KR102323506B1

KR102323506B1 - 사용자 인증을 수행하는 장치 및 방법

Info

Publication number: KR102323506B1
Application number: KR1020190134799A
Authority: KR
Inventors: 선우준; 성진수
Original assignee: 주식회사 케이티앤지
Priority date: 2019-10-28
Filing date: 2019-10-28
Publication date: 2021-11-08
Also published as: EP3834109A4; JP2022509902A; WO2021085880A1; EP3834109A1; JP7093463B2; CN113068409A; KR20210050325A; US20220284083A1

Abstract

일 실시예에 따른 사용자 인증을 수행하는 장치는, 사용자 인증이 수행된 생체 데이터를 학습 데이터로 활용하여 사용자 인증 모델을 훈련시키고, 훈련된 사용자 인증 모델을 이용하여 사용자 인증을 수행한다.

Description

사용자 인증을 수행하는 장치 및 방법{Device and method for performing user authentication}

사용자 인증을 수행하는 장치 및 방법에 관한다.

보안, 안전, 프라이버시 등을 위하여 전자기기들은 사용자 인증(user authentication) 기능을 포함할 수 있다. 사용자 인증에는 비밀번호, 패턴 형식의 암호 등과 같은 본인이 만들어내는 정보가 사용되거나, 홍채, 지문, 혈관 등과 같은 본인만의 고유한 생체 데이터가 사용될 수 있다.

생체 데이터를 이용하여 사용자 인증을 수행하는 사용자 인증 장치의 경우, 센서의 오염, 지문의 변화 등과 같은 요인으로 인해, 본인을 인식하지 못하는 경우가 발생할 수 있다.

본인 인식률의 저하를 방지할 수 있는 사용자 인증 장치 및 방법을 제공하고자 한다.

기술적 과제는 상술한 바에 한정되지 않으며, 이하의 예들로부터 또 다른 기술적 과제들이 유추될 수 있다.

일 실시예에 따른 사용자 인증을 수행하는 방법은, 생체 데이터를 획득하는 단계; 획득된 상기 생체 데이터에 대하여 사용자 인증을 수행하는 단계; 사용자 인증이 수행된 상기 생체 데이터를 학습 데이터에 추가하는 단계; 상기 학습 데이터를 이용하여, 사용자 인증을 수행하는 학습 모델인 사용자 인증 모델을 훈련시키는 단계; 및 새로운 생체 데이터를 획득하고, 상기 사용자 인증 모델을 이용하여 상기 새로운 생체 데이터에 대하여 사용자 인증을 수행하는 단계를 포함한다.

상기 추가하는 단계는, 사용자 인증에 성공한 상기 생체 데이터인 성공 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 추가하는 단계는, 상기 성공 생체 데이터보다 이전에 획득된 생체 데이터인 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는, 상기 성공 생체 데이터가 획득되기 이전에 획득된 미리 결정된 개수의 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는, 상기 성공 생체 데이터가 획득되기 이전에 미리 결정된 기간 동안 획득된 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는, 상기 성공 생체 데이터가 획득되기 이전에 미리 결정된 기간 동안 획득된 미리 결정된 개수의 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는, 상기 성공 생체 데이터가 획득되기 이전에 미리 결정된 시간 간격 내에 획득된 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 추가하는 단계는, 기준 데이터와 유사도가 제1 기준값 이상이 되는 상기 생체 데이터인 유사 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함한다.

상기 사용자 인증을 수행하는 단계는, 상기 기준 데이터와 상기 획득된 생체 데이터의 유사도가 제2 기준값 이상이면 사용자 인증에 성공한 것으로 판단하는 단계를 포함하고, 상기 제2 기준값은 상기 제1 기준값보다 큰 값이다.

상기 기준 데이터는 사용자 인증을 위하여 미리 획득된 본인의 생체 데이터이고, 상기 추가하는 단계는, 상기 기준 데이터를 상기 학습 데이터에 추가하는 단계를 더 포함한다.

상기 훈련시키는 단계는, 상기 사용자 인증 모델의 훈련이 필요한지 여부를 판단하고, 필요하다고 판단되면 상기 사용자 인증 모델을 훈련시키는 단계를 포함한다.

다른 실시예에 따른 사용자 인증을 수행하는 장치는, 생체 데이터를 획득하는데 이용되는 센서; 적어도 하나의 프로그램을 저장하는 메모리; 및 상기 적어도 하나의 프로그램을 실행하여 사용자 인증을 수행하는 제어부를 포함하고, 상기 제어부는, 획득된 상기 생체 데이터에 대하여 사용자 인증을 수행하고, 사용자 인증이 수행된 상기 생체 데이터를 학습 데이터에 추가하고, 상기 학습 데이터를 이용하여, 사용자 인증을 수행하는 학습 모델인 사용자 인증 모델을 훈련시키고, 새로운 생체 데이터를 획득하고, 상기 사용자 인증 모델을 이용하여 상기 새로운 생체 데이터에 대하여 사용자 인증을 수행한다.

상기 장치는, 배터리; 및 상기 배터리로부터 전력을 제공 받아 에어로졸 생성 물질을 가열하는 히터를 더 포함하고, 상기 제어부는, 상기 배터리로부터 상기 히터로 전달되는 전력을 제어한다.

상기 제어부는, 사용자 인증의 결과에 기초하여 상기 히터로 전달되는 전력을 제어한다.

상기 장치는, 상기 장치를 제어하기 위한 사용자 입력을 획득하는 입력 인터페이싱 수단을 더 포함하고, 상기 제어부는 사용자 인증에 성공한 이후 상기 입력 인터페이싱 수단을 통해 획득되는 생체 데이터를 상기 학습 데이터에 추가한다.

사용자 인증 모델은 사용자 인증 장치의 사용 과정에서 입력되는 생체 데이터에 대하여 훈련되므로, 센서의 오염, 지문의 변화 등과 같은 방해 요인들(obstacles)이 훈련에 반영될 수 있다. 따라서, 사용자 인증 장치는 사용자 인증 모델을 이용하여 방해 요인들에 강인하게 사용자 인증을 수행할 수 있다. 따라서, 사용자 인증 장치는 본인 인식률이 저하되는 것을 방지할 수 있다.

발명의 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.

