JP7093463B2 - ユーザ認証を行う装置及びその方法 - Google Patents

Description

本発明は、ユーザ認証を行う装置及びその方法に関する。

保安、安全、プライバシーなどのために、電子機器は、ユーザ認証（user authentication）機能を含むものである。該ユーザ認証には、パスワード、パターン形式の暗号のようなユーザの作る情報が使用されたり、虹彩、指紋、血管のようなユーザだけの固有な生体データが使用されうる。

該生体データを利用してユーザ認証を行うユーザ認証装置の場合、センサの汚染、指紋の変化のような要因により、ユーザを認識することができない場合が発生しうる。

本発明が解決しようとする課題は、ユーザ認識率の低下を防止することができるユーザ認証装置及びその方法を提供することである。

ユーザ認証を行う方法において、
生体データを獲得する段階、獲得された前記生体データに基づき、ユーザ認証を行う段階、ユーザ認証が行われた前記生体データを学習データに追加する段階、前記学習データを利用し、ユーザ認証を行う学習モデルであるユーザ認証モデルを訓練させる段階、及び新たな生体データを獲得し、前記ユーザ認証モデルを利用し、前記新たな生体データに基づき、ユーザ認証を行う段階を含むユーザ認証を行う方法を提供する。

技術的課題は、前述のところに限定されるものではなく、以下の例から他の技術的課題が類推されうる。

ユーザ認証モデルは、ユーザ認証装置の使用過程において入力される生体データに対して訓練されるので、センサの汚染、指紋の変化のような妨害要因（obstacles）が訓練に反映されうる。従って、該ユーザ認証装置は、ユーザ認証モデルを利用し、該妨害要因にロバストにユーザ認証を行うことができる。従って、該ユーザ認証装置は、ユーザ認識率低下を防止することができる。

本発明の効果は、以上で例示された内容によって制限されるものではなく、さらに多様な効果が本明細書内に含まれている。

ユーザ認証装置の一例を示す図である。 ユーザ認証方法の例を示す図である。 ユーザ認証方法の例を示す図である。 ユーザ認証方法の例を示す図である。 学習データを獲得する方法の例を示す図である。 学習データを獲得する方法の例を示す図である。 学習データを獲得する方法の例を示す図である。 学習データを獲得する方法の例を示す図である。 学習データを獲得する方法の例を示す図である。 学習データを獲得する方法の例を示す図である。 一実施形態によるユーザ認証方法を示す図である。 エアロゾル生成装置のハードウェア構成を図示したブロック図である。 ユーザがエアロゾル生成装置を使用する一例を示す図である。 エアロゾル生成装置がユーザを認証する方法の一例を示す図である。

一実施形態によるユーザ認証を行う方法は、生体データを獲得する段階と、獲得された前記生体データに基づき、ユーザ認証を行う段階と、ユーザ認証が行われた前記生体データを学習データに追加する段階と、前記学習データを利用し、ユーザ認証を行う学習モデルであるユーザ認証モデルを訓練させる段階と、新たな生体データを獲得し、前記ユーザ認証モデルを利用し、前記新たな生体データに基づき、ユーザ認証を行う段階と、を含む。

前記追加する段階は、ユーザ認証に成功した前記生体データである成功生体データを、前記学習データに追加する段階を含む。

前記追加する段階は、前記成功生体データより以前に獲得された生体データである以前生体データを、前記学習データに追加する段階を含む。

前記以前生体データを、前記学習データに追加する段階は、前記成功生体データが獲得される直前に獲得された既定個数の前記以前生体データを、前記学習データに追加する段階を含む。

前記以前生体データは、前記成功生体データが獲得される以前の既定期間内に獲得された生体データでもある。

前記以前生体データを、前記学習データに追加する段階は、前記成功生体データが獲得される以前の既定期間内に獲得された既定個数の前記以前生体データを追加する段階を含む。

前記以前生体データを、前記学習データに追加する段階は、連続して獲得された前記以前生体データの複数のピースを、前記学習データに追加する段階を含み、ここで、前記以前生体データのいずれか一つのピースを、前記学習データに追加することと、前記以前生体データの他のいずれか一つのピースを、前記学習データに追加することとの時間間隔と、前記成功生体データを、前記学習データに追加することと、前記成功生体データ直前に獲得された前記以前生体データのピースを、前記学習データに追加することとの時間間隔とのそれぞれは、既定時間間隔より短いか、あるいはそれと同じである。

前記追加する段階は、基準データとの類似度が第１基準値以上にある前記生体データである類似生体データを、前記学習データに追加する段階を含む。

前記ユーザ認証を行う段階は、前記基準データと、前記獲得された生体データとの類似度が第２基準値以上であるならば、ユーザ認証に成功したと判断する段階を含み、前記第２基準値は、前記第１基準値より大きい値である。

前記基準データは、ユーザ認証のために事前に獲得されたユーザの生体データであり、前記追加する段階は、前記基準データを、前記学習データに追加する段階をさらに含む。

前記ユーザ認証モデルのユーザ認識率に基づき、前記ユーザ認証モデルの訓練が必要であるか否かということを判断する段階をさらに含む。

他の実施形態によるユーザ認証を行う装置は、生体データを獲得するのに利用されるセンサと、少なくとも１つのプログラムを保存するメモリと、前記少なくとも１つのプログラムを実行してユーザ認証を行う制御部と、を含み、前記プログラムは、獲得された前記生体データに対してユーザ認証を行い、ユーザ認証が行われた前記生体データを学習データに追加し、前記学習データを利用し、ユーザ認証を行う学習モデルであるユーザ認証モデルを訓練させ、新たな生体データを獲得し、前記ユーザ認証モデルを利用し、前記新たな生体データに対してユーザ認証を行うところのオペレーションを遂行するためのインストラクションを含む。

前記装置は、バッテリと、前記バッテリから電力を提供され、エアロゾル生成物質を加熱するヒータと、をさらに含み、前記制御部は、前記バッテリから前記ヒータに伝達する電力を制御する。

