초록
얼굴 인증 시스템은 정당한 사용자의 위조된 이미지를 통해 속일 수 있으므로 강력한 위조 방지 모듈이 필요하다. 최근 대부분의 얼굴 위조 방지 기법은 학습 사용자와 테스트 사용자 간의 분포 차이를 완화하기 위해 최적화된 아키텍처와 학습 목표에 의존하고 있다. 그러나 실질적인 온라인 환경에서는 사용자에게서 과거에 수집한 데이터가 분포 차이를 완화하는 데 유용한 정보를 포함하고 있다. 따라서 우리는 OAP(온라인 적응형 개인화, Online Adaptive Personalization)를 제안한다. 이는 라벨이 없는 데이터를 활용해 모델을 온라인에서 적응시킬 수 있는 경량 솔루션이다. OAP는 원본 생체 정보 이미지를 저장할 필요 없이 대부분의 위조 방지 기법에 쉽게 적용 가능하다. SiW 데이터셋을 대상으로 한 실험 평가를 통해, OAP가 단일 영상 설정과 지속적 설정(연속적으로 살아 있는 영상과 위조 영상이 혼합된 환경에서 위조 공격을 시뮬레이션) 모두에서 기존 기법의 인식 성능을 향상시킴을 입증하였다. 또한 제안된 솔루션의 설계 선택 사항을 확인하기 위해 아블레이션 스터디를 수행하였다.