KR20190013307A - 숄더 서핑 공격에 강인한 패턴 입력 방법 및 장치 - Google Patents
숄더 서핑 공격에 강인한 패턴 입력 방법 및 장치 Download PDFInfo
- Publication number
- KR20190013307A KR20190013307A KR1020170097736A KR20170097736A KR20190013307A KR 20190013307 A KR20190013307 A KR 20190013307A KR 1020170097736 A KR1020170097736 A KR 1020170097736A KR 20170097736 A KR20170097736 A KR 20170097736A KR 20190013307 A KR20190013307 A KR 20190013307A
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- learning
- user
- input
- information
- Prior art date
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
- G06F21/36—User authentication by graphic or iconic representation
-
- 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
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
본 실시예들은 복수의 학습 패턴을 조합하여 공개 패턴을 생성하고, 사용자 인증시 입력된 패턴뿐만 아니라 패턴을 입력하는 사용자의 행위 정보를 함께 비교함으로써, 패스워드와 같이 사용자가 별도로 암기할 필요가 없고 패턴이 유출되더라도 숄더 서핑 공격을 방지하면서 정당한 사용자를 인증할 수 있는 패턴 입력 방법 및 장치를 제공한다.
Description
본 실시예가 속하는 기술 분야는 디바이스에서 잠금 패턴을 입력하는 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
패턴 잠금은 그래픽 패스워드 잠금 기법으로, 3x3의 지점으로 구성된다. 최소 4개 이상의 지점의 연결로 이루어져야 하며 각각의 지점은 한 번씩만 사용되어야 한고, 2개의 지점들 사이에 존재하는 지점은 건너뛰지 않고 반드시 포함되어야 한다. 이러한 규칙을 지키면서 사용할 수 있는 패턴의 종류는 389,112개가 존재한다. 4개의 점으로 만들 수 있는 패턴의 경우의 수는 1,624개, 8개 이상은 140,704개가 최대이다. 숫자를 넣어서 보안을 해제하는 것 보다 직관적이어서 많은 사용자들이 패턴 잠금을 사용하고 있다.
패턴이 복잡해질수록 암호 정도가 높아지지만 사용자가 기억하기가 어렵고 그리기 복잡하기 때문에, 많은 사용자들은 쉬운 패턴을 암호로 지정한다. 간단한 패턴은 추측 공격에 취약하다. 특히, 비밀 패턴을 입력하는 것을 훔쳐보거나 카메라와 같은 레코딩 장치를 이용하여 입력 패턴을 녹화하는 숄더 서핑 공격(Shoulder Surfing Attack)에 취약한 문제가 있다.
숄더 서핑 공격 프로그램 중에서 하나의 알고리즘은 사용자의 손가락의 움직임을 분석해 바로 그 자취를 그래프로 그려준다. 사용자의 시선에서 회전, 대칭, 특정 모양의 패턴을 감지하고, 점과 점 사이의 거리를 예측하여, 경우의 수를 산출하며, 최대 5회의 입력으로 잠금 해제가 가능하다.
주로 공공장소에서 패턴이 노출되기 때문에, 보안 위협을 대비하기에 비밀 패턴 자체만으로는 부족하고 추가적인 보안 방식이 필요하다.
본 발명의 실시예들은 복수의 학습 패턴을 조합하여 공개 패턴을 생성하고, 사용자 인증시 입력된 패턴뿐만 아니라 패턴을 입력하는 사용자의 행위 정보를 함께 비교함으로써, 패스워드와 같이 사용자가 별도로 암기할 필요가 없고 패턴이 유출되더라도 숄더 서핑 공격을 방지하면서 정당한 사용자를 인증하는 데 발명의 주된 목적이 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
본 실시예의 일 측면에 의하면, 정당 사용자를 인증하기 위해 잠금 패턴을 사용하는 컴퓨팅 디바이스에 의한 패턴 입력 방법에 있어서, 상기 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습하는 단계, 및 상기 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증하는 단계를 포함하는 패턴 입력 방법을 제공한다.
본 실시예의 다른 측면에 의하면, 정당 사용자를 인증하기 위해 잠금 패턴을 사용하는 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습하는 패턴 학습부, 및 상기 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증하는 패턴 인증부를 포함하는 패턴 입력 장치를 제공한다.
본 실시예의 또 다른 측면에 의하면, 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 패턴 입력을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에, 상기 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습하는 단계, 및 상기 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증하는 단계를 포함한 동작들을 수행하는 컴퓨터 프로그램을 제공한다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 복수의 학습 패턴을 조합하여 공개 패턴을 생성하고, 사용자 인증시 입력된 패턴뿐만 아니라 패턴을 입력하는 사용자의 행위 정보를 함께 비교함으로써, 패스워드와 같이 사용자가 별도로 암기할 필요가 없고 패턴이 유출되더라도 숄더 서핑 공격을 방지하면서 정당한 사용자를 인증할 수 있는 효과가 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1은 본 발명의 일 실시예에 따른 패턴 입력 장치를 예시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 학습 패턴을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 행위 정보를 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 위치 정보를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 공개 패턴을 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 컴퓨팅 디바이스의 화면을 예시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 패턴 입력 장치가 학습 모드 및 인증 모드에서 동작하는 것을 예시한 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 패턴 입력 장치가 출력한 공개 패턴을 참조하여 입력된 해제 패턴을 예시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 패턴 입력 장치가 인증 모드에서 동작하는 것을 예시한 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 컴퓨팅 디바이스의 화면을 예시한 도면이다.