도 1은 사용자 인증 장치의 일 예를 나타낸다.
도 2 내지 도 4는 사용자 인증 방법의 예들을 나타낸다.
도 5 내지 도 10은 학습 데이터를 획득하는 방법의 예들을 나타낸다.
도 11은 일 실시예에 따른 사용자 인증 방법을 나타낸다.
도 12는 에어로졸 생성 장치의 하드웨어 구성을 도시한 블록도이다.
도 13은 사용자가 에어로졸 생성 장치를 사용하는 일 예를 나타낸다.
도 14는 에어로졸 생성 장치가 사용자를 인증하는 방법의 일 예를 나타낸다.

실시예들에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.

이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.

도 1은 사용자 인증 장치의 일 예를 나타낸다.

사용자 인증 장치(1)는 생체 데이터를 이용하여 사용자 인증을 수행하는 장치이다. 사용자 인증 장치(1)는 독립된 장치이거나 사용자 인증 기능을 필요로 하는 다른 장치에 포함된 장치일 수 있다. 사용자 인증 장치(1)는 출입문, 금고 등의 개폐에 사용되거나, 스마트폰, 태블릿(tablet) 디바이스, 웨어러블(wearable) 디바이스, 컴퓨터, 전자담배 등의 장치를 작동시키기 위한 사용자 인증에 사용되거나, 금융, 국방 등 보안이 필요한 분야에서 권한 인증을 위한 사용자 인증에 사용될 수 있다.

사용자 인증 장치(1)는 지문 데이터, 홍채 데이터, 정맥 데이터, 얼굴 형상 데이터, 장문(palm print) 데이터, 목소리 데이터 등 다양한 생체 데이터를 이용할 수 있다. 사용자 인증 장치(1)가 이용하는 생체 데이터는 나열된 예시로 한정되지 않는다. 사용자 인증 장치(1)는 사용자 인증 과정에서 하나의 종류의 생체 데이터를 이용하거나, 복수개의 종류의 생체 데이터를 이용할 수 있다.

사용자 인증 장치(1)는 센서(11), 메모리(12), 및 제어부(13)를 포함할 수 있다.

센서(11)는 생체 데이터를 획득하기 위하여 사용될 수 있다. 센서(11)는 이미지 센서, 지문 센서, 소리 센서, 온도 센서, 전자 광학 센서, 바이오 센서, 초음파 센서 등 일 수 있으나, 이에 한정되는 것은 아니다.

메모리(12)는 생체 데이터 및 제어부(13)가 실행하는 적어도 하나의 프로그램을 저장할 수 있다. 메모리(12)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory) 등의 다양한 종류들로 구현될 수 있다.

제어부(13)는 적어도 하나의 프로세서를 포함한다. 프로세서는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.

제어부(13)는 생체 데이터를 이용하여 사용자 인증을 수행할 수 있다. 제어부(13)는 다양한 알고리즘들에 기초하여 사용자 인증을 수행할 수 있다.

예를 들어, 제어부(13)는 생체 데이터와 기준 데이터(reference data)의 유사도를 비교하고, 유사도가 미리 결정된 기준값 이상이면 사용자로 인증할 수 있다. 이때, 기준 데이터는 사용자 인증 장치(1)를 사용하는 과정에서 획득되는 생체 데이터가 본인의 생체 데이터인지를 판단하기 위하여 사용되는 데이터이다.

예를 들어, 제어부(13)는 패턴 인식(pattern recognition) 알고리즘, 기계 학습(machine learning) 알고리즘, 이미지 처리(image processing) 알고리즘, 신호 처리(signal processing) 알고리즘 등에 기초하여, 생체 데이터와 기준 데이터를 비교할 수 있다.

예를 들어, 제어부(13)는 기계 학습의 학습 모델(learning model)을 이용하여 사용자 인증을 수행할 수 있다. 사용자 인증 장치(1)는 사용자 인증을 수행하는 학습 모델인 사용자 인증 모델을 사용할 수 있다. 사용자 인증 모델은 심층 신뢰 신경망(deep belief network), 컨볼루션 신경망(convolutional neural network) 등과 같은 신경망(neural network) 및 강화 학습(reinforcement learning) 등에 기초할 수 있으나, 나열된 종류로 제한되는 것은 아니다. 제어부(13)는 사용자 인증 모델을 생성하거나 메모리(12)에 미리 저장된 사용자 인증 모델을 로딩하여 사용자 인증을 수행할 수 있다.

제어부(13)가 사용자 인증 모델을 훈련(training)시키거나 재훈련(training)시키기 위한 학습 데이터는 기준 데이터 및 사용자 인증 장치(1)의 사용 과정에서 획득되는 생체 데이터를 포함할 수 있다. 제어부(13)는 학습 데이터를 이용하여 사용자 인증 모델을 훈련시키고, 훈련된 사용자 인증 모델을 이용하여 사용자 인증을 수행할 수 있다. 제어부(13)는 학습 데이터를 이용하여 사용자 인증 모델을 재훈련(re-training)시키고, 재훈련된 사용자 인증 모델을 이용하여 사용자 인증을 수행할 수 있다.

이하의 사용자 인증 방법들은 도 1의 사용자 인증 장치(1)에 의해 수행될 수 있다. 또는 이하의 사용자 인증 방법들은 도 1의 사용자 인증 장치(1) 및 다른 장치에 의해 수행될 수 있다.

도 2는 사용자 인증 방법의 일 예를 나타낸다.

201 단계에서 제어부(13)는 기준 데이터를 획득한다. 기준 데이터는 본인의 것으로 확인된 생체 데이터일 수 있다. 제어부(13)는 센서(11)를 통해 기준 데이터를 획득하거나, 메모리(12)에 미리 저장된 기준 데이터를 로딩하거나, 다른 장치로부터 기준 데이터를 획득할 수 있다. 기준 데이터는 이후에 사용자 인증 장치(1)를 사용하는 과정에서 획득되는 생체 데이터가 본인의 생체 데이터인지를 판단하는 기준으로 사용될 수 있다.

202 단계에서 제어부(13)는 센서(11)를 통해 생체 데이터를 획득한다. 기준 데이터가 본인이 설정한 패스워드라면, 202 단계에서 제어부(13)가 획득하는 생체 데이터는 사용자 인증 장치(1)의 사용 과정에서 사용자가 본인 인증을 위해 입력하는 패스워드에 해당한다.

203 단계에서 제어부(13)는 202 단계에서 획득된 생체 데이터에 대하여 사용자 인증을 수행한다.

