KR20210145458A - 위조 지문 검출 장치 및 위조 지문 방지를 위한 모델 업데이트 방법 - Google Patents

Abstract

위조 지문 검출 장치 및 위조 지문 방지를 위한 모델 업데이트 방법이 개시된다. 일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 획득하는 단계, 위조 지문 여부를 판단하기 위해 학습된 초기 모델의 지문 데이터에 기초하여, 입력 임베딩 벡터의 제1 신뢰도 값을 결정하는 단계 및 제1 신뢰도 값이 제1 임계값 이상인 경우, 입력 임베딩 벡터에 기초하여 초기 모델을 업데이트하는 단계를 포함한다.

Description

위조 지문 검출 장치 및 위조 지문 방지를 위한 모델 업데이트 방법{FAKE FINGERPRINT DETECTION DEVICE AND MODEL UPDATE METHOD FOR FAKE FINGERPRINT PREVENTION}

아래 실시예들은 위조 지문 검출 장치 및 위조 지문 방지를 위한 모델 업데이트 방법에 관한 것이다.

최근, 스마트폰 및 다양한 모바일/웨어러블 기기의 발전으로 보안 인증 기술에 대한 중요성이 증대되고 있다. 보안 인증 기술 중 하나인 지문 인식 기술은 편리성, 보안성, 경제성 등의 장점으로 인해 널리 이용되고 있다. 지문 인식에서는 일반적으로, 센서를 통하여 사용자의 지문 영상을 획득하고, 획득된 지문 영상과 미리 등록된 지문 영상을 비교하여 사용자를 인증한다. 이 때, 정교하게 조작된 위조(fake) 지문 패턴이 센서에 입력되는 경우, 지문 인식 장치는 위조 지문 패턴을 구별하지 못하고 해당 위조 지문 패턴을 생체 지문으로 인식할 우려가 있다. 예를 들어, 지문이 새겨진, 고무, 실리콘, 젤라틴, 에폭시, 라텍스 등의 물질이 센서에 접촉되는 경우, 해당 물질에 새겨진 지문이 인간의 지문으로 인식될 우려가 있다. 지문 인식 기술의 보안성 측면에서 인간의 지문이 아닌 인위적으로 제작된 위조 지문을 구분하는 것은 중요하다.

일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 획득하는 단계; 미리 구비된 실제(real) 모델 및 미리 구비된 위조(fake) 모델 중 적어도 하나를 포함하는 초기 모델의 지문 데이터에 기초하여, 상기 입력 임베딩 벡터의 신뢰도 값을 결정하는 단계; 및 상기 신뢰도 값이 제1 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 초기 모델을 업데이트하는 단계를 포함한다.

상기 입력 임베딩 벡터의 신뢰도 값을 결정하는 단계는 상기 초기 모델의 지문 데이터 및 등록(enroll) 모델의 등록 지문 데이터에 기초하여 상기 입력 임베딩 벡터의 신뢰도 값을 결정하는 단계를 포함할 수 있다.

일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 상기 신뢰도 값이 제2 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 등록 모델을 업데이트하는 단계를 더 포함할 수 있다.

상기 업데이트하는 단계는 상기 초기 모델에 저장된 상기 지문 데이터의 수가 저장 한도에 도달했는지 판단하는 단계; 및 상기 초기 모델에 저장된 상기 지문 데이터의 수가 상기 저장 한도에 도달한 경우, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는 단계를 포함할 수 있다.

상기 제거 지문 데이터를 결정하는 단계는 위조 모델에 포함된 지문 데이터를 상기 제거 지문 데이터에서 제외하는 단계; 상기 업데이트를 통해 추가된 지문 데이터를 상기 제거 지문 데이터에서 제외하는 단계; 및 상기 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터를 상기 제거 지문 데이터에서 제외하는 단계를 포함할 수 있다.

일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 상기 지문 데이터 중에서 상기 업데이트에 사용된 지문 데이터의 히트 카운트(hit count)를 조정하는 단계를 더 포함하고, 상기 업데이트하는 단계는 상기 히트 카운트에 기초하여, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는 단계를 포함할 수 있다.

상기 업데이트하는 단계는 상기 지문 데이터의 시간 가중치에 기초하여, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는 단계를 포함할 수 있다.

상기 업데이트하는 단계는 상기 입력 임베딩 벡터와 상기 지문 데이터의 유사도가 제3 임계값 이상인 쉬프트 데이터를 결정하는 단계; 상기 입력 임베딩 벡터에 기초하여, 상기 쉬프트 데이터를 이동시키는 단계; 및 상기 이동된 쉬프트 데이터에 기초하여, 상기 초기 모델을 업데이트하는 단계를 포함할 수 있다.

일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 등록을 위한 적어도 하나의 등록 지문 영상에 대응하는 등록 임베딩 벡터를 획득하는 단계; 및 상기 등록 임베딩 벡터를 상기 등록 지문 데이터로 결정하는 단계를 더 포함할 수 있다.

일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 등록을 위한 적어도 하나의 등록 지문 영상에 대응하는 등록 임베딩 벡터를 획득하는 단계; 상기 초기 모델에 기초하여, 상기 등록 지문 영상에 나타난 등록 지문이 실제 지문인지 여부를 판단하는 단계; 및 상기 등록 지문 영상에 나타난 등록 지문 중, 상기 실제 지문으로 판단된 지문을 상기 등록 지문 데이터로 결정하는 단계를 더 포함할 수 있다.

일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법은 하나 이상의 센서를 이용하여 상태 정보를 획득하는 단계; 및 상기 상태 정보에 기초하여, 상기 초기 모델 및 상기 등록 모델 중 상기 업데이트를 수행할 모델을 결정하는 단계를 더 포함할 수 있다.

일 실시예에 따른 위조 지문 검출 장치는 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 획득하고, 미리 구비된 실제 모델 및 미리 구비된 위조 모델 중 적어도 하나를 포함하는 초기 모델의 지문 데이터에 기초하여, 상기 입력 임베딩 벡터의 신뢰도 값을 결정하고, 상기 신뢰도 값이 제1 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 초기 모델을 업데이트하는 프로세서를 포함한다.

