KR20060021847A - 대상물의 동일성 검증 방법 및 장치 - Google Patents

대상물의 동일성 검증 방법 및 장치 Download PDF

Info

Publication number
KR20060021847A
KR20060021847A KR1020057021917A KR20057021917A KR20060021847A KR 20060021847 A KR20060021847 A KR 20060021847A KR 1020057021917 A KR1020057021917 A KR 1020057021917A KR 20057021917 A KR20057021917 A KR 20057021917A KR 20060021847 A KR20060021847 A KR 20060021847A
Authority
KR
South Korea
Prior art keywords
verification
registration
measurement
noise
random variable
Prior art date
Application number
KR1020057021917A
Other languages
English (en)
Inventor
콘스탄트 폴 마리 요제프 바겐
야스퍼 고셀링
안토니우스 헤르마누스 마리아 아케르만스
Original Assignee
코닌클리케 필립스 일렉트로닉스 엔.브이.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 코닌클리케 필립스 일렉트로닉스 엔.브이. filed Critical 코닌클리케 필립스 일렉트로닉스 엔.브이.
Publication of KR20060021847A publication Critical patent/KR20060021847A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 대상물의 동일성을 그 대상물의 물리적 특성의 측정에 기초하여 검증하는 것에 적용된다. 등록 단계에서, 공지된 정체성의 대상물이 측정된다. 획득된 등록 측정은 추후 기준으로서 저장된다. 다음의 검증 단계에서, 검증을 위해 제시된 대상물이 측정되고, 검증 측정은 등록 측정과 비교되어, 2개의 측정이 동일 대상물에서 기원한 것인지 여부를 결정한다. 본 발명에 따르면, 등록 측정 및 검증 측정은 등록 노이즈 및 검증 노이즈 각각에 영향을 받는 제1 확률 변수의 제1 및 제2 구현으로서 모델링되며, 상기 등록 노이즈는 제2 확률 변수의 구현이고, 상기 검증 노이즈는 제3 확률 변수의 구현이며, 상기 제1, 제2 및 제3 확률 변수는 공지된 분포를 가진다.
검증 방법, 식별 장치, 판독/기록 장치, 등록 측정, 검증 측정

Description

대상물의 동일성 검증 방법 및 장치{METHOD AND DEVICE FOR VERIFYING THE IDENTITY OF AN OBJECT}
본 발명은 대상물의 동일성을, 그 대상물을 특징화하는 검증 측정 및 기 저장된 등록 측정으로부터 검증하기 위한 검증 방법에 관한 것이다.
또한, 본 발명은 검증 수단을 갖는 식별 장치에 관한 것으로, 상기 검증 수단은 상기 식별 장치를 사용하는 사람의 동일성을, 식별 장치에 저장된 등록 측정 및 그 사람을 특징화하는 검증 측정으로부터 식별하기 위한 수단이다.
또한, 본 발명은 기록 매체에 대해 데이터를 판독/기록하기 위한 판독/기록 장치에 관한 것으로, 이 판독/기록 장치는 이 장치에 의해 읽혀지고/쓰여지는 기록 매체의 동일성을, 등록 측정 및 상기 기록 매체를 특징화하는 검증 측정으로부터 검증하기 위한 검증 수단을 구비한다.
본 발명은 자신의 물리적 특성중 적어도 하나의 특성에 의해 고유하게 식별될 수 있는 대상물에 적용된다. 그 동일성이 검증될 대상물은 장치(예컨대, 저장 매체), 또는 사람일 수 있다. 저장 매체의 경우, 측정될 물리적 특성은 저장 매체의 트랙의 형태일 수 있다. 사람의 경우, 측정될 물리적 특성은 통상 생체 인식으로 지칭된다. 예를 들면, 측정될 생체 인식은 지문, 안면 특징 등 일 수 있다.
Global Infosecurity 2002의 Business Briefing에서 Dr Norbert Pohlmann에 의해 발행된 "Smart cards & Biometrics - Forget about PINs"이란 제하의 리포트에 따르면, 인증된 사용자의 생체 인식 템플릿을 스마트 카드 상에 적용한 시스템에 대해 설명되어 있다. 스마트 카드의 인증된 사용자라고 주장하는 사람은 자신의 생체 인식을 제공하여야 한다. 제공된 생체 인식은 스마트 카드에 의해 받아들여 진 후 카드 상에 저장된 생체 인식 템플릿과 비교된다.
