KR101959143B1 - Method for Brainwave Based Personal Authentication in FIDO system - Google Patents

Method for Brainwave Based Personal Authentication in FIDO system Download PDF

Info

Publication number
KR101959143B1
KR101959143B1 KR1020170176184A KR20170176184A KR101959143B1 KR 101959143 B1 KR101959143 B1 KR 101959143B1 KR 1020170176184 A KR1020170176184 A KR 1020170176184A KR 20170176184 A KR20170176184 A KR 20170176184A KR 101959143 B1 KR101959143 B1 KR 101959143B1
Authority
KR
South Korea
Prior art keywords
eeg
registered
information
authentication
value
Prior art date
Application number
KR1020170176184A
Other languages
Korean (ko)
Inventor
조한진
채철주
Original Assignee
극동대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 극동대학교 산학협력단 filed Critical 극동대학교 산학협력단
Priority to KR1020170176184A priority Critical patent/KR101959143B1/en
Application granted granted Critical
Publication of KR101959143B1 publication Critical patent/KR101959143B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • A61B5/048—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Dermatology (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)

Abstract

The present invention relates to an authentication method using brainwave information in a fast identity online (FIDO) system and, more specifically, to a method capable of identifying an individual by using brainwave information which is one type of bioinformation under a FIDO universal authentication framework (UAF) protocol for authentication by bioinformation without a password in an authentication framework suggested by a FIDO alliance. The authentication method using brainwave information in a FIDO system provides a method which uses brainwave information to identify an individual when authenticating the individual by using bioinformation, and easily and accurately performs brainwave identification of an individual without measurement information for various changes or various portions of a personal condition to be used in a FIDO system. The authentication method using brainwave information in a FIDO system measures a classification for each brainwave grade and a brainwave frequency for brainwave information of an individual, and uses a logistic regression method to identify brainwave information of an individual.

Description

FIDO 시스템에서 뇌파정보를 이용한 인증방법 {Method for Brainwave Based Personal Authentication in FIDO system}[0001] The present invention relates to an authentication method using brainwave information in a FIDO system,

본 발명은 FIDO(Fast IDentity Online) 시스템에서 뇌파정보를 이용한 인증방법에 관한 것이다. 보다 상세하게로는 FIDO 얼라이언스에 의해 제안된 인증 프레임워크 중 비밀번호 없이 생체정보로 인증을 하기 위한 FIDO UAF(Universal Authentication Framework) 프로토콜 하에서 바이오 정보 중 하나인 뇌파정보를 이용하여 개인을 식별할 수 있는 방안에 관한 것이다.The present invention relates to an authentication method using EEG information in a FIDO (Fast IDentity Online) system. More specifically, the FIDO UAF (Universal Authentication Framework) protocol for authenticating biometric information without a password among the authentication framework proposed by the FIDO Alliance, a method for identifying an individual using brain wave information, which is one of bio information .

비대면 거래에서 개인을 식별할 수 있는 인증기술로서 전통적으로 공인인증서가 많이 사용되어 왔다. 기존의 공인인증서에는 Public Key가 포함되어 있고 Public Key에 대응하는 Private Key는 유출 시 보안상의 위험이 있으므로 PKCS #5에 따라 비밀번호로 암호화하여 보호하게 된다. 그러나 전자금융 사기방법이 진화함에 따라 개인정보 유출피해가 확대되고 이에 따라 패스워드 자리 수를 증가시키기도 했지만 인간의 기억 한계 때문에 무한정 자리 수를 늘릴 수는 없다는 문제점이 있어왔다. 이에 대한 대안으로서의 인증방법으로 일회용 비밀번호(One Time Password, OTP), 보안카드 등 다양한 기술이 사용되고 있는데, OTP 등도 마찬가지로 지식기반 인증방식이어서 낮은 인증강도와 취약한 보안성의 단점을 여전히 가지고 있다. 뿐만 아니라 이러한 공인인증서, OTP, 보안카드 등은 모두 소유기반 인증방식이어서 별도의 인증토큰을 가지고 있어야 한다는 불편함을 해결할 수 없다는 한계가 있어왔다. Traditionally, accredited certificates have been used as authentication technology to identify individuals in non-face-to-face transactions. The existing public certificate includes the public key, and the private key corresponding to the public key has a security risk in case of leakage, so it is protected by the password according to PKCS # 5. However, as electronic banking fraud evolves, the damage of personal information leakage has been widened and thus the number of passwords has been increased. However, there has been a problem that the number of seats can not be increased indefinitely due to human memory limitations. Various techniques such as One Time Password (OTP) and a security card are used as an alternative authentication method. OTP and the like are also knowledge-based authentication methods, which still have disadvantages of low authentication strength and poor security. In addition, since such authentication certificates, OTPs, and security cards are all owned-based authentication methods, there is a limit to the inconvenience of having a separate authentication token.

이에 따라 보관할 필요가 없고 이용이 편리한 생체인증기술(Biometric Authentication Technology)이 크게 부각되고 있다. 생체정보는 별도의 보관 및 암기가 불필요하며 분실우려가 없고 도용, 양도가 불가능하다는 점에서 비밀번호, 공인인증서 등 기존 인증수단에 대한 추가 또는 대안 인증수단으로 주목 받아 왔다. 또한 패스워드 인증방식의 문제점 인식에서 FIDO(Fast IDentity Online) 인증기술 표준논의가 시작되었고, IT 기술과 금융시스템이 융합되는 핀테크 기술에서는 이미 생체인식 기술이 사용되기 시작하였다. FIDO 1.0 표준문서 공개로 인하여 삼성과 애플은 삼성페이와 애플페이라는 서비스를 이미 시작하였고, 구글과 마이크로소프트는 온라인에서 FIDO를 적용하기 위한 개발을 이전부터 하고 있었다. 생체인식 기술은 지문인식 이외에도 얼굴, 홍채, 지정맥, 맥박 등의 신체의 다양한 부위에서 특징 정보를 추출할 수 있도록 많은 연구와 발전을 거듭하여 실제로 서비스와 기술 발전이 이루어지고 있다. Accordingly, a biometric authentication technology that does not need to be stored and is easy to use has been greatly emphasized. Biometric information has been attracting attention as an additional authentication method or alternate authentication means for existing authentication means such as password and authorized certificate in that it is unnecessary to store and memorize, and there is no fear of loss, and theft and transfer are impossible. In addition, FIDO (Fast IDentity Online) authentication technology standard debate has begun to recognize the problem of password authentication method, and biometrics technology has already started to be used in PINTECH technology where IT technology and financial system are merged. Due to the release of the FIDO 1.0 standard document, Samsung and Apple have already begun the services of Samsung Fay and Apple Fay, and Google and Microsoft have been developing for applying FIDO online. In addition to fingerprint recognition, biometrics technology has been developed and developed so that the feature information can be extracted from various parts of the body such as face, iris, finger vein, and pulse.

이러한 생체정보 인증기술에는 생체정보 분산관리 기술이 적용되기도 하는데, 생체정보 분산관리 기술이란 고객의 생체정보를 분할하여 한 조각은 금융기관 서버나 스마트 폰 등 개인 디바이스에 보관하고 나머지 조각은 별도 인증센터에 보관하다가 고객의 거래시점에 생체정보 조각을 결합하여 인증하는 기술을 의미한다. 특히 고객이 특정 금융기관에 등록한 생체정보 조각이나 금융기관 생체 인증채널을 인증센터 접속 금융기관이 공동 이용하도록 지원하며 스마트 폰 등 개인 디바이스를 생체인증에 이용할 수 있도록 금융기관과 연계 하는 응용기술이다. 생체정보 분산관리 기술을 이용하면, 금융기관 서버 및 인증센터는 고객 인증이 불가능한 생체정보 조각만 보관하기 때문에 생체정보의 금융기관 서버 집적으로 인한 대량 해킹위험을 방지할 수 있고, 금융기관 단독으로 고객 인증이 불가능하기 때문에 고객 프라이버시 침해 및 정보남용 우려가 해소되며, 고객은 주거래 금융기관에 한번만 생체정보를 등록하면 모든 금융기관 생체인증거래 이용이 가능하게 되어 편리성을 제공할 수 있다.The biometric information distribution management technology is applied to the biometric information authentication technology. The biometric information distribution management technology divides the biometric information of the customer into a piece of personal device such as a financial institution server or a smart phone, And then combines biometric information fragments at the time of customer's transaction to authenticate them. In particular, it is an application technology that supports the use of biometric information pieces registered by a customer in a specific financial institution or a biometric authentication channel of a financial institution to be used jointly by an accreditation center accessing financial institution, and to connect with a financial institution so that a personal device such as a smart phone can be used for biometric authentication. Since the financial institution server and the authentication center store only pieces of biometric information that can not be authenticated by the customer using the biometric information distribution management technology, the risk of mass hacking due to the accumulation of biometric information in the financial institution server can be prevented, Since the authentication can not be done, customer privacy infringement and information abuse concern are solved, and the customer can use the biometric information transaction once by registering the biometric information once with the main financial institution, so that it is possible to provide convenient convenience.