제어부(13)는 획득된 생체 데이터와 기준 데이터의 유사도를 비교하여 사용자 인증을 수행할 수 있다. 예를 들어, 제어부(13)는 패턴 인식에 기초하여 생체 데이터와 기준 데이터의 유사도를 비교하고, 사용자 인증을 수행할 수 있다. 예를 들어, 제어부(13)는 사용자 인증 모델에 기초하여 생체 데이터와 기준 데이터의 유사도를 비교하고, 사용자 인증을 수행할 수 있다.

제어부(13)는 생체 데이터와 기준 데이터의 유사도가 미리 결정된 제2 기준값 이상이면 사용자 인증에 성공한 것으로 결정하고, 제2 기준값 미만이면 사용자 인증에 실패한 것으로 결정할 수 있다.

도 3은 사용자 인증 방법의 일 예를 나타낸다.

301 단계에서 제어부(13)는 생체 데이터를 획득한다. 제어부(13)는 센서(11)를 통해 사용자의 생체 데이터를 획득할 수 있다.

302 단계에서 제어부(13)는 획득된 생체 데이터에 대하여 사용자 인증을 수행한다. 제어부(13)는 획득된 생체 데이터와 기준 데이터의 유사도를 비교하여 사용자 인증을 수행할 수 있다. 사용자 인증에는 패턴 인식 등과 같은 다양한 알고리즘들이 사용될 수 있다.

제어부(13)는 사용자 인증 모델을 이용하지 않고, 획득된 생체 데이터에 대하여 사용자 인증을 수행할 수 있다. 또는 제어부(13)는 사용자 인증 모델을 이용하여, 획득된 생체 데이터에 대하여 사용자 인증을 수행할 수 있다. 사용자 인증 모델은 메모리(12)에 미리 저장되어 있을 수 있다. 사용자 인증 모델은 기계 학습의 학습 모델일 수 있다. 예를 들어, 사용자 인증 모델은 신경망 모델 또는 강화 학습 모델일 수 있으나, 이에 제한되는 것은 아니다.

303 단계에서 제어부(13)는 사용자 인증이 수행된 생체 데이터를 학습 데이터에 추가할 수 있다. 제어부(13)는 사용자 인증에 성공한 생체 데이터인 성공 생체 데이터를 학습 데이터에 추가할 수 있다. 또한 제어부(13)는 사용자 인증에 실패한 생체 데이터인 실패 생체 데이터를 학습 데이터에 추가할 수 있다. 또한 제어부(13)는 기준 데이터를 학습 데이터에 추가할 수 있다. 또한 제어부(13)는 기준 데이터와 유사도가 제1 기준값 이상을 만족하는 생체 데이터인 유사 생체 데이터를 학습 데이터에 추가할 수 있다. 제1 기준값은 미리 결정된 값일 수 있다. 제1 기준값은 성공 생체 데이터를 판단하는 기준이 되는 제2 기준값보다 낮은 값일 수 있다.

제어부(13)는 충분한 개수의 학습 데이터가 확보된 경우, 일부 학습 데이터들을 새롭게 획득된 생체 데이터로 대체할 수 있다. 예를 들어, 제어부(13)는 학습 데이터 중 이전에 획득한 실패 생체 데이터를 새롭게 획득된 성공 생체 데이터로 대체할 수 있다.

학습 데이터는 메모리(12)에 저장될 수 있다. 또는 학습 데이터는 사용자 인증 장치(1)와 연결된 다른 장치의 메모리에 저장될 수 있다. 다른 장치는 사용자 인증 장치(1)와 무선 또는 유선으로 통신하는 장치일 수 있다. 예를 들어, 사용자 인증 장치(1)는 에어로졸 생성 장치에 포함된 장치이고, 다른 장치는 에어로졸 생성 장치와 연동하는 스마트폰, 컴퓨터 등의 외부 장치일 수 있다.

304 단계에서 제어부(13)는 학습 데이터를 이용하여 사용자 인증 모델을 훈련시킬 수 있다. 또는 제어부(13)는 학습 데이터를 이용하여, 사용자 인증 모델을 재훈련시킬 수 있다.

예를 들어, 사용자 인증 모델은 딥 뉴럴 네트워크(DNN)일 수 있으며, 제어부(13)는 학습 데이터를 이용하여 가중치, 바이어스 등과 같은 사용자 인증 모델의 학습 파라미터들을 훈련시킬 수 있다. 예를 들어, 사용자 인증 모델은 컨볼루션 뉴럴 네트워크(CNN)일 수 있으며, 제어부(13)는 학습 데이터를 이용하여 필터(또는 커널(kernel))의 가중치 등과 같은 사용자 인증 모델의 학습 파라미터들을 훈련시킬 수 있다. 예를 들어, 사용자 인증 모델은 강화 학습 모델일 수 있으며, 제어부(13)는 학습 데이터를 이용하여 보상(reward)을 최대화하거나 페널티(penalty)를 최소화하도록 사용자 인증 모델을 학습시킬 수 있다.

또는 다른 장치가 학습 데이터를 이용하여 사용자 인증 모델을 훈련시키거나 재훈련시킬 수 있다. 다른 장치는 훈련 또는 재훈련이 완료된 사용자 인증 모델을 사용자 인증 장치(1)로 전달할 수 있다.

305 단계에서 제어부(13)는 새로운 생체 데이터를 획득하고, 사용자 인증 모델을 이용하여 새로운 생체 데이터에 대하여 사용자 인증을 수행할 수 있다. 305 단계에서 제어부(13)는 304 단계에서 훈련되거나 재훈련된 사용자 인증 모델을 이용하여 사용자 인증을 수행할 수 있다.

사용자 인증 모델은 기준 데이터뿐만 아니라 사용자 인증 과정에서 획득되는 생체 데이터에 대하여 훈련되었으므로, 사용자 인증 장치(1)의 사용 과정에서 발생하는 변화가 반영된 모델이다. 따라서 사용자 인증 모델을 이용하여, 새로운 생체 데이터에 대하여 사용자 인증을 수행함으로써, 사용자 인증 장치(1)가 본인을 인식하지 못하는 에러의 발생을 방지할 수 있다.

도 4는 사용자 인증 방법의 일 예를 나타낸다.

401 단계 및 402 단계는 도 3의 301 단계 및 302 단계의 특징을 각각 포함할 수 있다.

403 단계에서 제어부(13)는 사용자 인증이 성공하였는지를 판단하고, 사용자 인증에 실패하였으면 401 단계를 다시 수행하고, 사용자 인증에 성공하였으면 404 단계를 수행한다.