도 11은 본 발명의 다른 실시예에 따른 패턴 입력 방법을 예시한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 학습 패턴을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 행위 정보를 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 위치 정보를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 패턴 입력 장치가 처리하는 공개 패턴을 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 컴퓨팅 디바이스의 화면을 예시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 패턴 입력 장치가 학습 모드 및 인증 모드에서 동작하는 것을 예시한 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 패턴 입력 장치가 출력한 공개 패턴을 참조하여 입력된 해제 패턴을 예시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 패턴 입력 장치가 인증 모드에서 동작하는 것을 예시한 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 컴퓨팅 디바이스의 화면을 예시한 도면이다.
도 11은 본 발명의 다른 실시예에 따른 패턴 입력 방법을 예시한 흐름도이다.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 패턴 입력 장치를 예시한 블록도이다.
도 1에 도시한 바와 같이, 패턴 입력 장치(100)는 패턴 학습부(110) 및 패턴 인증부(120)를 포함한다. 패턴 입력 장치(100)는 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다. 예컨대, 패턴 입력 장치(100)는 공개 패턴 생성부 또는 공개 패턴 표시부를 추가로 포함할 수 있다.
패턴 입력 장치(100)는 정당 사용자를 인증하기 위해 잠금 패턴을 사용한다. 잠금 패턴은 그래픽 요소를 이용하여 잠금을 설정하고 해제하는 방식이다. 잠금 패턴은 3x3의 지점으로 구성되나 이에 한정되는 것은 아니고 구현되는 설계에 따라 적합한 MxN(M, N은 자연수)이 사용될 수 있다.
패턴 입력 장치(100)는 컴퓨팅 디바이스의 터치 스크린에 패턴이 입력되면, 패턴을 비교하여 사용자를 인증한다. 패턴 입력 장치(100)는 복수의 학습 패턴을 조합하여 공개 패턴을 생성하고, 사용자 인증시 입력된 패턴뿐만 아니라 패턴을 입력하는 사용자의 행위 정보를 함께 비교한다.
패턴 학습부(110)는 정당 사용자를 인증하기 위해 잠금 패턴을 사용하는 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습한다. 학습 패턴은 잠금 패턴에 포함된 복수의 지점 및 복수의 지점 간에 선택적으로 연결된 경로를 포함한다. 제1 행위 정보는 (i) 터치 이벤트가 발생한 위치 정보, (ii) 터치 압력 정보, (iii) 터치 면적 정보, (iv) 터치 시간 정보, (v) 컴퓨팅 디바이스의 움직임 정보, 및 (vi) 컴퓨팅 디바이스의 자세 정보를 포함한다.
패턴 인증부(120)는 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증한다. 해제 패턴은 사용자가 잠금 화면을 해제하기 위해 입력한 패턴이다. 제2 행위 정보는 (i) 터치 이벤트가 발생한 위치 정보, (ii) 터치 압력 정보, (iii) 터치 면적 정보, (iv) 터치 시간 정보, (v) 컴퓨팅 디바이스의 움직임 정보, 및 (vi) 컴퓨팅 디바이스의 자세 정보를 포함한다.
이하에서는 도 2 내지 도 4를 참조하여, 패턴 입력 장치가 학습 모드에서 학습하는 데이터를 설명하기로 한다.
도 2는 패턴 입력 장치가 처리하는 학습 패턴을 예시한 도면이고, 도 3은 패턴 입력 장치가 처리하는 행위 정보를 예시한 도면이고, 도 4는 패턴 입력 장치가 처리하는 위치 정보를 예시한 도면이다.
도 2를 참조하면, 학습 패턴은 기 설정된 각도를 갖는 구간 또는 진행 방향을 변경하는 구간을 갖는다. 큰 테두리로 감싸진 버튼이 해당 학습 패턴의 시작점으로 정의된다. 디바이스의 화면에서 3x3 지점을 순서대로 숫자 1부터 9까지 대응시키면, 도 2의 (a)는 학습 패턴 1이며, 학습 패턴 1은 1-2-3-5 순서로 연결된다. 도 2의 (b)는 학습 패턴 2이며, 학습 패턴 2는 5-7-8-9 순서로 연결된다. 도 2의 (c)는 학습 패턴 3이며, 학습패턴 3은 5-6-8-9 순서로 연결된다. 도 2의 (d)는 학습 패턴 4이며, 학습 패턴 4는 5-9-4 순서로 연결된다. 도 2의 (e)는 학습 패턴 5이며, 학습 패턴 5는 8-7-2 순서로 연결된다. 도 2의 (f)는 학습 패턴 6이며, 학습 패턴 6은 2-3-6-7 순서로 연결된다. 학습 패턴은 예각, 직각뿐만 아니라 1-5-6 순서 등으로 연결되어 둔각을 포함할 수 있다.
