단일 영상 기반 자가지도학습 디노이징을 활용한 적대적 지문 방어에 관한 연구

홍표민; 유화정; 김태용; 윤정원; 김태형; 이윤규

doi:10.7840/kics.2023.48.7.833

추천

검색

질문

자료유형: 학술저널

저자정보: 홍표민 (홍익대학교) 유화정 김태용 (홍익대학교) 윤정원 (홍익대학교) 김태형 (홍익대학교) 이윤규 (홍익대학교)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제7호

발행연도: 2023.7

수록면: 833 - 841 (9page)

DOI: 10.7840/kics.2023.48.7.833

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

적대적 지문 공격은 입력 지문 영상에 악의적인 조작을 가하여 딥러닝 기반 지문 인증 모델이 비정상적으로 작동하도록 유도하는 공격 기법이다. 최근 다양한 형태의 적대적 지문 공격이 등장하면서, 딥러닝 기반 지문 인증시스템에서의 취약점이 새로운 보안 이슈로 대두되고 있다. 본 논문에서는 다양한 유형의 지문 영상들을 고려하지 않고도 일반화된 성능을 제공할 수 있는 적대적 지문 공격 방어 기법을 제안한다. 제안하는 방법은 단일 영상 기반 자가지도학습 디노이징을 활용하여, 입력 지문 영상 내 적대적 노이즈를 효과적으로 제거함과 동시에 원본 지문 영상과 유사하게 복원함으로써 다양한 적대적 지문 공격에 대해 강건한 방어 성능을 제공한다. 또한 대용량의 지문 영상에 대한 사전 학습 없이도, 기존의 영상 재건 방법들보다 우수한 방어 성능을 제공한다.

#Adversarial Fingerprint Attack #Fingerprint Authentication #Image Restoration #Denoising

참고문헌 (28)

참고문헌 신청

X. Ma, Y. Niu, L. Gu, Y. Wang, Y. Zhao, J. Bailey, and F. Lu, “Understanding adversarial attacks on deep learning based medical image analysis systems,” Pattern Recognition, vol. 110, p. 107332, Feb. 2021. (https://doi.org/10.1016/j.patcog.2020.107332)

S. Marrone, R. Casula, G. Orrù, G. L. Marcialis, and C. Sansone, “Fingerprint adversarial presentation attack in the physical domain,” in 2021 Int. Conf. Pattern Recognition Wkshps. and Challenges, pp. 530-543, Virtual Event, Jan. 2021. (https://doi.org/1

H. W. Kwon, J.-W. Nam, J. Kim, and Y. K. Lee, “Generative adversarial attacks on fingerprint recognition systems,” in 2021 Int. Conf. Inf. Netw., pp. 483-485, Jeju Island, Korea, Jan. 2021. (https://doi.org/10.1109/ICOIN50884.2021.9333904)

R. R. Wiyatno, A. Xu, O. Dia, and A. de Berker, “Adversarial examples in modern machine learning: A review,” arXiv preprint, arXiv:1911.05268, 2019. (https://doi.org/10.48550/arXiv.1911.05268)

Y. Zhang, H. Xu, C. Pei, and G. Yang, “Adversarial example defense based on image reconstruction,” PeerJ Comput. Sci., vol. 7, p. e811, Dec. 2021. (https://doi.org/10.7717/peerj-cs.811)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!