예를 들어, 제어부(13)는 획득된 생체 데이터와 기준 데이터의 유사도가 미리 결정된 제2 기준값 이상이면 사용자 인증에 성공한 것으로 결정하고, 제2 기준값 미만이면 사용자 인증에 실패한 것으로 결정할 수 있다.

404 단계에서 제어부(13)는 사용자 인증에 성공한 생체 데이터인 성공 생체 데이터를 학습 데이터에 추가할 수 있다. 404 단계에 관한 다양한 실시예들을 도 5 내지 도 10을 참조하여 설명한다.

도 5는 학습 데이터를 획득하는 방법의 일 예를 나타낸다.

제어부(13)는 성공 생체 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 사용자 인증을 위해 지문 데이터가 5번 획득되고, 이 중 5번째로 획득된 지문 데이터가 성공 생체 데이터인 경우, 제어부(13)는 1~4번째로 획득된 지문 데이터는 실패 생체 데이터이므로 학습 데이터에 추가하지 않고, 5번째로 획득된 지문 데이터를 학습 데이터에 추가할 수 있다.

제어부(13)는 성공 생체 데이터를 학습 데이터에 추가함으로써, 본인의 생체 데이터를 학습 데이터에 포함시킬 수 있다.

도 6은 학습 데이터를 획득하는 방법의 일 예를 나타낸다.

제어부(13)는 성공 생체 데이터 및 성공 생체 데이터보다 이전에 획득된 생체 데이터인 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 제어부(13)는 미리 결정된 개수의 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 사용자 인증을 위해 지문 데이터가 5번 획득되고, 이 중 5번째로 획득된 지문 데이터가 성공 생체 데이터이고, 미리 결정된 개수가 3개인 경우, 제어부(13)는 성공 생체 데이터와 함께 3개의 이전 생체 데이터인 2~4번째 지문 데이터를 학습 데이터에 추가할 수 있다.

도 7은 학습 데이터를 획득하는 방법의 일 예를 나타낸다.

제어부(13)는 성공 생체 데이터 및 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 제어부(13)는 미리 결정된 기간 내의 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 제어부(13)는 성공 생체 데이터가 획득되기 이전에 미리 결정된 기간 동안 획득된 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 5번째로 획득된 지문 데이터가 성공 생체 데이터이고, 5번째 지문 데이터를 획득하기 25초, 18초, 8초, 및 3초 전에 1~4번째 지문 데이터가 획득되었고, 미리 결정된 기간이 20초인 경우, 제어부(13)는 성공 생체 데이터를 획득한 때로부터 과거로 20초의 시간 동안 획득된 이전 생체 데이터인 2~4번째 지문 데이터를 학습 데이터에 추가할 수 있다.

도 8은 학습 데이터를 획득하는 방법의 일 예를 나타낸다.

제어부(13)는 성공 생체 데이터 및 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 제어부(13)는 미리 결정된 개수 및 미리 결정된 기간 내의 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 5번째로 획득된 지문 데이터가 성공 생체 데이터이고, 5번째 지문 데이터를 획득하기 25초, 18초, 8초, 및 3초 전에 1~4번째 지문 데이터가 획득되었고, 미리 결정된 개수가 2개이고, 미리 결정된 기간이 20초인 경우, 제어부(13)는 2개와 20초의 조건을 만족하는 이전 생체 데이터인 3~4번째 이전 생체 데이터를 학습 데이터에 추가할 수 있다.

도 9는 학습 데이터를 획득하는 방법의 일 예를 나타낸다.

제어부(13)는 성공 생체 데이터 및 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 제어부(13)는 미리 결정된 시간 간격 내의 이전 생체 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 5번째로 획득된 지문 데이터가 성공 생체 데이터이고, 5번째 지문 데이터를 획득하기 1초 전에 4번째 지문 데이터가 획득되었고, 4번째 지문 데이터를 획득하기 1.5초 전에 3번째 지문 데이터가 획득되었고, 3번째 지문 데이터를 획득하기 1.3초 전에 2번째 지문 데이터가 획득되었고, 2번째 지문 데이터를 획득하기 6초 전에 1번째 지문 데이터가 획득되었고, 미리 결정된 시간 간격이 2초인 경우, 제어부(13)는 2~4번째 지문 데이터는 다음 지문 데이터와 획득된 시간 간격이 2초 이내이므로 학습 데이터에 추가하고, 1번째 지문 데이터는 2번째 지문 데이터와 획득된 시간 간격이 2초를 초과하므로 학습 데이터에 추가하지 않을 수 있다.

도 10은 학습 데이터를 획득하는 방법의 일 예를 나타낸다.

제어부(13)는 성공 생체 데이터 및 기준 데이터와 유사도가 제1 기준값 이상을 만족하는 생체 데이터인 유사 생체 데이터를 학습 데이터에 추가할 수 있다. 유사 생체 데이터는 이전 생체 데이터 이거나 성공 생체 데이터 이후에 획득된 생체 데이터인 이후 생체 데이터일 수 있다. 이때, 제1 기준값은 성공 생체 데이터를 판단하는 기준이 되는 제2 기준값보다 낮은 값일 수 있다. 예를 들어, 기준 데이터와 유사도가 97%, 89%, 85%, 96%, 99%인 1~5번째 지문 데이터가 획득되었고, 제1 기준값이 95%이고 제2 기준값이 99%인 경우, 제어부(13)는 제2 기준값을 만족하는 성공 생체 데이터인 5번째 지문 데이터 및 제1 기준값을 만족하는 유사 생체 데이터인 1, 4번째 지문 데이터를 학습 데이터에 추가할 수 있다.

사용자는 사용자 인증에 성공하기까지 수 차례 지문 데이터를 사용자 인증 장치(1)에 제공하는 상황이 발생할 수 있다. 또한 사용자는 사용자 인증에 성공할 때까지 사용자 인증을 반복적으로 시도할 수 있다. 즉, 성공 생체 데이터 이전에 획득된 몇몇 생체 데이터는 본인의 생체 데이터로 추정될 수 있다. 또한 사용자 인증 장치(1)의 사용 과정에서 획득된 생체 데이터 중 기준 데이터와 유사한 생체 데이터는 본인의 생체 데이터로 추정될 수 있다. 따라서 도 5 내지 도 10에 도시된 방법을 통해, 제어부(13)는 다수의 본인의 생체 데이터를 학습 데이터에 추가할 수 있다.

