KR102194366B1 - 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 - Google Patents
사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 Download PDFInfo
- Publication number
- KR102194366B1 KR102194366B1 KR1020180159815A KR20180159815A KR102194366B1 KR 102194366 B1 KR102194366 B1 KR 102194366B1 KR 1020180159815 A KR1020180159815 A KR 1020180159815A KR 20180159815 A KR20180159815 A KR 20180159815A KR 102194366 B1 KR102194366 B1 KR 102194366B1
- Authority
- KR
- South Korea
- Prior art keywords
- signature
- user
- electronic device
- verification model
- feature vectors
- Prior art date
Links
Images
Classifications
-
- G06K9/6255—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- 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
- G06F21/33—User authentication using certificates
-
- G06K9/64—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치가 개시된다.
본 발명의 일 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치는 사용자의 서명을 수신할 수 있는 디스플레이; 상기 사용자의 서명을 검증하기 위한 검증 모델을 저장하는 메모리; 및 프로세서를 포함하고, 상기 프로세서는 사용자로부터 사용자의 서명을 적어도 한 번 이상 수신하고, 상기 수신한 적어도 하나 이상의 사용자의 서명의 특성과 관련된 복수의 특징 벡터들을 추출하고, 상기 복수의 특징 벡터들에 기반하여 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 생성하고, 상기 생성된 검증 모델을 이용하여 서명의 검증을 수행하도록 설정될 수 있다.
본 발명의 일 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치는 사용자의 서명을 수신할 수 있는 디스플레이; 상기 사용자의 서명을 검증하기 위한 검증 모델을 저장하는 메모리; 및 프로세서를 포함하고, 상기 프로세서는 사용자로부터 사용자의 서명을 적어도 한 번 이상 수신하고, 상기 수신한 적어도 하나 이상의 사용자의 서명의 특성과 관련된 복수의 특징 벡터들을 추출하고, 상기 복수의 특징 벡터들에 기반하여 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 생성하고, 상기 생성된 검증 모델을 이용하여 서명의 검증을 수행하도록 설정될 수 있다.
Description
본 발명의 다양한 실시예는, 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에 관한 것이다.
스마트 기기의 보급과 개인 정보 보안에 대한 요구의 증대로 인해 스마트 환경에서 사용자 인증 문제의 중요성은 날로 증가하고 있으며 스마트폰에서의 본인 확인이 그 대표적인 예라 할 수 있다. 스마트폰에서 흔히 사용되는 사용자 인증 방식으로는 비밀번호를 사용하는 방식과 경로 패턴에 의한 방식이 있지만 다른 사람들에게 노출되기 쉬운 단점이 있다. 최근 지문 인식, 홍채 인식, 얼굴 인식 등의 생체 인식 방식 역시 도입되어 사용되고 있지만, 생체 인식의 경우 사용자의 거부감을 유발할 수 있어 가벼운 인증 과정에서 사용할 수 있는 간편하고 효율적인 인증 방법이 요구되고 있다.
서명 검증은 전통적으로 본인 확인 용도로 사용되어 온 방법의 하나다. 특히 스마트폰이나 태블릿과 같은 스마트 기기에서는 형태적인 요소뿐만이 아니라 압력 역시 간단하게 얻을 수 있어 서명 검증을 본인 확인 용도로 사용하는 방식이 구현되고 있다.
하지만 서명 검증 시스템을 구성하는 것은 일반적인 패턴인식 문제와는 다른 점이 있으며 모조 서명을 확보하기 어렵다는 점이 대표적이다. 일반적으로 패턴인식에서는 두 가지 이상의 클래스를 대표하는 샘플을 사용하여 모델을 구축한다. 일반적인 패턴인식의 경우에서처럼 서명 검증 시스템을 구축하기 위해서도 진서명과 모조서명이 필요하지만, 실용적인 응용에서 모조서명을 확보하기는 쉽지 않다. 따라서 실용적인 서명 검증 시스템을 구축하기 위해서는 모조서명 없이 진서명만을 사용하여 서명 검증을 수행하는 방안이 요구된다.
본 발명의 다양한 실시예들은, 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치를 제공하고자 한다.