일 대상물은 통상 등록 단계(enrollment phase)로 지칭되는 제1 단계 중에 그러한 시스템에서 측정된다. 등록 측정으로 지칭되는 측정은 추후 기준으로 적용되도록 저장된다.
검증 단계(verification phase)로서 통칭되는 제2 단계 중에, 검증 측정으로 지칭되는 측정이, 상기 대상체와 동일 또는 다른 대상물일 수 있는 대상물로부터 행해진다.
그런 다음, 등록 측정 및 검증 측정을 비교하여, 이들 측정이 동일 대상물에서 기원한 것인지 여부를 결정한다.
이 상황에서, 모든 대상물에 대한 등록 측정을 저장하는데 유용한 데이터베이스는 존재하지 않는다. 이는 대응시키고자 하는 대상물과 다른 모든 측정에 대해서 전적으로 무지인 상태임을 의미한다.
발명의 요약
본 발명의 목적은 이러한 상황에 적합한 검증 방법을 제안하는 것이다.
본 발명의 다른 목적은 이러한 검증 방법이 수행되는 식별 장치를 제안하는 것이다.
본 발명의 또 다른 목적은 이러한 검증 방법이 수행되는 기록 매체에 대해 데이터를 판독/기록 하기 위한 판독/기록 장치를 제안하는 것이다.
이들 목적은 청구범위 제1항 내지 제3항에 정의된 검증 방법, 제4항 내지 제6항에 정의된 식별 장치 및 제8항 또는 제9항에 정의된 판독/기록 장치에 의해 달성된다.
본 발명에 따르면, 등록 측정 및 검증 측정은 등록 노이즈 및 검증 노이즈 각각에 영향을 받는 제1 확률 변수의 제1 및 제2 구현으로서 모델링되며, 상기 등록 노이즈는 제2 확률 변수의 구현이고, 상기 검증 노이즈는 제3 확률 변수의 구현이며, 상기 제1, 제2 및 제3 확률 변수는 공지된 분포를 갖는다.
이 선택은 다음의 인식에 기초한다:
- 수행된 측정에 대한 선험 지식이 없는 경우, 대상물을 특징화하는 측정은 확률 변수의 특정 구현이고,
- 실제, 측정은 등록 단계 및 검증 단계 중에 노이즈에 의해 항상 영향을 받는다.
이것은 등록 측정(Xe) 및 검증 측정(Xv)이 다음과 같이 표현됨을 의미한다:
Xe=Sk+ne
Xv=Sq+nv
이때, Sk 및 Sq는 확률 변수(S)의 구현이고, ne는 상기 구현(Sk)에 영향을 미치는 등록 노이즈이고, nv는 상기 구현(Sq)에 영향을 미치는 검증 노이즈이다.
(명세서 전체에 걸쳐, 대문자는 변수를 지칭할 때 사용되고, 소문자는 변수에 의해 취해진 특정 수치를 지칭할 때 사용된다.)
이 모델은 취해질 결정이 Sk 및 Sq가 확률 변수(S)의 동일 구현인지 여부가 되도록 설정된다. 본 발명에 따르면, 이것은 다음과 같은 방식으로 달성된다:
- 등록 측정(Xe) 및 검증 측정(Xv)에 대해, 제1 확률 변수의 제1 및 제2 구현이 동일하다는 제1 가설[f1(Xe,Xv)] 및 제1 및 제2 구현이 서로 상이하다는 제2 가설[f0(Xe,Xv)] 하에서 2개의 변수(Xe, Xv)의 결합 확률 밀도 함수 사이의 비율 [∧(Xe,Xv)]의 함수(g)의 값을 계산하고,
- 그 계산된 값{g[∧(Xe,Xv)]}을 임계치와 비교하는 것에 의해 등록 측정(Xe) 및 검증 측정(Xv)이 동일 대상물에서 기원한 것인지 여부를 결정한다.
상기 함수(g)는 계산을 상당히 줄여주는 로그 함수인 것이 바람직하다.
소정의 경우, 등록 노이즈는 등록 단계에서 여러 번 측정하는 것에 의해 감소될 수 있음에 주의하여야 한다. 그러나, 복수의 등록 측정을 행하는 것이 불가능한 상황이 존재하며, 만일 복수 등록 측정이 행해지면, 일정 정도의 부정확함이 언제나 잔존한다. 그러므로, 모든 경우, 등록 노이즈가 검증 과정의 성능을 상당히 향상시킴을 고려한다.