이전 생체 데이터 및 이후 생체 데이터는 실패 생체 데이터에 해당한다. 제어부(13)는 모든 실패 생체 데이터를 학습 데이터에 추가시키지 않고, 성공 생체 데이터와 관련이 있는 실패 생체 데이터를 학습 데이터에 추가시킴으로써, 신뢰성 있는 학습 데이터를 확보할 수 있다.

이상 도 5 내지 도 10을 참조한 방법에 따라 학습 데이터를 획득함으로써, 사용자 인증 장치(1)의 사용자 인증 과정에서 획득되는 생체 데이터를 학습 데이터로 활용할 수 있다.

이상 도 5 내지 도 10을 참조한 학습 데이터를 추가하는 방법에서는 설명의 편의를 위하여 지문 데이터를 예로 들었으나, 이외의 생체 데이터도 동일하게 적용될 수 있다.

다시 도 4를 참조하면, 405 단계에서 제어부(13)는 학습 데이터를 이용하여, 사용자 인증 모델을 훈련시킬 수 있다. 405 단계는 도 3의 304 단계의 특징을 포함할 수 있다.

406 단계에서 제어부(13)는 새로운 생체 데이터를 획득하고, 훈련된 사용자 인증 모델을 이용하여 새로운 생체 데이터에 대하여 사용자 인증을 수행할 수 있다. 406 단계에서 제어부(13)는 405 단계에서 훈련되거나 재훈련된 사용자 인증 모델을 이용하여 사용자 인증을 수행할 수 있다.

사용자 인증 모델은 사용자 인증 과정에서 입력되는 생체 데이터에 대하여 훈련되므로, 센서의 오염, 지문의 변화 등과 같은 방해 요인들(obstacles)이 훈련에 반영될 수 있다. 따라서, 사용자 인증 장치(1)는 사용자 인증 모델을 이용하여 방해 요인들에 강인하게 사용자 인증을 수행할 수 있다.

도 11은 일 실시예에 따른 사용자 인증 방법을 나타낸다.

도 11에 도시된 사용자 인증 방법과 도 4에 도시된 사용자 인증 방법을 비교하였을 때, 1101~1104 단계는 각각 401~404 단계의 특징을 포함할 수 있고, 1106~1107 단계는 각각 405~406 단계의 특징을 포함할 수 있다. 중복되는 설명을 피하기 위해 1105 단계에 대해서만 설명한다.

1105 단계에서 제어부(13)는 사용자 인증 모델의 훈련이 필요한지 여부를 판단할 수 있다.

예를 들어, 제어부(13)는 사용자 인증 모델을 훈련하기에 충분한 개수의 학습 데이터를 확보하였는지에 기초하여, 훈련이 필요한지 여부를 판단할 수 있다. 제어부(13)는 학습 데이터의 개수가 충분하거나, 불충분 하더라도 데이터 증대(data augmentation)를 이용하여 보완할 수 있는 경우, 사용자 인증 모델의 훈련이 필요하다고 판단할 수 있다.

예를 들어, 제어부(13)는 본인 인식률에 기초하여, 훈련이 필요한지 여부를 판단할 수 있다. 제어부(13)는 성공 생체 데이터를 획득하기 직전에 획득된 실패 생체 데이터의 개수가 미리 결정된 개수를 초과하는 경우, 사용자 인증 모델의 훈련이 필요하다고 판단할 수 있다. 성공 생체 데이터를 획득하기 직전에 획득된 실패 생체 데이터의 개수가 미리 결정된 개수 이상인 것은 사용자 인증 장치(1)의 본인 인식률이 저하된 것을 의미할 수 있다.

도 12는 에어로졸 생성 장치의 하드웨어 구성을 도시한 블록도이다.

도 12를 참조하면, 에어로졸 생성 장치(10000)는 배터리(11000), 히터(12000), 센서(13000), 사용자 인터페이스(14000), 메모리(15000) 및 제어부(16000)를 포함할 수 있다. 그러나, 에어로졸 생성 장치(10000)의 내부 구조는 도 12에 도시된 것에 한정되지 않는다. 에어로졸 생성 장치(10000)의 설계에 따라, 도 12에 도시된 하드웨어 구성 중 일부가 생략되거나 새로운 구성이 더 추가될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.

일 실시예에서 에어로졸 생성 장치(10000)는 궐련을 가열하여 에어로졸을 생성하는 장치일 수 있다. 다른 실시예에서 에어로졸 생성 장치(10000)는 카트리지의 액상 조성물을 가열하여 에어로졸을 생성하는 장치일 수 있다. 또 다른 실시예에서 에어로졸 생성 장치(10000)는 궐련 및 카트리지의 액상 조성물을 가열하여 에어로졸을 생성하는 장치일 수 있다.

일 실시예에서 에어로졸 생성 장치(10000)는 본체만으로 구성될 수 있고, 이 경우 에어로졸 생성 장치(10000)에 포함된 하드웨어 구성들은 본체에 위치한다. 다른 실시예에서 에어로졸 생성 장치(10000)는 본체 및 카트리지로 구성될 수 있고, 에어로졸 생성 장치(10000)에 포함된 하드웨어 구성들은 본체 및 카트리지에 나뉘어 위치할 수 있다. 또는, 에어로졸 생성 장치(10000)에 포함된 하드웨어 구성들 중 적어도 일부는 본체 및 카트리지 각각에 위치할 수도 있다.

이하에서는 에어로졸 생성 장치(10000)에 포함된 각 구성들이 위치하는 공간을 한정하지 않고, 각 구성들의 동작에 대해 설명하기로 한다.

배터리(11000)는 에어로졸 생성 장치(10000)가 동작하는데 이용되는 전력을 공급한다. 즉, 배터리(11000)는 히터(12000)가 가열될 수 있도록 전력을 공급할 수 있다. 또한, 배터리(11000)는 에어로졸 생성 장치(10000) 내에 구비된 다른 하드웨어 구성들, 즉, 센서(13000), 사용자 인터페이스(14000), 메모리(15000) 및 제어부(16000)의 동작에 필요한 전력을 공급할 수 있다. 배터리(11000)는 충전이 가능한 배터리이거나 일회용 배터리일 수 있다. 예를 들어, 배터리(11000)는 리튬폴리머(LiPoly) 배터리일 수 있으나, 이에 제한되지 않는다.

히터(12000)는 제어부(16000)의 제어에 따라 배터리(11000)로부터 전력을 공급 받는다. 히터(12000)는 배터리(11000)로부터 전력을 공급 받아 에어로졸 생성 장치(10000)에 삽입된 궐련을 가열하거나, 에어로졸 생성 장치(10000)에 장착된 카트리지를 가열할 수 있다.