본 발명의 일 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치는 사용자의 서명을 수신할 수 있는 디스플레이; 상기 사용자의 서명을 검증하기 위한 검증 모델을 저장하는 메모리; 및 프로세서를 포함하고, 상기 프로세서는 사용자로부터 사용자의 서명을 적어도 한 번 이상 수신하고, 상기 수신한 적어도 하나 이상의 사용자의 서명의 특성과 관련된 복수의 특징 벡터들을 추출하고, 상기 복수의 특징 벡터들에 기반하여 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 생성하고, 상기 생성된 검증 모델을 이용하여 서명의 검증을 수행하도록 설정될 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 프로세서는 서포트 벡터 머신(Support Vector Machine, SVC)을 이용하여 상기 검증 모델을 생성하도록 설정될 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 복수의 특징 벡터는 상기 적어도 하나 이상의 사용자의 서명에 대응하는 서명 이미지의 특성을 이용하여 추출되도록 설정될 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 서명 이미지는 제 1 차원 및 제 2 차원으로 구현되고, 상기 복수의 특징 벡터는 상기 제 1 차원 또는 상기 제 2 차원 중 하나의 차원과 관련된 특징 벡터를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 복수의 특징벡터는 상기 제 1 차원 및 상기 제 2 차원과 관련된 특징 벡터를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 프로세서는 상기 사용자의 서명을 수신할 때의 상기 디스플레이의 캐패시턴스 변화량을 확인하고, 상기 캐패시턴스 변화량에 기반하여 상기 사용자가 상기 디스플레이에 가해진 압력을 결정할 수 있다.
본 발명의 다양 한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 복수의 특징 벡터는 상기 가해진 압력과 관련된 특징 벡터를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 프로세서는 적어도 하나 이상의 다른 사용자의 서명을 적어도 한 번 이상 수신하고, 상기 수신한 적어도 하나 이상의 다른 사용자의 서명의 특성과 관련된 복수의 특징 벡터들을 추출하고, 상기 사용자의 특성과 관련된 복수의 특징 벡터들과, 상기 다른 사용자의 서명의 특성과 관련된 복수의 특징 벡터들에 기반하여 상기 검증 모델을 생성하도록 설정될 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 프로세서는 상기 사용자의 서명의 형태와 유사한 형태를 갖는 모조 서명을 제외한 상기 적어도 하나 이상의 다른 사용자의 서명에 기반하여 상기 검증 모델을 생성하도록 설정될 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치에서, 상기 다른 사용자의 서명은 외부 서버로부터 수신할 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치는 상기 생성된 검증 모델을 저장하는 보안 모듈을 더 포함할 수 있다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치는 모조 서명을 제외한 사용자의 적어도 하나 이상의 서명에 대한 특징 벡터를 이용하여 검증 모델을 생성할 수 있어, 모조 서명의 획득이 어려운 상황에서도 검증 모델의 생성이 가능하다.
본 발명의 다양한 실시예에 따른 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치는 다른 사용자의 적어도 하나 이상의 서명을 검증 모델의 생성에 이용함으로써, 정확한 검증을 수행할 수 있는 검증 모델의 생성이 가능하다.
도 1은 본 발명의 일실시예에 따른 사용자의 서명의 검증을 수행하는 전자 장치를 도시한 블록도이다.
도 2는 본 발명의 다양한 실시예에 따른 전자 장치에서, 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 이용한 사용자의 필기 인식에서, 임계 값에 따른 오류율의 변화를 도시한 도면이다.
도 3은 본 발명의 다양한 실시예에 따른 전자 장치에서, 다른 사용자의 서명을 이용하여 생성한 검증 모델에서, 샘플의 수에 따른 오류율의 변화를 도시한 도면이다.
도 2는 본 발명의 다양한 실시예에 따른 전자 장치에서, 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 이용한 사용자의 필기 인식에서, 임계 값에 따른 오류율의 변화를 도시한 도면이다.
도 3은 본 발명의 다양한 실시예에 따른 전자 장치에서, 다른 사용자의 서명을 이용하여 생성한 검증 모델에서, 샘플의 수에 따른 오류율의 변화를 도시한 도면이다.
본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 사용자의 서명의 검증을 수행하는 전자 장치를 도시한 블록도이다.
도 1을 참조하면, 본 발명의 다양한 실시예에 따른 사용자의 서명의 검증을 수행하는 전자 장치는 디스플레이(110), 프로세서(120) 및 메모리(130)를 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 디스플레이(110)는 프로세서(120)의 제어에 따라서 다양한 화면을 디스플레이할 수 있다. 디스플레이(110)는 사용자의 입력을 수신할 수 있는 터치 패널과 다양한 화면을 디스플레이할 수 있는 디스플레이 패널을 포함할 수 있다. 터치 패널과 디스플레이 패널은 하나의 통합된 패널로 구현될 수 있다.