한편, FIDO 인증시스템에서는 패스워드 없는 생체인증을 위해 FIDO UAF 프로토콜을 이용한다. UAF 표준명세서에서는 공개키 암호화 방식의 인증기술을 사용하지만 사용자 디바이스 FIDO 인증모듈에 미리 Attestation Certificate와 Attestation Private Key가 설치되도록 한다. 사용자가 Public Key와 Private Key를 생성하면 서버에서 사용자 서명뿐만 아니라 인증모듈을 사용할 수 있는지를 검증하는데 사용한다. 또한 사용자 디바이스에서 생성한 Public Key, Private Key는 SOP(Same Origin Policy)에 따라 디바이스, 사용자 계정 및 FIDO 서버에 맞게 별도로 생성한다. FIDO 인증모듈은 FIDO 클라이언트에서 전달하는 ClientDataHash와 인증장치 자체에서 생성하는 AuthenticatorData에 대해 개인키(Private Key)로 서명함으로써 서명 값을 생성한다. 이러한 공개키 서명 값은 인증장치가 Credential을 생성할 때 Attestation 용도로 사용되거나 인증장치가 생성한 Credential로 RP에게 인증/서명 기능을 제공할 때 사용된다. AuthenticatorData는 사용자 로컬 인증을 수행하였는지 여부와 인증장치에서 수행한 서명 횟수를 나타내는 서명 카운터 정보로 구성된다. 선택적으로 확장 필드정보를 포함할 수 있다. FIDO 에서는 서명 시 transaction 정보를 함께 서명할 수 있도록 하는 Transaction Authorization 확장 필드와 Credential 생성 시 RP(Relying Party)가 선호하는 인증장치를 제시할 수 있도록 하는 Authenticator Selection 확장 필드를 표준으로 정의하고 있다.On the other hand, FIDO authentication system uses FIDO UAF protocol for biometric authentication without password. The UAF standard specification uses public key cryptography authentication technology, but the Attestation Certificate and Attestation Private Key are installed in advance in the user device FIDO authentication module. When a user creates a public key and a private key, it is used to verify that the server can use the authentication module as well as the user signature. Also, the public key and private key generated by the user device are generated separately according to the device, the user account and the FIDO server according to the SOP (Same Origin Policy). The FIDO authentication module generates a signature value by signing the ClientDataHash that is delivered from the FIDO client and the AuthenticatorData generated by the authentication device itself with a private key. This public key signature value is used when the authentication device is used for Attestation when creating a Credential or when it is used to provide the authentication / signature function to the RP with Credential generated by the authentication device. The AuthenticatorData is composed of signature counter information indicating whether the user has performed local authentication and the number of signatures performed by the authentication device. And may optionally include extended field information. The FIDO standard defines a Transaction Authorization extension field that enables the signing of transaction information together when signing, and an Authenticator Selection extension field that allows the RP (Relying Party) to present the preferred authentication device when generating credentials.

현재 서비스하고 있는 생체인식 기술과 시장은 대부분 지문인식 기술을 사용하고 있다. 생체인식 기술은 지문인식 이외에도 얼굴, 홍채, 지정맥, 맥박 등의 신체의 다양한 부위에서 특징 정보를 추출할 수 있도록 많은 연구와 발전을 거듭하여 실제적인 서비스와 기술발전이 이루어지고 있다. 지문인식 기술은 비교적 저렴한 인식기기와 사용자에 대한 거부반응을 최소화 할 수 있어 이를 활용한 서비스가 주목 받고 있다. 그러나 지문정보 등의 바이오 정보는 도난, 유실 되면 재사용하지 못한다는 단점을 가지고 있다. 이는 향후 금융 서비스 이외의 산업 전반 또는 온라인 웹(WEB) 환경에서까지 사용하게 될 경우 생체정보의 장점이자 단점인 영속성과 관련이 있는 보안 관점에서의 문제가 발생할 수 있기 때문에 보완대책이 필요하다.Most of the biometrics technologies and markets currently in service are using fingerprint recognition technology. In addition to fingerprint recognition, biometrics technology has been developed and developed so that feature information can be extracted from various parts of the body such as face, iris, finger vein, and pulse. Fingerprint recognition technology has attracted attention because it can minimize rejection reaction to user and relatively inexpensive recognition device. However, biometric information such as fingerprint information has a disadvantage that it can not be reused if lost or stolen. In the future, if it is used in the whole industry other than financial service or in the online web (Web) environment, a countermeasure is needed because there may arise a problem in view of safety related to the advantages and disadvantages of biometric information.

이와 같이 바이오 인증의 단점인 재사용 문제와 탈취 문제를 해결할 수 있는 대안으로서 개인의 뇌파를 측정하고 개인별 뇌파의 특징들을 찾아내어 이를 통하여 개인을 식별할 수 있는 방법들에 대한 연구가 계속되어 왔으며, 뇌파를 통한 개인인증 방법들이 발명 및 연구로 제시되어 왔다. 그러나 기존의 뇌파를 통한 개인인증을 위해서는 뇌파에 대한 개인별, 상태별 파형특성 분석, 패턴분석 등을 통하여 개인 내에서의 공통점과 타인과의 식별을 위한 특징을 찾아내야 하기 때문에 고도의 계산이 필요하고, 측정대상자를 다양한 상태(휴식상태, 움직이는 상태, 시각적 자극상태, 청각적 자극상태 등)에서 측정하거나, 측정대상자의 머리에서 다양한 지점에 대한 뇌파를 추출해 내야 하기 때문에 현실적으로 적용이 쉽지 않다는 문제점이 있어왔다. 특히 FIDO 시스템에 있어서는 개인의 휴대용 디바이스, 예를 들면 스마트폰에서 개인이 직접 뇌파를 측정할 수 있어야 하는데, 기존의 뇌파측정방법이나 장치들은 이러한 제약으로 인하여 개인들이 직접 측정하는 것이 어렵기 때문에 적용이 불가능하다는 단점이 있어왔다.As an alternative to solving the problems of reuse and deodorization, which is a disadvantage of bio-authentication, there have been researches on methods of measuring individual's brain waves and identifying the characteristics of individual brain waves, Have been proposed as invention and research. However, for personal authentication through existing EEG, it is necessary to find the features common to individuals and to identify with others through analysis of individual characteristics, waveform characteristics, and pattern analysis of EEGs. , There is a problem in that it is difficult to measure the target person in various states (rest state, moving state, visual stimulation state, auditory stimulation state, etc.) or extracting brain waves from various points in the subject's head come. Especially, in the FIDO system, it is necessary for an individual to measure EEG directly in a personal portable device, for example, a smart phone. Since conventional EEG measurement methods and devices are difficult to measure directly by individuals due to such restriction, There has been a disadvantage that it is impossible.

상술한 문제점을 해결하기 위하여 창안된 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법은, 생체정보를 이용하여 개인을 인증함에 있어서 뇌파정보를 이용하여 개인을 식별하되, FIDO 시스템 내에서 사용할 수 있도록, 개인상태의 다양한 변화나 다양한 부위에 대한 측정정보가 없어도 개인의 뇌파식별을 용이하고 정확하게 해 낼 수 있는 방법을 제공하는 것을 목적으로 한다. 이를 위하여 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서는 개인의 뇌파정보에 대하여 뇌파등급별 분류와 뇌파주파수를 측정하고 이를 로지스틱 회귀분석을 하는 방법을 사용함으로써 개인의 뇌파정보를 식별해 낼 수 있게 된다. In order to solve the above-described problems, an authentication method using EEG information in an FIDO system according to the present invention, which is invented to solve the above-described problems, is to identify individuals using brain wave information in authenticating an individual using biometric information, The present invention aims to provide a method for easily and accurately discriminating an individual's brain wave even if there is no measurement information on various changes or various parts of the individual state. To this end, in the authentication method using EEG information in the FIDO system according to the present invention, the EEG information is classified by the EEG classification, the EEG frequency is measured, and the logistic regression analysis is performed. .

