다중 채널 컨볼루션 신경망을 이용한 생체 인식 얼굴 제시 공격 탐지

얼굴 인식은 주류 생체 인증 방법으로 널리 사용되고 있으나, 제시 공격(Presentation Attacks, PA, 즉 위조 공격)에 취약하다는 점이 비감시 환경에서의 활용을 제한하고 있다. 제시 공격을 탐지하기 위한 다양한 기법이 존재하지만, 실리콘 마스크와 같은 고도로 정교한 공격 유형을 탐지하지 못하는 경우가 대부분이다. 제시 공격 장비의 품질이 시간이 지남에 따라 향상됨에 따라, 단지 시각 스펙트럼만을 이용한 신뢰성 있는 제시 공격 탐지 기술 구현은 여전히 매우 도전적인 과제로 남아 있다. 본 연구에서는 다중 채널 분석이 이 문제 해결에 기여할 수 있을 것이라 주장하며, 제시 공격 탐지(Presentation Attack Detection, PAD)를 위한 다중 채널 컨볼루션 신경망(Convolutional Neural Network, CNN) 기반의 새로운 접근 방식을 제안한다. 또한, 위조 및 은폐 목적의 2D 및 3D 제시 공격을 포함한 다양한 공격 유형을 수록한 새로운 대규모 다중 채널 제시 공격(Wide Multi-Channel Presentation Attack, WMCA) 데이터베이스를 소개한다. 이 데이터베이스는 색상, 깊이, 근적외선(Near-Infrared, NIR), 열화상(Thermal) 등 다양한 채널의 데이터를 제공함으로써 얼굴 PAD 연구를 촉진할 수 있도록 설계되었다. 제안한 방법은 전통적인 특징 기반 접근법과 비교하여 우수한 성능을 보였으며, 제시된 데이터셋에서 ACER(Attack Classification Error Rate) 0.3%의 뛰어난 성과를 달성하였다. 본 연구에서 사용된 데이터베이스 및 결과 재현을 위한 소프트웨어는 공개적으로 제공된다.