사용자마다 디바이스를 사용할 때 선호하는 자세가 다르다. 예컨대, 누운 자세를 선호하거나, 수직으로 디바이스를 세워서 사용하거나, 디바이스를 움직이면서 사용할 수도 있다. 사용자는 화면을 터치하면서, 인위적으로 디바이스의 자세 또는 움직임 정보를 학습시킬 수도 있다.
도 3을 참조하면, 행위 정보는 User_ID; Input_ID; Action; X coordinate, Y coordinate, Pressure, Area; Accelerometer_x, Accelerometer_y, Accelerometer_z; Orientation_azimuth, Orientation_pitch, Orientation_roll; Time 14가지 필드를 포함할 수 있다. 행위 정보는 데이터 수집 단계에서 수집되는 입력 데이터 또는 입력 데이터를 가공한 데이터를 의미한다. 추출된 예는 도 3에 도시되어 있다.
User_ID는 사용자의 식별 정보이고, Input_ID는 발생하는 터치 이벤트 각각의 식별 정보이다.
Action은 발생하는 터치 이벤트의 타입이다. DOWN은 무언가가 스크린을 눌렸음을 나타내는 상태이고, MOVE는 무언가가 스크린에서 이동되고 있음을 나타내는 상태이고, UP는 무언가가 스크린에서 떼어졌음을 나타내는 상태이다. 즉, 사용자의 신체가 디바이스의 화면에서 버튼을 누르는 단계, 화면을 밀어내는 단계 등을 수행한 상태 정보이다.
X coordinate는 터치 이벤트가 발생했을 때의 x 좌표이고, Y coordinate는 터치 이벤트가 발생했을 때의 y 좌표이고, Pressure는 터치 이벤트가 발생했을 때의 터치 압력이고, Area는 터치 이벤트가 발생했을 때의 터치 면적이고, Time은 터치 이벤트가 발생했을 때의 시간이다.
Accelerometer은 디바이스의 3축 가속도 센서가 수집한 데이터이고, Orientation은 디바이스의 방향 센서가 수집한 데이터이다.
가속도 센서는 x, y, z의 3축에 대한 가속도를 측정한다. x축(Lateral)은 스마트폰 측면에 작용하는 가속도를, y축(Longitudinal)은 위아래 면에 작용하는 가속도를, z축(Vertical)은 디바이스 앞뒤 면에 작용하는 가속도(m/s2)를 측정한다.
방향 센서는 Azimuth(x-axis), Pitch(y-axis), Roll(z-axis)의 3축에 대한 방향의 변화를 측정한다. Azimuth는 0도 ~ 360도, Pitch는 -180도 ~ 180도, Roll은 90도 ~ 90도의 범위에서 값을 갖는다. Azimuth(방위)는 기기를 수평으로 두었을 때 기기의 머리 부분이 어느 방향을 가리키고 있는지를 값으로 나타낸다. 각 방향에 따른 데이터 값은 북쪽부터 시작하여 시계방향으로 90도씩 더한 값이다. Pitch(경사도)는 기기의 수직 기울기를 의미한다. 기기의 머리 부분과 아래 부분이 수평을 이룰 때 0 값을 가지며 머리 부분의 높이가 높아지면 값이 점점 감소하며 머리 부분의 높이가 낮아지면 값이 점점 증가한다. roll(좌우 회전)은 기기의 수평 기울기를 의미한다. 이 값은 기기의 화면이 하늘을 향하고 있을 때 기기의 좌, 우 부분이 수평이면 0 값을 가지며 기기의 좌측 위치가 높아지면 값이 점점 증가하며 우측 위치가 높아지면 값이 점점 감소한다.
도 4를 참조하면, 패턴 입력 장치는 잠금 패턴의 기준점에 대한 상대적인 위치를 산출한다. 패턴 입력 장치는 터치 이벤트가 발생한 위치 정보를 패턴 UI 내의 9개 버튼(원) 내에 존재하는 각각의 중심점(401, 403, 405)에 대한 상대적인 위치(402, 404, 406)로 정의한다. 즉, 임의의 버튼 1개의 기준점을 B(403)라고 하면, 버튼을 입력할 때 발생한 터치 포인트 P(404)의 위치를 획득한다. B의 좌표 (x,y)를 기준으로 P와의 상대적인 위치를 산출하고 이를 인증에 활용한다.
패턴 입력 장치는 시간 정보에 대해 버튼 입력 지속 시간과 버튼 간 이동 시간을 산출한다. 버튼 입력 지속 시간은 패턴 UI 내의 9개 버튼 중 임의의 버튼 1개에 대한 입력 종료 시간에서 입력 시작 시간을 감산한 값으로 정의하고, 버튼 간 이동 시간은 임의의 2개의 버튼 사이의 입력 시간으로 정의한다.