히터(12000)는 에어로졸 생성 장치(10000)의 본체에 위치할 수 있다. 또는, 에어로졸 생성 장치(10000)가 본체 및 카트리지로 구성되는 경우, 히터(12000)는 카트리지에 위치할 수 있다. 히터(12000)가 카트리지에 위치하는 경우, 히터(12000)는 본체 및 카트리지 중 적어도 어느 한 곳에 위치한 배터리(11000)로부터 전력을 공급받을 수 있다.

히터(12000)는 임의의 적합한 전기 저항성 물질로 형성될 수 있다. 예를 들어, 적합한 전기 저항성 물질은 타이타늄, 지르코늄, 탄탈럼, 백금, 니켈, 코발트, 크로뮴, 하프늄, 나이오븀, 몰리브데넘, 텅스텐, 주석, 갈륨, 망간, 철, 구리, 스테인리스강, 니크롬 등을 포함하는 금속 또는 금속 합금일 수 있으나, 이에 제한되지 않는다. 또한, 히터(12000)는 금속 열선(wire), 전기 전도성 트랙(track)이 배치된 금속 열판(plate), 세라믹 발열체 등으로 구현될 수 있으나, 이에 제한되지 않는다.

일 실시예에서 히터(12000)는 카트리지에 포함된 구성일 수 있다. 카트리지는 히터(12000), 액체 전달 수단 및 액체 저장부를 포함할 수 있다. 액체 저장부에 수용된 에어로졸 생성 물질은 액체 전달 수단으로 이동하고, 히터(12000)는 액체 전달 수단에 흡수된 에어로졸 생성 물질을 가열하여 에어로졸을 발생시킬 수 있다. 예를 들어, 히터(12000)는 니켈크롬과 같은 소재를 포함하고 액체 전달 수단에 감기거나 액체 전달 수단에 인접하게 배치될 수 있다.

다른 실시예에서 히터(12000)는 에어로졸 생성 장치(10000)의 수용 공간에 삽입된 궐련을 가열할 수 있다. 에어로졸 생성 장치(10000)의 수용 공간에 궐련이 수용됨에 따라 히터(12000)는 궐련의 내부 및/또는 외부에 위치할 수 있다. 이로써, 히터(12000)는 궐련 내의 에어로졸 생성 물질을 가열하여 에어로졸을 발생시킬 수 있다.

한편, 히터(12000)는 유도 가열식 히터일 수 있다. 히터(12000)는 궐련 또는 카트리지를 유도 가열 방식으로 가열하기 위한 전기 전도성 코일을 포함할 수 있으며, 궐련 또는 카트리지에는 유도 가열식 히터에 의해 가열될 수 있는 서셉터가 포함될 수 있다.

에어로졸 생성 장치(10000)는 적어도 하나의 센서(13000)를 포함할 수 있다. 적어도 하나의 센서(13000)에서 센싱된 결과는 제어부(16000)로 전달되고, 센싱 결과에 따라 제어부(16000)는 히터의 동작 제어, 흡연의 제한, 궐련(또는 카트리지) 삽입 유/무 판단, 알림 표시 등과 같은 다양한 기능들이 수행되도록 에어로졸 생성 장치(10000)를 제어할 수 있다.

예를 들어, 적어도 하나의 센서(13000)는 퍼프 감지 센서를 포함할 수 있다. 퍼프 감지 센서는 온도 변화, 유량(flow) 변화, 전압 변화 및 압력 변화 중 어느 하나에 기초하여 사용자의 퍼프를 감지할 수 있다.

또한, 적어도 하나의 센서(13000)는 온도 감지 센서를 포함할 수 있다. 온도 감지 센서는 히터(12000)(또는, 에어로졸 생성 물질)가 가열되는 온도를 감지할 수 있다. 에어로졸 생성 장치(10000)는 히터(12000)의 온도를 감지하는 별도의 온도 감지 센서를 포함하거나, 별도의 온도 감지 센서를 포함하는 대신 히터(12000) 자체가 온도 감지 센서의 역할을 수행할 수 있다. 또는, 히터(12000)가 온도 감지 센서의 역할을 수행함과 동시에 에어로졸 생성 장치(10000)에 별도의 온도 감지 센서가 더 포함될 수 있다.

또한, 적어도 하나의 센서(13000)는 위치변화 감지 센서를 포함할 수 있다. 위치변화 감지 센서는 본체에 대하여 이동 가능하게 결합된 슬라이더의 위치 변화를 감지할 수 있다.

또한, 적어도 하나의 센서(13000)는 생체 데이터를 획득하는데 이용될 수 있다. 적어도 하나의 센서(13000)는 이미지 센서, 지문 센서, 소리 센서, 온도 센서, 전자 광학 센서, 바이오 센서, 초음파 센서 등 일 수 있으나, 이에 한정되는 것은 아니다.

사용자 인터페이스(14000)는 사용자에게 에어로졸 생성 장치(10000)의 상태에 대한 정보를 제공할 수 있다. 사용자 인터페이스(14000)는 시각 정보를 출력하는 디스플레이 또는 램프, 촉각 정보를 출력하는 모터, 소리 정보를 출력하는 스피커, 사용자로부터 입력된 정보를 수신하거나 사용자에게 정보를 출력하는 입/출력(I/O) 인터페이싱 수단들(예를 들어, 버튼 또는 터치스크린)과 데이터 통신을 하거나 충전 전력을 공급받기 위한 단자들, 외부 디바이스와 무선 통신(예를 들어, WI-FI, WI-FI Direct, Bluetooth, NFC(Near-Field Communication) 등)을 수행하기 위한 통신 인터페이싱 모듈 등의 다양한 인터페이싱 수단들을 포함할 수 있다.

다만, 에어로졸 생성 장치(10000)에는 위의 예시된 다양한 사용자 인터페이스(14000) 예시들 중 일부만이 취사 선택되어 구현될 수도 있다.

메모리(15000)는 에어로졸 생성 장치(10000) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 메모리(15000)는 제어부(16000)에서 처리된 데이터들 및 처리될 데이터들을 저장할 수 있다.

메모리(15000)에는 에어로졸 생성 장치(10000)의 동작 시간, 최대 퍼프 횟수, 현재 퍼프 횟수, 적어도 하나의 온도 프로파일 및 사용자의 흡연 패턴에 대한 데이터 등이 저장될 수 있다.

