치아를 갈아내는 생체 인증

미국과 중국의 최근 두 연구 논문은 치아 기반 인증을 위한 새로운 해결책을 제안했습니다. 즉, 치아를 약간 갈거나 깨물면 귀에 달린 장치(이른바 ‘귀earable’로, 일반적인 오디오 장치로도 사용할 수 있음)가 치아의 고유한 음향 패턴을 인식하여 적절하게 구성된 도전 시스템에 대한 유효한 생체 인증 ‘패스’를 생성합니다.

두 시스템의 다양한 귀earable 프로토タイプ 장치. 출처: https://arxiv.org/ftp/arxiv/papers/2204/2204.07199.pdf (ToothSonic) 및 https://cis.temple.edu/~yu/research/TeethPass-Info22.pdf (TeethPass)

이전의 치아 인증 방법(즉, 살아있는 사람을 위한 것, 사후 확인이 아닌)은 사용자가 치아를 보여주고 улыб히거나 입을 벌려야 했으며, 치아 인식 시스템이 사용자의 치아가 생체 기록과 일치하는지 확인했습니다. 2021년 여름, 인도 연구 그룹은 이러한 시스템을 개발하여 DeepTeeth라는 이름을 붙였습니다.

새로 제안된 시스템, 즉 ToothSonic과 TeethPass는 각각 미국의 플로리다 주립 대학교와 러트거스 대학교의 학술 협력 및 중국의 北京理工大学, 清華大學, 北京工業大學의 공동 연구로 개발되었습니다.

ToothSonic

전적으로 미국 기반의 ToothSonic 시스템은 논문 Ear Wearable (Earable) User Authentication via Acoustic Toothprint에서 제안되었습니다.

ToothSonic 저자들은 다음과 같이 말합니다:

‘ToothSonic [은] 사용자가 치아를 갈거나 깨물면 발생하는 고유한 음향 패턴을 이용하여 귀earable 인증을 제공합니다. 특히, 우리는 효과적인 음파를 생성할 수 있는 대표적인 치아 제스처를 설계했습니다. ‘

‘신뢰성 있는 음향 치아 패턴을 캡처하기 위해, 우리는 귀 кан의 폐색 효과와 귀earable의 내부 마이크를 사용합니다. 그런 다음 우리는 인증을 위해 내재된 치아 패턴 정보를 반영하는 다단계 음향 특징을 추출합니다.’

귀earable 장치에 등록된 고유한 음향 치아 패턴을 구성하는 영향 요인. 출처: https://arxiv.org/ftp/arxiv/papers/2204/2204.07199.pdf

연구자들은 음향 치아/두개골 패턴의 몇 가지优势을 언급했습니다. 예를 들어, 치아 패턴을 모방하거나 가짜로 만들기는非常히 어려울 것입니다. 왜냐하면 치아 패턴은 두개골 채널과 귀를 통해 이동해야 하기 때문입니다.

또한, 치아 기반 인증은 사용자가 카메라 앞에서 웃거나 입을 벌릴 필요가 없기 때문에 사용자에게 불편함을 줄일 수 있습니다. 또한, 운전이나 다른 중요한 활동을 하는 동안 사용자가 주의를 분산시키지 않아도 됩니다.

이 방법은 또한 운동 장애가 있는 사람들에게 적합하며, 이러한 장치를 귀에 착용할 수 있습니다. 이는 전용 인증 장치나 모바일 애플리케이션의 필요성을 제거합니다.

또한, 사용자의 치아를 복제하거나 모방하는 것은 거의 불가능합니다. 왜냐하면 치아를 갈거나 깨물면 발생하는 음향은 완전히 내부의 귀와 두개골 채널을 통해 필터링되기 때문입니다.

ToothSonic 논문에서 귀 کان의 폐색 효과. 이는 모방이나 모방을 거의 불가능하게 만듭니다.

공격 벡터로서, 사용자의 귀에 있는 데이터베이스에 접근하여 사용자의 음향 치아 패턴을 공격자의 패턴으로 대체하는 것이 유일한 가능성입니다(물론 사용자를 강제로 협박하는 경우를 제외하고).

ToothSonic 워크플로우.

그러나 중국 주도 프로젝트는 공격자가 자신의 입에서 음식을 먹는 소리를 재생하는 것은 거의 성공할 수 없는 접근 방식이라고 발견했습니다(아래 참조).

고유한 미소

ToothSonic 논문은 사용자의 치아에 있는 여러 가지 고유한 특징을 설명합니다. 예를 들어, 교합 类型(예: 과잉교합), 에나멜 밀도 및 공명,拔牙된 치아에서 얻은 음향 정보, 세라믹 및 금속 대체물의 고유한 특징(그 외의 가능한 재료) 및 구치형태학 등이 있습니다.

저자들은 다음과 같이 말합니다:

‘[치아] 음향파는 사용자의 사적인 치아-귀 채널을 통해 캡처됩니다. 따라서 우리의 시스템은 사용자의 사적인 치아-귀 채널이 음향파를 보호하기 때문에 고급 모방 및 재생 공격에 저항합니다.’

