[논문 리뷰] IriTrack: Liveness Detection Using Irises Tracking for Preventing Face Spoofing Attacks

Meng Shen, Zichen Liao외 4명|arXiv (Cornell University)|2018. 10. 08.

Biometric Identification and Security참고 문헌 19인용 수 4

한 줄 요약

IriTrack는 랜덤으로 생성된 다각형 경로를 따라 의도적인 눈동자의 움직임을 사용하여 망막 궤적을 추적함으로써 사용자의 생존 상태를 검증하는 생존성 검출 시스템이다. 기대된 경로와 실제 망막 경로 사이의 편차를 분석함으로써, 다양한 조명 조건과 거리 조건에서도 높은 정확도(F1 점수 >95%)와 낮은 계산 부하로 비디오 스포핑 공격에 효과적으로 대응할 수 있다.

ABSTRACT

Face liveness detection has become a widely used technique with a growing importance in various authentication scenarios to withstand spoofing attacks. Existing methods that perform liveness detection generally focus on designing intelligent classifiers or customized hardware to differentiate between the image or video samples of a real legitimate user and the imitated ones. Although effective, they can be resource-consuming and detection results may be sensitive to environmental changes. In this paper, we take iris movement as a significant liveness sign and propose a simple and efficient liveness detection system named IriTrack. Users are required to move their eyes along with a randomly generated poly-line, and trajectories of irises are then used as evidences for liveness detection. IriTrack allows checking liveness by using data collected during user-device interactions. We implemented a prototype and conducted extensive experiments to evaluate the performance of the proposed system. The results show that IriTrack can fend against spoofing attacks with a moderate and adjustable time overhead.

연구 동기 및 목표

• 비디오 기반 스포핑 공격에 취약한 얼굴 인증 시스템의 문제를 해결한다.
• 정적 이미지 특징이나 복잡한 비디오 분석에 의존하는 기존 생존성 검출 방법의 한계를 극복한다.
• 사용자-장치 상호작용 중 자연스러운 눈동자 움직임을 신뢰할 수 있는 생존성 신호로 활용한다.
• 특수 센서나 훈련이 필요 없는 경량이며 하드웨어에 종속되지 않는 시스템을 개발한다.
• 조명 변화, 카메라 기기의 차이, 사용자 위치 변동과 같은 실제 환경의 변동성에 대비한 강건성을 확보한다.

제안 방법

• 사용자가 특정 궤적을 따라 눈을 움직이도록 유도하기 위해 디스플레이에 랜덤 다각형 경로를 생성한다.
• OpenCV를 통한 얼굴 검출과 Daugman의 알고리즘을 통한 망막 국소화를 포함한 컴퓨터 비전 기법을 사용해 실시간으로 망막 위치를 추적한다.
• 실제 망막 궤적을 기대된 경로와 비교하여 편차 지표를 계산함으로써 생존성 증거를 도출한다.
• 얼굴과 망막 간의 상대적 위치 추적을 통해 안정성을 향상시키고 머리 움직임에 대한 민감도를 감소시킨다.
• 오프라인 훈련이나 복잡한 분류기 없이도 표준 장치에 구현 가능한 모듈식 파이프라인을 구현한다.
• 정적 무늬 분석(예: 무늬의 차이)을 통합하여 고도화된 마스크 기반 스포팅 공격에 대비한다.

실험 결과

연구 질문

• RQ1 랜덤으로 생성된 패턴을 따라 의도적인 눈동자 움직임이 얼굴 인증에서 신뢰할 수 있는 생존성 신호로 기능할 수 있는가?
• RQ2 조명 조건과 카메라 하드웨어의 변화에 따라 망막 궤적 추적의 강건성은 어떠한가?
• RQ3 기존 방법과 비교해 IriTrack는 비디오 기반 스포팅 공격에 얼마나 효과적으로 저항하는가?
• RQ4 사용자의 머리 위치와 카메라와의 거리는 검출 정확도에 어떤 영향을 미치는가?
• RQ5 특수 하드웨어나 모델 훈련 없이도 시스템이 높은 성능을 유지할 수 있는가?

주요 결과

• 얼굴-카메라 거리가 24cm일 때 IriTrack는 F1 점수 95.2%를 기록하여 최적 조건에서 높은 검출 정확도를 확보했다.
• 실내, 실외, 햇빛이 강한, 흐린 환경을 포함한 다양한 조명 조건에서도 F1 점수가 91% 이상 유지되었다.
• 직사광선과 같은 도전적인 조건에서도 F1 점수가 90% 이상 유지되어 조명 변화에 대한 강건성을 입증했다.
• 얼굴이 너무 가까이(20cm) 또는 너무 멀리(36cm) 있을 경우 검출 정확도가 크게 떨어져(69.4%로 감소) 적절한 사용자 위치의 중요성을 입증했다.
• 통제된 실험에서 비디오 재생 공격에 대해 성공적인 스포팅 시도가 전혀 관찰되지 않아 시스템이 효과적으로 비디오 재생 공격에 저항함을 입증했다.
• 정적 무늬 분석 통합으로 고도화된 마스크 기반 공격에 대한 저항력이 향상되었으며, 이는 否면 눈동자 움직임을 모방할 수 있는 공격에 효과적이었다.