자극을 사용하지 않고, 단순히 눈을 감고 있는 안정상태에서 유도되는 알파 파워의 변화를 이용한 뇌파 기반 인증 시스템의 개발 가능성에 대해 조사하였다. 또한 실용성 향상을 위해 분석에 이용하는 채널의 개수를 줄여가며 인증 성능의 변화를 확인하였다. 피험자가 눈을 뜨고 있을 때 대비 감고 있을 때 알파 파워가 전 채널에서 전반적으로 크게 증가하였으며, 피험자 간의 알파 파워 변화 패턴이 유의미하게 다르다는 것을 확인하였다.
피험자가 눈을 뜨고 있을 때 대비 감고 있을 때 알파 파워가 전 채널에서 전반적으로 크게 증가하였으며, 피험자 간의 알파 파워 변화 패턴이 유의미하게 다르다는 것을 확인하였다. 실험에 사용한 31개의 채널 정보를 모두 이용했을 때 평균 92.45%의 높은 인증 정확도를 얻을 수 있었으며, 알파 파워에 가장 민감하게 반응하는 13개와 8개의 후두엽 주위 전극만을 이용해서는 각각 85.93%(Ch_Set4)와 75.53%(Ch_Set5)의 정확도를 얻을 수 있었다.

후속연구

미래 연구에서는 인증 시스템의 재현성과 인증 정확도를 향상시키기 위해 동일한 피험자를 대상으로 다수의 날에 걸쳐 추가 실험을 진행하고, 새로운 특징 추출과 분류 기법을 적용하고자 한다. 아울러, 본 연구에서 제안하는 인증 시스템은 다수의 사용자 중 특정 개인을 인증하는 시나리오를 가정하고 개발한 것으로, 추후 연구에서는 스마트폰과 공인인증서와 같은 개인별 인증에 적용할 수 있는 연구 또한 진행하여 활용 가치를 높이고자 한다.
또한, 본 연구에서는 피험자마다 같은 날에 측정한 데이터로 분석을 진행하였으며, 분석에서는 간단한 필터링만 거친 후 상호 상관 분석법을 이용하여 성능 평가를 하였다. 미래 연구에서는 인증 시스템의 재현성과 인증 정확도를 향상시키기 위해 동일한 피험자를 대상으로 다수의 날에 걸쳐 추가 실험을 진행하고, 새로운 특징 추출과 분류 기법을 적용하고자 한다. 아울러, 본 연구에서 제안하는 인증 시스템은 다수의 사용자 중 특정 개인을 인증하는 시나리오를 가정하고 개발한 것으로, 추후 연구에서는 스마트폰과 공인인증서와 같은 개인별 인증에 적용할 수 있는 연구 또한 진행하여 활용 가치를 높이고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인증 시스템의 사용자 편의성을 저하시키는 요인은?	본 연구에서는 뇌파 기반 인증 시스템 개발을 위해 피험자가 개안과 폐안 과제를 수행할 때 31개의 두피 전극을 이용하여 뇌파 데이터를 측정하였다. 개안과 폐시 사용자의 눈 움직임을 통제하는 것과 비교적 많은 수의 전극 사용은 인증 시스템의 사용자 편의성을 저하시키는 요인이므로, 추후 개안/폐안 시간과 전극의 개수를 최소화할 수 있는 방법의 고안이 필요하다. 또한, 본 연구에서는 피험자마다 같은 날에 측정한 데이터로 분석을 진행하였으며, 분석에서는 간단한 필터링만 거친 후 상호 상관 분석법을 이용하여 성능 평가를 하였다.
	보안을 위해 이용하는 인증 시스템의 예는 어떤 것들이 있는가?	우리는 일상생활 속에서 보안을 위해 수많은 인증 시스템을 이용하고 있다. 현관문을 열 때 비밀번호를 입력하고, 스마트 폰을 사용할 때 손가락의 지문이나 홍채를 인식시켜 인증을 한다. 심지어 은행 업무도 지문이나 개인용 보안카드를 이용해 본인 인증을 한다 [1-4]. 하지만 이러한 기존의 보안 시스템은 위조가 가능하다는 위험성이 항상 존재한다.
	대표적인 유발 뇌파에는 어떤 것들이 있는가?	선행 연구들을 살펴보면 대부분 외부 자극에 기반한 패러다임을 이용하는 인증 시스템의 개발이 주를 이루고 있다. 시각, 청각, 촉각 등의 외부 자극을 사용자에게 제시하여 개인별 고유한 특성을 지닌 유도 뇌파를 활용하는 방법으로, 사건 유발 전위(event-related potential: ERP), 안정상태 시각 유발 전위(steady-state visual evoked potential: SSVEP), 안정상태 청각 유발 전위(auditory steady-state response: ASSR), 안정상태 촉각 유발 전위(steady-state somatosensory potential: SSSEP) 등이 대표적인 유발 뇌파이다. 예를 들어, Palanoappan and Raveendran의 연구에서는 인증 시스템에 시각 유발 전위 패러다임을 적용하였다.