상술한 목적을 달성하기 위한 본 발명은, FIDO 시스템에서 뇌파정보를 이용한 인증방법으로서, 상기 인증방법은 뇌파정보 등록과정 및 뇌파정보 인증과정를 포함하며, 상기 뇌파정보 등록과정은, 등록대상자의 뇌파를 측정하여 측정값을 등록뇌파로 하는 단계; 상기 등록뇌파를 뇌파등급에 따라 분류하고, 뇌파등급별 등록뇌파 주파수 값을 구하는 단계; 상기 뇌파등급별 등록뇌파 주파수 값에 대하여 로지스틱 회귀분석을 하여 등록뇌파 식별 값을 구하는 단계; 및 상기 등록뇌파 식별 값을 상기 등록대상자의 식별정보로 하여 식별정보DB에 저장하는 단계; 를 포함하며, 상기 뇌파정보 인증과정은, 인증대상자의 뇌파를 측정하여 측정값을 인증대상뇌파로 하는 단계; 상기 인증대상뇌파를 상기 뇌파등급에 따라 분류하고, 뇌파등급별 인증대상뇌파 주파수 값을 구하는 단계; 상기 뇌파등급별 인증대상뇌파 주파수 값에 대하여 상기 로지스틱 회귀분석을 하여 상기 인증대상뇌파 식별 값을 구하는 단계; 및 상기 인증대상뇌파 식별 값이 상기 식별정보DB에 저장된 값 중 하나와 동일하거나 일정 범위 내에 있는 경우 인증허가를 하는 단계; 를 포함하는 것을 특징으로 하는 FIDO 시스템에서 뇌파정보를 이용한 인증방법으로 하는 것이 바람직하다.According to another aspect of the present invention, there is provided an authentication method using EEG information in an FIDO system, the authentication method including an EEG information registration process and an EEG information authentication process, wherein the EEG information registration process includes: Measuring a measured value as a registered EEG; Classifying the registered EEG according to the EEG class and obtaining a registered EEG frequency value according to EEG levels; Obtaining a registered EEG identification value by performing a logistic regression analysis on the registered EEG frequency values according to the EEG levels; And storing the registered EEG identification value in the identification information DB as identification information of the registration target person; Wherein the EEG information authentication process comprises the steps of measuring an EEG wave of an object to be authenticated and making a measured value an EEG object to be authenticated; Classifying the EEG to be authenticated according to the EEG class and obtaining an EEG frequency value for each EEG class; Obtaining the authentication target EEG identification value by performing the logistic regression analysis on the EEG frequency value for each EEG level; And allowing the authentication if the authentication subject EEG identification value is equal to or within a certain range of one of the values stored in the identification information DB; And an authentication method using EEG information in the FIDO system.

또한 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서는 상술한 특징에 더하여 상기 뇌파정보 등록과정에는, 상기 등록대상자에게 특정개체를 인식시키는 단계; 상기 등록대상자에게 상기 특정개체를 제시하는 단계; 상기 등록대상자의 뇌파를 다시 측정하여 측정값을 제2등록뇌파로 하는 단계; 상기 제2등록뇌파를 상기 뇌파등급에 따라 분류하고, 뇌파등급별 제2등록뇌파 주파수 값을 구하는 단계; 상기 뇌파등급별 제2등록뇌파 주파수 값에 대하여 로지스틱 회귀분석을 하여 상기 등록뇌파 제2식별 값을 구하는 단계; 및 상기 등록뇌파 제2식별 값을 상기 등록대상자의 제2식별정보로 하여 제2식별정보DB에 저장하는 단계:를 더 포함하며, 상기 뇌파정보 인증과정에는, 상기 인증대상자에게 상기 특정개체를 제시하는 단계; 상기 인증대상자의 뇌파를 다시 측정하여 측정값을 제2인증대상뇌파로 하는 단계; 상기 제2인증대상뇌파를 상기 뇌파등급에 따라 분류하고, 뇌파등급별 제2인증대상뇌파 주파수 값을 구하는 단계; 및 상기 뇌파등급별 제2인증대상뇌파 주파수 값에 대하여 로지스틱 회귀분석을 하여 상기 인증대상뇌파 제2식별 값을 구하는 단계; 를 더 포함하며, 상기 인증허가를 하는 단계에서, 상기 인증대상뇌파 제2식별 값도 상기 제2식별정보DB에 저장된 값 중 하나와 일치하거나 일정범위 내에 있는 경우에 인증허가를 하는 특징을 더 포함하도록 하는 것도 바람직하다. In addition, in the authentication method using EEG information in the FIDO system according to the present invention, in addition to the above-mentioned features, the EEG information registration step includes: Presenting the specific entity to the person to be registered; Measuring a brain wave of the person to be registered again to make the measured value a second registered brain wave; Classifying the second registered brain wave according to the brain wave class and obtaining a second registered brain wave frequency value for each brain wave class; Performing logistic regression analysis on the second registered EEG frequency value according to the brain wave class to obtain the registered EEG second identification value; And storing the registered EEPROM second identification information as second identification information of the to-be-registered person in a second identification information DB, wherein the EEPROM authentication process includes: ; Measuring a brain wave of the person to be authenticated again and making the measured value a second authentication target brain wave; Classifying the second authentication target EEG according to the EEG class and obtaining a second EEG frequency value for each EEG class; And performing logistic regression analysis on the EEG frequency value of the second EEG according to the EEG level to obtain the second EEG identification value to be authenticated; Further comprising a step of permitting authentication when the authentication target EEG second identification value is equal to or within a certain range of one of the values stored in the second identification information DB .

이와 더불어 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법은, 상기 로지스틱 회귀분석으로 구하는 상기 등록대상뇌파 식별 값, 상기 인증뇌파 식별 값, 상기 등록뇌파 제2식별 값 및 상기 인증대상뇌파 제2식별 값은 아래 식에 의하여 구해지는 P값인 것을 특징으로 하는 것 또한 바람직하다.In addition, the authentication method using the EEG information in the FIDO system according to the present invention may further include the steps of: acquiring the registered EEG identification value, the certified EEG identification value, the registered EEG second identification value, It is also preferable that the identification value is a P value obtained by the following formula.

Figure 112017127174789-pat00001
Figure 112017127174789-pat00001

Figure 112017127174789-pat00002
Figure 112017127174789-pat00002

여기서 β 0 는 시스템 및 뇌파측정 장비 환경에 따라 정해지는 상수 값이며, β 1 ~ β 7 는 뇌파정보 등록 시 등록대상자에 따라 정해지는 뇌파등급별 상수 값이고, Brainwave Level1 ~ Brainwave Level7 는 뇌파정보 등록과정 및 뇌파정보 인증과정에서 측정된 뇌파에 대한 뇌파등급별 주파수 값으로 하는 것이 바람직하다. Where β 0 Is a constant value determined according to the environment of the system and brain wave measuring equipment, and β 1 to β 7 Is a constant value according to the brain wave class determined according to the person to be registered when the brain wave information is registered, and Brainwave Level1 ~ Brainwave Level7 is preferably a frequency value according to the EEG level of the EEG measured in the process of registering the EEP information and the EEP information.

또한 이와 더불어 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법은 상기 뇌파등급별 등록뇌파 주파수 값, 상기 뇌파등급별 인증대상뇌파 주파수 값, 상기 뇌파등급별 제2등록뇌파 주파수 값 및 상기 뇌파등급별 제2인증대상뇌파 주파수 값은 상기 등록뇌파, 상기 인증대상뇌파, 상기 제2등록뇌파 및 상기 제2인증대상뇌파의 뇌파등급별 뇌파신호에 대한 시간 주파수성분 특징 값, 시간 주파수성 평균값 또는 시간 주파수성분 분산 값 중 하나이거나 둘 이상을 조합한 값인 것을 특징으로 하는 것도 가능하며, 상기 뇌파등급은 7개의 등급으로 분류되며, Level 1은 0 내지 3.99Hz의 델타파, Level 2는 4 내지 7.99Hz의 쎄타파, Level 3은 8 내지 11.99Hz의 알파파, Level 4는 12 내지 14.99Hz의 SMR파, Level 5는 15 내지 19.99Hz의 M-베타파, Level 6은 20 내지 29.99Hz의 H-베타파, Level 7은 30 내지 50Hz의 감마파인 것을 특징으로 하는 것도 가능하다. In addition, the authentication method using EEG information in the FIDO system according to the present invention may further include the EEG frequency-specific EEG frequency value, the EEG frequency-specific authenticated EEG frequency value, the second registered EEG frequency value according to the EEG classification, The EEG frequency value may be a time-frequency component characteristic value, a time-frequency average value, or a time-frequency component variance value of the encephalted wave, the certified EEG, the second registered EEG, The EEG class is classified into seven classes, Level 1 is a delta wave of 0 to 3.99 Hz, Level 2 is a theta wave of 4 to 7.99 Hz, Level 3 is an alpha wave of 8 to 11.99 Hz, Level 4 is an SMR wave of 12 to 14.99 Hz, Level 5 is an M-beta wave of 15 to 19.99 Hz, Level 6 is an H-beta wave of 20 to 29.99 Hz , And Level 7 is a gamma wave of 30 to 50 Hz.

위에서 살펴본 바와 같이 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법은, 개인의 뇌파정보에 대하여 뇌파등급별 분류와 뇌파주파수를 측정, 산출하고 이를 로지스틱 회귀분석을 하는 방법을 사용함으로써 개인의 뇌파정보를 식별해 낼 수 있으므로 뇌파정보를 이용하여 개인을 식별하되, 다양한 상태변화나 다양한 측정정보가 없어도 개인의 뇌파식별을 용이하고 정확하게 해 낼 수 있는 방법을 제공할 수 있고, 이를 통하여 스마트폰 등을 이용하여 인증이 가능하므로 FIDO 시스템 내에서 적용이 가능하게 된다.As described above, the authentication method using EEG information in the FIDO system according to the present invention uses a method of classifying the EEG information according to the EEG classification, measuring and calculating the EEG frequency, and performing the logistic regression analysis on the EEG information. Therefore, it is possible to provide a method of easily and accurately identifying an individual's brain waves even if there is no variety of state change or various measurement information, by using the brain wave information, And can be applied within the FIDO system.