본 발명의 다양한 실시예에 따르면, 디스플레이(110)는 사용자의 서명을 수신할 수 있다. 사용자는 디스플레이(110) 상에서 서명을 입력할 수 있다. 사용자는 디스플레이(110)가 감지 가능한 전도성을 갖는 펜을 이용하여 서명을 입력할 수 있다. 디스플레이(110)가 별도의 펜 센서 패널을 구비하는 경우, 사용자는 펜 센서 패널이 감지 가능한 펜을 이용하여 서명을 입력할 수 있다.
본 발명의 다양한 실시예에 따르면, 디스플레이(110)가 수신한 사용자의 서명은 프로세서(120)로 전달될 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 사용자의 서명을 수신하고, 수신한 사용자의 서명의 진위 여부에 대한 검증을 수행할 수 있다. 프로세서(120)는 사용자의 서명을 수신하고, 검증 모델을 이용하여 사용자의 서명의 진위 여부에 대한 검증을 수행할 수 있다. 프로세서(120)는 사용자의 서명의 진위 여부에 대한 검증을 수행하고, 검증 결과에 기반하여 다양한 작업을 수행할 수 있다. 예를 들면, 프로세서(120)는 검증 결과에 기반하여 다양한 어플리케이션(예: 금융 어플리케이션 등)을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 메모리(130)는 사용자의 서명의 검증에 이용되는 검증 모델을 저장할 수 있다. 메모리(130)는 다른 데이터와 물리적 또는 논리적으로 분리된 영역에 검증 모델을 저장할 수 있다. 또는, 검증 모델은 메모리(130)와 물리적 또는 논리적으로 분리된 보안 모듈에 저장될 수도 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 사용자의 서명의 검증에 이용되는 검증 모델을 생성할 수 있다.
기존의 검증 모델은 사용자의 서명에 대응하는 제 1 서명 데이터 및 사용자의 서명과 유사한 모양을 갖는 모조 서명에 대응하는 제 2 서명 데이터를 이용하여 생성될 수 있다. 기존의 검증 모델은 서명 데이터가 사용자의 서명인지 또는 사용자의 서명과 유사한 모양을 갖는 모조 서명인지 분류할 수 있다.
다만, 사용자의 서명과 유사한 모양을 갖는 모조 서명에 대한 접근성이 낮은 문제가 발생할 수 있다. 오류율이 낮은 검증 모델을 생성하기 위해서는 충분한 수의 모조 서명이 확보되어야 하는데, 모조 서명을 확보하기 어려운 문제점이 있다. 더 나아가, 오류율이 낮은 검증 모델을 생성하기 위해서는 사용자의 서명에 대응하는 제 1 서명 데이터 역시 많이 확보되어야 하지만, 많은 수의 서명을 등록하기 번거로운 문제점이 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 모조 서명을 이용하지 않고, 사용자의 복수의 서명과 관련된 데이터를 이용하여 검증 모델을 생성할 수 있다. 사용자의 복수의 서명과 관련된 데이터를 이용하여 생성된 검증 모델은 단일 클래스 분류 모델의 특징을 가질 수 있다. 단일 클래스 분류 모델에 대해서는 검증 모델을 생성하는 내용과 관련해서 하기에 구체적으로 기재하고, 이하에서는 검증 모델을 생성하는 구체적인 실시예에 대해서 서술한다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 상기에 서술한 단일 클래스 모델의 특징을 갖는 검증 모델을 사용자의 복수의 서명에 기반하여 생성할 수 있다. 프로세서(120)는 사용자가 입력한 사용자의 서명을 적어도 한 번 이상 수신할 수 있다. 프로세서(120)는 사용자가 입력한 사용자의 서명의 특성과 관련된 복수의 특징 벡터들을 추출할 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 사용자의 서명에 대응하는 서명 이미지를 추출하고, 서명 이미지로부터 복수의 특징 벡터들을 추출할 수 있다. 복수의 특징 벡터들은 사용자의 서명의 형태와 관련된 특징들을 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 서명 이미지는 2차원의 형태로 구현된 이미지일 수 있다. 예를 들면, 서명 이미지는 X축에 대응하는 제 1 차원, Y축에 대응하는 제 2 차원으로 구현된 이미지일 수 있다. 프로세서(120)는 제 1 차원과 관련된 특징에 대한 복수의 특징 벡터들, 제 2 차원과 관련된 특징에 대한 복수의 특징 벡터들, 제 1 차원 및 제 2 차원과 관련된 특징에 대한 복수의 특징 벡터들을 추출할 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 사용자가 입력한 서명에 포함된 복수의 선의 입력 속도, 입력 속도의 평균, 입력 속도의 최대값, 입력 속도의 최소 값, 입력 속도의 최대 값과 최소 값의 차이, 사용자가 입력하는 서명에 포함된 선이 그려지는 가속도, 서명의 크기, 비율, 입력 속도의 분산을 포함하는 다양한 특징에 대한 특징 벡터들을 추출할 수 있다. 예를 들면, 프로세서(120)는 아래의 표 1에 기재된 56개의 특징 벡터들을 추출할 수 있다.