前記制御部は、ユーザ認証の結果に基づき、前記ヒータに伝達する電力を制御する。

前記装置は、前記装置を制御するためのユーザ入力を獲得する入力インターフェーシング手段をさらに含み、前記制御部は、ユーザ認証に成功した後、前記入力インターフェーシング手段を介して獲得される生体データを、前記学習データに追加する。

本実施形態で使用される用語は、本発明における機能を考慮しながら、可能な限り現在汎用される一般的な用語を選択したが、それは、当分野に携わる技術者の意図、判例、または新たな技術の出現などによっても異なりうる。また、特定の場合、出願人が任意に選定した用語もあり、その場合、当該発明の説明部分において、詳細にその意味を記載する。従って、本発明で使用される用語は、単純な用語の名称ではなく、その用語が有する意味と、本発明の全般にわたる内容とを基に定義されなければならない。

明細書全体において、ある部分がある構成要素を「含む」とするとき、それは、特別に反対となる記載がない限り、他の構成要素を除くものではなく、他の構成要素をさらに含んでもよいということを意味する。また、明細書に記載された「～部」、「モジュール」というような用語は、少なくとも１つの機能や動作を処理する単位を意味し、それは、ハードウェアまたはソフトウェアによって具現されるか、あるいはハードウェアとソフトウェアとの結合によっても具現される。

本明細書で使用されているように、「少なくともいずれか１つの」というような表現が配列された構成要素の前にあるとき、配列されたそれぞれの構成ではなく、全体構成要素を修飾する。例えば、「ａ、ｂ、及びｃのうち少なくともいずれか一つ」という表現は、ａ、ｂ、ｃ、ａ及びｂ、ａ及びｃ、ｂ及びｃ、またはａ及びｂ及びｃを含むものであると解釈しなければならない。

エレメントまたはレイヤが、他のエレメントまたはレイヤの「上」に、「上部」に、「連結された」または「結合された」と言及されるとき、それは、他のエレメントまたはレイヤの真上に、すぐ上部に連結されるか、または結合されるか、あるいは中間に、エレメントまたはレイヤが存在しうる。反対に、エレメントが他のエレメントまたはレイヤの「真上」に、「すぐ上」に、「直に連結された」または「直に結合された」と言及されるとき、それは、中間にエレメントまたはレイヤが存在しない。同一数は、全体にわたって同一エレメントを示す。

以下では、添付図面を参照し、本発明の実施形態について、本発明が属する技術分野で当業者が容易に実施することができるように詳細に説明する。しかし、本発明は、さまざまに異なる形態にも具現され、ここで説明する実施形態に限定されるものではない。

以下では、図面を参照し、本発明の実施形態について詳細に説明する。

図１は、ユーザ認証装置の一例を示す。

ユーザ認証装置１は、生体データを利用し、ユーザ認証を行うことができる。ユーザ認証装置１は、独立された装置でもあり、ユーザ認証機能を必要とする他の装置に含まれた装置でもある。ユーザ認証装置１は、出入り口の開閉にも使用される。また、ユーザ認証装置１は、スマートフォン、テブレット（tablet）デバイス、ウェアラブル（wearable）デバイス、コンピュータ、電子タバコのような装置を作動させるためのユーザ認証にも使用される。また、ユーザ認証装置１は、金融、国防など保安が必要な分野において、権限認証のためのユーザ認証にも使用される。

ユーザ認証装置１は、指紋データ、虹彩データ、静脈データ、顔形状データ、掌紋（palm print）データ、声データのような多様な生体データを利用することができる。ユーザ認証装置１が利用する生体データは、羅列された例示に限定されるものではない。ユーザ認証装置１は、ユーザ認証過程において、１種類の生体データを利用するか、あるいは複数種類の生体データを利用することができる。

ユーザ認証装置１は、センサ１１、メモリ１２及び制御部１３を含んでもよい。

センサ１１は、生体データ獲得のために使用されうる。センサ１１は、イメージセンサ、指紋センサ、音センサ、温度センサ、電子光学センサ、バイオセンサ、超音波センサなどでもあるが、それらに限定されるものではない。

メモリ１２は、生体データ、及び制御部１３が実行する少なくとも１つのプログラムを保存することができる。該プログラムは、制御部１３のオペレーションを実行するためのインストラクションを含んでもよく、それについては、以下で詳細に説明する。メモリ１２は、ＤＲＡＭ（dynamic random access memory）・ＳＲＡＭ（static random access memory）のようなＲＡＭ（random access memory）、ＲＯＭ（read only memory）、ＥＥＰＲＯＭ（electrically erasable programmable read only memory）のような多様な種類によっても具現される。

制御部１３は、少なくとも１つのプロセッサを含む。該プロセッサは、多数の論理ゲートのアレイによっても具現され、汎用的なマイクロプロセッサと、該マイクロプロセッサで実行されうるプログラムが保存されたメモリとの組み合わせによっても具現される。また、他の形態のハードウェアによっても具現されるということは、本実施形態が属する技術分野において当業者であるならば、理解することができるであろう。

制御部１３は、生体データを利用し、ユーザ認証を行うことができる。制御部１３は、多様なアルゴリズムに基づき、ユーザ認証を行うことができる。

例えば、制御部１３は、生体データと基準データとの類似度を比較し、該類似度が既定の基準値以上であるならば、ユーザであると認証することができる。このとき、該基準データは、ユーザ認証装置１を使用する過程において獲得される生体データが、ユーザの生体データあるかということを判断するために使用されるデータである。

例えば、制御部１３は、パターン認識（pattern recognition）アルゴリズム、機械学習（machine learning）アルゴリズム、イメージ処理（image processing）アルゴリズム、信号処理（signal processing）アルゴリズムなどに基づき、生体データと基準データとを比較することができる。

例えば、制御部１３は、機械学習の学習モデル（learning model）を利用し、ユーザ認証を行うことができる。ユーザ認証装置１は、ユーザ認証を行う学習モデルであるユーザ認証モデルを使用することができる。該ユーザ認証モデルは、深層信頼神経網（deep belief network）、畳み込み神経網（convolutional neural network）のような神経網（neural network）、及び強化学習（reinforcement learning）などに基づくことができるが、羅列された種類に制限されるものではない。制御部１３は、ユーザ認証モデルを生成したり、メモリ１２に事前に保存されたユーザ認証モデルをローディングしたりしてユーザ認証を行うことができる。

