DeepTeeth: 치아를 이용한 생체 인증 시스템

인도 연구진은 모바일 기기에서 보안 시스템에 대한 인증 토큰으로 치아를 사용하는 생체 인증 시스템을 제안했습니다. DeepTeeth라는 시스템은 이전의 시도에서 발생한 문제점들을 극복하여 100%의 정확도를 달성했습니다.

이 시스템은 고가의 법의학 분석 환경이 아닌 저렴한 모바일 환경과 캐주얼 사용자 인증 시나리오에 특화되어 있습니다.

새로운 사전 인쇄본은 라자스탄의 비르라 기술 과학원(Birla Institute of Technology and Science Pilani) 연구진에 의해 작성되었으며, 75×75 픽셀의 데이터 이미지 크기만을 사용하며, 최소한의 로컬 리소스만을 필요로 하여 이전의 치아 기반 기계 학습 인증 시스템보다 더 효율적입니다.

DeepTeeth 기반 인증의 제안된 사용법. 출처: https://arxiv.org/pdf/2107.13217.pdf

치아를 이용한 ID 식별자

치아는 다른 얼굴 특征에 비해 외과적 개입의 빈도가 높기 때문에 가장 변동성이 큰 얼굴 특征으로 간주될 수 있습니다. 그러나 장기적으로 그리고 평균적으로, 치아는 우리의 얼굴 식별 특征 중에서 가장 일관성이 있는 특징입니다.

아마도 가장 유명한 예는, 치아가 사후 식별에 어떻게 자주 사용되는지입니다. 모든 다른 조직이 화재나 다른 극단적인 외상으로 인해 피해를 입었을 때, 치아는 마지막으로 남는 신체의 구성 요소입니다.

이와 같은 법의학 치과 데이터셋은 전문적인 스캔 장비(通常 X선 구성 요소)를 필요로 하지만, DeepTeeth는 단순히 ‘치아 셀피’ 시리즈만으로 기준 ID를 설정할 수 있습니다.

또한, 연구진은 их 치아 기반 ID 프레임워크가 지문 및 얼굴 인증 방법에 대한 스푸핑 공격에 강하다는 것을 발견했습니다.

정규화된 관심 영역(ROI) 이미지 및 자동화된 DeepTeeth 워크플로우의 해당 강화 이미지.

캡처, 처리 및 훈련

DeepTeeth 시스템은 안드로이드 앱에서 작동하며, 사용자는 여러 개의 캡처를 제공합니다. 치아의 사진은 다양한 각도와 조명 조건에서 촬영할 수 있으며, 인증 시간에 로컬에서 처리됩니다.

코어 훈련 데이터베이스를 생성하기 위해, 연구진은 51명의 자원봉사자로부터 치아 이미지들을 수집했습니다. 자원봉사자들은 안드로이드 앱의 베타 버전을 사용하여 이미지들을 직접 얻었습니다. 앱은 치아 영역을 식별하고 위치를 지정합니다. 각 사용자는 3-4일 간격으로 4개의 치아 이미지 샘플을 제출했습니다.

데이터는 시암 네트워크에서 테스트되었으며, 이전의 방법인 Google의 2015년 FaceNet과 비교되었습니다. 훈련에는 배치 크기 16의 Adam 옵티마이저가 사용되었습니다. 모델은 Dell Inspiron-15-5577의 Nvidia GTX 1050 GPU에서 훈련되었으며, 훈련에는 약 25분이 소요되었습니다.

DeepTeeth 접근법은 사용자 의해 촬영된 원시 이미지들을 강화 프레임워크를 통해 특징 추출을 위한 후처리 단계를 거친 후, 장치에서 일반적인 사전 훈련된 로컬 네트워크를 통해 처리합니다.

초기 캡처와 자른 치아 섹션은 1416 x 510 픽셀의 크기를 가지며, 이는 서버 기반 기계 학습 훈련에조차도 큰 크기입니다. 그러나 시스템에서 처리되는 것은 이러한 캡처에서 파생된 작은 회색조 이미지이며, 더 큰 데이터는 폐기됩니다.

분류 네트워크의 손실 함수는 SoftMax이며, 이는 목표 운영 환경에서 가볍고 강력합니다.

DeepTeeth의 손실 함수 아키텍처.

결과

연구진은 DeepTeeth를 5개의 별도 성능 매개변수에 의해 평가했으며, 시스템은 75 픽셀의 입력 크기에서 최적의 성능을 보이며 100%의 성공률을 달성합니다.

이전의 치아를 이용한 생체 인증 시도에는 2008年的 연구가 있습니다. 이 연구는 기본적으로 음성 기반 인증을 위한 보조 방법으로 치아를 사용했습니다.

또 다른 시도는 2020년 중국의 후난 대학(Hunan University) 연구진에 의해 제안된 SmileAuth 프레임워크입니다. 이 연구는 미시간 주립 대학교(Michigan State University)와 매사추세츠 대학교(University of Massachusetts)와의 공동 연구입니다. 당시의 실험 결과에 따르면, SmileAuth 시스템은 최대 99.74%의 정확도를 달성할 수 있다고 합니다. 이 시스템은 특징 추출을 위해 랜덤 포레스트를 사용했습니다.

연구진은 DeepTeeth가 이전의 모든 시도보다 우수하며, 법의학 영역을 넘어 얼굴 기반 인증을 위한 치아 인식의 가능성을 열어젖혔다고 주장합니다. d achieve an accuracy rate up to 99.74%. The system used Random Forest for feature extraction. The researchers contend that DeepTeeth improves on all previous attempts in this niche area of biometrics, and takes dental recognition beyond the forensic sphere as a viable potential avenue for face-based ID authentication.