도 1은 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법이 적용되는 시스템구성 개요도이다.
도 2는 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서 적용되는 뇌파 특징에 따른 뇌파등급별 등급분류표이다.
도 3은 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서 등록대상자의 뇌파정보를 저장하는 순서도이다.
도 4는 개체 인식 전후의 뇌파등급별 뇌파특징을 분류한 결과이다.
도 5는 개체 인식 전후의 뇌파등급별 개인뇌파 인식결과이다.
도 6은 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서 인증대상자의 뇌파정보를 인증하는 순서도이다.
도 7는 뇌파특징에 따른 등급분류와 식별 값 계산 알고리즘을 구현한 프로그램 소스코드이다.1 is a system configuration diagram to which an authentication method using brain wave information is applied in the FIDO system according to the present invention.
FIG. 2 is a classification chart for each EEG class according to EEG characteristics applied in the authentication method using brain wave information in the FIDO system according to the present invention.
FIG. 3 is a flowchart for storing brain wave information of a person to be registered in the authentication method using EEG information in the FIDO system according to the present invention.
FIG. 4 is a result of classifying EEG characteristics according to EEG levels before and after individual recognition.
FIG. 5 shows the results of individual EEG according to EEG levels before and after individual recognition.
FIG. 6 is a flowchart for authenticating EEG information of an object to be authenticated in an authentication method using brain wave information in the FIDO system according to the present invention.
FIG. 7 is a program source code that implements classification and discriminant value calculation algorithms according to EEG characteristics.

이하에서 상술한 목적과 특징이 분명해지도록 상세하게 설명할 것이며, 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한 본 발명을 설명함에 있어서 본 발명과 관련한 공지기술 중 이미 그 기술 분야에 익히 알려져 있는 것으로서, 그 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. The present invention will now be described in detail with reference to the accompanying drawings. In describing the present invention, it is to be understood that any known technology related to the present invention has already been known in the art, and if a detailed description of the known technology is considered to unnecessarily obscure the gist of the present invention, It will be omitted.

아울러, 본 발명에서 사용되는 용어는 가능한 한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며 이 경우는 해당되는 발명의 설명부분에서 상세히 그 의미를 기재하였으므로, 단순한 용어의 명칭이 아닌 용어가 가지는 의미로서 본 발명을 파악하여야 함을 밝혀두고자 한다. 실시 예들에 대한 설명에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 실시 예들을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. In addition, although the term used in the present invention is selected as a general term that is widely used at present, there are some terms selected arbitrarily by the applicant in a specific case. In this case, since the meaning is described in detail in the description of the relevant invention, It is to be understood that the present invention should be grasped as a meaning of a term that is not a name of the present invention. The terminology used in the description of the embodiments is used only to describe a specific embodiment, and is not intended to limit the embodiments. The singular expressions include plural expressions unless the context clearly dictates otherwise.

실시 예들은 여러 가지 형태로 변경을 가할 수 있고 다양한 부가적 실시 예들을 가질 수 있는데, 여기에서는 특정한 실시 예들이 도면에 표시되고 관련된 상세한 설명이 기재되어 있다. 그러나 이는 실시 예들을 특정한 형태에 한정하려는 것이 아니며, 실시 예들의 사상 및 기술 범위에 포함되는 모든 변경이나 균등물 내지 대체물을 포함하는 것으로 이해되어야 할 것이다. The embodiments are capable of various modifications and may have various additional embodiments, in which specific embodiments are shown in the drawings and are described in further detail in connection with the drawings. It should be understood, however, that the embodiments are not intended to be limited to the particular forms, but are to be understood to cover all modifications, equivalents, and alternatives falling within the spirit and scope of the embodiments.

실시 예들에 대한 설명 가운데 “제1”, “제2”, “첫째” 또는“둘째”등의 표현들이 실시 예들의 다양한 구성요소들을 구분하여 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 또는 중요도 등을 한정하지 않는다. 즉 상기 표현들은 한 구성요소를 다른 구성요소와 구분 짓기 위해 사용될 수 있으며, 실시 예들에 대한 설명 가운데 사용될 수 있는 “포함 한다” 또는 “포함할 수 있다” 등의 표현은 발명된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. Expressions such as " first, " " second, " " first, " or " second, " and the like may be used to distinguish the various components of the embodiments. For example, the above expressions do not limit the order or importance of the components. That is, the above expressions can be used to distinguish one element from another, and expressions such as " including " or " including " And the like, and does not limit the one or more additional functions, operations, or components.

이하에서는 첨부된 도면을 참조하여 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에 대한 다양한 실시 예들에 대하여 설명한다. 도 1은 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법이 적용되는 시스템구성 개요도이다. 도 1에서 보는 바와 같이 본 발명은 FIDO 시스템에서의 인증시스템으로서 뇌파측정수단(100)을 연결하여 작동할 수 있는 사용자단말기(200)와 FIDO 시스템의 인증서버(300)로 구성하도록 하는 것이 바람직하다. 여기서 뇌파측정수단(100)은 시중에 나와 있는 헤어밴드형 또는 이어폰형 뇌파측정 장치도 가능하다. 그리고 상기 사용자단말기(200)는 스마트폰 등의 스마트기기로서 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법이 적용된 전용 앱이 설치되도록 하는 것이 바람직하며, 상기 인증서버(300)는 FIDO 인증시스템에서 UAF 프로토콜을 이용한 인증이 가능한 인증서버로 하는 것이 바람직하다.Hereinafter, various embodiments of an authentication method using brain wave information in the FIDO system according to the present invention will be described with reference to the accompanying drawings. 1 is a system configuration diagram to which an authentication method using brain wave information is applied in the FIDO system according to the present invention. As shown in FIG. 1, it is preferable that the present invention comprises a user terminal 200 that can operate by connecting the EEG measurement unit 100 as an authentication system in the FIDO system, and an authentication server 300 of the FIDO system . Here, the EEG measuring unit 100 may be a hair band type or earphone type EEG measuring apparatus as shown in the market. Preferably, the user terminal 200 is a smart device such as a smart phone, and a dedicated application to which an authentication method using brain wave information is applied is installed in the FIDO system according to the present invention. It is preferable to use an authentication server capable of authentication using the UAF protocol.

한편 도 2는 뇌파특징에 따른 뇌파등급별 등급분류표이다. 일반적으로 뇌파란, 인간의 의식 또는 무의식 상태를 직접 혹은 간접적으로 반영하는 생체신호를 말하며, 인간의 두피에 모든 영역에서 측정되고 수십 마이크로 볼트의 전위차로 주로 30Hz 이하의 주파수를 지닌 파장을 말한다. 이러한 뇌파는 주파수 대역별로 델타(delta)파, 세타(theta)파, 알파(alpha)파, 베타(beta)파, 감마(gamma)파로 분류된다. 델타(delta)파는 4Hz 이하의 주파수를 가진 뇌파로서 정상적인 수면상태에서 전형적으로 나타나며, 세타파는 4∼8Hz 정도의 주파수를 가진 뇌파로서 정신적으로 상태가 불안하거나 주위가 산만할 때 또는 졸릴 때 주로 나타나며 학습장애가 있는 청소년에게 종종 나타난다. FIG. 2 is a classification chart according to EEG classification according to EEG characteristics. Generally, brain waves are biological signals that directly or indirectly reflect human consciousness or unconscious state, and refers to a wavelength having a frequency of 30 Hz or less with a potential difference of tens of microvolts measured in all regions of human scalp. These EEGs are classified into a delta wave, a theta wave, an alpha wave, a beta wave, and a gamma wave by frequency band. A delta wave is a brain wave with a frequency of 4 Hz or less. It typically appears in a normal sleep state. A seta is an EEG with a frequency of about 4 to 8 Hz, which is mainly observed when the state is unstable, mentally disturbed, or sleepy. It often appears in adolescents with disabilities.

알파파는 8∼12Hz 정도의 주파수를 가진 뇌파로서 대체로 정신적인 상태가 안정적이며 눈을 감고 편안한 심리적 상태를 취하고 있을 때 뚜렷하게 나타난다. 또한 알파파는 주변의 상황에서 분리될 정도로 고도의 집중이 이루어진 경우 또는 명상으로 인하여 심리적인 안정이 이루어진 경우에도 발생한다. 베타파는 12∼30Hz 정도의 주파수를 가진 뇌파를 지칭하며, 약간의 긴장상태나 일정 이상의 주의를 기울일 때 주로 나타난다. The alpha wave is an electroencephalogram with a frequency of about 8 to 12 Hz, which is generally stable when the mental state is stable, and the eye is closed and taking a relaxed psychological state. Alpha waves also occur when there is a high degree of concentration to separate from the surrounding situation, or when psychological stabilization has occurred due to meditation. Beta waves refer to the EEG with a frequency of about 12 to 30 Hz, which is mainly observed when a little tension or attention is paid.