특징 | 설명 | |
x | y | |
1 | 2 | average speed |
3 | 4 | (Max - Min) / duration of pen-down |
5 | 6 | average of absolute velocities |
7 | 8 | average of positive velocities |
9 | 10 | average of negative velocities |
11 | 12 | average of accelerations |
13 | 14 | average of absolute accelerations |
15 | 16 | variance of speed |
17 | 18 | variance of absolute velocity |
19 | 20 | variance of acceleration |
21 | 22 | maximum speed |
23 | 24 | maximum acceleration |
25 | 26 | minimum speed |
27 | 28 | difference between maximum and average speed |
29 | 30 | difference between positive maximum velocity and positive average velocity |
31 | 32 | frequency of positive velocity |
33 | 34 | frequency of negative velocity |
35 | 36 | zero-crossover of velocity |
37 | 38 | average positive acceleration |
39 | 40 | difference between maximum and minimum speed |
41 | accumulated angles | |
42 | accumulated angles / total duration | |
43 | average speed | |
44 | ratio of height and width | |
45 | ratio of eigen values of signature shape vectors | |
46 | zero-crossover at gravity center | |
47 | ratio of left and right margin at gravity center | |
48 | ratio of upper and lower margin at gravity center | |
49 | number of strokes | |
50 | duration of pen-up | |
51 | duration of pen-down | |
52 | accumulated angles / duration of pen-down | |
53 | variance of speed | |
54 | maximum speed | |
55 | average-crossover of speed | |
56 | total duration |
표 1을 참조하면, 프로세서(120)는 56개의 특징 벡터들을 추출할 수 있다. 표 1에 기재된 특징 벡터는 예시적인 것이며, 더 다른 특징 벡터들을 추출할 수도 있으며, 56개의 특징 벡터들 중 일부 특징 벡터들을 제외한 특징 벡터들을 이용하여 검증 모델을 생성할 수도 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 추출한 복수의 특징 벡터들에 기반하여 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 생성할 수 있다.
본 발명의 다양한 실시예에 따르면, 단일 클래스 분류 모델은 분류될 데이터가 존재할 수 있는 영역을 중심점과, 반지름을 갖는 구로 표현하는 모델을 의미할 수 있다. 단일 클래스 분류 모델은 입력된 데이터가 구의 내부에 포함되는지 여부에 기반하여 데이터를 분류할 수 있다. 단일 클래스 모델은 아래의 식 1과 같이 표현될 수 있다.