이하에서는 도 5 내지 도 6를 참조하여, 패턴 입력 장치가 인증 모드에서 패턴을 표시하는 동작을 설명하기로 한다.
도 5는 패턴 입력 장치가 처리하는 공개 패턴을 예시한 도면이고, 도 6은 컴퓨팅 디바이스의 화면을 예시한 도면이다.
패턴 인증부(120)는 학습 패턴을 조합하여 생성한 공개 패턴을 표시하고, 표시된 공개 패턴 및 입력된 해제 패턴 간의 유사도를 판단한다. 패턴 인증부(120)는 공개 패턴 생성부 및 공개 패턴 표시부를 포함할 수 있다.
공개 패턴 생성부는 복수의 학습 패턴 중에서 선택된 학습 패턴의 시작점, 끝점, 또는 중간점부터 다른 하나 이상의 학습 패턴을 연결하여 공개 패턴을 생성한다. 공개 패턴은 하나의 시작점과 하나의 끝점을 갖는 하나의 패턴일 수 있다.
도 5를 참조하면, 복수의 학습 패턴으로부터 생성된 공개 패턴은 학습 패턴보다 많은 각도를 갖는 구간 또는 진행 방향을 변경하는 구간을 갖는다. 큰 테두리로 감싸진 버튼이 해당 공개 패턴의 시작점으로 정의된다. 디바이스의 화면에서 3x3 지점을 순서대로 숫자 1부터 9까지 대응시키면, 도 5의 (a)는 공개 패턴 1이며, 공개 패턴 1은 학습패턴 1(1-2-3-5) 및 학습패턴 2(5-7-8-9)가 조합된다. 도 5의 (b)는 공개 패턴 2이며, 공개 패턴 2는 학습 패턴 1(1-2-3-5) 및 학습 패턴 3(5-6-8-9)이 조합된다. 도 5의 (c)는 공개 패턴 3이며, 공개 패턴 3은 학습 패턴 1(1-2-3-5) 및 학습 패턴 4(5-9-4)가 조합된다. 도 5의 (d)는 공개 패턴 4이며, 공개 패턴 4는 학습패턴 5(8-7-2) 및 학습 패턴 1의 일부(2-3-5)가 조합된다. 도 5의 (e)는 공개 패턴 5이며, 공개 패턴 5는 학습 패턴 5(8-7-2) 및 학습 패턴 6(2-3-6-7)이 조합된다. 도 5의 (f)는 공개 패턴 6이며, 공개 패턴 6은 학습 패턴 5(8-7-2), 학습 패턴 1의 일부(2-3-5), 및 학습 패턴 4(5-9-4)가 조합된다. 도 5의 (g)는 공개 패턴 7이며, 공개 패턴 7은 학습 패턴 1의 일부(2-3-5) 및 학습 패턴 4(5-9-4)가 조합된다. 공개 패턴 1 내지 7은 예시일 뿐이며 이에 한정되는 것은 아니고 구현되는 설계에 따라 학습 패턴 또는 학습 패턴의 일부 영역을 조합하여 생성될 수 있다.
도 6을 참조하면, 공개 패턴 표시부는 공개 패턴 생성부가 생성한 공개 패턴을 컴퓨팅 디바이스의 화면에 표시한다. 패턴 입력 창(620)에 표시할 수도 있고, 패턴 입력 창(620)과 별도의 화면 영역(610)에 표시할 수도 있다.
이하에서는 도 7 내지 도 10을 참조하여, 패턴 입력 장치가 학습 모드 및 인증 모드에서 동작하는 것을 설명하기로 한다. 도 7은 패턴 입력 장치가 학습 모드 및 인증 모드에서 동작하는 것을 예시한 흐름도이고, 도 8은 패턴 입력 장치가 출력한 공개 패턴을 참조하여 입력된 해제 패턴을 예시한 도면이고, 도 9는 패턴 입력 장치가 인증 모드에서 동작하는 것을 예시한 흐름도이다.
단계 S710에서, 패턴 입력 장치는 인증 모드에서 패턴을 출력한다. 학습 모드에서는 학습 패턴을 출력하고, 인증 모드에서는 공개 패턴을 출력한다.
단계 S720에서 패턴을 입력받고, 단계 S730에서 데이터를 추출한다. 단계 S740에서 데이터를 전처리한다. 수집된 데이터들은 기계 학습에 이용하기 위해 벡터화를 수행한다. 또한 이 과정에서 인증요소로 활용하는 데 있어 불필요한 또는 중복되는 데이터를 삭제한다.
단계 750에서는 전처리된 데이터로부터 특징 요소를 추출한다. 패턴 입력 장치는 추출된 데이터를 활용하여 패턴 입력을 위해 발생하는 터치에 대한 위치 데이터; 슬라이드 속도/가속도/각도; 터치 크기, 터치 압력; 버튼 입력 지속 시간(Duration), 버튼 간 이동 시간(Interval); 디바이스의 방향, 디바이스에 가해지는 가속도와 같은 특징 요소를 추출한다. 또한 패턴 입력 장치는 추출된 각 특징 요소의 평균/최소/최대/표준편차 값 등의 통계적 산출값을 고려할 수 있다.