제어부(16000)는 에어로졸 생성 장치(10000)의 전반적인 동작을 제어하는 하드웨어이다. 제어부(16000)는 적어도 하나의 프로세서를 포함한다.

제어부(16000)는 적어도 하나의 센서(13000)에 의해 센싱된 결과를 분석하고 뒤이어 수행될 처리들을 제어한다.

제어부(16000)는 적어도 하나의 센서(13000)에 의해 센싱된 결과에 기초하여, 히터(12000)의 동작이 개시 또는 종료되도록 히터(12000)에 공급되는 전력을 제어할 수 있다.

제어부(16000)는 도 2 내지 도 11을 참조하여 설명한 사용자 인증 방법에 기초하여 사용자 인증을 수행할 수 있다. 제어부(16000)는 적어도 하나의 센서(13000)를 통해 획득되는 생체 데이터에 대하여 사용자 인증을 수행할 수 있다. 제어부(16000)는 사용자 인증에 성공한 경우, 히터(12000)의 동작이 개시되도록 히터(12000)에 공급되는 전력을 제어할 수 있다. 예를 들어, 제어부(16000)는 사용자 인증에 성공한 경우, 히터(12000)가 예열을 시작하도록 히터(12000)에 공급되는 전력을 제어할 수 있다.

또한, 제어부(16000)는 적어도 하나의 센서(13000)에 의해 센싱된 결과에 기초하여, 히터(12000)가 소정의 온도까지 가열되거나 적절한 온도를 유지할 수 있도록 히터(12000)에 공급되는 전력의 양 및 전력이 공급되는 시간을 제어할 수 있다.

일 실시예에서 제어부(16000)는 에어로졸 생성 장치(10000)에 대한 사용자 입력을 수신한 후 히터(12000)의 동작을 개시하기 위해 히터(12000)의 모드를 예열모드로 설정할 수 있다. 또한, 제어부(16000)는 퍼프 감지 센서를 이용하여 사용자의 퍼프를 감지한 후 히터(12000)의 모드를 예열모드에서 동작모드로 전환할 수 있다. 또한, 제어부(16000)는 퍼프 감지 센서를 이용하여 퍼프 횟수를 카운트한 후 퍼프 횟수가 기설정된 횟수에 도달하면 히터(12000)에 전력 공급을 중단할 수 있다.

제어부(16000)는 적어도 하나의 센서(13000)에 의해 센싱된 결과에 기초하여, 사용자 인터페이스(14000)를 제어할 수 있다. 예를 들어, 퍼프 감지 센서를 이용하여 퍼프 횟수를 카운트한 후 퍼프 횟수가 기설정된 횟수에 도달하면, 제어부(16000)는 램프, 모터 및 스피커 중 적어도 어느 하나를 이용하여 사용자에게 에어로졸 생성 장치(10000)가 곧 종료될 것임을 예고할 수 있다.

한편, 도 12에는 도시되지 않았으나, 에어로졸 생성 장치(10000)는 별도의 크래들과 함께 에어로졸 생성 시스템을 구성할 수도 있다. 예를 들어, 크래들은 에어로졸 생성 장치(10000)의 배터리(11000)를 충전하는데 이용될 수 있다. 예를 들어, 에어로졸 생성 장치(10000)는 크래들 내부의 수용 공간에 수용된 상태에서, 크래들의 배터리로부터 전력을 공급받아 에어로졸 생성 장치(10000)의 배터리(11000)를 충전할 수 있다.

도 13은 사용자가 에어로졸 생성 장치를 사용하는 일 예를 나타낸다. 도 14는 에어로졸 생성 장치가 사용자를 인증하는 방법의 일 예를 나타낸다.

도 13 및 도 14를 참조하면, 에어로졸 생성 장치(1300)는 궐련 및/또는 카트리지의 액상 조성물을 가열하여 에어로졸을 생성하는 장치일 수 있다.

에어로졸 생성 장치(1300)는 에어로졸 생성 장치(1300)를 제어하기 위한 사용자 입력을 획득하는 입력 인터페이싱 수단(1301)을 포함할 수 있다. 예를 들어, 입력 인터페이싱 수단(1301)은 버튼 또는 터치스크린일 수 있다. 사용자는 입력 인터페이싱 수단(1301)을 조작하여 에어로졸 생성 장치(1300)의 작동을 제어할 수 있다. 예를 들어, 사용자는 입력 인터페이싱 수단(1301)을 터치하는 회수, 시간 등을 조절하여 에어로졸 생성 장치(1300)의 작동 모드를 제어하거나, 출력 인터페이싱 수단을 통해 에어로졸 생성 장치(1300)의 상태가 출력되도록 제어할 수 있다.

입력 인터페이싱 수단(1301)은 지문 센서를 포함할 수 있다. 사용자가 입력 인터페이싱 수단(1301)에 손가락을 접촉시키면, 지문 센서를 통해 사용자의 지문 데이터가 획득될 수 있다.

1401 단계에서, 에어로졸 생성 장치(1300)의 제어부는 지문 데이터를 획득한다. 1401 단계는 도 4의 401 단계의 특징을 포함할 수 있다.

1402 단계에서, 에어로졸 생성 장치(1300)의 제어부는 획득된 지문 데이터에 대하여 사용자 인증을 수행한다. 1402 단계는 도 4의 402 단계의 특징을 포함할 수 있다.

1403 단계에서, 에어로졸 생성 장치(1300)의 제어부는 사용자 인증이 성공하였는지를 판단하고, 사용자 인증에 실패하였으면 1401 단계를 다시 수행하고, 사용자 인증에 성공하였으면 1404 단계를 수행한다.

1404 단계에서 에어로졸 생성 장치(1300)의 제어부는 사용자 인증에 성공한 지문 데이터인 성공 지문 데이터를 학습 데이터에 추가한다. 1404 단계는 도 4의 404 단계의 특징을 포함할 수 있다.

1405 단계에서 에어로졸 생성 장치(1300)의 제어부는 성공 지문 데이터 이후에 획득된 지문 데이터인 이후 지문 데이터를 학습 데이터에 추가한다. 사용자는 에어로졸 생성 장치(1300)를 제어하기 위해서 등의 이유로 입력 인터페이싱 수단(1301)을 조작할 수 있다. 사용자가 에어로졸 생성 장치(1300)를 이용하는 과정에서 입력 인터페이싱 수단(1301)을 통해 획득되는 지문 데이터를 학습 데이터에 추가함으로써, 다수의 본인의 지문 데이터를 학습 데이터에 추가할 수 있다.

