단일 영상 기반 자가지도학습 디노이징을 활용한 적대적 지문 방어에 관한 연구 (A Study on Adversarial Fingerprint Defense Using Self-Supervised Denoising from Single Image)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 48권 / 7호 / 833 ~ 841페이지
· 저자명 : 홍표민, 유화정, 김태용, 윤정원, 김태형, 이윤규

초록

적대적 지문 공격은 입력 지문 영상에 악의적인 조작을 가하여 딥러닝 기반 지문 인증 모델이 비정상적으로 작동하도록 유도하는 공격 기법이다. 최근 다양한 형태의 적대적 지문 공격이 등장하면서, 딥러닝 기반 지문 인증시스템에서의 취약점이 새로운 보안 이슈로 대두되고 있다. 본 논문에서는 다양한 유형의 지문 영상들을 고려하지않고도 일반화된 성능을 제공할 수 있는 적대적 지문 공격 방어 기법을 제안한다. 제안하는 방법은 단일 영상 기반 자가지도학습 디노이징을 활용하여, 입력 지문 영상 내 적대적 노이즈를 효과적으로 제거함과 동시에 원본 지문 영상과 유사하게 복원함으로써 다양한 적대적 지문 공격에 대해 강건한 방어 성능을 제공한다. 또한 대용량의지문 영상에 대한 사전 학습 없이도, 기존의 영상 재건 방법들보다 우수한 방어 성능을 제공한다.

영어초록

Adversarial fingerprint attacks exploit deep learning-based fingerprint authentication systems, causing abnormal behavior in the model. The emergence of various forms of adversarial attacks has created vulnerabilities in deep learning-based fingerprint authentication systems, leading to a new security issue. In this paper, we propose a defense mechanism that provides generalized performance against various adversarial fingerprint attacks without requiring multiple types of fingerprint images. The proposed method utilizes a single image-based self-supervised denoising technique to effectively remove adversarial noise from input fingerprint images while restoring them to their original state, providing robust defense performance against adversarial fingerprint attacks. Furthermore, it offers superior defense performance compared to existing image restoration methods without requiring pre-training on large-scale fingerprint images.

참고자료

· 없음