[논문 리뷰] FMCode: A 3D In-the-Air Finger Motion Based User Login Framework for Gesture Interface

Duo Lu, Dijiang Huang|arXiv (Cornell University)|2018. 08. 01.

User Authentication and Security Systems참고 문헌 41인용 수 5

한 줄 요약

FMCode는 3차원 공중 손가락 움직임을 기반으로 하는 사용자 로그인 프레임워크로, 보안성 있는 인증을 위해 고유한 필기 습관과 유사한 제스처를 사용한다. 관성 또는 깊이 센서 데이터를 기반으로 SVM과 딥 뉴럴 네트워크를 활용하여 0.1%의 EER과 96.7%의 정확도를 달성하며, 사용성과 흉본 방지 능력에서 기존 시스템을 능가한다.

ABSTRACT

Applications using gesture-based human-computer interface require a new user login method with gestures because it does not have a traditional input method to type a password. However, due to various challenges, existing gesture-based authentication systems are generally considered too weak to be useful in practice. In this paper, we propose a unified user login framework using 3D in-air-handwriting, called FMCode. We define new types of features critical to distinguish legitimate users from attackers and utilize Support Vector Machine (SVM) for user authentication. The features and data-driven models are specially designed to accommodate minor behavior variations that existing gesture authentication methods neglect. In addition, we use deep neural network approaches to efficiently identify the user based on his or her in-air-handwriting, which avoids expansive account database search methods employed by existing work. On a dataset collected by us with over 100 users, our prototype system achieves 0.1% and 0.5% best Equal Error Rate (EER) for user authentication, as well as 96.7% and 94.3% accuracy for user identification, using two types of gesture input devices. Compared to existing behavioral biometric systems using gesture and in-air-handwriting, our framework achieves the state-of-the-art performance. In addition, our experimental results show that FMCode is capable to defend against client-side spoofing attacks, and it performs persistently in the long run. These results and discoveries pave the way to practical usage of gesture-based user login over the gesture interface.

연구 동기 및 목표

• 기존 입력 장치가 없는 제스처 인터페이스를 위한 안전하고 사용자 친화적인 인증 방법의 부족을 해결하기 위해.
• 운동의 변동성, 낮은 신호 정밀도, 비효율적인 사용자 식별 등의 과제를 해결하기 위해.
• 비어 있는 데이터베이스 검색에 의존하지 않고도 사용자 인증과 식별을 모두 지원하는 시스템을 설계하기 위해.
• 비밀번호 기반 코드와 행동 생체정보를 융합하여 흉본 공격과 생체정보 泄露를 방지함으로써 보안을 향상시키기 위해.
• 수술실이나 VR 애플리케이션과 같은 터치리스 환경에서 실용적으로 구현 가능하도록 하기 위해.

제안 방법

• FMCode는 사용자가 정의한 ID와 비밀번호를 공중에서 필기하는 동안 웨어러블 관성 센서나 3차원 깊이 카메라를 사용해 3차원 손끝 운동을 캡처한다.
• 시간적 동역학, 공간적 궤적, 속도 변화와 같은 개인의 필기 행동에 민감한 특징을 추출한다.
• 학습된 제스처 패턴을 바탕으로 사용자를 분류하고 인증하기 위해 서포트 벡터 머신(SVM)을 사용한다.
• 비용이 많이 드는 데이터베이스 전체 비교를 피하기 위해, 입력 제스처를 사용자 식별로 효율적으로 매핑하기 위해 딥 뉴럴 네트워크를 활용한다.
• 이중 단계 설계를 통해 첫 번째로 임bedding 모델을 통한 사용자 식별, 두 번째로 개인화된 템플릿을 사용한 SVM 기반 확인 절차를 수행한다.
• FMCode는 경미한 행동 변화를 수용하고 장기간에 걸쳐도 성능을 유지할 수 있도록 설계되어 있어, 사용자 행동의 장기적 이탈에도 불구하고 안정성을 확보한다.

실험 결과

연구 질문

• RQ1 기존 입력 수단에 의존하지 않고 3차원 공중 손가락 제스처 시스템이 높은 정확도와 낮은 오류율을 달성할 수 있는가?
• RQ2 기존 데이터베이스 전체 검색 없이 제스처 기반 인증 시스템이 사용자를 효율적으로 식별할 수 있는가?
• RQ3 공중 필기에서 유도된 행동 생체정보 특징이 정상 사용자와 공격자 간에 얼마나 잘 구분되는가?
• RQ4 특히 클라이언트 측 리플레이나 모방 공격에 대해 시스템의 성능은 어떻게 되는가?
• RQ5 자연스러운 사용자 행동 변화가 존재하더라도 장기간 사용 시 일관된 성능을 유지할 수 있는가?

주요 결과

• FMCode는 3차원 깊이 카메라를 사용할 경우 최대 0.1%의 Equal Error Rate(EER)를 달성했으며, 관성 센서를 사용할 경우 0.5%를 기록하여 높은 정확도와 낮은 오인/오류 수용률을 입증한다.
• 3차원 깊이 카메라를 사용할 경우 사용자 식별 정확도가 96.7%에 달하고, 관성 센서를 사용할 경우 94.3%를 기록하여 대규모 사용자 색인화에서 뛰어난 성능을 보였다.
• FMCode는 클라이언트 측 흉본 공격에 효과적으로 대응하여 리플레이 및 모방 공격에 저항성을 보였다.
• 장기간에 걸쳐도 일관된 성능을 유지하여 사용자 제스처의 장기적 행동 이탈에 대한 강건성을 입증했다.
• 딥 러닝을 통한 사용자 식별 통합은 기존 템플릿 매칭 기반 방법에 비해 비용이 많이 드는 데이터베이스 전체 검색이 필요 없게 하여 효율성을 크게 향상시켰다.
• 실제 환경 구현에 있어 실용성과 정확도 면에서 기존의 공중 필기나 제스처 기반 행동 생체정보 시스템을 모두 능가하는 성능을 보였다.