상기 프로세서는 상기 초기 모델의 지문 데이터 및 등록 모델의 등록 지문 데이터에 기초하여 상기 입력 임베딩 벡터의 신뢰도 값을 결정할 수 있다.

상기 프로세서는 상기 신뢰도 값이 제2 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 등록 모델을 업데이트할 수 있다.

상기 프로세서는 상기 초기 모델에 저장된 상기 지문 데이터의 수가 저장 한도에 도달했는지 판단하고, 상기 초기 모델에 저장된 상기 지문 데이터의 수가 상기 저장 한도에 도달한 경우, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정할 수 있다.

상기 프로세서는 위조 모델에 포함된 지문 데이터를 상기 제거 지문 데이터에서 제외하고, 상기 업데이트를 통해 추가된 지문 데이터를 상기 제거 지문 데이터에서 제외하고, 상기 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터를 상기 제거 지문 데이터에서 제외할 수 있다.

상기 프로세서는 상기 지문 데이터 중에서 상기 업데이트에 사용된 지문 데이터의 히트 카운트를 조정하고, 히트 카운트에 기초하여, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정할 수 있다.

상기 프로세서는 상기 입력 임베딩 벡터와 상기 지문 데이터의 유사도가 제3 임계값 이상인 쉬프트 데이터를 결정하고, 상기 입력 임베딩 벡터에 기초하여, 상기 쉬프트 데이터를 이동시키고, 상기 이동된 쉬프트 데이터에 기초하여, 상기 초기 모델을 업데이트할 수 있다.

상기 프로세서는 하나 이상의 센서를 이용하여 상태 정보를 획득하고, 상기 상태 정보에 기초하여, 상기 초기 모델 및 상기 등록 모델 중 상기 업데이트를 수행할 모델을 결정할 수 있다.

도 1은 일 실시예에 따른 생체 정보 인식 방법을 설명하기 위한 도면이다.
도 2a는 단말 변화 케이스를 설명하기 위한 도면이다.
도 2b는 지문 변화 케이스를 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법을 설명하기 위한 도면이다.
도 4a 및 도 4b는 입력 임베딩 벡터에 기초하여 초기 모델 및 등록 모델을 업데이트하는 방법을 설명하기 위한 도면이다.
도 5a 내지 도 5e는 일 실시예에 따른 입력 임베딩 벡터를 제거 지문 데이터와 교체하거나, 입력 임베딩 벡터를 추가하는 방법을 설명하기 위한 도면이다.
도 6는 일 실시예에 따른 위조 지문 검출 장치의 블록도이다.
도 7은 일 실시예에 따른 센서 정보를 이용하여 업데이트를 수행할 모델을 결정하는 방법을 설명하기 위한 순서도이다.
도 8a 내지 도 8d는 일 실시예에 따른 초기 모델 및/또는 등록 모델을 업데이트하는 방법을 설명하기 위한 순서도이다.
도 9는 일 실시예에 따른 업데이트 제한 조건을 설명하기 위한 순서도이다.

본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.

제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 일 실시예에 따른 생체 정보 인식 방법을 설명하기 위한 도면이다. 이하, 설명의 편의를 위하여 생체 정보가 지문인 경우를 가정한다. 하지만, 실시예들은 정맥, 홍채 등 영상의 형태로 인식 가능한 다양한 생체 정보에도 동일하게 적용될 수 있다.

도 1을 참조하면, 일 실시예에 따른 지문 인식 장치(100)는 사용자의 지문을 센싱하는 지문 센서(110)를 포함한다. 지문 인식 장치(100)는 지문 센서(110)를 통하여 사용자의 지문이 나타난 입력 지문 영상(115)을 획득할 수 있다.

지문 인식을 위한 전제로, 지문 등록이 수행될 수 있다. 등록 지문 영상들(121, 122, 123)은 지문 등록 과정을 거쳐 등록 지문 데이터베이스(120)에 미리 저장될 수 있다. 등록 지문 데이터베이스(120)는 지문 인식 장치(100)에 포함된 메모리(미도시)에 저장되거나, 지문 인식 장치(100)와 통신할 수 있는 서버 등의 외부 장치(미도시)에 저장될 수 있다.

후속 시점에서, 지문 인식 장치(100)로 인증을 위한 입력 지문 영상(115)이 수신되면, 지문 인식 장치(100)는 입력 지문 영상(115)에 나타난 지문(이하, '입력 지문'이라고 함)과 등록 지문 영상들(121 내지 123)에 나타난 등록 지문들을 비교함으로써 사용자의 지문을 인식할 수 있다.

입력 지문 영상(115)이 위조 지문(fake fingerprint)을 센싱한 것이고, 입력 지문 영상(115)과 등록 지문 영상(123) 간의 지문 패턴이 서로 유사한 경우, 위조 지문에 대한 인증이 성공될 가능성이 있다. 이러한 오인식(misrecognition) 문제를 해결하기 위해서는 입력 지문 영상(115)에 나타난 입력 지문이 위조 지문인지 아니면 사람의 진짜 진문(real fingerprint)인지 여부를 판단하는 과정이 필요하다. 일 실시예에 따르면, 지문 인식 장치(100)는 위조 지문 검출 장치(미도시)를 포함할 수 있고, 위조 지문 검출 장치를 통해 입력 지문이 위조 지문인지 여부를 판단할 수 있다.

종래의 위조 지문 검출 시스템은 사전에 준비된 훈련 데이터베이스를 활용하여 뉴럴 네트워크로 구현된 위조 지문 검출 장치를 훈련하여 실제 지문과 위조 지문을 구분할 수 있도록 하였다.

종래의 위조 지문 검출 시스템은 사전에 준비된 훈련 데이터베이스를 기반으로 위조 지문 검출 장치를 설계했으나, 사전에 준비된 훈련 데이터베이스로 실제 사용 환경을 모두 커버하는 것은 시간, 비용적인 측면에서 현실적이지 못할 수 있다.