制御部１３がユーザ認証モデルを訓練（training）させたり、再訓練（re-training）させるための学習データは、基準データ、及びユーザ認証装置１によって獲得された生体データを含んでもよい。制御部１３は、学習データを利用し、ユーザ認証モデルを訓練させ、訓練されたユーザ認証モデルを利用し、ユーザ認証を行うことができる。制御部１３は、学習データを利用し、ユーザ認証モデルを再訓練させ、再訓練されたユーザ認証モデルを利用し、ユーザ認証を行うことができる。

以下のユーザ認証方法は、図１のユーザ認証装置１によって遂行されうる。または、以下のユーザ認証方法は、図１のユーザ認証装置１、及び他の装置によっても遂行される。

図２は、ユーザ認証方法の一例を示す。

２０１段階において、制御部１３は、基準データを獲得する。該基準データは、ユーザのものであると確認された生体データでもある。制御部１３は、センサ１１を介して基準データを獲得するか、メモリ１２に事前に保存された基準データをローディングするか、あるいは他の装置から基準データを獲得することができる。該基準データは、その後、ユーザ認証装置１によって獲得された生体データが、ユーザの生体データあるかということを判断する基準としても使用される。

２０２段階において、制御部１３は、センサ１１を介して生体データを獲得する。例えば、該基準データは、ユーザによって設定されたパスワードにも該当し、２０２段階において、制御部１３が獲得する生体データは、ユーザ認証装置１の使用過程において、ユーザがユーザ認証のために入力するパスワードにも該当する。

２０３段階において、制御部１３は、２０２段階において獲得された生体データに基づき、ユーザ認証を行う。

制御部１３は、獲得された生体データと基準データとの類似度を比較し、ユーザ認証を行うことができる。例えば、制御部１３は、パターン認識に基づき、生体データと基準データとの類似度を比較し、該比較結果に基づき、ユーザ認証を行うことができる。例えば、制御部１３は、ユーザ認証モデルに基づき、生体データと基準データとの類似度を比較し、該比較結果に基づき、ユーザ認証を行うことができる。

制御部１３は、生体データと基準データとの類似度が、既定の第２基準値以上であるならば、ユーザ認証に成功したと決定し、第２基準値未満であるならば、ユーザ認証に失敗したと決定することができる。

図３は、ユーザ認証方法の一例を示す。

３０１段階において、制御部１３は、生体データを獲得する。制御部１３は、センサ１１を介し、ユーザの生体データを獲得することができる。

３０２段階において、制御部１３は、獲得された生体データに基づき、ユーザ認証を行う。制御部１３は、獲得された生体データと基準データとの類似度を比較し、ユーザ認証を行うことができる。ユーザ認証には、パターン認識のような多様なアルゴリズムが使用されうる。

制御部１３は、ユーザ認証モデルを利用せず、獲得された生体データに基づき、ユーザ認証を行うことができる。または、制御部１３は、ユーザ認証モデルを利用し、獲得された生体データに基づき、ユーザ認証を行うことができる。該ユーザ認証モデルは、メモリ１２に事前に保存されてもいる。該ユーザ認証モデルは、機械学習の学習モデルでもある。例えば、該ユーザ認証モデルは、神経網モデルまたは強化学習モデルでもあるが、それらに制限されるものではない。

３０３段階において、制御部１３は、ユーザ認証に使用された生体データを、学習データに追加することができる。制御部１３は、ユーザ認証に成功した生体データである成功生体データを、学習データに追加することができる。また、制御部１３は、ユーザ認証に失敗した生体データである失敗生体データを、学習データに追加することができる。また、制御部１３は、基準データを、学習データに追加することができる。また、制御部１３は、基準データとの類似度が、第１基準値以上を満足する生体データである類似生体データを、学習データに追加することができる。該第１基準値は、既定の値でもある。該第１基準値は、成功生体データを判断する基準になる第２基準値より低い値でもある。

制御部１３は、学習データを、新たに獲得された生体データにアップデートすることができる。例えば、制御部１３は、以前に獲得した失敗生体データを、新たに獲得された成功生体データで代替することができる。

該学習データは、メモリ１２にも保存される。または、該学習データは、ユーザ認証装置１と連結された他の装置のメモリにも保存される。該他装置は、ユーザ認証装置１と、無線または有線で通信する装置でもある。例えば、ユーザ認証装置１は、エアロゾル生成装置に含まれた装置であり、他の装置は、エアロゾル生成装置と通信することができるスマートフォン、コンピュータのような外部装置でもある。

３０４段階において、制御部１３は、該学習データを利用し、ユーザ認証モデルを訓練させることができる。または、制御部１３は、該学習データを利用し、ユーザ認証モデルを再訓練させることができる。

例えば、該ユーザ認証モデルは、ディープニューラルネットワーク（ＤＮＮ）でもあり、制御部１３は、学習データを利用し、加重値、バイアスのようなユーザ認証モデルの学習パラメータを訓練させることができる。例えば、該ユーザ認証モデルは、畳み込みニューラルネットワーク（ＣＮＮ）でもあり、制御部１３は、学習データを利用し、フィルタ（または、カーネル（kernel））の加重値のようなユーザ認証モデルの学習パラメータを訓練させることができる。例えば、該ユーザ認証モデルは、強化学習モデルでもあり、制御部１３は、学習データを利用し、報償（reward）を最大化させたり、ペナルティ（penalty）を最小化させたりするように、ユーザ認証モデルを学習させることができる。

または、他の装置は、学習データを利用し、ユーザ認証モデルを訓練させたり再訓練させたりすることができ、訓練または再訓練が完了したユーザ認証モデルを、ユーザ認証装置１に伝達することができる。

３０５段階において、制御部１３は、新たな生体データを獲得し、ユーザ認証モデルを利用し、新たな生体データに基づき、ユーザ認証を行うことができる。３０５段階において、制御部１３は、３０４段階において、訓練されたり再訓練されたりしたユーザ認証モデルを利用し、ユーザ認証を行うことができる。