한편 베타파는 운동이나 학습, 또는 업무를 수행일 때 뇌 전체에서 광범위하게 나타난다. 베타파는 12∼15Hz의 주파수를 갖는 SMR파, 15∼20Hz의 주파수를 갖는 중간 베타파, 20Hz 이상의 주파수를 갖는 고 베타파로 구분된다. 베타파는 불안, 긴장 등의 스트레스를 받을 경우 더욱 강하게 나타나므로 스트레스파라고도 한다. 주의를 기울인 상태에서는 SMR파가 나타나며, 집중, 정상적인 활동을 할 때에는 좌측 뇌에서 15∼20Hz의 주파수를 갖는 중간 베타파가 나타나고 긴장과 불안이 계속될 때에는 20Hz 이상의 고베타파가 나타난다. 감마파는 30~50Hz의 주파수를 갖는 뇌파를 말하며 흥분 상태에서 나타난다. Beta waves, on the other hand, appear extensively throughout the brain when exercising, learning, or performing tasks. The beta wave is divided into an SMR wave having a frequency of 12 to 15 Hz, an intermediate beta wave having a frequency of 15 to 20 Hz, and a high-beta wave having a frequency of 20 Hz or more. Beta waves are more stressful when exposed to stress such as anxiety or tension. When attention is paid, an SMR wave appears. When concentrated and normal activities are performed, a middle beta wave with a frequency of 15-20 Hz appears in the left brain, and a Kobe beat above 20 Hz appears when tensions and anxiety persist. Gamma wave is an EEG having a frequency of 30 to 50 Hz and appears in an excited state.

본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서는, 뇌파정보를 이용한 생체 인증을 위해서 먼저 뇌파정보를 식별하여 주파수대역별로 뇌파등급을 부여하는 것이 바람직하기 때문에 위에서 살펴본 주파수 대역별 분류기준에 따라 7개의 뇌파등급으로 분류하게 되는데, 도 2에서 보는 바와 같이 본 발명에서 사용하는 7개의 뇌파등급 분류는, Level 1은 0 내지 3.99Hz의 델타파, Level 2는 4 내지 7.99Hz의 쎄타파, Level 3은 8 내지 11.99Hz의 알파파, Level 4는 12 내지 14.99Hz의 SMR파, Level 5는 15 내지 19.99Hz의 M-베타파, Level 6은 20 내지 29.99Hz의 H-베타파, Level 7은 30 내지 50Hz의 감마파로 분류하는 것이 바람직하다.In the authentication method using the EEG information in the FIDO system according to the present invention, it is preferable to identify the EEG information for the biometric authentication using the EEG information, and to assign the EEG class according to the frequency band. As shown in FIG. 2, the seven EEG classification classes used in the present invention are Level 1, Delta wave of 0 to 3.99 Hz, Level 2 of theta wave of 4 to 7.99 Hz, Level 3 is an alpha wave of 8 to 11.99 Hz, Level 4 is an SMR wave of 12 to 14.99 Hz, Level 5 is an M-bet wave of 15 to 19.99 Hz, Level 6 is an H-beta wave of 20 to 29.99 Hz, It is preferable to classify it into a gamma wave of 30 to 50 Hz.

그리고 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서 뇌파의 측정은 공지의 방법으로 측정이 가능하다. 즉 상기 뇌파측정수단(100)을 이용하여 뇌파정보 등록대상자 또는 인증대상자의 뇌파를 입력받아 획득된 뇌파에 대한 노이즈 필터링 등을 통하여 잡음처리와 증폭 및 A/D 변환을 통해 디지털 신호로 변환하는데, 이 때 노이즈 필터링을 위한 노이즈 처리방법으로 저역통과 필터(low pass filter)를 이용해 고주파 부분을 제거하는 것도 가능하다. 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법은 뇌파정보 등록과정(s100 과정)과 인증과정(s200 과정)을 포함하게 되는데, 상기 뇌파정보 등록과정(s100 과정)에서 상기 등록대상자의 뇌파를 상술한 방법으로 측정하여 뇌파등급별로 각각의 주파수를 산출한 후 로지스틱 회귀분석에 의하여 등록뇌파 식별 값을 만들어 저장해 놓았다가, 뇌파정보 인증과정(s200 과정)에서 상기 인증대상자의 뇌파를 상술한 방법으로 측정하여 뇌파등급별로 각각의 주파수를 산출한 후 로지스틱 회귀분석에 의하여 인증대상뇌파 식별 값을 만들고, 상기 등록뇌파 식별 값과 상기 인증대상뇌파 식별 값의 일치여부 등에 따라 인증허가를 결정하게 된다. In the authentication method using brain wave information in the FIDO system according to the present invention, the measurement of EEG can be performed by a known method. That is, by using the EEG measurement unit 100, the brain waves are converted into digital signals through noise processing, amplification, and A / D conversion through noise filtering on the brain waves acquired by receiving the brain waves of the person to be registered or the person to be authenticated, In this case, it is also possible to remove a high-frequency part by using a low-pass filter as a noise processing method for noise filtering. In the FIDO system according to the present invention, the authentication method using EEP information includes an EEP information registration process (S100 process) and an authentication process (S200 process). In the EEPROM registration process (S100 process) The measured values are measured by the above-described method, and each frequency is calculated according to the brain wave class. Then, the registered brain wave identification value is created and stored by logistic regression analysis. Then, in the brain wave information authentication process (s200 process) And the respective frequencies are calculated according to the brain wave class. Then, an authentication target EEG identification value is created by logistic regression analysis, and authentication permission is determined according to whether the registered EEG identification value matches the EEG identification value to be authenticated.

한편 도 3은 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서 등록대상자의 뇌파정보를 저장하는 순서도이다. 이하에서는 상기 뇌파정보 등록과정(s100 과정)에 대하여 도3을 이용하여 설명한다. 상기 뇌파정보 등록과정(s100 과정)에서는 제일먼저 상기 등록대상자 즉 상기 사용자단말기(200)의 사용자 또는 소유자의 뇌파를 측정하게 된다(s110 단계). 그 다음에는 측정된 뇌파를 상기 등급분류 기준에 의하여 분류하게 되는데(s120), 뇌파에 대한 분류가 끝나면 각각의 뇌파 등급별로 주파수를 산출하게 된다(s130). 여기서 주파수 값은 상기 뇌파에 대한 시간 주파수성분 특징 값, 평균 값 또는 분산 값 중 하나이거나 둘 이상을 조합한 값 일수 있다. 또한 상기 시간 주파수 성분의 특징 값은 델타, 쎄타, 알파, 베타, 감마 및 SMB에 해당하는 주파수 대역에서의 진폭정도를 의미할 수도 있으며, 진폭정도에 대응하는 특징 값의 조합을 통해 생성될 수도 있다. 또한, 통계 값은 진폭 정도에 대응하는 특징 값에 대해 통계학적 분석을 통해 산출될 수도 있다.Meanwhile, FIG. 3 is a flowchart for storing brain wave information of a person to be registered in the authentication method using EEG information in the FIDO system according to the present invention. Hereinafter, the EEG information registration process (S100) will be described with reference to FIG. In step s110, the user of the user terminal 200 or the owner of the user is first measured in the EEG information registration process (S100). Next, the measured EEG is classified according to the classification criteria (s120). When the EEG is classified, the frequency is calculated for each brain wave class (s130). Here, the frequency value may be one of a time frequency component characteristic value, an average value, or a variance value for the brain wave, or may be a combination of two or more. Further, the characteristic value of the time-frequency component may be an amplitude level in a frequency band corresponding to delta, theta, alpha, beta, gamma, and SMB, or may be generated through a combination of feature values corresponding to amplitude levels . In addition, the statistical value may be calculated through statistical analysis on the feature value corresponding to the degree of amplitude.

이렇게 상기 등록대상자의 뇌파를 측정하여(s110 단계), 각각의 측정된 뇌파를 상기 뇌파등급 별로 분류하고(s120 단계) 각각의 주파수 값을 구한 후에는(s130 단계), 각각의 측정 시 마다 상기 주파수 값을 이용하여 상기 등록대상자의 뇌파에 대한 식별 값 즉 등록뇌파 식별 값을 로지스틱 회귀분석에 의하여 구하게 되는데(s140 단계), 상기 등록뇌파 식별 값은 아래 식에 의하여 구해지는 P값과 같다. After measuring the brain waves of the subject to be registered in step s110, the measured EEG waves are classified according to the brain wave class in step S120, and the respective frequency values are obtained in step S130. In step S130, The registered EEG identification value is obtained by logistic regression analysis (Step s140), and the registered EEG identification value is equal to the P obtained by the following equation.