예를 들어, 사전에 준비된 훈련 데이터베이스로 실제 사용 환경을 커버하기 어려운 케이스로 위조 지문 검출 장치에 보호필름을 붙이는 경우, 위조 지문 검출 장치에 흠집이 있는 경우와 같이 단말 자체에 변화가 생기는 케이스(이하, '단말 변화 케이스'라고 지칭한다) 또는 사용 환경(예를 들어, 저온, 고온 또는 건조 환경 등)에 따라 지문이 수축하거나 변형되는 케이스(이하, '지문 변화 케이스'라고 지칭한다)가 있을 수 있다. 해당 케이스들의 경우, 사전에 준비된 훈련 데이터베이스로 실제 사용 환경을 커버하기 어렵기 때문에 위조 지문 검출 장치의 성능이 저하되는 문제가 있을 수 있다.

아래에서 상세히 설명하겠지만, 일 실시예에 따른 위조 지문 검출 장치는 인증을 위한 입력 지문 영상(115)을 이용하여 위조 지문 검출 장치를 업데이트할 수 있다. 위조 지문 검출 장치는 입력 지문 영상(115)을 이용하여 위조 지문 검출 장치를 업데이트함으로써 실제 사용 환경을 반영할 수 있으므로 위조 지문 판단 성능이 향상될 수 있다.

도 2a는 단말 변화 케이스를 설명하기 위한 도면이다.

도 2a를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 단말 변화 케이스를 커버하기 위해 입력 지문 영상을 이용하여 초기 모델을 업데이트할 수 있다. 단말 변화 케이스는 전술한 바와 같이 위조 지문 검출 장치에 보호필름을 붙이는 경우, 위조 지문 검출 장치에 흠집이 있는 경우와 같이 단말 자체에 변화가 생기는 케이스로 한번 변화가 이루어 지면 다시 이전 상태로 되돌아 가지 않는 비가역적 변화가 생기는 것을 의미할 수 있다.

초기 모델은 위조 지문 여부를 판단하기 위해 학습된 실제 모델과 위조 모델을 포함할 수 있다. 실제 모델은 사전에 준비된 불특정 다수의 지문 훈련 데이터베이스를 활용하여 학습된 뉴럴 네트워크에서, 실제 지문 훈련 데이터베이스에 대응하는 임베딩 벡터의 집합을 의미할 수 있다. 위조 모델은 사전에 준비된 불특정 다수의 지문 훈련 데이터베이스를 활용하여 학습된 뉴럴 네트워크에서, 위조 지문 훈련 데이터베이스에 대응하는 임베딩 벡터의 집합을 의미할 수 있다.

임베딩 벡터는 각 인증 요소를 구분하게 해주는 정보를 포함하며, 예를 들어 임베딩 벡터는 지문 영상 중에서 인증에 필요한 성분을 압축하여 가지고 있을 수 있다. 임베딩 벡터는 특징 벡터(feature vector)로 지칭될 수 있다. 전술한 바와 같이, 초기 모델이 위조 지문 검출 장치의 실제 사용 환경을 모두 반영할 수 없기에 실제 사용 환경에 맞게 초기 모델의 업데이트가 필요할 수 있다.

도면(210)은 업데이트 전의 초기 모델을, 도면(220)은 업데이트된 초기 모델을 도시한 도면일 수 있다. 초기 모델을 업데이트하는 것은 초기 모델에 포함된 지문 데이터를 업데이트하는 것을 의미할 수 있다. 초기 모델에 포함된 지문 데이터는 실제 모델의 실제 지문 데이터 및 위조 모델의 위조 지문 데이터 중 적어도 하나를 포함할 수 있다. 초기 모델의 지문 데이터는 초기 모델의 원소일 수 있다.

일 실시예에 따른 초기 모델의 지문 데이터는 초기 모델을 학습시키는데 사용된 초기 지문 훈련 데이터베이스에 포함된 모든 지문 영상에 대응하는 초기 임베딩 벡터 중 하나일 수 있다. 또는, 다른 실시예에 따른 초기 지문 데이터는 초기 지문 훈련 데이터베이스에 포함된 모든 지문 영상에 대응하는 초기 임베딩 벡터를 클러스터링하여 대표되는 몇 개의 임베딩 벡터 중 하나일 수 있다.

위조 지문 검출 장치는 입력 지문 영상에 대응하는 입력 임베딩 벡터에 기초하여 초기 모델을 업데이트할 수 있다. 도면(230)을 참조하면, 단말 변화 케이스의 경우 단말 자체에 변화가 생기기 때문에 초기 모델의 지문 데이터는 전체적으로 입력 지문 영상에 대응하는 입력 임베딩 벡터 쪽으로 바이어스 되도록 업데이트될 수 있다.

도 2b는 지문 변화 케이스를 설명하기 위한 도면이다.

도 2b를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 지문 변화 케이스를 커버하기 위해 입력 지문 영상을 이용하여 등록 모델을 업데이트할 수 있다. 단말 변화 케이스는 전술한 바와 같이 사용 환경(예를 들어, 저온, 고온 또는 건조 환경 등)에 따라 지문이 수축하거나 변형되는 케이스로 실제 사용 환경에서 발생하는 지문의 주기적 변화를 의미할 수 있다.

등록 모델은 등록 지문 영상들(121, 122, 123)에 대응하는 등록 임베딩 벡터의 집합을 의미할 수 있다. 등록 지문 데이터는 등록 모델의 원소일 수 있다.

위조 지문 검출 장치는 지문 인증을 위해 등록되는 등록 지문 영상을 기반으로 등록 모델을 생성할 수 있다. 이 때 등록되는 모든 등록 지문 영상에 포함된 지문을 실제 지문이라 가정하여 등록 모델을 생성할 수도 있고, 학습된 실제 모델 및 위조 모델을 이용하여 실제 지문으로 판단된 지문만을 이용하여 등록 모델을 생성할 수도 있다.

