다양한 얼굴 위조 공격 탐지를 위한 딥러닝 네트워크의 설계 및 구현 (Design and Implementation of Deep Learning Network to Detect Various Face Spoofing Attacks)

서지정보

· 발행기관 : 한국과학수사학회
· 수록지 정보 : 과학수사학회지 / 17권 / 1호 / 24 ~ 29페이지
· 저자명 : 김한수

초록

과학기술과 전자 및 컴퓨터공학의 발달에 힘입어, 생체 정보를 이용한 개인 식별 기술이 많은 관심과 함께 발전을 거듭하고 있다. 생체 인식에서 가장 많이 활용되고 있는 얼굴 인식 분야에서 다양한 위조 방법이 나타나게 되었는데, 이러한 위조방법 및 기존의 위조방지 기술들을 면밀히분석하여, 얼굴 데이터의 위조 여부를 효율적으로 판독하는 알고리즘을 제안하였다. 진본의 획득 방식 및 얼굴 위조 공격의 방식 등을 일일이 구분하지 않고 진본(genuine)과 위조(spoofed)로만 분류하는 독창적인 딥러닝 네트워크 및 알고리즘을 설계하였고, 특정한 위조 방식에 구애받지 않고 위조여부를 판단할 수 있었다. 구현 및 실험 결과 약 91%의 정확도를 가지며, 기존의 연구들에 비해 최대 약 21%의 성능 개선을 이룰 수 있었다.

영어초록

Due to the development of science and technology, and the growth of electronic and computer engineering, personal identification technology using biometric information is developing with great interest.
In face recognition, which is the most famous and concerned field in biometrics, various forgery and spoofing methods have emerged. By carefully analyzing those spoofing methods and existing anti-spoofing technologies, a novel algorithm is proposed that efficiently discriminates between a genuine face and a spoofed one. A unique deep learning network and algorithm is designed that classifies genuine and spoofed without regarding the details of acquiring the genuine or spoofed image. As a result of implementing and testing the proposed algorithm, the accuracy of about 91% is obtained and up to 21% of performance improvement is achieved compared to existing technologies.

참고자료

· 없음