예를 들어, 제어부는 기준 지문 데이터와의 유사도가 미리 결정된 값 이상인 이후 지문 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 제어부는 성공 지문 데이터 이후에 획득된 미리 결정된 개수의 이후 지문 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 제어부는 성공 지문 데이터 이후에 미리 결정된 기간 동안 획득된 이후 지문 데이터를 학습 데이터에 추가할 수 있다. 예를 들어, 제어부는 성공 지문 데이터 이후에 미리 결정된 시간 간격 내에 획득된 이후 지문 데이터를 학습 데이터에 추가할 수 있다.

1406 단계에서 에어로졸 생성 장치(1300)의 제어부는 학습 데이터를 이용하여 사용자 인증 모델을 훈련시킨다. 1406 단계는 도 4의 405 단계의 특징을 포함할 수 있다.

도 13 및 도 14를 참조한 실시예에서는 지문 데이터를 대상으로 사용자 인증을 수행하는 방법에 관하여 설명하였으나, 지문 데이터 이외의 생체 데이터에 대해서도 동일하게 적용될 수 있다.

본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

1: 사용자 인증 장치 11: 센서
12: 메모리 13: 제어부
1300: 에어로졸 생성 장치 1301: 입력 인터페이싱 수단
10000: 에어로졸 생성 장치 11000: 배터리
12000: 히터 13000: 센서
14000: 사용자 인터페이스 15000: 메모리
16000: 제어부

Claims

사용자 인증을 수행하는 방법에 있어서,
생체 데이터를 획득하는 단계;
획득된 상기 생체 데이터에 대하여 사용자 인증을 수행하는 단계;
사용자 인증이 수행된 상기 생체 데이터를 학습 데이터에 추가하는 단계;
상기 사용자 인증이 수행된 상기 생체 데이터가 추가된 상기 학습 데이터를 이용하여, 사용자 인증을 수행하기 위한 기계 학습의 학습 모델인 사용자 인증 모델을 훈련시키는 단계; 및
새로운 생체 데이터를 획득하고, 상기 사용자 인증 모델을 이용하여 상기 새로운 생체 데이터에 대하여 사용자 인증을 수행하는 단계를 포함하고,
상기 사용자 인증을 수행하는 단계는,
상기 새로운 생체 데이터를 획득하는 단계;
상기 사용자 인증이 수행된 상기 생체 데이터가 추가된 상기 학습 데이터를 이용하여 훈련된 상기 사용자 인증 모델을 이용하여 상기 새로운 생체 데이터에 대하여 사용자 인증을 수행하는 단계를 포함하는, 방법.
제1항에 있어서,
상기 추가하는 단계는,
사용자 인증에 성공한 상기 생체 데이터인 성공 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제2항에 있어서,
상기 추가하는 단계는,
상기 성공 생체 데이터보다 이전에 획득된 생체 데이터인 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제3항에 있어서,
상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는,
상기 성공 생체 데이터가 획득되기 이전에 획득된 미리 결정된 개수의 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제3항에 있어서,
상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는,
상기 성공 생체 데이터가 획득되기 이전에 미리 결정된 기간 동안 획득된 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제3항에 있어서,
상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는,
상기 성공 생체 데이터가 획득되기 이전에 미리 결정된 기간 동안 획득된 미리 결정된 개수의 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제3항에 있어서,
상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계는,
상기 성공 생체 데이터가 획득되기 이전에 미리 결정된 시간 간격 내에 획득된 상기 이전 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제1항에 있어서,
상기 추가하는 단계는,
기준 데이터와 유사도가 제1 기준값 이상이 되는 상기 생체 데이터인 유사 생체 데이터를 상기 학습 데이터에 추가하는 단계를 포함하는, 방법.
제8항에 있어서,
상기 사용자 인증을 수행하는 단계는,
상기 기준 데이터와 상기 획득된 생체 데이터의 유사도가 제2 기준값 이상이면 사용자 인증에 성공한 것으로 판단하는 단계를 포함하고,
상기 제2 기준값은 상기 제1 기준값보다 큰 값인, 방법.
제8항에 있어서,
상기 기준 데이터는 사용자 인증을 위하여 미리 획득된 본인의 생체 데이터이고,
상기 추가하는 단계는,
상기 기준 데이터를 상기 학습 데이터에 추가하는 단계를 더 포함하는, 방법.
제1항에 있어서,
상기 훈련시키는 단계는,
상기 학습 데이터의 개수 또는 상기 사용자 인증 모델의 본인 인식률에 기초하여 상기 사용자 인증 모델의 훈련이 필요한지 여부를 판단하고, 필요하다고 판단되면 상기 사용자 인증 모델을 훈련시키는 단계를 포함하는, 방법.
사용자 인증을 수행하는 장치에 있어서,
생체 데이터를 획득하는데 이용되는 센서;
적어도 하나의 프로그램을 저장하는 메모리; 및
상기 적어도 하나의 프로그램을 실행하여 사용자 인증을 수행하는 제어부를 포함하고,
상기 제어부는,
획득된 상기 생체 데이터에 대하여 사용자 인증을 수행하고,
사용자 인증이 수행된 상기 생체 데이터를 학습 데이터에 추가하고,
상기 사용자 인증이 수행된 상기 생체 데이터가 추가된 상기 학습 데이터를 이용하여, 사용자 인증을 수행하기 위한 기계 학습의 학습 모델인 사용자 인증 모델을 훈련시키고,
새로운 생체 데이터를 획득하고,
상기 사용자 인증이 수행된 상기 생체 데이터가 추가된 상기 학습 데이터를 이용하여 훈련된 상기 사용자 인증 모델을 이용하여 상기 새로운 생체 데이터에 대하여 사용자 인증을 수행하도록 구성된, 장치.
제12항에 있어서,
배터리; 및
상기 배터리로부터 전력을 제공 받아 에어로졸 생성 물질을 가열하는 히터를 더 포함하고,
상기 제어부는, 상기 배터리로부터 상기 히터로 전달되는 전력을 제어하는, 장치.
제13항에 있어서,
상기 제어부는,
사용자 인증의 결과에 기초하여 상기 히터로 전달되는 전력을 제어하는, 장치.
제13항에 있어서,
상기 장치를 제어하기 위한 사용자 입력을 획득하는 입력 인터페이싱 수단을 더 포함하고,
상기 제어부는 사용자 인증에 성공한 이후 상기 입력 인터페이싱 수단을 통해 획득되는 생체 데이터를 상기 학습 데이터에 추가하는, 장치.