일 실시예에 따른 위조 지문 검출 장치는 뉴럴 네트워크를 이용하여 등록 지문 영상에 대응하는 등록 임베딩 벡터를 획득할 수 있고, 해당 등록 임베딩 벡터를 등록 지문 데이터로 결정하여 등록 지문 데이터 DB에 저장할 수 있다.

다른 실시예에 따른 위조 지문 검출 장치는 학습된 실제 모델 및 위조 모델을 이용하여 실제 지문으로 판단된 지문만을 이용하여 등록 모델을 생성할 수 있다. 위조 지문 검출 장치는 뉴럴 네트워크를 이용하여 등록 지문 영상에 대응하는 등록 임베딩 벡터를 획득할 수 있고, 실제 지문 데이터와 등록 임베딩 벡터를 비교하여, 등록 임베딩 벡터의 신뢰도 값을 결정할 수 있다. 위조 지문 검출 장치는 등록 임베딩 벡터의 신뢰도 값이 미리 정해진 임계값 이상인 등록 임베딩 벡터를 등록 지문 데이터로 결정하여 등록 지문 데이터 DB에 저장할 수 있다.

위조 지문 검출 장치는 초기 모델의 지문 데이터 뿐만 아니라 등록 모델의 등록 지문 데이터에 기초하여 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 판단할 수 있다. 따라서, 등록 모델이 위조 지문 검출 장치의 실제 사용 환경을 모두 반영할 수 없다면 위조 지문 검출 장치의 위조 지문 여부 판단 성능이 떨어지게 되기 때문에, 위조 지문 검출 장치는 실제 사용 환경에 맞게 등록 모델을 업데이트하여야 할 수 있다.

도면(240)은 업데이트 전의 등록 모델을, 도면(250)은 업데이트된 등록 모델을 도시한 도면일 수 있다. 등록 모델을 업데이트하는 것은 등록 모델에 포함된 지문 데이터를 업데이트하는 것을 의미할 수 있다.

위조 지문 검출 장치는 입력 지문 영상에 대응하는 입력 임베딩 벡터에 기초하여 등록 모델을 업데이트할 수 있다. 도면(260)을 참조하면, 지문 변화 케이스의 경우 등록 모델은 실제 사용 환경의 특정 부분만을 반영하기 때문에 다양한 실제 사용 환경을 커버하기 위하여 입력 지문 영상에 대응하는 입력 임베딩 벡터가 등록 모델에 추가되도록 업데이트될 수 있다.

예를 들어, 사용자는 상온에서 인증을 위한 등록을 수행하기 때문에 등록 모델은 저온, 고온, 건조 상태의 지문을 반영하지 못할 수 있다. 이에, 위조 지문 검출 장치는 입력 지문 영상에 대응하는 입력 임베딩 벡터가 등록 모델에 추가되도록 업데이트할 수 있다.

도 3은 일 실시예에 따른 위조 지문 방지를 위한 모델 업데이트 방법을 설명하기 위한 도면이다.

도 3을 참조하면, 일 실시예에 따른 단계들(310 내지 350)은 도 1 내지 도 2를 참조하여 전술한 위조 지문 검출 장치에 의해 수행될 수 있다. 위조 지문 검출 장치는 하나 또는 그 이상의 하드웨어 모듈, 하나 또는 그 이상의 소프트웨어 모듈, 또는 이들의 다양한 조합에 의하여 구현될 수 있다.

단계(310)에서, 위조 지문 검출 장치는 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 추출할 수 있다. 위조 지문 검출 장치는 지문 인식 장치(100)로부터 입력 임베딩 벡터를 수신할 수 있다. 지문 인식 장치(100)는 입력 지문 영상을 수신하고, 입력 지문 영상으로부터 입력 임베딩 벡터를 생성할 수 있다. 입력 임베딩 벡터는 입력 지문 영상에서 인증에 필요한 성분을 압축하여 가지고 있을 수 있다. 또는, 위조 지문 검출 장치는 직접 입력 지문 영상을 수신하고, 입력 지문 영상으로부터 입력 임베딩 벡터를 생성할 수도 있다.

단계(325)에서, 위조 지문 검출 장치는 위조 지문 여부를 판단하기 위해 학습된 초기 모델(315)의 지문 데이터에 기초하여, 입력 임베딩 벡터의 제1 신뢰도 값을 계산할 수 있다. 위조 지문 검출 장치는 초기 모델(315) 뿐만 아니라 등록 모델(320)의 등록 지문 데이터를 더 고려하여 입력 임베딩 벡터의 제1 신뢰도 값을 계산할 수도 있다.

입력 임베딩 벡터의 신뢰도 값은 위조 지문 데이터, 실제 지문 데이터 및 등록 지문 데이터 중 적어도 하나와 입력 임베딩 벡터 사이의 거리, 코싸인 유사도(cosine similarity) 등을 이용하여 계산될 수 있고, 이외에도 다양한 유형의 유사도 계산 방법이 적용될 수 있다.

예를 들어, 위조 지문 검출 장치는 아래 수학식 1에 기초하여 입력 임베딩 벡터의 제1 신뢰도 값을 계산할 수 있다.

는 실제 지문 데이터 중에서 입력 임베딩 벡터와 거리가 가장 가까운 임베딩 벡터와 입력 임베딩 벡터 사이의 사후 확률을 의미할 수 있다.

는 등록 지문 데이터 중에서 입력 임베딩 벡터와 거리가 가장 가까운 임베딩 벡터와 입력 임베딩 벡터 사이의 사후 확률을 의미할 수 있다.

는 위조 지문 데이터 중에서 입력 임베딩 벡터와 거리가 가까운 미리 정해진 수(예를 들어, N개)의 임베딩 벡터들과 입력 임베딩 벡터 사이의 사후 확률 평균값을 의미할 수 있다. 다만, 수학식 1에 따라 입력 임베딩 벡터의 제1 신뢰도 값을 계산하는 방법은 예시적인 사항일 뿐, 이외에도 다양한 방법이 적용될 수 있다.