단계 S720 내지 단계 S750은 패턴으로부터 행위 정보(특징 요소)를 추출하는 과정으로 학습 모드, 인증 모드, 또는 등록 모드에서 각각 수행될 수 있다.
단계 760에서는 디바이스가 학습 모드 또는 인증 모드에 해당하는지 판단한다. 모드는 비밀 패턴을 등록하는 등록 모드일 수도 있다.
단계 S770에서, 패턴 학습부(210)는 제1 행위 정보, 즉, 특징 요소를 기반으로 학습하여 사용자별 패턴 특징에 관한 사용자 분류 모델을 생성한다. 패턴 학습부(210)는 추출된 인증 요소들은 기계 학습하고, 사용자 분류 모델을 생성한다. 기계 학습 알고리즘은 Boosted Decision Tree, Decision Forest, Random Forest, Decision Jungle, Naive Bayesian, Support Vector Machine, Locally Deep SVM, Logistic Regression, Neural Network 등의 방식을 적용하여 사용자 분류 모델을 구현할 수 있다.
단계 S780에서, 패턴 학습부(210)는 학습 모드에서 각각의 패턴에 대해 입력을 여러 번 반복한다.
단계 S790에서, 패턴 인증부(220)는 사용자가 입력한 해제 패턴에서 행위 정보(특징 요소)를 추출하고, 사용자별 패턴 특징에 관한 사용자 분류 모델을 참조하여 유사도를 판단한다.
도 8의 (a)에서는 표시된 공개 패턴이 도시되어 있고, 도 8의 (b) 및 도 8의 (c)에서는 사용자들이 패턴 입력 창에 입력한 해제 패턴이 도시되어 있다.
사용자는 자신이 선호하거나 인위적인 디바이스 자세에서 자신의 성향이나 습관을 고려하여 패턴을 입력한다. 사용자마다 손가락의 길이, 손가락의 면적, 디바이스를 잡는 자세, 디바이스를 사용하는 자세가 다르다 보니 동일한 공개 패턴에 대하여 입력한 해제 패턴들의 자취가 상이하다. 사용자마다 해제 패턴들의 자취뿐만 아니라, 터치에 대한 위치 데이터; 슬라이드 속도/가속도/각도; 터치 크기, 터치 압력; 버튼 입력 지속 시간, 버튼 간 이동 시간; 디바이스의 방향, 디바이스에 가해지는 가속도가 다르게 입력된다.
도 9를 참조하면, 단계 S910에서 패턴 입력 장치는 입력된 패턴의 유형을 판단한다. 단계 S920에서 패턴 입력 장치는 입력된 패턴이 공개 패턴이면, 화면에 표시된 공개 패턴과 동일한지 여부를 판단한다. 단계 S930에서 패턴 입력 장치는 사용자별 패턴 특징에 관한 사용자 분류 모델을 참조하여 유사도를 판단한다. 사용자가 입력한 패턴으로부터 추출한 행위 정보를 기반으로 사용자 분류 모델을 통해 산출된 유사도가 설정값보다 크거나 동일하면 정당한 사용자로 인증한다(S950).
단계 S950에서 공개 패턴으로부터 추출한 행위 정보를 기반으로 사용자 분류 모델을 통해 산출된 유사도가 설정값보다 작으면, 정당한 사용자가 아닌 것으로 판단한다. 단계 S960에서 화면에 출력된 공개 패턴을 다른 공개 패턴으로 변경하여 출력하고 다시 패턴을 입력받거나, 비밀 패턴을 입력받는다.
패턴 입력 장치는 필요에 따라 비밀 패턴을 이용하여 잠금을 해제할 수 있다. 표시된 공개 패턴이 아닌 비밀 패턴을 입력받고, 입력된 비밀 패턴 및 기 저장된 비밀 패턴 간의 유사도를 판단할 수 있다. 예컨대, (i) 공공 장소가 아닌 개인 공간이거나 (ii) 공개 패턴의 지점 및 연결 관계는 일치하나 사정으로 인하여 행위 정보의 유사도가 불일치할 때, 비밀 패턴을 입력할 수 있다. 도 10에서는 표시된 공개 패턴과 상이하게 입력된 비밀 패턴이 도시되어 있다.
단계 S970에서 패턴 입력 장치는 입력된 패턴이 비밀 패턴이면, 미리 저장된 비밀 패턴과 동일한지 여부를 판단한다. 단계 S930에서 패턴 입력 장치는 사용자별 패턴 특징에 관한 사용자 분류 모델을 참조하여 유사도를 판단한다. 사용자가 입력한 패턴으로부터 추출한 행위 정보를 기반으로 사용자 분류 모델을 통해 산출된 유사도가 설정값보다 크거나 동일하면 정당한 사용자로 인증한다(S950).