Figure 112017127174789-pat00003
Figure 112017127174789-pat00003

Figure 112017127174789-pat00004
Figure 112017127174789-pat00004

여기서 β 0 는 시스템 및 뇌파측정 장비 환경에 따라 정해지는 상수 값이며, β 1 내지 β 7 는 뇌파정보 등록 시 등록대상자에 따라 정해지는 상기 뇌파등급별 상수 값이고, Brainwave Level1 ~ Brainwave Level7 는 뇌파정보 등록과정에서 측정된 뇌파에 대한 뇌파등급별 주파수 값으로 하는 것이 바람직하다. 이렇게 상기 등록뇌파 식별 값을 구한 후에는 이를 상기 등록대상자의 식별정보 중 하나로 하여 식별정보DB에 저장하도록 하는 것이 바람직한데, 상기 식별정보DB는 상기 사용자단말기(200)에 포함되는 저장수단에 저장하는 것도 가능하다.Where β 0 Is a constant value determined according to the environment of the system and EEG equipment, and β 1 To β 7 Is a constant value according to the brain wave class determined according to the person to be registered when the brain wave information is registered, and Brainwave Level1 ~ Brainwave The level 7 is preferably a frequency value according to the level of EEG for the EEG measured in the process of registering the EEG information. After obtaining the registered EEPROM value, it is preferable that the registered EEPROM is stored in the identification information DB as one of the identification information of the registered subject. The identification information DB is stored in the storage means included in the user terminal 200 It is also possible.

한편 상기 등록뇌파 식별 값은 여러 번에 걸쳐서 등록대상자의 뇌파를 측정하여 여러 개의 등록뇌파 식별 값을 식별정보DB에 저장하도록 하는 것이 더욱 바람직한데, 이는 측정 당시의 주변 환경이나 등록대상자의 심경 등으로 인하여 뇌파가 다소의 변화가 있을 수도 있기 때문에 여러 번 측정하여 각각의 값을 상기 등록뇌파 식별 값으로 저장하도록 하여 비교하도록 하는 것이 더욱 바람직하다. 이렇게 여러 번 측정된 상기 등록뇌파 식별 값의 평균값을 이용하는 것도 물론 가능하다. 따라서 s160 단계에서는 등록뇌파 식별 값 계산과정(s110 내지 s150 단계)이 미리 정해진 일정횟수에 도달했는가를 판단하게 되며 도달하지 못한 경우에는 한 번 더 측정을 하도록 하여 s110 내지 s150 단계를 다시 반복하게 한다. 일정횟수에 도달한 경우에는 s170 단계 이후로 진행되게 된다.It is more preferable that the registered EEG value is measured several times to measure the EEG of the person to be registered and stores a plurality of registered EEG identification values in the ID information DB. It is more preferable to measure the EEG values several times and store the respective values as the registered EEPROM values for comparison. It is of course possible to use the mean value of the enlisted EEG values measured several times in this way. Accordingly, in step S160, it is determined whether the registered EEG identification value calculation process (steps S110 to S150) has reached a predetermined number of times. If the registered EEG identification value has not been reached, measurement is performed once more and steps S110 to S150 are repeated. If the predetermined number of times has been reached, the process proceeds after step s170.

s170 단계에서는 최초 측정과는 다른 제2의 상태에서 다시 측정할 것인가를 판단하게 된다. 이는 상기 등록대상자에게 특정개체 즉 특정한 물건이나 단어 또는 문장 등을 인식시킨 후, 그 인식시킨 특정개체를 봤을 때 변화하는 뇌파를 측정하는 것이다. 뇌파는 측정대상자가 이미 인지했던 특정개체를 보고 나면 반응을 보이고 이로 인하여 뇌파의 변화가 오게 되는데, 이에 대한 등록뇌파 식별 값을 만들어서 인증대상 식별 값으로 하게 되면 보다 정확한 인증이 가능하게 된다. 도 4는 개체 인식 전후의 뇌파등급별 뇌파특징을 분류한 결과이며, 도 5는 개체 인식 전후의 뇌파등급별 개인뇌파 인식결과인데, 도 4 및 도 5에서 보는 바와 같이 특정 개체를 인식시킨 전과 후에 뇌파를 측정한 결과 자극에 의한 뇌파 변화를 측정할 수 있었으며, 개체 인식과 같은 자극을 주었을 때 뇌파의 활성도가 높아지는 것을 확인할 수 있다. 뇌파 최대 값은 Delta, High-Gamma를 제외한 영역에서 증가함을 확인 할 수 있다. 또한 Theta/Alpha 비율을 확인 한 결과 1이상 증가한 것으로 외부 자극에 의해 집중력이 증가함을 알 수 있다.In step S170, it is determined whether the measurement is to be performed again in a second state different from the initial measurement. This is to measure a specific object, that is, a specific object, a word or a sentence, etc., to the registered subject, and then the EEG that changes when the recognized specific object is recognized. The EEG responds to a specific object that the subject has already recognized, and changes the EEG. As a result, the registered EEG identification value is set to be the identification value for the authentication. FIG. 4 is a result of classifying EEG characteristics according to EEG levels before and after individual recognition, and FIG. 5 is a result of individual EEG classification according to EEG grades before and after individual recognition. As shown in FIGS. 4 and 5, As a result of the measurement, it was possible to measure the EEG changes caused by the stimulation, and it is confirmed that the activity of the EEG becomes higher when stimulation such as the individual recognition is given. It is confirmed that the maximum value of EEG increases in the region except for Delta and High-Gamma. Theta / Alpha ratio was increased by 1 or more, indicating that concentration was increased by external stimuli.

그러나 특정개체 인식 후 측정절차를 생략하는 것도 가능하다. 따라서 상기 s170 단계에서 상태 변경 후 측정을 진행하는 것을 원치 않는 경우에는 등록과정을 종료하게 되며, 상태 변경 후 측정을 원하는 경우에는 상기 등록대상자에게 상기 특정개체 즉 특정한 물건이나 단어 또는 문장 등을 인식시킨 후(s180단계) 일정시간이 경과한 후에 상기 특정개체를 상기 등록대상자에게 제시하도록 한다. 그 뒤에 상기 s110 단계 내지 s160 단계를 반복하게 되는데, 그 과정에서 매 횟수 측정 시마다 상기 특정개체를 제시하도록 하는 것도 가능하다.However, it is also possible to omit the measurement procedure after recognizing a specific object. If it is not desired to proceed with the measurement after the state change in step S170, the registration process is terminated. If it is desired to perform the measurement after the state change, the specific object, i.e., a specific object, word, (Step s180), the specific entity is presented to the registrant after a predetermined time has elapsed. Thereafter, steps s110 to s160 are repeated. In this case, it is possible to present the specific entity at every measurement of the number of times.

한편 도 6은 본 발명에 의한 FIDO 시스템에서 뇌파정보를 이용한 인증방법에서 인증대상자의 뇌파정보를 인증하는 순서도이다. 도 6에서 보는 바와 같이 상기 뇌파정보 인증과정(200)은 제일 먼저 상기 인증대상자 즉 상기 사용자단말기(200)를 사용하여 인증을 받고자 하는 사람의 뇌파를 측정하게 된다(s210 단계). 그 다음에는 측정된 인증대상뇌파를 상기 등급분류 기준에 의하여 분류하게 되는데(s220), 뇌파에 대한 분류가 끝나면 각각의 뇌파 등급별로 주파수를 산출하게 된다(s230). 여기서 주파수 값은 상술한 바와 같이 상기 뇌파에 대한 시간 주파수성분 특징 값, 평균 값 또는 분산 값 중 하나이거나 둘 이상을 조합한 값으로서 상기 뇌파정보 등록과정(s100 과정)에서 적용한 방법과 동일한 방법을 사용하여 산출한 것이어야 바람직하다. Meanwhile, FIG. 6 is a flowchart for authenticating EEG information of an object to be authenticated in an authentication method using brain wave information in the FIDO system according to the present invention. As shown in FIG. 6, the EEPROM 200 first measures an EEG of a person to be authenticated using the user, that is, the user terminal 200 (step s210). Next, the measured EEG is classified according to the classifying criteria (s220), and when the classification of the EEG is finished, the frequency is calculated for each EEG class (s230). Here, the frequency value is a value obtained by combining one or more of the time frequency component characteristic value, the mean value, or the variance value with respect to the EEG, as described above, and the same method as applied in the EEPROM registration step (S100) .

이렇게 상기 인증대상자의 인증대상뇌파를 측정하여(s210 단계), 측정된 인증대상뇌파를 상기 뇌파등급 별로 분류하고(s220 단계) 각각의 주파수 값을 구한 후에는(s230 단계), 각각의 주파수 값을 이용하여 상기 인증대상자의 뇌파에 대한 식별 값 즉 인증대상뇌파 식별 값을 로지스틱 회귀분석에 의하여 구하게 되는데(s240 단계), 상기 인증대상뇌파 식별 값은 등록뇌파 식별 값을 산출할 때 적용한 식과 동일한 식인 아래 식에 의하여 구해지는 P값과 같다. In step s230, the measured EEG is classified into the EEG classes (step s220), and the respective frequency values are obtained (step s230) (Step S240), the identification value of the EEG of the person to be authenticated, that is, the EEG identification value to be authenticated, is obtained (step S240), and the authentication target EEG identification value is the same as the formula used when calculating the registered EEG identification value It is equal to the P value obtained by the equation.