[식 1]
단일 클래스 모델을 이용하는 경우, 복수의 데이터들 중 단일 클래스 모델에 의해 구현된 구의 내부에 포함되는 데이터를 분류할 수 있다. 프로세서(120)는 단일 클래스 모델의 특징을 갖는 검증 모델을 이용하는 경우, 입력 받은 서명들 중 사용자의 서명의 특성을 갖는 서명을 분류할 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 식 1의 형태로 구현된 모델에 대해서 오류율을 감소시키기 위해서 다른 사용자의 서명 데이터를 이용할 수 있다. 예를 들면, 구로 표현된 모델에서 반지름의 크기를 줄임으로써, 오류율을 감소시킬 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 사용자가 아닌 다른 사용자들의 서명을 수신하고, 다른 사용자들의 서명 및 사용자의 서명을 모두 이용해서 검증 모델을 생성할 수 있다. 다른 사람들의 서명은 검증하고자 하는 사용자의 서명과 유사한 형태를 가지지는 않으나, 일반적인 필기의 특성을 반영할 수 있다. 다른 사람들의 서명을 이용함으로써, 단일 클래스 분류 모델의 형태를 갖는 검증 모델을 생성할 때 발생할 수 있는 사용자의 서명의 개수의 부족 문제점을 해결할 수 있다. 다른 사람들의 서명은 다른 사람들이 사용자의 서명의 형태와 유사한 형태로 입력한 서명(모조 서명(imitation signature))이 아닌, 다른 사람들 각각의 진 서명(genuine signature)을 의미할 수 있다. 다른 사람들의 서명은 디스플레이(110) 상에서 입력될 수도 있으나, 별도의 외부 서버에서 수신할 수도 있다. 별도의 외부 서버는 전자 장치(100)에 구현되는 검증 모델의 오류율을 감소시키기 위한 다른 사람들의 서명을 저장하고, 전자 장치(100)의 요청에 대응하여 다른 사람들 각각의 진 서명의 데이터를 전자 장치(100)로 전송하는 다양한 전자 장치를 의미할 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 검증 모델을 생성함에 있어서, 서포트 벡터 머신을 이용할 수도 있다. 서포트 벡터 머신은 메모리(130)에 설치된 어플리케이션의 일 형태일 수 있다. 프로세서(120)는 서포트 벡터 머신을 이용하여 검증 모델을 생성함으로써, 오류율을 더 감소시킬 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 사용자가 서명을 수행할 때에 디스플레이(110)에 가해진 압력과 관련된 특징 벡터를 추출하고, 압력과 관련된 특징 벡터에 기반하여 검증 모델을 생성할 수도 있다. 프로세서(120)는 사용자의 서면을 수신할 때의 디스플레이의 캐패시턴스 변화량을 확인하고, 캐패시턴스의 변화량에 기반하여 사용자가 디스플레이(110)에 인가한 압력을 결정할 수 있다. 프로세서(120)는 디스플레이(110)에 인가된 압력과 관련된 특징 벡터를 추출할 수도 있다.
본 발명의 다양한 실시예에 따르면, 프로세서(120)는 생성된 검증 모델을 이용하여 사용자의 서명에 대한 검증을 수행할 수 있다. 프로세서(120)는 생성한 검증 모델을 이용하여, 입력된 서명 데이터가 사용자의 서명인지 또는 사용자의 서명이 아닌지를 검증할 수 있다.
도 2는 본 발명의 다양한 실시예에 따른 전자 장치에서, 단일 클래스 분류 모델의 특징을 갖는 검증 모델을 이용한 사용자의 서명 인식에서, 임계 값에 따른 오류율의 변화를 도시한 도면이고, 도 3은 본 발명의 다양한 실시예에 따른 전자 장치에서, 다른 사용자의 서명을 이용하여 생성한 검증 모델에서, 샘플의 수에 따른 오류율의 변화를 도시한 도면이다.
본 발명의 제 1 실시예에 따른 전자 장치는 사용자의 서명(진서명)을 수신하고, 사용자의 서명의 특성과 관련된 복수의 특징 벡터들에 기반하여 생성된 검증 모델을 이용하여 입력된 서명에 대한 검증을 수행할 수 있다.
본 발명의 제 2 실시예에 따른 전자 장치는 사용자의 서명(진 서명) 및 다른 사용자의 서명(진 서명)을 수신하고, 사용자의 서명의 특성과 관련된 복수의 특징 벡터들 및 다른 사용자의 서명의 특성과 관련된 복수의 특징 벡터들에 기반하여 생성된 검증 모델을 이용하여 입력된 서명에 대한 검증을 수행할 수도 있다.
도 1 에서 서술한 두 가지 방식을 이용하여 각각 생성한 검증 모델들(편의상, 제 1 실시예에 따라서 생성한 검증 모델을 제 1 검증 모델, 제 2 실시예에 따라서 생성한 검증 모델을 제 2검증 모델로 정의한다)을 이용하여 검증을 수행한 결과를 도 2 및 도 3에서 서술하고 있다.
첫 번째 실험은 다른 사용자의 서명 데이터를 사용하지 않고 제 1 검증 모델만을 사용하여 진행하였으며 진서명 100개 중 20개의 서명을 무작위로 선택하여 학습에 사용하였다. 테스트를 위해서는 학습에 사용하지 않은 샘플 중 진서명 20개, 모조서명 50개를 무작위로 선택하여 사용하였다. 실험 결과는 같은 실험을 1,000회 반복한 후 그 결과를 평균하여 제시하였다.