본 발명의 이러한 측면 및 다른 측면들은 다음의 도면을 참조로 하여 더 설명될 것이다.
- 도 1은 본 발명에 따른 검증 방법에 사용된 모델을 나타낸 개략도이고,
- 도 2는 본 발명에 따른 검증 방법의 주요 단계를 나타낸 블록도이고,
- 도 3 및 도 4는 본 발명에 따른 검증 방법의 성능을 나타낸 도면이고,
- 도 5는 본 발명에 따른 식별 장치의 예와 이러한 식별 장치를 판독하는 리더를 구비한 시스템을 개략적으로 나타낸 도면이고,
- 도 6은 본 발명에 따른 판독/기록 장치의 예와 이 판독/기록 장치에 의해 그 동일성이 검증될 기록 매체를 구비한 시스템을 개략적으로 나타낸 도면이다.
본 발명은 대상물의 물리적 특성중 적어도 하나의 특성의 측정에 기초하여 대상물의 동일성 검증에 적용된다. 그러한 검증 과정은 등록 단계 및 검증 단계의 2가지 단계를 참조하여 주로 설명된다.
등록 단계에서, 알려진 정체성의 대상물을 측정한다. 등록 측정(enrollment measurement)로 지칭되는 그러한 측정은 추후 기준용으로 저장된다. 검증 단계에 서, 대상물이 검증을 위해 제시된다. 검증 측정(verification measurement)으로서 지칭되는 제시된 대상물의 측정이 행해진다. 그런 다음, 검증 측정을 등록 측정과 비교하여 2가지 측정이 동일 대상물에서 기원된 것인지 여부를 결정한다.
상세한 설명 및 청구범위에서 "대상물"이란 용어는 장치 또는 생명체 어느 것에도 관련된 것이다.
본 발명에 따르면:
- 대상물의 식별에 사용되는 물질적 특성은 공지된 분포(Ps)에 따라 분포된 확률 변수(S)의 구현으로써 모델링되며,
- 대상물의 양자의 등록 및 검증 측정은 노이즈로서 지지되며,
- 등록 노이즈는 공지된 분포(PNe)를 갖는 확률 변수(Ne)의 구현으로써 모델링되며,
- 검증 노이즈(nv)는 공지된 분포(PNv)를 갖는 확률 변수(Nv)의 구현으로써 모델링되며,
- S, Ne 및 Nv는 독립 확률 변수인 것으로 가정한다.
이 모델은 도 1에 개략적으로 제시된다. 도 1에서, 대상물(k)은 등록 단계에서 측정되며, 대상물(q)은 검증 단계에서 측정된다. 등록 측정(Xe) 및 검증 측정(Xv)은 다음과 같이 표현된다:
Xe=Sk+ne
Xv=Sq+nv
검증기(VB)는 등록 측정(Xe) 및 검증 측정(Xv)에 기초하여 Sk 와 Sq가 확률 변수(S)의 동일한 구현인지 여부를 결정하는 역할을 한다. 이것은 다음 두 가지 가설 사이에서의 결정으로서 공식화될 수 있다:
- 대상물(k 및 q)이 서로 상이하다는 제1 가설(H0)과,
- 대상물(k 및 q)이 서로 동일하다는 제2 가설(H1).
이들 두 가지 가설 중의 결정은 다음 과정을 통해 행해질 수 있다:
- Xe=xe, Xv=xv 이고, f1(Xe,Xv)는 제2 가설(H1)하에서, 즉, Sk 및 Sq가 확률 변수(S)의 동일 구현이라는 가설하에서 변수(Xe 및 Xv)에 대한 결합확률밀도함수이고, f0(Xe,Xv)는 제1 가설(H0)하에서, 즉, Sk 및 Sq가 확률 변수(S)의 상이한 구현이라는 가설하에서 변수(Xe 및 Xv)에 대한 결합확률밀도함수인 경우, 우도비
Figure 112005066089110-PCT00001
의 값을 계산하고,
- 계산된 값(
Figure 112005066089110-PCT00002
)을 한계치에 비교함으로써, 등록 측정(Xe)과 검증 측정(Xv)이 동일 대상물에서 기원된 것인지 여부를 결정한다.
다른 방법으로는 우도비 자체를 대신하여 결정 함수(d)로서 우도비(∧)의 소정 단조 함수(g)를 사용할 수 있다.
도 2는 본 발명에 따른 검증 방법의 과정을 나타낸 블록도이다.
