초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

생물통계학에 기반한 사용자 인증의 새로운 방법으로 안구 운동 정보가 새롭게 각광받고 있다. 이 논문에서는 안구운동정보가 사용자 인증 문제에 왜 좋은 지를 설명하고, 인증의 정확도를 향상시키기 위한 방안으로 주성분분석에 의한 방법을 제안한다. 주성분 분석은 데이터에서 변동이 가장 큰 방향을 찾아주기에 이를 활용하여 안구운동 데이터의 특징을 추출하면 인증 성능이 향상될 수 있을 것이다.

생물통계학에 기반한 사용자 인증의 새로운 방법으로 안구 운동 정보가 새롭게 각광받고 있다. 이 논문에서는 안구운동정보가 사용자 인증 문제에 왜 좋은 지를 설명하고, 인증의 정확도를 향상시키기 위한 방안으로 주성분분석에 의한 방법을 제안한다. 주성분 분석은 데이터에서 변동이 가장 큰 방향을 찾아주기에 이를 활용하여 안구운동 데이터의 특징을 추출하면 인증 성능이 향상될 수 있을 것이다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 각 개인의 안구운동은 사람마다 다르게 나타나며, 같은 시각 정보 제공에도 불구하고 각 사람의 특색을 나타내어 타인이 재연할 수 없다. 이 논문에서는 안구운동 정보에 의한 사용자 인증 방안을 소개하고, 주성분분석에 의해 이를 향상시키는 방안을 제안한다.
• 이 논문에서는 안구운동을 사용자 인증에 적용하는 방법과 이를 위하여 실험된 데이터의 취득에 대하여 소개하였다. 이 시선정보를 사용자 인증에 적용함에 있어, 주성분분석을 적용하면 사용자의 특징을 추출하는 단계의 도움을 받아 사용자 인증이 더 좋아질 가능성이 있음을 제안하였다.
• 따라서, 측정한 시선정보 좌표값을 그대로 사용자 인증에 적용하기 보다는 주성분분석으로 특징을 추출하면 더 좋은 성능을 보일 것이다. 이 논문은 시각정보에 대하여 주성분 분석을 적용하여 사용자 인증의 성능을 향상시키고자 한다.

제안 방법

• 27명으로부터 그림 2와 같이 4개의 영상을 2×2로 배치하여 보여 주고 토비 Eye Tracker로 측정한 정보를 분석하고 저장하였다.
• 매 trail 마다 시선의  좌표를 120Hz로 샘플링하여 220개의 샘플링 값을 저장하였다.
• 사용자 안구인증을 위하여 KAIST CNSL (Computational NeuroSystems Laboratory)에서 실험을 실시하였다[1]. 27명으로부터 그림 2와 같이 4개의 영상을 2×2로 배치하여 보여 주고 토비 Eye Tracker로 측정한 정보를 분석하고 저장하였다.
• 실험에 사용한 영상은 440개이며, 이를 110개의 영상집합으로 만들어낸 후에 피험자를 대상으로 110개의 영상 집합을 보여주어 110 trial 데이터를 측정하였다. 실험 세션을 4개로 구성하였는데, 1,3번째 세션을 영상을 자유롭게 바라보도록 하였으며, 2,4세션은 영상을 보면서 4개의 영상 중 가장 좋아하는 영상을 고르도록 하였다. 즉, 각 세션은 110 trial로 구성되며, 세션을 4번 수행한 것이다.

대상 데이터

• 27명으로부터 그림 2와 같이 4개의 영상을 2×2로 배치하여 보여 주고 토비 Eye Tracker로 측정한 정보를 분석하고 저장하였다. 실험에 사용한 영상은 440개이며, 이를 110개의 영상집합으로 만들어낸 후에 피험자를 대상으로 110개의 영상 집합을 보여주어 110 trial 데이터를 측정하였다. 실험 세션을 4개로 구성하였는데, 1,3번째 세션을 영상을 자유롭게 바라보도록 하였으며, 2,4세션은 영상을 보면서 4개의 영상 중 가장 좋아하는 영상을 고르도록 하였다.

성능/효과

• 이 논문에서는 안구운동을 사용자 인증에 적용하는 방법과 이를 위하여 실험된 데이터의 취득에 대하여 소개하였다. 이 시선정보를 사용자 인증에 적용함에 있어, 주성분분석을 적용하면 사용자의 특징을 추출하는 단계의 도움을 받아 사용자 인증이 더 좋아질 가능성이 있음을 제안하였다.

후속연구

• 그림 2에서 보여주는 바와 같이 측정된 시선 정보의 좌표 값이 모든 영역에 고르게 분포하지 않고 특정 시간에는 특정 영역에 집중되어 있음을 볼 수 있다. 따라서, 측정한 시선정보 좌표값을 그대로 사용자 인증에 적용하기 보다는 주성분분석으로 특징을 추출하면 더 좋은 성능을 보일 것이다. 이 논문은 시각정보에 대하여 주성분 분석을 적용하여 사용자 인증의 성능을 향상시키고자 한다.
• 단순한 자극으로 부터 안구운동의 특징을 추출하는 방법은 시각자극이 단순하기에 사용자를 구분하기에 한계가 존재한다. 복잡한 자극으로부터 시각의 시공간적 정보를 추출하면 사용자의 인증을 더 정확하게 할 수 있을 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기