도 2는 제 1 검증 모델을 통해 출력된 값에 서로 다른 임계치를 적용하였을 때 오류의 변화를 보인 것이다. 임계치 변화에 따라 유형 1 오류(false rejection) 및 유형 2 오류(false acception)는 반대 양상을 보이며 이들을 합하여 최소의 오류를 나타내는 값이 본 명세서에서 제시된 오류에 해당한다. 본 명세서에서는 실험적으로 결정된 -0.5를 임계치로 사용하였다.
표 2는 검증 방법에 따른 오류를 비교한 것으로 단일 클래스 SVM을 사용한 경우 평균 오류는 17.47%를 보였다.
검증 방법 | 평균 에러율 (%) |
기존 검증 모델 | 13.42 |
정해진 임계치를 적용한 제 1 검증 모델 | 17.47 |
사용자마다 다른 임계치를 적용한 제 1 검증 모델 | 9.62 |
20개의 진서명을 양의 샘플로, 나머지 8명의 진서명을 음의 샘플로 사용하여 학습시킨 검증 모델을 사용한 경우 평균 오류가 13.42%인 것과 비교하면 오류가 증가하였지만, 이는 기존 검증 모델과 제 1 검증 모델의 실험 방법 차이에서 비롯된 것이다. 기존 검증 모델을 사용하는 경우 각 서명자를 위한 별도의 기존 검증 모델이 만들어지며 각 기존 검증 모델에서 사용하는 경계면은 모두 다르다. 제 1 검증 모델을 사용하는 경우 역시 서명자별로 별도의 제 1 검증 모델이 만들어지지만, 경계면은 동일하다. 즉, 9명의 서명자를 위한 9개 제 1 검증 모델에서 동일한 임계치가 사용되었다.
서명자별로 서로 다른 임계치를 적용하는 경우 제 1 검증 모델을 사용하여 얻을 수 있는 최소의 오류율은 9.62%로 기존 검증 모델을 사용하는 경우보다 낮았다. 즉, 서명자에 따라 적응적으로 임계치를 설정하는 방법을 적용함으로써 기존 검증 모델을 사용하는 것보다 낮은 오류를 얻을 수 있다. 다만 표 2에서 적응적 임계치는 실험적으로 결정된 값이다.
두 번째 실험에서는 다른 사람의 진서명을 학습 데이터에 함께 사용하였다. 다른 사람의 진서명은 검증하고자 하는 서명과의 형태적인 유사점은 찾을 수 없지만, 서명의 일반적인 필기 특성을 반영하고 있는 것으로 볼 수 있으므로 일반 필기 데이터로 사용하였다.
도 3은 학습 데이터에 N(0~20)개의 진서명을 사용한 경우와, N개의 진서명과 함께 8개의 다른 사람의 진서명, 즉, 일반 필기 데이터를 사용한 경우의 오류를 비교한 것이다. 도 3에서 알 수 있듯이 일반 필기 데이터를 사용하면 사용하지 않는 경우에 비해 오류가 줄어드는 것을 확인할 수 있다.
일반 필기 데이터를 사용하는 경우의 또 다른 장점은 필요한 진서명의 수가 적다는 점이다.
샘플의 수 | 일반적인 서명 데이터를 이용한 제 2 검증 모델 | 일반적인 서명 데이터를 이용하지 않고 생성된 제 1 검증 모델 | ||
평균 에러율 (%) | 에러율의 변화 (%) |
평균 에러율(%) | 에러율의 변화 | |
0 | 23.43 | - | - | - |
1 | 20.42 | 12.85 | 25.19 | - |
2 | 17.54 | 14.10 | 23.32 | 7.42 |
3 | 16.51 | 5.87 | 21.72 | 6.86 |
4 | 16.40 | 0.67 | 20.97 | 3.45 |
5 | 16.43 | -0.18 | 20.23 | 3.53 |
6 | 16.54 | -0.67 | 19.74 | 2.42 |
7 | 16.50 | 0.24 | 19.40 | 1.72 |
8 | 16.47 | 0.18 | 18.90 | 2.58 |
9 | 16.49 | -0.12 | 18.70 | 1.06 |
10 | 16.46 | 0.18 | 18.36 | 1.82 |
11 | 16.38 | 0.49 | 18.15 | 1.14 |
12 | 16.44 | -0.37 | 18.03 | 0.66 |
13 | 16.36 | 0.49 | 17.86 | 0.94 |
14 | 16.38 | -0.12 | 17.86 | 0.00 |
15 | 16.30 | 0.49 | 17.75 | 0.62 |
16 | 16.34 | -0.25 | 17.67 | 0.45 |
17 | 16.30 | 0.24 | 17.50 | 0.96 |
18 | 16.26 | 0.25 | 17.53 | -0.17 |
19 | 16.21 | 0.31 | 17.49 | 0.23 |
20 | 16.18 | 0.19 | 17.47 | 0.11 |
표 3에서 알 수 있듯이 일반 필기 데이터를 사용한 경우에는 4개 이상의 진서명을 사용한 경우 진서명이 증가할 때 평균 오류 감소는 1% 이하로 큰 변화를 보이지 않았다. 반면 일반 필기 데이터를 사용하지 않는 경우에는 10개 이상의 진서명을 사용해야 평균 오류 감소가 1% 이하로 나타났다. 실용적인 애플리케이션의 경우 가능한 적은 진서명만을 등록하는 것이 바람직하다는 점에서 일반 필기 데이터의 사용은 오류 감소는 물론 등록해야 하는 진서명 개수를 줄여주는 효과가 있다.
이상에서와 같이 본 발명의 다양한 실시예에 따른 사용자의 서명의 검증을 수행하는 전자 장치는 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
Claims (10)
- 사용자의 서명을 검증하는 전자 장치에 있어서,
사용자의 서명을 수신할 수 있는 디스플레이;
상기 사용자의 서명을 검증하기 위한 검증 모델을 저장하는 메모리; 및
프로세서를 포함하고,
상기 프로세서는
사용자로부터 사용자의 서명을 복수번 수신하고,
상기 복수번 수신한 사용자의 서명에 포함된 복수의 선의 입력 속도, 입력
속도의 평균, 입력 속도의 최대값, 입력 속도의 최소 값, 입력 속도의 최대 값과 최소 값의 차이, 사용자가 입력하는 서명에 포함된 선이 그려지는 가속도, 서명의 크기, 비율 및 입력 속도의 분산 중 적어도 하나의 특징에 대한 특징 벡터들을 추출하고,
상기 복수의 특징 벡터들에 기반하여, 상기 사용자의 서명에 대한 적응적인 임계치를 설정하고,
상기 임계치에 기초하여 구로 표현된 검증 모델의 반지름의 크기를 변경하여 상기 검증 모델의 오류율을 감소시키고,
생성된 검증 모델을 이용하여 서명의 검증을 수행하도록 설정된 전자 장치.
- 제 1항에 있어서,
상기 프로세서는
서포트 벡터 머신(Support Vector Machine, SVC)을 이용하여 상기 검증 모델을 생성하도록 설정된 전자 장치.
- 제 1항에 있어서,
상기 복수의 특징 벡터는
상기 적어도 하나 이상의 사용자의 서명에 대응하는 서명 이미지의 특성을 이용하여 추출되도록 설정된 전자 장치.
- 제 3항에 있어서,
상기 서명 이미지는
제 1 차원 및 제 2 차원으로 구현되고,
상기 복수의 특징 벡터는
상기 제 1 차원 또는 상기 제 2 차원 중 하나의 차원과 관련된 특징 벡터를 포함하는 전자 장치.
- 제 4항에 있어서,
상기 복수의 특징벡터는
상기 제 1 차원 및 상기 제 2 차원과 관련된 특징 벡터를 포함하는 전자 장치.
- 제 1항에 있어서,
상기 프로세서는
상기 사용자의 서명을 수신할 때의 상기 디스플레이의 캐패시턴스 변화량을 확인하고,
상기 캐패시턴스 변화량에 기반하여 상기 사용자가 상기 디스플레이에 가해진 압력을 결정하고,
상기 복수의 특징 벡터는
상기 가해진 압력과 관련된 특징 벡터를 포함하는 전자 장치.
- 제 1항에 있어서,
상기 프로세서는
적어도 하나 이상의 다른 사용자의 서명을 적어도 한 번 이상 수신하고,
상기 수신한 적어도 하나 이상의 다른 사용자의 서명의 특성과 관련된 복수의 특징 벡터들을 추출하고,
상기 사용자의 특성과 관련된 복수의 특징 벡터들과, 상기 다른 사용자의 서명의 특성과 관련된 복수의 특징 벡터들에 기반하여 상기 검증 모델을 생성하도록 설정된 전자 장치.