단계(330)에서, 위조 지문 검출 장치는 위조 지문 여부를 판단하기 위해 등록 모델(320)의 등록 지문 데이터에 기초하여, 입력 임베딩 벡터의 제2 신뢰도 값을 계산할 수 있다. 위조 지문 검출 장치는 등록 모델(320) 뿐만 아니라 초기 모델(315)의 등록 지문 데이터를 더 고려하여 입력 임베딩 벡터의 제2 신뢰도 값을 계산할 수도 있다. 전술한 제1 신뢰도 값을 계산하는 실시예들은 제2 신뢰도 값을 계산할 때도 적용 가능할 수 있고, 제1 신뢰도 값은 제2 신뢰도 값과 동일할 수 있다.

단계(335)에서, 위조 지문 검출 장치는 제1 신뢰도 값이 제1 임계값 이상인지 판단할 수 있고, 제1 신뢰도 값이 제1 임계값 이상인 경우, 단계(345)에서 입력 임베딩 벡터에 기초하여 초기 모델을 업데이트할 수 있다. 입력 임베딩 벡터에 기초하여 초기 모델을 업데이트하는 구체적인 방법은 아래에서 도 4a 내지 도 5e를 참조하여 설명된다.

단계(340)에서, 위조 지문 검출 장치는 제2 신뢰도 값이 제2 임계값 이상인지 판단할 수 있고, 제2 신뢰도 값이 제2 임계값 이상인 경우, 단계(350)에서 입력 임베딩 벡터에 기초하여 등록 모델을 업데이트할 수 있다. 제2 임계값은 제1 임계값과 다른 값일 수 있다. 입력 임베딩 벡터에 기초하여 등록 모델을 업데이트하는 구체적인 방법은 아래에서 도 4a 내지 도 5e를 참조하여 설명된다.

단계(345)에서 입력 임베딩 벡터에 기초하여 초기 모델을 업데이트하는 동작과 단계(350)에서 입력 임베딩 벡터에 기초하여 등록 모델을 업데이트하는 동작은 동시에, 병렬적으로 수행될 수 있다.

도 4a 및 도 4b는 입력 임베딩 벡터에 기초하여 초기 모델 및 등록 모델을 업데이트하는 방법을 설명하기 위한 도면이다.

도 4a를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 초기 모델 또는 등록 모델에 저장된 지문 데이터의 수가 저장 한도에 도달했는지 판단할 수 있고, 초기 모델 또는 등록 모델에 저장된 지문 데이터의 수가 저장 한도에 도달한 경우, 해당 모델에서 제외될 제거 지문 데이터를 결정할 수 있다. 도 4a에 따른 업데이트 방법은 단말 변화 케이스에 따라 초기 모델을 업데이트할 때 주로 사용되나, 이에 제한되는 것은 아니다.

도 4b를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 초기 모델 또는 등록 모델에 저장된 지문 데이터의 수가 저장 한도에 도달하지 않은 경우, 저장 한도에 도달할 때 까지 입력 임베딩 벡터를 해당 모델에 추가할 수 있다. 도 4b에 따른 업데이트 방법은 지문 변화 케이스에 따라 등록 모델을 업데이트할 때 주로 사용되나, 이에 제한되는 것은 아니다.

전술한 초기 모델 및 등록 모델을 업데이트하는 방법은 수학식 2와 같이 나타낼 수 있다.

수학식 1에서,

는 업데이트된 초기 모델 또는 등록 모델,

은 업데이트 이전의 초기 모델 또는 등록 모델,

는 제1 신뢰도 값이 제1 임계값 이상인 입력 임베딩 벡터,

는 제거 지문 데이터일 수 있다.

도 5a 내지 도 5e는 일 실시예에 따른 입력 임베딩 벡터를 제거 지문 데이터와 교체하거나, 입력 임베딩 벡터를 추가하는 방법을 설명하기 위한 도면이다.

도 5a의 도면(510) 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 초기 모델 또는 등록 모델에 저장된 지문 데이터의 수가 저장 한도에 도달하지 않은 경우, 제거 지문 데이터가 없기 때문에 입력 임베딩 벡터를 해당 모델에 추가할 수 있다. 도면(515)을 참조하면, 위조 지문 검출 장치는 시간 t_n에 대응하는 입력 임베딩 벡터 x_n을 초기 모델 또는 등록 모델에 추가할 수 있다.

도 5b를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 지문 데이터 중에서 업데이트에 사용된 지문 데이터의 히트 카운트(hit count)를 조정할 수 있다. 예를 들어, 도면(520)에서 벡터 x₃, x₅에 기초하여 입력 임베딩 벡터의 신뢰도 값이 결정되었다면, 위조 지문 검출 장치는 벡터 x₃, x₅의 히트 카운트를 1 증가시킬 수 있다.

위조 지문 검출 장치는 히트 카운트에 기초하여, 초기 모델 또는 등록 모델에서 제외될 제거 지문 데이터를 결정할 수 있다. 예를 들어, 도면(525)에서, 위조 지문 검출 장치는 히트 카운트가 가장 적은 벡터 x₂를 제거 지문 데이터로 결정할 수 있다. 위조 지문 검출 장치는 제거 지문 데이터 x₂를 해당 모델에서 제거하고, 입력 임베딩 벡터 터를 해당 모델에 추가할 수 있다.

도 5c를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 입력 임베딩 벡터와 지문 데이터의 유사도가 제3 임계값 이상인 쉬프트 데이터를 결정할 수 있다. 예를 들어, 도면(530)에서 위조 지문 검출 장치는 x₁ 및 x₂를 쉬프트 데이터로 결정할 수 있다.

위조 지문 검출 장치는 입력 임베딩 벡터에 기초하여, 쉬프트 데이터를 이동시킬 수 있다. 일 례로, 위조 지문 검출 장치는 수학식 3에 기초하여 쉬프트 데이터를 이동시킬 수 있다.

수학식 3에서,

는 입력 임베딩 벡터,

는 이동 전 쉬프트 데이터,

는 이동한 쉬프트 데이터,

는 이동 속도 조절 계수일 수 있다.