아래와 같이 10가지 가능한 조작이 기록될 수 있습니다.

이러한 움직임 중 일부는 다른 것보다 더 어려울 수 있지만, 더 어려운 움직임은 반드시 더 쉽거나 더 어려운 패턴을 생성하지는 않습니다.

음향 특징은 가우스 혼합 모델(GMM) 스피커 인식 시스템을 사용하여 추출됩니다. 음향 특징은 각 움직임에 대해 얻어집니다.

ToothSonic 시스템에서 동일한 주제에 대한 여섯 가지 다른 슬라이딩 제스처.

결과적으로 생성된 고유한 음향 신호는 매우 취약합니다. 따라서 ToothSonic은 20-8000Hz 사이의 필터 밴드를 적용합니다.

음향파 분할은 Hidden Markov Model(HMM)을 사용하여 수행됩니다.

인증 모델에서는 파생된 특징이 완전히 연결된 신경망에 입력됩니다. 여러 층을 통과하여 ReLU를 통해 활성화됩니다. 마지막으로 완전히 연결된 층에서 Softmax 함수를 사용하여 결과와 예측된 레이블을 생성합니다.

학습 데이터베이스는 25명의 참가자(10명의 여성, 15명의 남성)가 실제 환경에서 귀earable을 착용하고 일반적인 활동을 수행하도록 요청하여 얻었습니다. 프로토タイプ 귀earable(위 첫 번째 이미지 참조)은 몇 달러의 비용으로 소비자용 하드웨어로 제작되었으며, 마이크 칩 하나를 특징으로 합니다. 연구자들은 상업적인 구현은 매우 저렴하게 생산될 수 있을 것이라고 주장합니다.

학습 모델은 MATLAB에서 신경망 분류기를 포함하며, 학습 속도는 0.01, 손실 함수는 LBFGS입니다. 인증을 평가하는 방법은 FRR, FAR 및 BAC입니다.

전체 성능은 매우 좋았으며, 내부 구강 제스처의 어려움에 따라 달라졌습니다:

결과는 세 가지 구강 제스처 난이도에서 얻었습니다: 편안한, 덜 편안한, 및 어려운 제스처. 사용자가 선호하는 제스처 중 하나는 95%의 정확도를 달성했습니다.

제한 사항으로, 사용자는 치아가 시간이 지나면서 변경되면 사용자가 음향 치아 시그니처를 다시 인식해야 할 수 있다고 인정합니다. 또한, 에나멜의 품질은 시간이 지나면서 저하되거나 변경될 수 있으며, 연구자들은 노인들이 정기적으로 프로필을 업데이트하도록 요청할 수 있다고 제안합니다.

저자들은 또한 이러한 귀earable이 다용도로 사용되면 사용자가 음악이나 대화를 잠시 중지해야 하며, 현재 사용 가능한 많은 귀earable이 이러한 시스템을 지원하는 데 필요한 계산 능력이 부족하다고 인정합니다.

그러나 그들은 다음과 같이 관찰합니다:

‘다행히, 최근에 출시된 Apple H1 칩과 Qualcomm (QCOM ) 의 QCS400은 귀earable에서 음성 기반의 온디바이스 AI를 지원할 수 있습니다. 이는 ToothSonic을 귀earable에서 구현할 수 있음을 의미합니다.’

그러나 이 추가 처리는 배터리 수명을影响할 수 있습니다.

TeethPass

논문 TeethPass: Dental Occlusion-based User Authentication via In-ear Acoustic Sensing에서 발표된 중국-미국 프로젝트는 기본적으로 ToothSonic과 같은 원리를 따릅니다.

공기 노이즈 제거는 데이터 수집 단계에서 수행되며, 노이즈 감소와 함께 적절한 필터가 음향 시그니처에 적용됩니다.

TeethPass 시스템 아키텍처.

최종 추출된 MFCC 특징은 Siamese 신경망을 학습하는 데 사용됩니다.

TeethPass의 Siamese 신경망 구조.

시스템의 평가 지표는 FRR, FAR 및 혼동 행렬입니다. ToothSonic과 마찬가지로, 시스템은 세 가지 유형의 공격에 강력한 것으로 나타났습니다: 모방, 재생 및 하이브리드 공격.

연구자들은 공격자가 사용자의 치아 움직임 소리를 작은 스피커로 공격자의 입안에서 재생하는 것을 시도했으며, 20cm 이내의 거리에서 이러한 하이브리드 공격 방법이 1% 이상의 성공 가능성을 가졌습니다.

그 외의 시나리오에서는 표적의 내부 두개골 구조를 모방하는 것이 매우 어려우므로, 생체 인증 프레임워크에서 ‘도난’ 시나리오는 거의 발생하지 않습니다.

대규모 실험에서 TeethPass는 평균 인증 정확도 98.6%를 달성했으며, 98.9%의 스푸핑 공격에 저항할 수 있음을 보여주었습니다.

* 저자의 인용을 하이퍼링크로 변환했습니다.

最初에 2022년 4월 18日に 게시되었습니다. 2022년 4월 19일 8:30 EET에 캡션의 패키지 잘못 할당을 수정하기 위해 업데이트되었습니다.