위조지문 판별률 향상을 위한 학습데이터 혼합 증강 방법

Vol. 27, No. 2, pp. 305-314, 4월. 2017
10.13089/JKIISC.2017.27.2.305, Full Text:
Keywords: fake fingerprint detection, data augmentation, CNN
Abstract

최근 모바일 및 핀테크(fin-tech) 분야의 최신 트렌드로 지문인식, 홍채인식과 같은 생체인식을 통한 사용자 본인인증이 주목 받고 있다. 특히 지문인식을 이용한 인증 방식은 전통적인 생체인식 방식으로써 사용자들이 사용하는데 발생하는 거부감이 다른 생체인식에 비해 현저히 낮아 현재 가장 보편적으로 이용되는 방식이다. 이와 동시에 지문을 이용한 인증 시 보안에 대한 중요성이 부각되어 지문의 위조 여부 판별의 중요성 또한 증가하고 있다. 본 논문에서는 CNN(Convolutional Neural Networks) 특징을 이용한 위조 여부 판별 방법에 있어 판별률을 향상시키기 위한 새로운 방법을 제시한다. 학습데이터에 영향을 많이 받는 CNN 특성 상 기존에는 판별률을 향상시키기 위해 아핀 변환(affine transformation) 또는 수평 반전(horizontal reflection)을 사용하여 학습데이터의 양을 증가 시키는 것이 일반적인 방법이었으나 본 논문에서는 위조지문 판별 난이도를 기반으로 한 효과적인 학습데이터 증강(data augmentation) 방법을 제시하며 실험을 통해 제안하는 방법의 타당성을 확인하였다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
W. Kim, C. Jin, J. Liu and H. Kim, "Data Mixing Augmentation Method for Improving Fake Fingerprint Detection Rate," Journal of The Korea Institute of Information Security and Cryptology, vol. 27, no. 2, pp. 305-314, 2017. DOI: 10.13089/JKIISC.2017.27.2.305.

[ACM Style]
Weonjin Kim, Cheng-Bin Jin, Jinsong Liu, and Hakil Kim. 2017. Data Mixing Augmentation Method for Improving Fake Fingerprint Detection Rate. Journal of The Korea Institute of Information Security and Cryptology, 27, 2, (2017), 305-314. DOI: 10.13089/JKIISC.2017.27.2.305.