도 5d를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 지문 데이터의 시간 가중치(Time Reference)에 기초하여, 초기 모델 또는 등록 모델에서 제외될 제거 지문 데이터를 결정할 수 있다. 시간 가중치는 초기 모델 또는 등록 모델의 지문 데이터가 입력된 시간 정보를 포함할 수 있고, 위조 지문 검출 장치는 시간 가중치에 기초하여, 시간에 따라 가장 오래된 지문 데이터를 제거 지문 데이터로 결정할 수 있다.

예를 들어, 도면(540)에서 위조 지문 검출 장치는 가장 오래된 지문 데이터 x1을 제거 지문 데이터로 결정할 수 있고, 입력 임베딩 벡터 x_n을 초기 모델 또는 등록 모델에 추가할 수 있다.

도 5e를 참조하면, 일 실시예에 따른 위조 지문 검출 장치는 지문 데이터의 히트 카운트 및 시간 가중치에 기초하여, 초기 모델 또는 등록 모델에서 제외될 제거 지문 데이터를 결정할 수 있다. 일 례로, 위조 지문 검출 장치는 수학식 4에 기초하여 제거 지문 데이터를 결정할 수 있다.

수학식 4에서, HC(xi)는 지문 데이터 xi의 히트 카운트, TR(xi)는 지문 데이터 xi의 시간 가중치일 수 있다.

예를 들어, 도면(540)에서 위조 지문 검출 장치는 지문 데이터의 히트 카운트를 시간 가중치로 나눈 값이 가장 작은 x1을 제거 지문 데이터로 결정할 수 있다.

도 6는 일 실시예에 따른 위조 지문 검출 장치의 블록도이다.

도 6를 참조하면, 일 실시예에 따른 위조 지문 검출 장치(600)는 프로세서(610)를 포함한다. 위조 지문 검출 장치(600)는 메모리(630), 통신 인터페이스(650), 및 센서들(670)을 더 포함할 수 있다. 프로세서(610), 메모리(630), 통신 인터페이스(650), 및 센서들(670)은 통신 버스(605)를 통해 서로 통신할 수 있다.

프로세서(610)는 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 획득하고, 미리 구비된 실제 모델 및 미리 구비된 위조 모델 중 적어도 하나를 포함하는 초기 모델의 지문 데이터에 기초하여, 입력 임베딩 벡터의 신뢰도 값을 결정하고, 신뢰도 값이 제1 임계값 이상인 경우, 입력 임베딩 벡터에 기초하여 초기 모델을 업데이트한다.

메모리(630)는 등록 지문 데이터를 저장하는 데이터베이스, 실제 지문 데이터를 저장하는 데이터베이스, 위조 지문 데이터를 저장하는 데이터베이스를 포함할 수 있다. 메모리(630)는 휘발성 메모리 또는 비 휘발성 메모리일 수 있다.

센서들(670)은 예를 들어, 사용자의 지문을 센싱하는 지문 센서 등을 포함할 수 있다.

프로세서(610)는 초기 모델의 지문 데이터 및 등록 모델의 등록 지문 데이터에 기초하여 입력 임베딩 벡터의 신뢰도 값을 결정할 수 있다.

프로세서(610)는 신뢰도 값이 제2 임계값 이상인 경우, 입력 임베딩 벡터에 기초하여 등록 모델을 업데이트할 수 있다.

프로세서(610)는 초기 모델에 저장된 지문 데이터의 수가 저장 한도에 도달했는지 판단하고, 초기 모델에 저장된 지문 데이터의 수가 저장 한도에 도달한 경우, 초기 모델에서 제외될 제거 지문 데이터를 결정할 수 있다.

프로세서(610)는 위조 모델에 포함된 지문 데이터를 제거 지문 데이터에서 제외하고, 업데이트를 통해 추가된 지문 데이터를 제거 지문 데이터에서 제외하고, 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터를 제거 지문 데이터에서 제외할 수 있다.

프로세서(610)는 지문 데이터 중에서 업데이트에 사용된 지문 데이터의 히트 카운트를 조정하고, 히트 카운트에 기초하여, 초기 모델에서 제외될 제거 지문 데이터를 결정할 수 있다.

프로세서(610)는 지문 데이터의 시간 가중치에 기초하여, 초기 모델에서 제외될 제거 지문 데이터를 결정할 수 있다.

프로세서(610)는 입력 임베딩 벡터와 지문 데이터의 유사도가 제3 임계값 이상인 쉬프트 데이터를 결정하고, 입력 임베딩 벡터에 기초하여, 쉬프트 데이터를 이동시키고, 이동된 쉬프트 데이터에 기초하여, 초기 모델을 업데이트할 수 있다.

프로세서(610)는 하나 이상의 센서를 이용하여 상태 정보를 획득하고, 상태 정보에 기초하여, 초기 모델 및 등록 모델 중 업데이트를 수행할 모델을 결정할 수 있다.

이 밖에도, 프로세서(610)는 도 1 내지 도 5e을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(610)는 프로그램을 실행하고, 위조 지문 검출 장치(600)를 제어할 수 있다. 프로세서(610)에 의하여 실행되는 프로그램 코드는 메모리(630)에 저장될 수 있다. 위조 지문 검출 장치(600)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 위조 지문 검출 장치(600)는 스마트 폰, 테블릿 컴퓨터, 랩톱 컴퓨터, 데스크톱 컴퓨터, 텔레비전, 웨어러블 장치, 보안 시스템, 스마트 홈 시스템 등 다양한 컴퓨팅 장치 및/또는 시스템에 탑재될 수 있다.

도 7은 일 실시예에 따른 센서 정보를 이용하여 업데이트를 수행할 모델을 결정하는 방법을 설명하기 위한 순서도이다. 도 3의 설명은 도 7에도 적용 가능하므로, 중복되는 내용의 설명은 생략한다.

단계(710)에서, 위조 지문 검출 장치는 하나 이상의 센서(720)를 이용하여 상태 정보를 획득할 수 있고, 상태 정보에 기초하여, 초기 모델 및 등록 모델 중 업데이트를 수행할 모델을 결정할 수 있다.