Z1 단계에서, 대상물(q)에 대한 검증 측정(Xv)이 행해진다.
Z2 단계에서, Z1 단계에서 행해진 검증 측정(Xv)과 등록 측정(Xe)에 대해 결정 함수(d)의 수치 d(Xe,Xv)를 계산한다.
Z3 단계에서, 다음과 같은 방식으로, 계산된 수치 d(Xe,Xv)를 한계치(T)와 비교한다:
- d(Xe,Xv)<T 인 경우, 제1 가설(H0)이 선택되고,
- d(Xe,Xv)≥T 인 경우, 제2 가설(H1)이 선택된다.
Z4 단계에서, Z3 단계의 결과(제1 가설(H0) 또는 제2 가설(H1))가 출력된다.
모든 신호가 독립 가우스 분포의 확률 변수의 벡터인 경우를 예를 들어, Z3 단계에서 이용될 바람직한 결정 함수(d)를 유도한다. 이 바람직한 결정 함수는 우 도비의 로그값이다. 하기에서 분명한 바와 같이, 결정 함수로서 우도비의 로그값을 취하는 것은 그 계산을 간단하게 하므로 유리하다. 이 바람직한 예는 한정적인 것이 아니며 본 발명은 우도비의 기타 단조 함수(g) 및 다른 형태의 분포에 적용됨을 이해하여야 한다.
우도비의 로그값은 우선 가우스 분포 스칼라에 대해 유도될 것이며, 이후 동일하게 가우스 분포된 독립 스칼라의 벡터에 대해 유도될 것이다.
가우스 분포 스칼라에 대한 우도비의 로그값
검증기(VB)는 모든 분포를 완전하게 인식하고 있는 것으로 가정한다:
- Ps는 평균(μs) 및 분산(σs 2)의 공지된 가우스 분포이고,
- PNe는 평균(μne) 및 분산(σne 2)의 공지된 가우스 분포이고,
- PNv는 평균(μnv) 및 분산(σnv 2)의 공지된 가우스 분포이다.
일반적으로, 가설(Hj) 하에서 이변량 가우스 확률 밀도 함수는 다음의 형태이다:
Figure 112005066089110-PCT00003
다음의 상황을 고려한다:
Figure 112005066089110-PCT00004
이고, ㅍ
Figure 112005066089110-PCT00005
상기 계산을 단순화하기 위해 2개의 새로운 변수가 도입된다:
Figure 112005066089110-PCT00006
이들 변수에 대한 상기 가설(Hj)하의 이변량 가우스 확률 밀도 함수는 다음과 같다:
Figure 112005066089110-PCT00007
가설(H0)에서 Sk 및 Sq는 확률 변수(S)에서 독립적으로 유도되는데, 이는
Figure 112005066089110-PCT00008
와
Figure 112005066089110-PCT00009
또한 독립적이고
Figure 112005066089110-PCT00010
임을 의미한다. 따라서, 확률 밀도 함수(f0)는 다음과 같이 주어진다:
Figure 112005066089110-PCT00011
가설(H1)에서
Figure 112005066089110-PCT00012
와
Figure 112005066089110-PCT00013
는 상호 관련되어 있으며, 그 상관계수(σ1)는 다음과 같이 표현된다:
Figure 112005066089110-PCT00014
따라서, 확률 밀도 함수(f1)은 다음과 같이 주어진다:
Figure 112005066089110-PCT00015
수학식 3, 4를 이용하여, 우도비를 다음과 같이 나타낼 수 있다:
Figure 112005066089110-PCT00016
우도비의 로그값은 다음과 같이 표현될 수 있다:
Figure 112005066089110-PCT00017
동일하게 가우스 분포된 스칼라의 벡터에 대한 우도비의 로그값
실제, 신호들(Sk, Sq, ne 및 nv)은 동일 분포된 독립 스칼라의 벡터들로서 모델링될 수 있는데 이는 다음을 의미한다:
Figure 112005066089110-PCT00018
Figure 112005066089110-PCT00019
이때, m은 벡터 길이이고, 굵은 글자체는 벡터와 관련되어 사용된다.
동일 분포된 독립 수열의 확률 밀도 함수는 수열 각 성분에 대한 확률 밀도의 적(product)이다.