단계 S980에서 비밀 패턴으로부터 추출한 행위 정보를 기반으로 사용자 분류 모델을 통해 산출된 유사도가 설정값보다 작으면, 정당한 사용자가 아닌 것으로 판단한다. 단계 S990에서 패턴 입력 장치는 사용자가 화면에 출력된 공개 패턴을 보고 입력한 해제 패턴을 입력받는다.
패턴 입력 장치에 포함된 구성요소들이 도 1에서는 분리되어 도시되어 있으나, 복수의 구성요소들은 상호 결합되어 적어도 하나의 모듈로 구현될 수 있다. 구성요소들은 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소들은 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
패턴 입력 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.
패턴 입력 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.
도 11은 본 발명의 다른 실시예에 따른 패턴 입력 방법을 예시한 흐름도이다. 패턴 입력 방법은 컴퓨팅 디바이스에 의하여 수행될 수 있으며, 패턴 입력 장치와 동일한 방식으로 동작한다.
단계 S1110에서, 컴퓨팅 디바이스는 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습한다. 학습 패턴은 잠금 패턴에 포함된 복수의 지점 및 복수의 지점 간에 선택적으로 연결된 경로를 포함하며, 기 설정된 각도를 갖는 구간 또는 진행 방향을 변경하는 구간을 포함한다. 제1 행위 정보는, (i) 터치 이벤트가 발생한 위치 정보, (ii) 터치 압력 정보, (iii) 터치 면적 정보, (iv) 터치 시간 정보, (v) 컴퓨팅 디바이스의 움직임 정보, 및 (vi) 컴퓨팅 디바이스의 자세 정보를 포함한다. 터치 이벤트가 발생한 위치 정보는 잠금 패턴의 기준점에 대하여 산출된 상대적인 위치이다.
사용자별 패턴 특징을 학습하는 단계(S1110)는 제1 행위 정보를 기반으로 학습하여 사용자별 패턴 특징에 관한 사용자 분류 모델을 생성한다. 사용자별 패턴 특징을 학습하는 단계(S1110)는 추출된 인증 요소들은 기계 학습하고, 사용자 분류 모델을 생성한다. 기계 학습 알고리즘은 Boosted Decision Tree, Decision Forest, Random Forest, Decision Jungle, Naive Bayesian, Support Vector Machine, Locally Deep SVM, Logistic Regression, Neural Network 등의 방식을 적용하여 사용자 분류 모델을 구현할 수 있다.
단계 S1120에서, 컴퓨팅 디바이스는 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증한다. 제2 행위 정보는 () 터치 이벤트가 발생한 위치 정보, (ii) 터치 압력 정보, (iii) 터치 면적 정보, (iv) 터치 시간 정보, (v) 컴퓨팅 디바이스의 움직임 정보, 및 (vi) 컴퓨팅 디바이스의 자세 정보를 포함한다.
사용자를 인증하는 단계(S1120)는 학습 패턴을 조합하여 생성한 공개 패턴을 표시하고, 표시된 공개 패턴 및 입력된 해제 패턴 간의 유사도를 판단한다. 공개 패턴은 복수의 학습 패턴 중에서 선택된 학습 패턴의 시작점, 끝점, 또는 중간점부터 다른 하나 이상의 학습 패턴을 연결하여 생성되며, 하나의 시작점과 하나의 끝점을 갖는 하나의 패턴이다.
사용자를 인증하는 단계(S1120)는 화면에 출력된 공개 패턴을 다른 공개 패턴으로 변경하여 출력할 수 있다. 사용자를 인증하는 단계(S1120)는 표시된 공개 패턴이 아닌 비밀 패턴을 입력받고, 입력된 비밀 패턴 및 기 저장된 비밀 패턴 간의 유사도를 판단할 수 있다. 비밀 패턴이 존재하지만, 이는 간단하게 설정이 가능하다. 예컨대, 공적인 장소에서는 공개 패턴을 사적인 장소에서는 비밀 패턴을 선택적으로 사용할 수 있다.
본 실시예들에 따르면, 패스워드와 같이 아는 것에 기반하는 지식기반 인증처럼 사용자가 암기하지 않아도 되고, OTP와 같이 가진 것에 기반하는 소유기반 인증처럼 분실/도난의 위험이 없고, 지문 및 홍채와 같이 생체기반 인증처럼 템플릿 유출시 템플릿 변경이 불가능하다는 위험이 없는 장점이 있다.