예를 들어, 위조 지문 검출 장치는 온도 센서 또는 지문 센서를 포함할 수 있고, 온도 센서를 통해 저온 상태 또는 건조 상태에 관한 정보를 획득할 수 있고, 지문 센서를 통해 스크래치 상태에 관한 정보를 획득할 수 있다. 단계(710)에서, 현재 입력 지문 영상의 상태 정보가 건조 상태라는 정보를 획득한 위조 지문 검출 장치는 단계(325)로 넘어가 초기 모델에 관한 업데이트를 수행할 수 있다. 단계(710)에서, 현재 입력 지문 영상의 상태 정보가 저온 상태라는 정보를 획득한 위조 지문 검출 장치는 단계(330)로 넘어가 등록 모델에 관한 업데이트를 수행할 수 있다.

도 8a 내지 도 8d는 일 실시예에 따른 초기 모델 및/또는 등록 모델을 업데이트하는 방법을 설명하기 위한 순서도이다.

도 8a를 참조하면, 단계(801)에서 위조 지문 검출 장치는 히트 카운트를 조장할 수 있다. 단계(802)에서, 위조 지문 검출 장치는 히트 가중치에 기초하여 제거 지문 데이터를 결정할 수 있다. 단계(803)에서, 위조 지문 검출 장치는 제거 지문 데이터에 기초하여 모델을 업데이트할 수 있다. 도 5b의 설명은 도 8a 에도 적용 가능하므로, 중복되는 내용의 설명은 생략한다.

도 8b를 참조하면, 단계(811)에서 위조 지문 검출 장치는 입력 임베딩 벡터와 지문 데이터의 유사도에 기초하여 쉬프트 데이터를 결정할 수 있다. 단계(812)에서, 위조 지문 검출 장치는 쉬프트 데이터에 기초하여 모델 업데이트할 수 있다. 도 5c의 설명은 도 8b 에도 적용 가능하므로, 중복되는 내용의 설명은 생략한다.

도 8c를 참조하면, 단계(821)에서 위조 지문 검출 장치는 시간 가중치 조정할 수 있다. 예를 들어, 위조 지문 검출 장치는 입력된 초기 모델 또는 등록 모델의 지문 데이터에 대응하는 시간 가중치를 카운트할 수 있다. 단계(822)에서, 위조 지문 검출 장치는 시간 가중치에 기초하여 제거 지문 데이터를 결정할 수 있다. 단계(823)에서, 위조 지문 검출 장치는 제거 지문 데이터에 기초하여 모델 업데이트할 수 있다. 도 5d의 설명은 도 8c 에도 적용 가능하므로, 중복되는 내용의 설명은 생략한다.

도 8d를 참조하면, 단계(831)에서 위조 지문 검출 장치는 시간 가중치 조정할 수 있다. 단계(832)에서, 위조 지문 검출 장치는 히트 가중치 조정할 수 있다. 단계(833)에서, 위조 지문 검출 장치는 시간 가중치 및 히트 카운트에 기초하여 제거 지문 데이터를 결정할 수 있다. 단계(834)에서, 위조 지문 검출 장치는 제거 지문 데이터에 기초하여 모델 업데이트할 수 있다. 도 5e의 설명은 도 8d 에도 적용 가능하므로, 중복되는 내용의 설명은 생략한다.

도 9는 일 실시예에 따른 업데이트 제한 조건을 설명하기 위한 순서도이다.

도 9를 참조하면, 단계들(910 내지 930)은 일 실시예에 따른 위조 지문 검출 장치에 의해 수행될 수 있다.

단계(910)에서, 위조 지문 검출 장치는 업데이트 대상으로 결정된 데이터를 식별할 수 있다. 예를 들어, 위조 지문 검출 장치는 쉬프트 데이터를 결정하거나, 제거 지문 데이터를 결정할 수 있다.

단계(920)에서, 위조 지문 검출 장치는 업데이트 대상으로 결정된 데이터가 미리 정해진 제한 조건에 해당하는지 판단할 수 있고, 단게(930)에서, 제한 조건에 해당하는 데이터를 이용한 모델 업데이트를 제한할 수 있다.

일 예로, 위조 지문 검출 장치는 업데이트를 통해 추가된 지문 데이터는 제거 지문 데이터의 이동 및 제거를 제한할 수 있다. 업데이트를 통해 추가된 지문 데이터를 제거 지문 데이터에서 제외하지 않는다면, 업데이트를 통해 추가된 지문 데이터의 히트 카운트가 0이기 때문에 다음 업데이트에서 제거되어 업데이트한 의미가 없어지기 때문이다. 또는, 위조 지문 검출 장치는 업데이트를 통해 추가된 지문 데이터는 명시적 제거 요청이 있을 때만 삭제 가능할 수 있다.

다른 예로, 위조 지문 검출 장치는 위조 모델에 포함된 지문 데이터의 이동 및 제거를 제한할 수 있다. 예를 들어, 위조 지문 검출 장치는 위조 모델에 포함된 지문 데이터를 제거 지문 데이터에서 제외할 수도 있다.

또 다른 예로, 위조 지문 검출 장치는 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터의 이동 및 제거 제한할 수 있다. 예를 들어, 위조 지문 검출 장치는 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터를 제거 지문 데이터에서 제외할 수도 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.

이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

1. 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 획득하는 단계;
   미리 구비된 실제(real) 모델 및 미리 구비된 위조(fake) 모델 중 적어도 하나를 포함하는 초기 모델의 지문 데이터에 기초하여, 상기 입력 임베딩 벡터의 신뢰도 값을 결정하는 단계; 및
   상기 신뢰도 값이 제1 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 초기 모델을 업데이트하는 단계
   를 포함하는 위조 지문 방지를 위한 모델 업데이트 방법.
   
