샴 네트워크와 동형암호를 이용한 개인정보 보호 얼굴 검증 시스템 (Privacy Protection Face Verification System Using Homomorphic Encryption and Siamese Network)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 3호 / 551 ~ 558페이지
· 저자명 : 조현진, 강효은, 심준석, 홍윤영, 김호원

초록

이미지 인식에서 좋은 성능을 보이고 있는 딥러닝은 최근 다양한 분야에서 필수적인 요소로 작용하고 있으며, 생체인식의 중요성이 증가함에 따라 얼굴 검증에 적합한 딥러닝 모델들이 연구되고 있다. 그러나 딥러닝 모델의학습에는 사용자의 얼굴 이미지를 그대로 사용한다. 이 경우 딥러닝 모델의 취약점인 Inversion attack에 의해 사용자의 얼굴 이미지가 유출이 될 가능성이 존재하며 프라이버시가 보호되지 않는 점을 암시한다. 따라서 사용자의개인정보인 얼굴 이미지의 프라이버시를 보호하면서 딥러닝 모델의 정상적인 검증을 가능하게 하는 기술이 필요하다. 본 논문에서는 사용자의 프라이버시를 보호하기 위하여 딥러닝 학습 및 추론에 사용되는 얼굴 이미지에Paillier 동형암호화를 이용한 암호화를 적용한다. 또한 특징 벡터 간의 유사도를 이용하여 추론을 하는 샴 네트워크를 사용함으로써 구분하기 어려운 암호화 데이터에 대해서도 학습 및 검증 과정에서의 높은 정확도를 보이도록하였다.

영어초록

Deep learning, which has shown good performance in image recognition, has recently become an essential element in various fields, and as the importance of biometric recognition increases, deep learning models suitable for face verification are being studied. However, deep learning model uses the user's face image to learn. In this case, it implies that the Inversion attack, the vulnerability of the deep learning model may extract the user's face image and not protect privacy. Therefore, there is a need for a technology that enables normal verification of the deep learning model while protecting the privacy of the face image, which is the user's personal information. In this paper, to protect users' privacy, encryption using Paillier isomorphic encryption is applied to facial images used for deep learning and reasoning. In addition, by using a Siamese network that infers using similarities between feature vectors, high accuracy in the learning and verification process was also shown for encrypted data that is difficult to distinguish.

참고자료

· 없음