참고문헌 (17)

J. Thorpe, P. C. van Oorschot, and A. Somayaji, "Passthoughts: authenticating with our minds," in Proc. 2005 Workshop on New Security Paradigms. ACM, pp. 45-56, 2005.
A.K. Jain, L. Hong, S. Pankanti, and R. Bolle, "An identityauthentication system using fingerprints," Proc. IEEE, vol. 85, no. 9, pp. 1365-1388, 1997.

상세보기
W. Zhao, R. Chellappa, P.J. Phillips, and A. Rosenfeld, "Face recognition: a literature survey," Acm. Comput. Surv., vol. 35, no. 4, pp. 399-458, 2003.

상세보기
L. Flom, and A. Safir, "Iris recognition system," U.S. Patent No. 4,641,349., 1987.
Burr, E. William, D. Donna F, and P. William T., Electronic authentication guideline. US Department of Commerce, Technology Administration, National Institute of Standards and Technology, 2004.
H. Berger, "Uber das elektrenkephalogramm des menschen," Eur. Arch. Psy. Clin. N., vol. 87, no. 1, pp. 527-570, 1929.
R. Palaniappan, and P. Raveendran, "Individual identification technique using visual evoked potential signals," Electron. Lett., vol. 38, no. 25, pp. 1634-1635, 2002.

상세보기
Y. Chen, A. D. Atnafu, I. Schlattner, W. T. Weldtsadik, M.C. Roh, H. J. Kim, S. H. Lee, B. Blankertz, and S. Fazli, "A highsecurity EEG-based login system with RSVP stimuli and dry electrodes," IEEE T. Inf. Foren. Se., vol. 11, no. 12, pp. 2635-2647, 2016.
S. Marcel, and J. D. R. Millan, "Person authentication using brainwaves (EEG) and maximum a posteriori model adaptation," IEEE T. Pattern. Anal., vol. 29, no. 4, pp. 743-748, 2007.

상세보기
A. Zuquete, B. Quintela, and J. S. Cunha, "Biometric authentication using brain responses to visual stimuli," Repositorio Institucional da Universidade de Aveiro, 2010.
I. Nakanishi, S. Baba, and C. Miyamoto, "EEG based biometric authentication using new spectral features," In Intelligent Signal Processing and Communication SystemsI, SPACS 2009. International Symposium on IEEE, pp. 651-654, 2009.
W. Khalifa, A. Salem, M. Roushdy, and K. Revett, "A survey of EEG based user authentication schemes," Proc. 8th International Conference on IEEE, 2012.
D. La Rocca, P. Campisi, and G. Scarano, "EEG biometrics for individual recognition in resting state with closed eyes," Proc. 2012 BIOSIG-Proceedings of the International Conference of the IEEE, pp. 1-12, 2012.
R. J. Barry, A. R. Clarke, S. J. Johnstone, C. A. Magee, and J. A. Rushby, "EEG differences between eyes-closed and eyesopen resting conditions," Clin. Neurophysiol. vol. 118, no. 12, pp. 2765-2773, 2007.

상세보기
T. A. Travis, C. Y. Kondo, and J. R. Knott., "Parameters of eyes-closed alpha enhancement," Psychophysiology, vol. 11, no. 6, pp. 674-681, 1974.

상세보기
J. W. Osselton, "Acquisition of EEG data by bipolar unipolar and average reference methods: a theoretical comparison," Electroencephalogr. Clin. Neurophysiol. vol. 19, no. 5, pp. 527-528, 1965.

상세보기
F. F. Offner, "The EEG as potential mapping: the value of the average monopolar reference," Electroencephalogr. Clin. Neurophysiol. vol. 2, no. 1, pp. 213-214, 1950.

상세보기

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

뇌파 기반 개인 인증 시스템 개발
Development of a Biometric Authentication System Based on Electroencephalography 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (17)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

뇌파 기반 개인 인증 시스템 개발 Development of a Biometric Authentication System Based on Electroencephalography 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (17)

이 논문을 인용한 문헌

저자의 다른 논문 :

최가영 (1) 황한정 (2)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

뇌파 기반 개인 인증 시스템 개발
Development of a Biometric Authentication System Based on Electroencephalography 원문보기

AI 본문요약
AI-Helper