Figure 112017127174789-pat00005
Figure 112017127174789-pat00005

Figure 112017127174789-pat00006
Figure 112017127174789-pat00006

여기서 β 0 는 시스템 및 뇌파측정 장비 환경에 따라 정해지는 상수 값이고, β 1 내지 β 7 는 뇌파정보 등록 시 등록대상자에 따라 이미 정해진 상기 뇌파등급별 상수 값이기 때문에 β 0 및 β 1 내지 β 7 는 상기 등록뇌파 식별 값 측정 시 적용했던 값과 동일하게 하는 것이 바람직하다. 그리고 Brainwave Level1 ~ Brainwave Level7 는 뇌파정보 인증과정(s200 과정)에서 측정된 인증대상뇌파에 대한 뇌파등급별 주파수 값으로 하는 것이 바람직하다. here β 0 Is a constant value determined according to the environment of the system and brain wave measuring equipment, and β 1 To β 7 Because the EEG is already determined the rating constant value in accordance with the registered person information registered during EEG β 0 And ? 1 To β 7 Is preferably the same as the value used in the measurement of the registered EEG value. And Brainwave Level1 ~ Brainwave The level 7 is preferably a frequency value according to the EEG level of the EEG measured in the EEG information authentication process (s200 process).

이렇게 상기 인증대상뇌파 식별 값을 구한 후에는 상기 식별정보DB에 저장되어 있는 등록뇌파 식별 값들과 비교를 하게 되는데(s250 단계), 상기 인증대상뇌파 식별 값이 상기 등록뇌파 식별 값들과 다른 경우에는 인증을 불허가하고(s260 단계) 종료하게 된다. After the EEG identification value to be authenticated is obtained, it is compared with registered EEPROM values stored in the identification information DB in step S250. If the EEPROM identification value is different from the registered EEPROM values, (Step s260).

상기 s250 단계에서 상기 인증대상뇌파 식별 값이 상기 등록뇌파 식별 값 중 하나 이상과 같거나 사전에 미리 정해진 오차범위 이내인 경우에는 제2의 상태로 상태변경 후 계속하여 측정을 진행할 것인지를 결정하게 하는 것이 바람직하다. 즉 상기 인증대상자에게 특정개체를 제시한 후에 인증대상 뇌파를 측정할 것인지를 결정하도록 하는 것인데, 이는 상기 뇌파정보 등록과정(s100 과정)에서 특정개체를 인식시키고, 제시한 후의 뇌파를 측정하여 등록뇌파 식별 값 또한 산출하여 저장한 경우에는 상기 뇌파정보 인증과정(s200 과정)에서도 이에 대한 인증과정을 거치도록 하는 것이 바람직하기 때문이다. 따라서 상기 s250단계에서 상태변경 후 측정을 진행하는 것을 선택한 경우에는 인증대상자에 특정개체를 제시한 후에(s280) 상기 s210 단계 내지 s250 단계를 반복하도록 하는 것이 바람직하다. 이 경우 인증대상의 보안등급에 따라 첫 번째 인증만으로 끝낼 것인지 두 번째 이후의 인증까지도 모두 거치도록 할 것인지를 각각 구분하여 분리 적용하는 것도 바람직하다. 예를 들면 단순 조회기능의 경우 첫 번째 인증만으로 가능하게 하고 이체나, 사용자정보변경 등은 두 번째 인증까지 거치도록 하는 것도 가능하다. If it is determined in step S250 that the authentication target EEG identification value is equal to or more than one of the registered EEG identification values or is within a predetermined error range, . That is, it is determined whether or not to measure the EEG after the specific object is presented to the person to be authenticated. In the EEG information registration process (S100), the EEG recognizes the specific entity, measures the EEG after the presentation, When the identification value is also calculated and stored, it is preferable that the authentication process is performed in the EEG information authentication process (s200). Accordingly, if it is determined in step S250 that the measurement is to be performed after the state change, it is preferable that the steps S210 to S250 are repeated after the specific entity is presented to the person to be authenticated (S280). In this case, depending on the security level of the object to be authenticated, it is also preferable to separately apply whether the first authentication or both the second and subsequent authentication should be performed. For example, in the case of the simple inquiry function, it is possible to make it possible only by the first authentication, and to transfer, change the user information, etc. to the second authentication.

한편 도 7은 뇌파특징에 따른 등급분류와 식별 값 계산 알고리즘을 구현한 프로그램 소스코드인데, 상기 뇌파정보 등록과정(s100 과정) 또는 상기 뇌파정보 인증과정(s200 과정)에서 뇌파를 뇌파등급별로 분류하고, 뇌파등급의 주파수를 구한 후 로지스틱 회귀분석에 의하여 P값을 계산하고 리턴 시켜주는 로직으로 구성되어 있다. Meanwhile, FIG. 7 is a program source code that implements classification and identification value calculation algorithms according to EEG characteristics. In the EEG information registration process (S100 process) or the EEG information authentication process (S200 process), EEG is classified into EEG classes , And the logic that calculates the P value by logistic regression analysis after returning EEG frequency and returning it.

상술한 여러 가지 예로 본 발명을 설명하였으나, 본 발명은 반드시 이러한 예들에 국한되는 것이 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서 본 발명에 개시된 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 예들에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다. Although the present invention has been described with reference to the above examples, the present invention is not necessarily limited to these examples, and various modifications may be made without departing from the scope of the present invention. Therefore, the examples disclosed in the present invention are not intended to limit the scope of the present invention and are not intended to limit the scope of the present invention. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.

100 뇌파측정수단
200 사용자단말기
300 인증서버
400 통신망100 EEG measurement means
200 user terminal
300 authentication server
400 network

Claims (5)

FIDO 시스템에서 뇌파정보를 이용한 인증방법으로서, 상기 인증방법은 뇌파정보 등록과정 및 뇌파정보 인증과정를 포함하며,
상기 뇌파정보 등록과정은,
등록대상자의 뇌파를 측정하여 측정값을 등록뇌파로 하는 단계;
상기 등록뇌파를 뇌파등급에 따라 분류하고, 뇌파등급별 등록뇌파 주파수 값을 구하는 단계;
상기 뇌파등급별 등록뇌파 주파수 값에 대하여 로지스틱 회귀분석을 하여 등록뇌파 식별 값을 구하는 단계; 및
상기 등록뇌파 식별 값을 상기 등록대상자의 식별정보로 하여 식별정보DB에 저장하는 단계; 를 포함하며,
상기 뇌파정보 인증과정은,
인증대상자의 뇌파를 측정하여 측정값을 인증대상뇌파로 하는 단계;
상기 인증대상뇌파를 상기 뇌파등급에 따라 분류하고, 뇌파등급별 인증대상뇌파 주파수 값을 구하는 단계;
상기 뇌파등급별 인증대상뇌파 주파수 값에 대하여 상기 로지스틱 회귀분석을 하여 인증대상뇌파 식별 값을 구하는 단계; 및
상기 인증대상뇌파 식별 값이 상기 식별정보DB에 저장된 값 중 하나와 동일하거나 일정 범위 내에 있는 경우 인증허가를 하는 단계; 를 포함하는 것을 특징으로 하는 FIDO 시스템에서 뇌파정보를 이용한 인증방법A method for authenticating an EEPROM system using EEG information, the EEPROM including an EEPROM registration process and an EEPROM authentication process,
The EEG information registration process includes:
Measuring a brain wave of the subject to be registered and making the measured value a registered brain wave;
Classifying the registered EEG according to the EEG class and obtaining a registered EEG frequency value according to EEG levels;
Obtaining a registered EEG identification value by performing a logistic regression analysis on the registered EEG frequency values according to the EEG levels; And
Storing the registered EEG identification value in the identification information DB as identification information of the registration target person; / RTI >
In the EEG information authentication process,
Measuring an EEG wave of an object to be authenticated and making the measured value an EEG target to be authenticated;
Classifying the EEG to be authenticated according to the EEG class and obtaining an EEG frequency value for each EEG class;
Obtaining an authentication target EEG identification value by performing the logistic regression analysis on the EEG frequency value for each EEG level; And
Allowing the authentication if the authentication subject EEG identification value is equal to or within a certain range of one of the values stored in the identification information DB; And an authentication method using brain wave information in the FIDO system 제1항에 있어서,
상기 뇌파정보 등록과정에는,
상기 등록대상자에게 특정개체를 인식시키는 단계;
상기 등록대상자에게 상기 특정개체를 제시하는 단계;
상기 등록대상자의 뇌파를 다시 측정하여 측정값을 제2등록뇌파로 하는 단계;
상기 제2등록뇌파를 상기 뇌파등급에 따라 분류하고, 뇌파등급별 제2등록뇌파 주파수 값을 구하는 단계;
상기 뇌파등급별 제2등록뇌파 주파수 값에 대하여 로지스틱 회귀분석을 하여 등록뇌파 제2식별 값을 구하는 단계; 및
상기 등록뇌파 제2식별 값을 상기 등록대상자의 제2식별정보로 하여 제2식별정보DB에 저장하는 단계:를 더 포함하며,
상기 뇌파정보 인증과정에는,
상기 인증대상자에게 상기 특정개체를 제시하는 단계;
상기 인증대상자의 뇌파를 다시 측정하여 측정값을 제2인증대상뇌파로 하는 단계;
상기 제2인증대상뇌파를 상기 뇌파등급에 따라 분류하고, 뇌파등급별 제2인증대상뇌파 주파수 값을 구하는 단계; 및
상기 뇌파등급별 제2인증대상뇌파 주파수 값에 대하여 로지스틱 회귀분석을 하여 인증대상뇌파 제2식별 값을 구하는 단계; 를 더 포함하며,
상기 인증허가를 하는 단계에서, 상기 인증대상뇌파 제2식별 값도 상기 제2식별정보DB에 저장된 값 중 하나와 일치하거나 일정범위 내에 있는 경우에 인증허가를 하는 특징을 더 포함하는 FIDO 시스템에서 뇌파정보를 이용한 인증방법The method according to claim 1,
In the EEG information registration process,
Recognizing a specific entity to the registered subject;
Presenting the specific entity to the person to be registered;
Measuring a brain wave of the person to be registered again to make the measured value a second registered brain wave;
Classifying the second registered brain wave according to the brain wave class and obtaining a second registered brain wave frequency value for each brain wave class;
Obtaining a registered EEG second identification value by performing a logistic regression analysis on the second registered EEG frequency value for each EEG class; And
And storing the registered EEG second identification value as second identification information of the to-be-registered person in the second identification information DB,
In the brain wave information authentication process,
Presenting the specific entity to the person to be authenticated;
Measuring a brain wave of the person to be authenticated again and making the measured value a second authentication target brain wave;
Classifying the second authentication target EEG according to the EEG class and obtaining a second EEG frequency value for each EEG class; And
Performing logistic regression analysis on the EEG frequency value of the second EEG according to the brain wave class to obtain the second EEG value to be authenticated; Further comprising:
The method according to claim 1, further comprising the step of permitting authentication when the authentication target EEG second identification value coincides with or is within a certain range of one of the values stored in the second identification information DB, Authentication method using information 제2항에 있어서,
상기 로지스틱 회귀분석으로 구하는 상기 등록뇌파 식별 값, 상기 인증대상뇌파 식별 값, 상기 등록뇌파 제2식별 값 및 상기 인증대상뇌파 제2식별 값은 아래 식에 의하여 구해지는 P값인 것을 특징으로 하는 FIDO 시스템에서 뇌파정보를 이용한 인증방법
Figure 112018129007721-pat00007