도 11에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 11에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 패턴 입력 장치
110: 패턴 학습부
120: 패턴 인증부
110: 패턴 학습부
120: 패턴 인증부
Claims (16)
- 정당 사용자를 인증하기 위해 잠금 패턴을 사용하는 컴퓨팅 디바이스에 의한 패턴 입력 방법에 있어서,
상기 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습하는 단계; 및
상기 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증하는 단계
를 포함하는 패턴 입력 방법. - 제1항에 있어서,
상기 사용자별 패턴 특징을 학습하는 단계는,
상기 제1 행위 정보를 기반으로 학습하여 상기 사용자별 패턴 특징에 관한 사용자 분류 모델을 생성하는 것을 특징으로 하는 패턴 입력 방법. - 제1항에 있어서,
상기 학습 패턴은 상기 잠금 패턴에 포함된 복수의 지점 및 상기 복수의 지점 간에 선택적으로 연결된 경로를 포함하며, 기 설정된 각도를 갖는 구간 또는 진행 방향을 변경하는 구간을 포함하는 것을 특징으로 하는 패턴 입력 방법. - 제1항에 있어서,
상기 제1 행위 정보 및 상기 제2 행위 정보는,
(i) 터치 이벤트가 발생한 위치 정보, (ii) 터치 압력 정보, (iii) 터치 면적 정보, (iv) 터치 시간 정보, (v) 상기 컴퓨팅 디바이스의 움직임 정보, 및 (vi) 상기 컴퓨팅 디바이스의 자세 정보를 포함하는 것을 특징으로 하는 패턴 입력 방법. - 제4항에 있어서,
상기 터치 이벤트가 발생한 위치 정보는 상기 잠금 패턴의 기준점에 대하여 산출된 상대적인 위치인 것을 특징으로 하는 패턴 입력 방법. - 제1항에 있어서,
상기 사용자를 인증하는 단계는,
상기 학습 패턴을 조합하여 생성한 공개 패턴을 표시하고, 상기 표시된 공개 패턴 및 상기 입력된 해제 패턴 간의 유사도를 판단하는 것을 특징으로 하는 패턴 입력 방법. - 제6항에 있어서,
상기 공개 패턴은 복수의 학습 패턴 중에서 선택된 학습 패턴의 시작점, 끝점, 또는 중간점부터 다른 하나 이상의 학습 패턴을 연결하여 생성되며, 하나의 시작점과 하나의 끝점을 갖는 하나의 패턴인 것을 특징으로 하는 패턴 입력 방법. - 제6항에 있어서,
상기 사용자를 인증하는 단계는,
상기 화면에 출력된 공개 패턴을 다른 공개 패턴으로 변경하여 출력하는 것을 특징으로 하는 패턴 입력 방법. - 제6항에 있어서,
상기 사용자를 인증하는 단계는,
상기 표시된 공개 패턴이 아닌 비밀 패턴을 입력받고, 상기 입력된 비밀 패턴 및 기 저장된 비밀 패턴 간의 유사도를 판단하는 것을 특징으로 하는 패턴 입력 방법. - 정당 사용자를 인증하기 위해 잠금 패턴을 사용하는 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습하는 패턴 학습부; 및
상기 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증하는 패턴 인증부
를 포함하는 패턴 입력 장치. - 제10항에 있어서,
상기 학습 패턴은 상기 잠금 패턴에 포함된 복수의 지점 및 상기 복수의 지점 간에 선택적으로 연결된 경로를 포함하며, 기 설정된 각도를 갖는 구간 또는 진행 방향을 변경하는 구간을 포함하는 것을 특징으로 하는 패턴 입력 장치. - 제10항에 있어서,
상기 제1 행위 정보 및 상기 제2 행위 정보는,
(i) 터치 이벤트가 발생한 위치 정보, (ii) 터치 압력 정보, (iii) 터치 면적 정보, (iv) 터치 시간 정보, (v) 상기 컴퓨팅 디바이스의 움직임 정보, 및 (vi) 상기 컴퓨팅 디바이스의 자세 정보를 포함하는 것을 특징으로 하는 패턴 입력 장치. - 제10항에 있어서,
상기 패턴 인증부는,
상기 학습 패턴을 조합하여 생성한 공개 패턴을 표시하고, 상기 표시된 공개 패턴 및 상기 입력된 해제 패턴 간의 유사도를 판단하는 것을 특징으로 하는 패턴 입력 장치. - 제13항에 있어서,
상기 공개 패턴은 복수의 학습 패턴 중에서 선택된 학습 패턴의 시작점, 끝점, 또는 중간점부터 다른 하나 이상의 학습 패턴을 연결하여 생성되며, 하나의 시작점과 하나의 끝점을 갖는 하나의 패턴인 것을 특징으로 하는 패턴 입력 장치. - 제13항에 있어서,
상기 패턴 인증부는,
상기 표시된 공개 패턴이 아닌 비밀 패턴을 입력받고, 상기 입력된 비밀 패턴 및 기 저장된 비밀 패턴 간의 유사도를 판단하는 것을 특징으로 하는 패턴 입력 장치. - 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 패턴 입력을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에,
상기 컴퓨팅 디바이스의 화면에 입력된 학습 패턴으로부터 제1 행위 정보를 추출하여 사용자별 패턴 특징을 학습하는 단계; 및
상기 컴퓨팅 디바이스의 화면에 입력된 해제 패턴으로부터 제2 행위 정보를 추출하여 상기 학습한 사용자별 패턴 특징을 기반으로 사용자를 인증하는 단계
를 포함한 동작들을 수행하는 컴퓨터 프로그램.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170097736A KR101957405B1 (ko) | 2017-08-01 | 2017-08-01 | 숄더 서핑 공격에 강인한 패턴 입력 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170097736A KR101957405B1 (ko) | 2017-08-01 | 2017-08-01 | 숄더 서핑 공격에 강인한 패턴 입력 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190013307A true KR20190013307A (ko) | 2019-02-11 |
KR101957405B1 KR101957405B1 (ko) | 2019-04-19 |
Family
ID=65370128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170097736A KR101957405B1 (ko) | 2017-08-01 | 2017-08-01 | 숄더 서핑 공격에 강인한 패턴 입력 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101957405B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020222367A1 (ko) * | 2019-05-02 | 2020-11-05 | 연세대학교 산학협력단 | 복수의 컴퓨팅 장치에 내장된 센서를 활용한 사용자 인증 시스템 |