- 제 7항에 있어서,
상기 프로세서는
상기 사용자의 서명의 형태와 유사한 형태를 갖는 모조 서명을 제외한 상기 적어도 하나 이상의 다른 사용자의 서명에 기반하여 상기 검증 모델을 생성하도록 설정된 전자 장치.
- 제 7항에 있어서,
상기 다른 사용자의 서명은 외부 서버로부터 수신하는 전자 장치.
- 제 1항에 있어서,
상기 전자 장치는
상기 생성된 검증 모델을 저장하는 보안 모듈을 더 포함하는 전자 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180159815A KR102194366B1 (ko) | 2018-12-12 | 2018-12-12 | 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180159815A KR102194366B1 (ko) | 2018-12-12 | 2018-12-12 | 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200072070A KR20200072070A (ko) | 2020-06-22 |
KR102194366B1 true KR102194366B1 (ko) | 2020-12-23 |
Family
ID=71142644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180159815A KR102194366B1 (ko) | 2018-12-12 | 2018-12-12 | 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102194366B1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102631343B1 (ko) * | 2022-03-10 | 2024-01-31 | 주식회사 동평기술 | 하이브리드 이온 커패시터 및 이의 제조방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2961272B1 (ja) * | 1998-09-09 | 1999-10-12 | 防衛庁技術研究本部長 | 特徴ベクトルを利用した物体の認識装置および方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8988191B2 (en) * | 2009-08-27 | 2015-03-24 | Symbol Technologies, Inc. | Systems and methods for pressure-based authentication of an input on a touch screen |
KR101920683B1 (ko) * | 2017-03-06 | 2018-11-21 | 연세대학교 산학협력단 | 단일 클래스 기반의 데이터 수집 장치 및 방법 |
-
2018
- 2018-12-12 KR KR1020180159815A patent/KR102194366B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2961272B1 (ja) * | 1998-09-09 | 1999-10-12 | 防衛庁技術研究本部長 | 特徴ベクトルを利用した物体の認識装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20200072070A (ko) | 2020-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | KinWrite: Handwriting-Based Authentication Using Kinect. | |
US9298912B2 (en) | System and method for distinguishing human swipe input sequence behavior and using a confidence value on a score to detect fraudsters | |
US10965671B2 (en) | Authenticating a user | |
KR20150030558A (ko) | 근접 터치를 이용한 온라인 서명 인증 방법 및 이를 위한 장치 | |
US9348510B2 (en) | Comparing users handwriting for detecting and remediating unauthorized shared access | |
Smith-Creasey et al. | A continuous user authentication scheme for mobile devices | |
CN106940802A (zh) | 用于使用生物测量学信息的认证的方法和设备 | |
Sae-Bae et al. | Distinctiveness, complexity, and repeatability of online signature templates | |
Yang et al. | Online handwritten signature verification based on the most stable feature and partition | |
KR102194366B1 (ko) | 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 | |
Srivastava et al. | Offline signature verification using grid based feature extraction | |
CN103440447A (zh) | 具有攻击者身份识别能力的在线笔迹身份认证方法 | |
KR102181243B1 (ko) | 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치 | |
Oka et al. | Scribble-a-secret: Similarity-based password authentication using sketches | |
Mahanta et al. | A study on handwritten signature | |
JP4603675B2 (ja) | ペン入力個人認識方法 | |
Nilchiyan et al. | Statistical on-line signature verification using rotation-invariant dynamic descriptors | |
CN106033536B (zh) | 指纹识别的注册指纹数据更新方法和电子装置 | |
Yadav et al. | Comparative analysis of offline signature verification system | |
Elssaedi et al. | Comparing the effectiveness of different classifiers of data mining for signature recognition system | |
Patil et al. | A Review-Signature Verification System Using Deep Learning: A Challenging Problem | |
Anand et al. | Relative study on signature verification and recognition system | |
CN113434840B (zh) | 一种基于特征图的手机持续身份认证方法及装置 | |
US20220222954A1 (en) | Identity verification or identification method using handwritten signatures affixed to a digital sensor | |
Gonçalves et al. | Time/space based biometric handwritten signature verification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |