다양한 상황에 대한 심전도 신호를 이용한 개인 식별 및 인증

Abstract

최근 다양한 분야에서 보안을 위한 신원 확인이 중요한 이슈가 되면서 편리하고 높은 보안성을 지닌 생체인식에 대한 연구가 활발히 진행되고 있다. 생체인식은 개인의 생리학적 특징 또는 행동학적 특징을 기반으로 사용자의 신원을 확인하는 방법이다. 일반적으로 많이 사용되는 생체인식 특징인 지문, 홍채, 얼굴 인식 등은 위조나 도용에 취약한 문제가 있다. 이를 해결하기 위해 체온이나 산소 레벨, 동공의 수축 정도 등의 생체활성 테스트(liveness test)를 필요로 하며 이는 추가적인 시스템이 요구된다. 이에 비해 심전도 신호는 살아있는 사람에게서만 측정할 수 있는 생체 신호이기 때문에 별도의 생체활성 테스트가 필요하지 않다. 심전도는 살아있는 모든 사람에게서 측정이 가능하며(universality) 시간이 많이 지나도 심전도의 파형이 크게 변하지 않아 등록을 자주 해주지 않아도 되고(permanence), 심장의 위치, 크기 및 전기 생리학적 요인 등에 의해 개인 고유의 특성을 가지기 때문에 개인 간의 구별이 뚜렷하다(distinctiveness). 또한, 심전도는 위변조가 어렵기 때문에(circumvention) 보안 측면에서도 강점을 가진다. 심전도는 개인의 신체적 활동이나 정신적 영향, 측정 시간대에 의해 심박 및 파형이 변화하게 된다. 이러한 파형의 변화는 심전도를 이용한 생체인식의 성능에 영향을 끼칠 수 있으며 앞으로 해결해야 할 문제로 많이 언급이 되고 있다. 본 연구에서는 심박수에 영향을 줄 수 있는 일상생활 속 다양한 상황을 유도하여 넓은 심박 범위(51-132 beat/minute)의 심전도 데이터를 수집하였으며, 시간에 비 의존적인 데이터 수집을 위해 2-11 개월에 걸쳐 데이터를 측정하였다. 상기 측정한 심전도 데이터를 바탕으로 심박수의 변화가 심전도 파형의 각 구간에 끼치는 영향을 분석했으며, 이를 통하여 심박수에 대해 삼전도 파형에 끼치는 영향을 최소로 하는 비선형 정규화 방법을 제시하였고, 이를 기반으로 높은 성능을 갖는 개인 식별 및 인증 알고리즘을 제안한다. 실험에 사용된 심전도 데이터는 14명의 피험자로부터 측정된 1,670개의 심전도 데이터이며, 해당 데이터에서 시간 영역의 17개의 특징을 추출하여 식별 및 인증을 수행하였다. 이 때 사용한 분류 기법은 Support Vector Machine(SVM)이며, 5-fold 교차 검증을 통해 알고리즘의 분류 정확도를 평가하였다. 상기 방식으로 개인 인식을 수행하여 식별 정확도 97.4%, 민감도 97.25%, 특이도 99.80%와 인증 정확도 95.82%, 오인식율 5.06%, 오거부율 3.13%의 높은 성능의 알고리즘 결과를 보였다.