KR20210019201A (ko) | 2019-08-12 | 2021-02-22 | 연세대학교 산학협력단 | 행위 기반 인증에서 다양한 자세 수용을 위한 사용자 인증 장치 및 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130140949A (ko) * | 2012-05-17 | 2013-12-26 | 삼성에스엔에스 주식회사 | 단말기의 사용자 패턴 인식 장치 및 그 방법 |
KR20150092441A (ko) * | 2014-02-04 | 2015-08-13 | 에스케이텔레콤 주식회사 | 터치 드래그를 이용한 사용자 인증 방법 및 이를 위한 장치 |
-
2017
- 2017-08-01 KR KR1020170097736A patent/KR101957405B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130140949A (ko) * | 2012-05-17 | 2013-12-26 | 삼성에스엔에스 주식회사 | 단말기의 사용자 패턴 인식 장치 및 그 방법 |
KR20150092441A (ko) * | 2014-02-04 | 2015-08-13 | 에스케이텔레콤 주식회사 | 터치 드래그를 이용한 사용자 인증 방법 및 이를 위한 장치 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020222367A1 (ko) * | 2019-05-02 | 2020-11-05 | 연세대학교 산학협력단 | 복수의 컴퓨팅 장치에 내장된 센서를 활용한 사용자 인증 시스템 |
KR20200127437A (ko) * | 2019-05-02 | 2020-11-11 | 연세대학교 산학협력단 | 복수의 컴퓨팅 장치에 내장된 센서를 활용한 사용자 인증 시스템 |
KR20210019201A (ko) | 2019-08-12 | 2021-02-22 | 연세대학교 산학협력단 | 행위 기반 인증에서 다양한 자세 수용을 위한 사용자 인증 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR101957405B1 (ko) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Buriro et al. | Hold and sign: A novel behavioral biometrics for smartphone user authentication | |
Sun et al. | Touchin: Sightless two-factor authentication on multi-touch mobile devices | |
US10311291B2 (en) | Face recognition method, device and computer readable storage medium | |
Jain et al. | Exploring orientation and accelerometer sensor data for personal authentication in smartphones using touchscreen gestures | |
EP3482331B1 (en) | Obscuring data when gathering behavioral data | |
US20130229367A1 (en) | Dynamic Patterns for Mobile Device Authentication | |
US10063541B2 (en) | User authentication method and electronic device performing user authentication | |
US10120995B2 (en) | Pattern password with variable hint pattern | |
EP3559847B1 (en) | Electronic device for biometric authentication of a user | |
Roy et al. | An HMM-based multi-sensor approach for continuous mobile authentication | |
CN103034429A (zh) | 用于触摸屏的身份验证方法和装置 | |
US9589125B2 (en) | 3D pass-go | |
KR20150050666A (ko) | 패턴 입력 장치 및 방법과 이를 이용한 기록 매체 | |
Buriro et al. | Airsign: A gesture-based smartwatch user authentication | |
Rogowski et al. | User authentication for mobile devices | |
WO2016206398A1 (zh) | 控制电子设备的方法和装置及解锁手持终端的方法和装置 | |
CN105354455B (zh) | 一种状态切换方法及电子设备 | |
Guo et al. | OpenSesame: Unlocking smart phone through handshaking biometrics | |
KR101957405B1 (ko) | 숄더 서핑 공격에 강인한 패턴 입력 방법 및 장치 | |
WO2014185861A1 (en) | System and method for authenticating a user | |
Garbuz et al. | Continuous authentication of smartphone users via swipes and taps analysis | |
WO2017109792A1 (en) | System and method for authenticating with user specified grid and capturing and comparing the pattern start and end including repeats | |
Burgbacher et al. | A behavioral biometric challenge and response approach to user authentication on smartphones | |
Hasan et al. | Multifactor pattern implicit authentication | |
KR20160058725A (ko) | 지문 각도 및 지문 이동 방향에 기초하여 어플리케이션을 실행시키는 기능을 가지는 이동 통신 단말기 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |