안티 스푸핑이란 무엇이고 얼굴 인식에서 생체 정보를 감지하는 기술은 무엇인가?

일부 실제 사례는 이러한 공격이 야기하는 문제를 보여줍니다.

• 2023년에 사기꾼들은 사람의 존재를 측정할 수 있는 깊이 감지 기능이 없는 복지 포털을 우회하기 위해 인쇄된 사진을 사용했습니다.
• 은행 시스템에서는 원격 신원 확인 프로세스 중에 미리 녹화된 영상을 재생하는 공격이 있었습니다. 
• 가면을 쓴 공격은 점점 더 정교해지고 있다. 유로폴은 매우 사실적인 가면을 쓴 채 국경을 침범하는 사례가 늘고 있다고 보고했다. 

얼굴 생체 감지란 무엇인가요?

라이브니스 감지는 제시된 얼굴이 가짜 출처가 아닌 살아있는 개인의 것인지 확인하는 기술입니다. 동작이나 질감과 같은 동적 특성을 분석하여 실제 사용자와 가짜 입력을 구별합니다.

기존 얼굴 인식과 스푸핑 방지 시스템 간의 주요 차이점

• 기존의 얼굴 인식은 얼굴 특징을 분석하고 이를 저장된 템플릿과 비교합니다.
• 스푸핑 방지 시스템은 눈 깜박임과 같은 생리적 지표와 질감과 같은 재료 특성 기술을 사용하여 생체 정보에 대한 추가 검증 계층을 추가합니다.

생체 감지 기술

최신 스푸핑 방지 시스템은 실제 얼굴과 스푸핑된 얼굴을 구별하는 데 사용하는 특성이 서로 다릅니다.

질감 분석

이 방법에서는 얼굴의 표면 속성을 찾아 스푸핑 시도의 증거를 보여주는 불일치를 확인합니다. 예를 들어:

• 인쇄된 사진에는 사람 피부의 자연스러운 질감이 없는 경우가 많습니다.
• 디지털 화면에서는 픽셀화나 부자연스러운 매끄러움이 나타날 수 있습니다.

모션 분석

이러한 방법은 눈 깜박임이나 잠깐의 머리 기울임과 같은 비자발적인 움직임을 인식하는 것입니다. 이러한 자연스러운 움직임은 정적 이미지의 정확도로 거의 복제되지 않습니다.

깊이 감지

깊이 감지 기술을 사용하면 얼굴의 3D 구조가 적외선 센서나 구조화된 빛을 사용하여 매핑됩니다. 이 기술은 평평한 표면(사진과 같은)과 깊이가 있는 실제 얼굴을 쉽게 구별할 수 있습니다.

시간적 분석

시간 분석은 비디오의 연속 프레임을 분석하여 일정 시간 동안 재생 공격을 나타내는 불일치를 인식하는 것입니다. 예를 들어, 화면의 깜빡임이나 루프는 인증 시도 중에 디지털 디스플레이를 사용했음을 나타낼 수 있습니다.

딥 러닝 접근 방식

대규모 데이터 세트에서 훈련될 수 있는 딥 러닝 모델은 일반적으로 입력을 높은 정밀도로 진짜 또는 가짜로 분류합니다. 예를 들어: 합성곱 신경망(CNN)은 피부 질감이나 동작 역학과 같은 복잡한 특징을 분석합니다.

얼굴 안티 스푸핑의 과제

더욱 강력한 스푸핑 방지 시스템 개발은 계속해서 여러 가지 과제에 직면하고 있습니다.