[논문 리뷰] Handwritten Text Image Authentication using Back Propagation

A. S. N. Chakravarthy, Penmetsa V. Krishna Raja외 1명|arXiv (Cornell University)|2011. 10. 07.

User Authentication and Security Systems참고 문헌 9인용 수 4

한 줄 요약

이 논문은 문서의 무결성을 검증하기 위해 백프로파게이션 신경망을 사용한 수기 필체 이미지 인증 방법을 제안한다. 이미지 특징에 기반해 신경망을 훈련시음으로써, 높은 정확도로 위변조를 탐지할 수 있으며, 역사적 및 보존 문서에 대한 위조 및 맨인더미들어 타격에 대비한 강력한 솔루션을 제공한다.

ABSTRACT

Authentication is the act of confirming the truth of an attribute of a datum or entity. This might involve confirming the identity of a person, tracing the origins of an artefact, ensuring that a product is what it's packaging and labelling claims to be, or assuring that a computer program is a trusted one. The authentication of information can pose special problems (especially man-in-the-middle attacks), and is often wrapped up with authenticating identity. Literary can involve imitating the style of a famous author. If an original manuscript, typewritten text, or recording is available, then the medium itself (or its packaging - anything from a box to e-mail headers) can help prove or disprove the authenticity of the document. The use of digital images of handwritten historical documents has become more popular in recent years. Volunteers around the world now read thousands of these images as part of their indexing process. Handwritten text images of old documents are sometimes difficult to read or noisy due to the preservation of the document and quality of the image [1]. Handwritten text offers challenges that are rarely encountered in machine-printed text. In addition, most problems faced in reading machine- printed text (e.g., character recognition, word segmentation, letter segmentation, etc.) are more severe, in handwritten text. In this paper we Here in this paper we proposed a method for authenticating hand written text images using back propagation algorithm..

연구 동기 및 목표

• 노화 및 열악한 이미지 품질로 인해 노이즈와 열화가 발생하기 쉬운 수기 필체 이미지 인증의 과제를 해결한다.
• 특히 디지털 아카이브 및 역사적 자료에서 수기 문서의 진위성을 검증할 수 있는 안전한 방법을 개발한다.
• 수기 문서 전송 및 저장 과정에서의 위조 및 맨인더미들어 공격 위험을 완화한다.
• 원본 물리적 복사본이 필요 없는 신뢰할 수 있는 자동화된 솔루션을 제공하여 문서의 무결성을 검증한다.
• 신경망 학습을 활용해 시각적 또는 전통적 방법으로는 감지하기 어려운 수기 필체 이미지의 미세한 변경을 탐지한다.

제안 방법

• 수기 필체 이미지에서 추출한 특징에 기반해 훈련된 피드포워드 백프로파게이션 신경망을 활용한다.
• 특징 추출 전에 이미지 전처리 기법을 사용해 저품질 수기 문서 이미지를 정규화하고 향상시킨다.
• 픽셀 수준 또는 구조적 분석을 통해 이미지에서 특징을 추출하여 텍스트 패턴을 표현한다.
• 라벨이 부여된 데이터(진짜 대조 위변조 이미지)를 사용해 신경망을 훈련시켜 진짜 문서와 위조 문서의 차이를 학습한다.
• 분류 오차를 최소화하기 위해 백프로파게이션을 적용해 네트워크 가중치를 반복적으로 조정한다.
• 훈련된 네트워크를 사용해 학습된 패턴을 바탕으로 새로운 수기 이미지를 진짜 또는 위변조로 분류한다.

실험 결과

연구 질문

• RQ1 백프로파게이션 기반 신경망은 진짜와 위변조된 수기 필체 이미지 간을 효과적으로 구분할 수 있는가?
• RQ2 제안된 방법은 저품질 또는 노이즈가 많은 수기 문서 이미지에서 미세한 수정을 얼마나 잘 탐지하는가?
• RQ3 역사적 또는 열악한 상태의 문서에 적용했을 때 신경망 모델이 얼마나 높은 정확도를 유지할 수 있는가?
• RQ4 강건성과 적응 가능성 측면에서 전통적인 이미지 기반 무결성 검사 방법과 비교해 어떻게 성능을 내는가?
• RQ5 스스로의 글스타일을 모방하되 내용이나 구조를 변경한 위조물을 시스템이 탐지할 수 있는가?

주요 결과

• 백프로파게이션 기반으로 제안된 방법은 특히 노이즈가 많거나 열악한 조건에서 위변조된 수기 필체 이미지를 탐지하는 데 높은 정확도를 달성한다.
• 신경망 모델은 개인의 필체 샘플 고유의 스타일적 및 구조적 패턴을 성공적으로 학습하여 신뢰할 수 있는 인증이 가능하다.
• 이 시스템은 일반적으로 역사적 문서에 영향을 미치는 블러링, 대trast 손실, 노이즈 등의 일반적인 이미지 열화에 대해 강건함을 보였다.
• 적절한 훈련 데이터가 확보될수록 인증 성능이 향상되어, 대규모 아카이브 데이터셋에 대한 모델의 확장성 잠재력을 보여준다.
• 기본적인 이미지 비교 기법보다도 잘못된 양성 및 잘못된 음성 결과를 효과적으로 줄여, 문서의 무결성 검증에서 뛰어난 성능을 보였다.
• 이 방법은 안전하고 자동화된 문서 인증이 필요한 디지털 보존 및 아카이브 시스템에 실용적인 솔루션을 제공한다.