Figure 112018129007721-pat00008

β0 : 시스템 및 뇌파측정 장비 환경에 따라 정해지는 상수 값
β1 ~ β7 : 뇌파정보 등록 시 등록대상자에 따라 정해지는 뇌파등급별 상수 값
Brainwave Level1 ~ Brainwave Level7 뇌파정보 등록과정 및 뇌파정보 인증과정에서 측정된 뇌파에 대한 뇌파등급별 주파수 값3. The method of claim 2,
Wherein the registered EEG identification value, the authentication target EEG identification value, the registered EEG second identification value, and the authentication target EEG second identification value obtained by the logistic regression analysis are P values obtained by the following equation: Authentication method using EEG information
Figure 112018129007721-pat00007

Figure 112018129007721-pat00008

β 0 : constant value determined by system and EEG measurement environment
β 1 ~ β 7 : constant value according to EEG class determined according to the person to be registered when registering EEG information
Brainwave Level1 ~ Brainwave Level7 EEG frequency information for EEG measured during EEG registration and EEP 제3항에 있어서, 상기 뇌파등급별 등록뇌파 주파수 값, 상기 뇌파등급별 인증대상뇌파 주파수 값, 상기 뇌파등급별 제2등록뇌파 주파수 값 및 상기 뇌파등급별 제2인증대상뇌파 주파수 값은 상기 등록뇌파, 상기 인증대상뇌파, 상기 제2등록뇌파 및 상기 제2인증대상뇌파의 뇌파등급별 뇌파신호에 대한 시간 주파수성분 특징 값, 시간 주파수성 평균값 또는 시간 주파수성분 분산 값 중 하나이거나 둘 이상을 조합한 값인 것을 특징으로 하는 FIDO 시스템에서 뇌파정보를 이용한 인증방법4. The method according to claim 3, wherein the registered EEG frequency values, the EEG frequency-specific EEG frequencies according to the EEG levels, the second registered EEG frequency values according to the EEG levels, A time-frequency component average value, or a time-frequency component variance value for the EEG signal, the second registered EEPROM, and the EEPROM of the second authentication target EEPRe, or a combination of two or more of them. Authentication method using EEG information in FIDO system 제4항에 있어서, 상기 뇌파등급은 7개의 등급으로 분류되며, Level 1은 0 내지 3.99Hz의 델타파, Level 2는 4 내지 7.99Hz의 쎄타파, Level 3은 8 내지 11.99Hz의 알파파, Level 4는 12 내지 14.99Hz의 SMR파, Level 5는 15 내지 19.99Hz의 M-베타파, Level 6은 20 내지 29.99Hz의 H-베타파, Level 7은 30 내지 50Hz의 감마파인 것을 특징으로 하는 FIDO 시스템에서 뇌파정보를 이용한 인증방법5. The method according to claim 4, wherein the brain wave class is classified into seven classes, Level 1 is a delta wave of 0 to 3.99 Hz, Level 2 is a theta wave of 4 to 7.99 Hz, Level 3 is an alpha wave of 8 to 11.99 Hz, Level 4 is an SMR wave of 12 to 14.99 Hz, Level 5 is an M-beta wave of 15 to 19.99 Hz, Level 6 is an H-beta wave of 20 to 29.99 Hz, and Level 7 is a gamma wave of 30 to 50 Hz Authentication method using EEG information in FIDO system
KR1020170176184A 2017-12-20 2017-12-20 Method for Brainwave Based Personal Authentication in FIDO system KR101959143B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170176184A KR101959143B1 (en) 2017-12-20 2017-12-20 Method for Brainwave Based Personal Authentication in FIDO system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170176184A KR101959143B1 (en) 2017-12-20 2017-12-20 Method for Brainwave Based Personal Authentication in FIDO system

Publications (1)

Publication Number Publication Date
KR101959143B1 true KR101959143B1 (en) 2019-07-03

Family

ID=67258694

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170176184A KR101959143B1 (en) 2017-12-20 2017-12-20 Method for Brainwave Based Personal Authentication in FIDO system

Country Status (1)

Country Link
KR (1) KR101959143B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101607432B1 (en) * 2015-01-14 2016-03-29 서울대학교산학협력단 Method, System and Computer Program for Personal authentication based on electroencephalography

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101607432B1 (en) * 2015-01-14 2016-03-29 서울대학교산학협력단 Method, System and Computer Program for Personal authentication based on electroencephalography

Similar Documents

Publication Publication Date Title
US20190133474A1 (en) Biometric identification by garments having a plurality of sensors
CA2835460C (en) System and method for enabling continuous or instantaneous identity recognition based on physiological biometric signals
Cao et al. PPGPass: Nonintrusive and secure mobile two-factor authentication via wearables
US10243960B2 (en) Source device and systems and methods of verifying an identification using dynamic scoring
US11494474B2 (en) Brain activity-based authentication
US20100302000A1 (en) Biometric identify verification including stress state evaluation
Vhaduri et al. Biometric-based wearable user authentication during sedentary and non-sedentary periods
US11496471B2 (en) Mobile enrollment using a known biometric
US20170316408A1 (en) Bionumerical Authentication Systems
US10482225B1 (en) Method of authorization dialog organizing
Zhang et al. Review on EEG-based authentication technology
Smitha et al. Online Electroencephalogram (EEG) based biometric authentication using visual and audio stimuli
Islam Heartbeat biometrics for remote authentication using sensor embedded computing devices
US20220229895A1 (en) Live user authentication device, system and method and fraud or collusion prevention using same
Mukai et al. Introduction of fractal dimension feature and reduction of calculation amount in person authentication using evoked EEG by ultrasound
Lasisi et al. Development of stripe biometric based fingerprint authentications systems in Automated Teller Machines
Bhuva et al. A novel continuous authentication method using biometrics for IOT devices
KR101959143B1 (en) Method for Brainwave Based Personal Authentication in FIDO system
Białas et al. Multifactor authentication system using simplified EEG brain–computer interface
Frank et al. Personalizable neurological user authentication framework
El-Banby et al. Security enhancement of the access control scheme in IoMT applications based on fuzzy logic processing and lightweight encryption
Kaur et al. A study of EEG for enterprise multimedia security
Vulpe et al. Analysis of Spectral Entropy and Maximum Power of EEG as Authentication Mechanisms
Nakanishi et al. Correlation analysis of features for fusing in user verification using EEG evoked by ultrasound
WO2010136786A2 (en) A biometric security method, system and computer program