該ユーザ認証モデルは、基準データだけではなく、ユーザ認証過程で獲得される生体データに対して訓練されたので、ユーザ認証装置１の使用過程において発生する変化を反映させる。従って、該ユーザ認証モデルを利用し、新たな生体データに基づき、ユーザ認証を行うことにより、ユーザ認証装置１のユーザ認証失敗が防止されうる。

図４は、ユーザ認証方法の一例を示す。

４０１段階及び４０２段階は、図３の３０１段階及び３０２段階の特徴をそれぞれ含むのである。

４０３段階において、制御部１３は、ユーザ認証が成功したか否かということを判断する。制御部１３は、ユーザ認証に失敗したならば、４０１段階をさらに遂行し、ユーザ認証に成功したならば、４０４段階を遂行する。

例えば、制御部１３は、獲得された生体データと基準データとの類似度が、既定の第２基準値以上であるならば、ユーザ認証に成功したと決定し、第２基準値未満であるならば、ユーザ認証に失敗したと決定することができる。

４０４段階において、制御部１３は、ユーザ認証に成功した生体データである成功生体データを、学習データに追加することができる。４０４段階に係わる多様な実施形態については、図５ないし図１０を参照して説明する。

図５は、学習データを獲得する方法の一例を示す。

制御部１３は、成功生体データを、学習データに追加することができる。例えば、ユーザ認証のために指紋データが５回獲得され、そのうち、５回目に獲得された指紋データが成功生体データである場合、制御部１３は、１～４回目に獲得された指紋データは、失敗生体データであるので、学習データに追加せず、５回目に獲得された指紋データを、学習データに追加することができる。

制御部１３は、成功生体データを、学習データに追加することにより、ユーザの生体データを学習データに含めることができる。

図６は、学習データを獲得する方法の一例を示す。

制御部１３は、成功生体データ、及び成功生体データより以前に獲得された生体データである以前生体データを、学習データに追加することができる。制御部１３は、成功生体データ直前に獲得された既定個数の以前生体データのピースを、学習データに追加することができる。例えば、ユーザ認証のために指紋データが５回獲得され、そのうち、５回目に獲得された指紋データが成功生体データであり、既定個数が３個である場合、制御部１３は、成功生体データと共に、以前生体データの３個のピースである２～４回目指紋データを、学習データに追加することができる。

図７は、学習データを獲得する方法の一例を示す。

制御部１３は、成功生体データ及び以前生体データを、学習データに追加することができる。制御部１３は、既定期間内に獲得された以前生体データを、学習データに追加することができる。制御部１３は、成功生体データが獲得される以前の既定期間内に獲得された以前生体データを、学習データに追加することができる。例えば、５回目に獲得された指紋データが成功生体データであり、５回目指紋データを獲得する２５秒前、１８秒前、８秒前及び３秒前に、最初～４回目指紋データがそれぞれ獲得され、既定期間が２０秒である場合を仮定すれば、制御部１３は、成功生体データを獲得する以前の２０秒の時間内に獲得された以前生体データである２～４回目指紋データを、学習データに追加することができる。

図８は、学習データを獲得する方法の一例を示す。

制御部１３は、成功生体データ及び以前生体データを、学習データに追加することができる。制御部１３は、既定期間内に獲得された既定個数の以前生体データのピースを、学習データに追加することができる。例えば、５回目に獲得された指紋データが成功生体データであり、５回目指紋データを獲得する２５秒前、１８秒前、８秒前及び３秒前に、最初～４回目指紋データがそれぞれ獲得された。既定個数が２個であり、既定期間が２０秒である場合を仮定すれば、制御部１３は、条件、すなわち２個の既定個数と、２０秒の既定期間とを満足する以前生体データである３，４回目以前生体データを、学習データに追加することができる。

図９は、学習データを獲得する方法の一例を示す。

制御部１３は、成功生体データ及び以前生体データを、学習データに追加することができる。制御部１３は、既定時間間隔内に連続して獲得された以前生体データを、学習データに追加することができる。その場合、以前生体データのピース間の時間間隔と、成功生体データと以前生体データとの複数ピースのうち、成功生体データ直前に獲得された以前生体データ間の時間間隔は、既定時間間隔より短いか、あるいはそれと同じである。

例えば、５回目に獲得された指紋データが成功生体データであり、５回目指紋データを獲得する１秒前に、４回目指紋データが獲得され、４回目指紋データを獲得する１．５秒前に、３回目指紋データが獲得され、３回目指紋データを獲得する１．３秒前に、２回目指紋データが獲得され、２回目指紋データを獲得する６秒前に、最初指紋データが獲得され、既定時間間隔が２秒である場合、制御部１３は、２～４回目指紋データは、次指紋データとは、獲得された時間間隔が２秒以内であるので、学習データに追加し、最初指紋データは、２回目指紋データとは、獲得された時間間隔が２秒を超えるので、学習データに追加しないのである。

図１０は、学習データを獲得する方法の一例を示す。

制御部１３は、成功生体データ、及び基準データとの類似度が、第１基準値以上を満足する生体データである類似生体データを、学習データに追加することができる。該類似生体データは、以前生体データであるか、または成功生体データ後に獲得された生体データである以後生体データでもある。このとき、該第１基準値は、成功生体データを判断する基準になる第２基準値より低い値でもある。例えば、基準データとの類似度が、９７％、８９％、８５％、９６％、９９％である最初～５回目ピースの指紋データが獲得され、第１基準値が９５％であり、第２基準値が９９％である場合、制御部１３は、第２基準値を満足する成功生体データである５回目指紋データ、及び第１基準値を満足する類似生体データである最初ピース及び４回目ピースの指紋データを、学習データに追加することができる。

ユーザは、ユーザ認証に成功するまで、何回か指紋データをユーザ認証装置１に提供する状況が発生しうる。また、ユーザは、ユーザ認証に成功するまで、ユーザ認証を反復して試みることになる。すなわち、成功生体データ以前に獲得されたいくつかの生体データは、ユーザの生体データとも推定される。また、ユーザ認証装置１の使用過程において獲得された生体データのうち、基準データと類似した生体データは、ユーザの生体データとも推定される。従って、図５ないし図１０に図示された方法を介し、制御部１３は、複数のピースのユーザの生体データを、学習データに追加することができる。

以前生体データ及び以後生体データは、失敗生体データに該当する。制御部１３は、全ての失敗生体データを、学習データに追加させるものではなく、成功生体データと関連がある失敗生体データを、学習データに追加させることにより、信頼性ある学習データを確保することができる。

以上、図５ないし図１０を参照した方法により、学習データを獲得することにより、ユーザ認証装置１のユーザ認証過程で獲得される生体データを学習データとして活用することができる。

以上、図５ないし図１０を参照した学習データを追加する方法においては、説明の便宜のために、指紋データを例として挙げたが、そえ以外の生体データも、同一に適用されうる。

再び図４を参照すれば、４０５段階において、制御部１３は、学習データを利用し、ユーザ認証モデルを訓練させることができる。４０５段階は、図３の３０４段階の特徴を含むのである。

４０６段階において、制御部１３は、新たな生体データを獲得し、訓練されたユーザ認証モデルを利用し、新たな生体データに基づき、ユーザ認証を行うことができる。４０６段階において、制御部１３は、４０５段階において、訓練されたり再訓練されたりしたユーザ認証モデルを利用し、ユーザ認証を行うことができる。

該ユーザ認証モデルは、ユーザ認証過程で入力される生体データに対して訓練されるので、センサの汚染、指紋の変化のような妨害要因（obstacles）が訓練に反映されもする。従って、ユーザ認証装置１は、ユーザ認証モデルを利用し、妨害要因にロバストにユーザ認証を行うことができる。

図１１は、一実施形態によるユーザ認証方法を示す。

図１１に図示されたユーザ認証方法と、図４に図示されたユーザ認証方法とを比較したとき、１１０１～１１０４段階は、それぞれ４０１～４０４段階の特徴を含み、１１０６～１１０７段階は、それぞれ４０５～４０６段階の特徴を含むのである。重複説明を避けるために、１１０５段階についてのみ説明する。

１１０５段階において、制御部１３は、ユーザ認証モデルの訓練が必要であるか否かということを判断することができる。

例えば、制御部１３は、ユーザ認証モデルを訓練するための学習データが十分に獲得されたか否かということに基づき、訓練が必要であるか否かということを判断することができる。制御部１３は、学習データのピースの個数が十分であるか、あるいは不十分であるとしても、データ増大（data augmentation）を利用して補完することができる場合、ユーザ認証モデルの訓練が必要であると判断することができる。

例えば、制御部１３は、ユーザ認識率に基づき、訓練が必要であるか否かということを判断することができる。制御部１３は、成功生体データを獲得する直前に獲得された失敗生体データの個数が既定個数を超える場合、ユーザ認証モデルの訓練が必要であると判断することができる。成功生体データを獲得する直前に獲得された失敗生体データの個数が、既定個数以上であるということは、ユーザ認証装置１のユーザ認識率が低いということを意味する。

図１２は、エアロゾル生成装置のハードウェア構成を図示したブロック図である。

図１２を参照すれば、エアロゾル生成装置１００００は、バッテリ１１０００、ヒータ１２０００、センサ１３０００、ユーザインターフェース１４０００、メモリ１５０００及び制御部１６０００を含んでもよい。しかし、エアロゾル生成装置１００００の内部構造は、図１２に図示されたところに限定されるものではない。エアロゾル生成装置１００００の設計により、図１２に図示されたハードウェア構成のうち一部が省略されたり、新たな構成がさらに追加されたりしうるということは、本実施形態と係わる技術分野で当業者であるならば、理解することができるであろう。

一実施形態において、エアロゾル生成装置１００００は、シガレットを加熱し、エアロゾルを生成する装置でもある。他の実施形態において、エアロゾル生成装置１００００は、カートリッジの液状組成物を加熱し、エアロゾルを生成する装置でもある。さらに他の実施形態において、エアロゾル生成装置１００００は、シガレット及びカートリッジの液状組成物を加熱し、エアロゾルを生成する装置でもある。

一実施形態において、エアロゾル生成装置１００００は、本体だけによっても構成され、その場合、エアロゾル生成装置１００００に含まれたハードウェア構成は、本体に位置する。他の実施形態において、エアロゾル生成装置１００００は、本体及びカートリッジによっても構成され、エアロゾル生成装置１００００に含まれたハードウェア構成は、本体及びカートリッジに分けられて位置することができる。または、エアロゾル生成装置１００００に含まれたハードウェア構成のうち少なくとも一部は、本体及びカートリッジそれぞれに位置することもできる。

以下においては、エアロゾル生成装置１００００に含まれた各構成が位置する空間を限定せず、各構成の動作について説明する。

バッテリ１１０００は、エアロゾル生成装置１００００の動作に利用される電力を供給する。すなわち、バッテリ１１０００は、ヒータ１２０００が加熱されうるように、電力を供給することができる。また、バッテリ１１０００は、エアロゾル生成装置１００００内に具備された他のハードウェア構成、すなわち、センサ１３０００、ユーザインターフェース１４０００、メモリ１５０００及び制御部１６０００の動作に必要な電力を供給することができる。バッテリ１１０００は、充電が可能なバッテリでもあり、単回使用バッテリでもある。例えば、バッテリ１１０００は、リチウムポリマー（LiPoly）バッテリでもあるが、それに制限されるものではない。

ヒータ１２０００は、制御部１６０００の制御により、バッテリ１１０００から電力を供給される。ヒータ１２０００は、バッテリ１１０００から電力を供給され、エアロゾル生成装置１００００に挿入されたシガレットを加熱するか、あるいはエアロゾル生成装置１００００に装着されたカートリッジを加熱することができる。

ヒータ１２０００は、エアロゾル生成装置１００００の本体に位置することができる。または、エアロゾル生成装置１００００が本体及びカートリッジで構成される場合、ヒータ１２０００は、カートリッジに位置することができる。ヒータ１２０００がカートリッジに位置する場合、ヒータ１２０００は、本体及びカートリッジのうち少なくともいずれか１ヵ所に位置したバッテリ１１０００から電力を供給される。

ヒータ１２０００は、任意の適する電気抵抗性物質によっても形成される。例えば、適する電気抵抗性物質は、チタン、ジルコニウム、タンタル、白金、ニッケル、コバルト、クロム、ハフニウム、ニオブ、モリブデン、タングステン、スズ、ガリウム、マンガン、鉄、銅、ステンレス鋼、ニクロムなどを含む金属または金属合金でもあるが、それらに制限されるものではない。また、ヒータ１２０００は、金属熱線（wire）、電気伝導性トラック（track）が配置された金属プレート（plate）、セラミックス発熱体などによっても具現されるが、それらに制限されるものではない。

一実施形態において、ヒータ１２０００は、カートリッジに含まれた構成でもある。該カートリッジは、ヒータ１２０００、液体伝達手段及び液体保存部を含んでもよい。該液体保存部に収容されたエアロゾル生成物質は、該液体伝達手段に移動し、ヒータ１２０００は、該液体伝達手段に吸収されたエアロゾル生成物質を加熱し、エアロゾルを発生させることができる。例えば、ヒータ１２０００は、ニッケルやクロムのような素材を含み、該液体伝達手段に巻かれたり、液体伝達手段に隣接するように配置されたりもする。

他の実施形態において、ヒータ１２０００は、エアロゾル生成装置１００００の収容空間に挿入されたシガレットを加熱することができる。エアロゾル生成装置１００００の収容空間にシガレットが収容されることにより、ヒータ１２０００は、シガレットの内部及び／または外部に位置することができる。それにより、ヒータ１２０００は、シガレット内のエアロゾル生成物質を加熱し、エアロゾルを発生させることができる。

一方、ヒータ１２０００は、誘導加熱式ヒータでもある。ヒータ１２０００は、シガレットまたはカートリッジを、誘導加熱方式で加熱するための電気伝導性コイルを含んでもよく、シガレットまたはカートリッジには、誘導加熱式ヒータによって加熱されうるサセプタが含まれてもよい。

エアロゾル生成装置１００００は、少なくとも１つのセンサ１３０００を含んでもよい。少なくとも１つのセンサ１３０００でセンシングされた結果は、制御部１６０００に伝達され、該センシング結果により、制御部１６０００は、ヒータの動作制御、喫煙の制限、シガレット（または、カートリッジ）挿入有無判断、お知らせ表示のような多様な機能が遂行されるように、エアロゾル生成装置１００００を制御することができる。

例えば、少なくとも１つのセンサ１３０００は、パフ感知センサを含んでもよい。該パフ感知センサは、温度変化、流量（flow）変化、電圧変化及び圧力変化のうちいずれか一つに基づき、ユーザのパフを感知することができる。

また、少なくとも１つのセンサ１３０００は、温度感知センサを含んでもよい。該温度感知センサは、ヒータ１２０００（または、エアロゾル生成物質）が加熱される温度を感知することができる。エアロゾル生成装置１００００は、ヒータ１２０００の温度を感知する別途の温度感知センサを含むか、あるいは別途の温度感知センサを含む代わりに、ヒータ１２０００自体が温度感知センサの役割を行うことができる。または、ヒータ１２０００が、温度感知センサの役割を行うと共に、エアロゾル生成装置１００００に、別途の温度感知センサがさらに含まれてもよい。

また、少なくとも１つのセンサ１３０００は、生体データを獲得するのにも利用される。少なくとも１つのセンサ１３０００は、イメージセンサ、指紋センサ、音センサ、温度センサ、電子光学センサ、バイオセンサ、超音波センサなどでもあるが、それらに限定されるものではない。

ユーザインターフェース１４０００は、ユーザに、エアロゾル生成装置１００００の状態に係わる情報を提供することができる。ユーザインターフェース１４０００は、視覚情報を出力するディスプレイまたはランプ、触覚情報を出力するモータ、音情報を出力するスピーカ、ユーザから入力された情報を受信したり、ユーザに情報を出力したりする入出力（Ｉ／Ｏ）インターフェーシング手段（例えば、ボタンまたはタッチスクリーン）とデータ通信を行ったり、充電電力を供給されたりするための端子、外部デバイスと無線通信（例えば、ＷＩ－ＦＩ、ＷＩ－ＦＩ direct、Bluetooth（登録商標）、ＮＦＣ（near-field communication）など）を遂行するための通信インターフェーシングモジュールのような多様なインターフェーシング手段を含んでもよい。

ただし、エアロゾル生成装置１００００には、前述の多様なユーザインターフェース１４０００例示のうち一部だけが取捨選択されても具現される。

メモリ１５０００は、エアロゾル生成装置１００００内で処理される各種データを保存するハードウェアであり、メモリ１５０００は、制御部１６０００で処理されたデータ及び処理されるデータを保存することができる。

メモリ１５０００には、エアロゾル生成装置１００００の動作時間、最大パフ回数、現在パフ回数、少なくとも１つの温度プロファイル、及びユーザの喫煙パターンに係わるデータなどが保存されうる。

制御部１６０００は、エアロゾル生成装置１００００の全般的な動作を制御するハードウェアである。制御部１６０００は、少なくとも１つのプロセッサを含む。

制御部１６０００は、少なくとも１つのセンサ１３０００によってセンシングされた結果を分析し、次に遂行される処理を制御する。

制御部１６０００は、少なくとも１つのセンサ１３０００によってセンシングされた結果に基づき、ヒータ１２０００の動作が開始または終了されるように、ヒータ１２０００に供給される電力を制御することができる。

制御部１６０００は、図２ないし図１１を参照して説明したユーザ認証方法に基づき、ユーザ認証を行うことができる。制御部１６０００は、少なくとも１つのセンサ１３０００を介して獲得される生体データに基づき、ユーザ認証を行うことができる。制御部１６０００は、ユーザ認証に成功した場合、ヒータ１２０００の動作が開始されるように、ヒータ１２０００に供給される電力を制御することができる。例えば、制御部１６０００は、ユーザ認証に成功した場合、ヒータ１２０００が予熱を始めるように、ヒータ１２０００に供給される電力を制御することができる。

また、制御部１６０００は、少なくとも１つのセンサ１３０００によってセンシングされた結果に基づき、ヒータ１２０００が所定温度まで加熱されたり、適切な温度に維持されたりするように、ヒータ１２０００に供給される電力量、及び電力が供給される時間を制御することができる。

一実施形態において、制御部１６０００は、エアロゾル生成装置１００００に係わるユーザ入力を受信した後、ヒータ１２０００の動作を開始するために、ヒータ１２０００のモードを予熱モードに設定することができる。また、制御部１６０００は、パフ感知センサを利用し、ユーザのパフを感知した後、ヒータ１２０００のモードを、予熱モードから動作モードに転換することができる。また、制御部１６０００は、パフ感知センサを利用し、パフ回数をカウントした後、パフ回数が既設定回数に逹すれば、ヒータ１２０００への電力供給を中断することができる。

制御部１６０００は、少なくとも１つのセンサ１３０００によってセンシングされた結果に基づき、ユーザインターフェース１４０００を制御することができる。例えば、パフ感知センサを利用し、パフ回数をカウントした後、パフ回数が既設定回数に逹すれば、制御部１６０００は、ランプ、モータ及びスピーカのうち少なくともいずれか一つを利用し、ユーザに、エアロゾル生成装置１００００がすぐ終了されると予告することができる。

一方、図１２には、図示されていないが、エアロゾル生成装置１００００は、別途のクレードルと共に、エアロゾル生成システムを構成することもできる。例えば、該クレードルは、エアロゾル生成装置１００００のバッテリ１１０００を充電するのにも利用される。例えば、エアロゾル生成装置１００００は、クレードル内部の収容空間に収容された状態で、クレードルのバッテリから電力を供給され、エアロゾル生成装置１００００のバッテリ１１０００を充電することができる。

図１３は、ユーザがエアロゾル生成装置を使用する一例を示す。図１４は、エアロゾル生成装置がユーザを認証する方法の一例を示す。

図１３及び図１４を参照すれば、エアロゾル生成装置１３００は、シガレット及び／またはカートリッジの液状組成物を加熱し、エアロゾルを生成する装置でもある。

エアロゾル生成装置１３００は、エアロゾル生成装置１３００を制御するためのユーザ入力を獲得する入力インターフェーシング手段１３０１を含んでもよい。例えば、入力インターフェーシング手段１３０１は、ボタン、タッチスクリーンまたはタッチパッドでもある。ユーザは、入力インターフェーシング手段１３０１を操作し、エアロゾル生成装置１３００の作動を制御することができる。例えば、ユーザは、入力インターフェーシング手段１３０１をタッチする回数及び／または持続期間を調節し、エアロゾル生成装置１３００の作動モードを制御するか、あるいは出力インターフェーシング手段を介し、エアロゾル生成装置１３００の状態が出力されるように制御することができる。

入力インターフェーシング手段１３０１は、指紋センサを含んでもよい。ユーザが入力インターフェーシング手段１３０１に指を接触させれば、指紋センサを介し、ユーザの指紋データが獲得されうる。

１４０１段階において、エアロゾル生成装置１３００の制御部は、指紋データを獲得する。１４０１段階は、図４の４０１段階の特徴を含むものである。

１４０２段階において、エアロゾル生成装置１３００の制御部は、獲得された指紋データに基づき、ユーザ認証を行う。１４０２段階は、図４の４０２段階の特徴を含むものである。

１４０３段階において、エアロゾル生成装置１３００の制御部は、ユーザ認証が成功したか否かということを判断する。制御部は、ユーザ認証に失敗したならば、１４０１段階をさらに遂行し、ユーザ認証に成功したならば、１４０４段階を遂行する。

１４０４段階において、エアロゾル生成装置１３００の制御部は、ユーザ認証に成功した指紋データである成功指紋データを、学習データに追加する。１４０４段階は、図４の４０４段階の特徴を含むものである。

１４０５段階において、エアロゾル生成装置１３００の制御部は、成功指紋データ以後に獲得された指紋データである以後指紋データを、学習データに追加する。ユーザ認証が成功した後、ユーザは、エアロゾル生成装置１３００を制御するためというような多様な理由により、入力インターフェーシング手段１３０１を操作することができる。ユーザがエアロゾル生成装置１３００を利用する過程において、入力インターフェーシング手段１３０１を介して獲得される指紋データを、学習データに追加することにより、複数ピースのユーザ指紋データを、学習データに追加することができる。

例えば、該制御部は、基準指紋データとの類似度が既定値以上である以後指紋データを、学習データに追加することができる。例えば、制御部は、成功指紋データ以後に獲得された既定個数の以後指紋データを、学習データに追加することができる。例えば、該制御部は、成功指紋データ以後の既定期間の間に獲得された以後指紋データを、学習データに追加することができる。例えば、該制御部は、成功指紋データ以後の既定時間間隔内に獲得された以後指紋データを、学習データに追加することができる。

１４０６段階において、エアロゾル生成装置１３００の制御部は、学習データを利用し、ユーザ認証モデルを訓練させる。１４０６段階は、図４の４０５段階の特徴を含むものである。

図１３及び図１４を参照した実施形態においては、指紋データに基づき、ユーザ認証を行う方法について説明したが、指紋データ以外の生体データについても、同様に適用されうる。