2. 제1항에 있어서,
   상기 입력 임베딩 벡터의 신뢰도 값을 결정하는 단계는
   상기 초기 모델의 지문 데이터 및 등록(enroll) 모델의 등록 지문 데이터에 기초하여 상기 입력 임베딩 벡터의 신뢰도 값을 결정하는 단계
   를 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
3. 제1항에 있어서,
   상기 신뢰도 값이 제2 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 등록 모델을 업데이트하는 단계
   를 더 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
4. 제1항에 있어서,
   상기 업데이트하는 단계는
   상기 초기 모델에 저장된 상기 지문 데이터의 수가 저장 한도에 도달했는지 판단하는 단계; 및
   상기 초기 모델에 저장된 상기 지문 데이터의 수가 상기 저장 한도에 도달한 경우, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는 단계
   를 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
5. 제4항에 있어서,
   상기 제거 지문 데이터를 결정하는 단계는
   위조 모델에 포함된 지문 데이터를 상기 제거 지문 데이터에서 제외하는 단계;
   상기 업데이트를 통해 추가된 지문 데이터를 상기 제거 지문 데이터에서 제외하는 단계; 및
   상기 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터를 상기 제거 지문 데이터에서 제외하는 단계
   를 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
6. 제1항에 있어서,
   상기 지문 데이터 중에서 상기 업데이트에 사용된 지문 데이터의 히트 카운트(hit count)를 조정하는 단계
   를 더 포함하고,
   상기 업데이트하는 단계는
   상기 히트 카운트에 기초하여, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는 단계
   를 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
7. 제1항에 있어서,
   상기 업데이트하는 단계는
   상기 지문 데이터의 시간 가중치에 기초하여, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는 단계
   를 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
8. 제1항에 있어서,
   상기 업데이트하는 단계는
   상기 입력 임베딩 벡터와 상기 지문 데이터의 유사도가 제3 임계값 이상인 쉬프트 데이터를 결정하는 단계;
   상기 입력 임베딩 벡터에 기초하여, 상기 쉬프트 데이터를 이동시키는 단계; 및
   상기 이동된 쉬프트 데이터에 기초하여, 상기 초기 모델을 업데이트하는 단계
   를 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
9. 제3항에 있어서,
   등록을 위한 적어도 하나의 등록 지문 영상에 대응하는 등록 임베딩 벡터를 획득하는 단계; 및
   상기 등록 임베딩 벡터를 상기 등록 지문 데이터로 결정하는 단계
   를 더 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
   
10. 제3항에 있어서,
    등록을 위한 적어도 하나의 등록 지문 영상에 대응하는 등록 임베딩 벡터를 획득하는 단계;
    상기 초기 모델에 기초하여, 상기 등록 지문 영상에 나타난 등록 지문이 실제 지문인지 여부를 판단하는 단계; 및
    상기 등록 지문 영상에 나타난 등록 지문 중, 상기 실제 지문으로 판단된 지문을 상기 등록 지문 데이터로 결정하는 단계
    를 더 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
    
11. 제3항에 있어서,
    하나 이상의 센서를 이용하여 상태 정보를 획득하는 단계; 및
    상기 상태 정보에 기초하여, 상기 초기 모델 및 상기 등록 모델 중 상기 업데이트를 수행할 모델을 결정하는 단계
    를 더 포함하는, 위조 지문 방지를 위한 모델 업데이트 방법.
    
12. 하드웨어와 결합되어 제1항 내지 제11항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
    
13. 인증을 위한 입력 지문 영상에 대응하는 입력 임베딩 벡터를 획득하고, 미리 구비된 실제 모델 및 미리 구비된 위조 모델 중 적어도 하나를 포함하는 초기 모델의 지문 데이터에 기초하여, 상기 입력 임베딩 벡터의 신뢰도 값을 결정하고, 상기 신뢰도 값이 제1 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 초기 모델을 업데이트하는 프로세서
    를 포함하는 위조 지문 검출 장치.
    
14. 제13항에 있어서,
    상기 프로세서는
    상기 초기 모델의 지문 데이터 및 등록 모델의 등록 지문 데이터에 기초하여 상기 입력 임베딩 벡터의 신뢰도 값을 결정하는, 위조 지문 검출 장치.
    
15. 제13항에 있어서,
    상기 프로세서는
    상기 신뢰도 값이 제2 임계값 이상인 경우, 상기 입력 임베딩 벡터에 기초하여 상기 등록 모델을 업데이트하는, 위조 지문 검출 장치.
    
16. 제13항에 있어서,
    상기 프로세서는
    상기 초기 모델에 저장된 상기 지문 데이터의 수가 저장 한도에 도달했는지 판단하고, 상기 초기 모델에 저장된 상기 지문 데이터의 수가 상기 저장 한도에 도달한 경우, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는, 위조 지문 검출 장치.
    
17. 제15항에 있어서,
    상기 프로세서는
    위조 모델에 포함된 지문 데이터를 상기 제거 지문 데이터에서 제외하고, 상기 업데이트를 통해 추가된 지문 데이터를 상기 제거 지문 데이터에서 제외하고, 상기 초기 모델을 구성하는 하나 이상의 클러스터를 대표하는 지문 데이터를 상기 제거 지문 데이터에서 제외하는, 위조 지문 검출 장치.
    
18. 제13항에 있어서,
    상기 프로세서는
    상기 지문 데이터 중에서 상기 업데이트에 사용된 지문 데이터의 히트 카운트를 조정하고, 히트 카운트에 기초하여, 상기 초기 모델에서 제외될 제거 지문 데이터를 결정하는, 위조 지문 검출 장치.
    
19. 제13항에 있어서,
    상기 프로세서는
    상기 입력 임베딩 벡터와 상기 지문 데이터의 유사도가 제3 임계값 이상인 쉬프트 데이터를 결정하고, 상기 입력 임베딩 벡터에 기초하여, 상기 쉬프트 데이터를 이동시키고, 상기 이동된 쉬프트 데이터에 기초하여, 상기 초기 모델을 업데이트하는, 위조 지문 검출 장치.
    
20. 제14항에 있어서,
    상기 프로세서는
    하나 이상의 센서를 이용하여 상태 정보를 획득하고, 상기 상태 정보에 기초하여, 상기 초기 모델 및 상기 등록 모델 중 상기 업데이트를 수행할 모델을 결정하는, 위조 지문 검출 장치.
    

Images