図１及び図１２の制御部１３、制御部１６０００及びセンサ１３０００のように、図面においてブロックでもって表現された少なくとも１つのコンポーネント、エレメント、モジュールまたはユニット（本段落において、総称して「コンポーネント」とする）は、実施形態により、前述の各機能を遂行する多様なハードウェア構造、ソフトウェア構造及び／またはファームウェア構造にも具現される。例えば、このようなコンポーネントのうち少なくとも一つは、１以上のマイクロプロセッサ、または他の制御装置の制御を介して各機能を実行することができるメモリ、プロセッサ、論理回路、ルックアップテーブルのような直接回路構造を使用することができる。また、そのようなコンポーネントのうち少なくとも一つは、特定論理機能を遂行するための１以上の実行可能な命令を含む１以上のマイクロプロセッサまたはその他制御装置によって実行されるモジュール、プログラム、またはコードの一部によって具体的に具現されうる。また、そのようなコンポーネントのうち少なくとも一つは、それぞれの機能を遂行する中央処理装置（ＣＰＵ）、マイクロプロセッサのようなプロセッサを含むか、あるいはそれによって具現されうる。そのようなコンポーネントのうち２以上は、結合された２以上のコンポーネントの全ての動作または機能を遂行する１つの単一構成要素にも結合される。また、そのようなコンポーネントのうち少なくとも１つの機能のうち少なくとも一部は、そのようなコンポーネントのうち他の一つによっても遂行される。また、ブロック図においては、バスが図示されていないが、コンポーネント間の通信は、バスを介しても遂行される。以上の例示的な実施形態の機能的側面は、１以上のプロセッサで実行されるアルゴリズムによっても具現される。さらには、ブロックまたは処理段階によって表現されるコンポーネントは、電子構成、信号処理、及び／または制御、データ処理などに係わる任意数の関連技術を使用することができる。

前述の実施形態に係わる説明は、例示的なものに過ぎず、当該技術分野において当業者であるならば、それらから多様な変形、及び均等な他の実施形態が可能であるという点を理解するであろう。従って、発明の真の保護範囲は、特許請求の範囲によって定められ、特許請求の範囲に記載された内容と同等な範囲にある全ての差異は、特許請求の範囲によって定められる保護範囲に含まれると解釈されるのである。

Claims (13)

1. ユーザ認証を行う方法において、
   生体データを獲得する段階と、
   前記生体データに基づき、ユーザ認証を行う段階と、
   ユーザ認証を遂行した後、前記生体データを、学習データに追加する段階と、
   前記学習データを利用し、ユーザ認証を行う学習モデルであるユーザ認証モデルを訓練させる段階と、
   前記ユーザ認証モデルを利用し、新たな生体データに基づき、前記ユーザ認証を行う段階と、を含み、
   前記追加する段階は、
   前記ユーザ認証に成功した前記生体データである成功生体データを、前記学習データに追加する段階と、
   前記成功生体データより以前に獲得された生体データである以前生体データを、前記学習データに追加する段階とを含む、方法。
2. 前記以前生体データを、前記学習データに追加する段階は、
   前記成功生体データが獲得される直前に獲得された既定個数の前記以前生体データのピースを、前記学習データに追加する段階を含む、請求項１に記載の方法。
3. 前記以前生体データは、前記学習データに対し、前記成功生体データが獲得される以前の既定期間内に獲得された生体データである、請求項１に記載の方法。
4. 前記以前生体データを、前記学習データに追加する段階は、
   前記成功生体データが獲得される以前に既定期間の間獲得された既定個数の前記以前生体データのピースを、前記学習データに追加する段階を含む、請求項１に記載の方法。
5. 前記以前生体データを、前記学習データに追加する段階は、
   連続に獲得された前記以前生体データの複数のピースを、前記学習データに追加する段階を含み、
   前記以前生体データのいずれか１つのピースを、前記学習データに追加することと、前記以前生体データの他の１つのピースを、前記学習データに追加させることの時間間隔と、前記成功データを、前記学習データに追加することと、前記成功データ直前に獲得された前記以前生体データのピースを、前記学習データに追加することの時間間隔とのそれぞれは、既定時間間隔以下である、請求項１に記載の方法。
6. 前記追加する段階は、
   基準データとの類似度が第１基準値以上にある前記生体データである類似生体データを、前記学習データに追加する段階を含む、請求項１に記載の方法。
7. 前記ユーザ認証を行う段階は、
   前記基準データと、前記獲得された生体データとの類似度が第２基準値以上であることに基づき、ユーザ認証に成功したと判断する段階を含み、
   前記第２基準値は、前記第１基準値より大きい、請求項６に記載の方法。
8. 前記基準データは、ユーザ認証のために事前に獲得されたユーザの生体データであり、
   前記追加する段階は、
   前記基準データを、前記学習データに追加する段階をさらに含む、請求項６に記載の方法。
9. 前記ユーザ認証モデルのユーザ認証率、または前記学習データの個数に基づき、前記ユーザ認証モデルの訓練が必要であるか否かということを判断する段階をさらに含む、請求項１に記載の方法。
10. ユーザ認証を行う装置において、
    生体データを獲得するように構成されたセンサと、
    少なくとも１つのプログラムを保存するメモリと、
    前記少なくとも１つのプログラムを実行してユーザ認証を行う制御部と、を含み、
    前記少なくとも１つのプログラムは、次のオペレーションを遂行するためのインストラクションを含み、該オペレーションは、
    獲得された前記生体データに基づき、ユーザ認証を行うことと、
    前記ユーザ認証を遂行した後、前記生体データを、学習データに追加することと、
    前記学習データを利用し、前記ユーザ認証を行うように構成された学習モデルであるユーザ認証モデルを訓練させることと、
    前記ユーザ認証モデルを利用し、新たな生体データに基づき、ユーザ認証を行うことと、を含み、
    前記追加することは、
    前記ユーザ認証に成功した前記生体データである成功生体データを、前記学習データに追加することと、
    前記成功生体データより以前に獲得された生体データである以前生体データを、前記学習データに追加することとを含む、
    む、装置。
11. バッテリと、
    前記バッテリから電力を提供され、エアロゾル生成物質を加熱するヒータと、をさらに含み、
    前記制御部は、前記バッテリから前記ヒータに提供される電力を制御する、請求項１０に記載の装置。
12. 前記制御部は、
    前記ユーザ認証の結果に基づき、前記ヒータに伝達する電力を制御する、請求項１１に記載の装置。
13. 前記装置を制御するためのユーザ入力を獲得する入力インターフェーシング手段をさらに含み、
    前記制御部は、前記ユーザ認証に成功した後、前記入力インターフェーシング手段によって獲得された生体データを、前記学習データに追加するように構成された、請求項１１に記載の装置。

Images