그러므로, 가우스 분포 스칼라의 벡터에 대한 우도비의 로그값은 수학식 5로 부터 다음과 같이 유도될 수 있다:
Figure 112005066089110-PCT00020
수학식 6으로부터, 제안된 결정 함수는 상관 항
Figure 112005066089110-PCT00021
및 제곱 감산 항
Figure 112005066089110-PCT00022
에 기초한 선형 가중 함수(linear weighted function)임을 알 수 있다.
등록 단계에서 신호 대 잡음비는 σs 2 대 σne 2 비율로서 정의된다. 검증 단계에서 신호 대 잡음비는 σs 2 대 σnv 2 비율로서 정의된다. σ이 0에 근접하면, 즉, 신호 대 잡음비가 적으면, 수학식 6에서 상관 항이 지배적이 된다. σ이 1에 근접하면, 즉, 신호 대 잡음비가 크면, 제곱 감산 항이 지배적이 된다.
검증기의 성능은 결정 임계치가 FRR=FAR이 되도록 선택되는 경우 FRR(false rejection rate; 가설(H1)이 진실일 때 선택된 가설(H0)) 및 FAR(flase acceptance rate; 가설(H0)이 진실일 때 선택된 가설(H1))의 값을 나타내는 EER(equal error rate)의 항목으로 주어질 수 있다.
도 3은 제안된 검증기(C1 곡선), 상관 항만을 기초로 한 검증기(C2 곡선), 제곱 감산 항만을 기초로 한 검증기(C3 곡선)에 의해 벡터 길이(m)가 20일 때 신호 대 잡음비(SNR)으 함수로서 얻어진 EER을 나타낸다. 여기에서 신호 대 잡음비(SNR)는 등록 단계와 검증 단계에서 모두 동일한, 즉,
Figure 112005066089110-PCT00023
인 것으로 가정한다.
도 3으로부터, 본 발명에 따른 검증기의 성능은 매우 훌륭한 것을 알 수 있다.
도 4는 신호 대 잡음비(SNR)가 0dB일 때 벡터 길이(m)의 함수로서 EER을 나타낸 것이다. 도 3으로부터, 신호 대 잡음비가 0dB인 경우, 상관 항만을 기초로 한 검증기와 제곱 감산 항만을 기초로 한 검증기에 의해 얻어진 성능이 동일함이 분명하다. 곡선(D1)은 본 발명에 따른 검증기에 대해 m의 함수로서 EER을 제시한다. 곡선(D2)은 상관 관계 또는 거리 제곱에 기초한 검증기에 대해 m의 함수로서 EER을 제시한다. 도 4로부터, 본 발명에 따라 얻어진 향상이 벡터 길이(m) 증가에 따라 더욱 중요하게 됨을 알 수 있다.
도 5는 식별 장치(10)와 이 식별 장치(10)를 판독하는 리더(12)를 포함하는 시스템을 개략적으로 도시한다. 도 5에 도시된 식별 장치는 프로세서(14)와 메모리 수단(16)을 구비한 스마트 카드이며, 상기 메모리 수단은 등록 측정(Xe) 및 프로그램(PG)을 저장하며, 프로그램은 프로세서(14)에 의해 실행시 본 발명에 따른 검증 방법을 수행하기 위한 코드 명령을 포함한다.
도 6은 본 발명에 따른 판독/기록 장치의 예를 개략적으로 도시한다. 도 6에 도시된 판독/기록 장치는 광 디스크(22)에 대해 데이터를 읽고/기록 위한 광학 장치(20)이다.
상기 판독/기록 장치(20)는 광 디스크(22) 상에 인쇄된 트랙을 주사하기 위한 광속을 발생시키는 광학 유닛(24)과, 프로세스 유닛(28)을 포함한다. 프로세스 유닛(28)은 광학 유닛(24)에 의해 읽혀지고/쓰여지는 신호를 인코딩/디코딩하며, 판독/기록 장치(20)의 동작을 제어하기 위한 구성이다.
디스크 상에 인쇄된 트랙은 그 평균 중심에서 연속 사인 곡선형으로 편이되는 나선 형태로 되어 있다. 트랙 형태는 광 디스크(22)의 "지문"으로서 유익하게 사용된다. 예컨대, 트랙 형태는 트랙 편이의 각 고조파를 나타내는 일련의 복잡한 수치에 의해 설명될 수 있다.
광속(26)의 트래킹 및 집속을 위해, 서보 제어 유닛(32)에 의해 생성된 제어 신호(30)에 의해 광학 유닛(24)이 제어된다. 트랙 형태의 측정은 제어 신호(30)로부터 유도될 수 있다.
본 발명에 따르면, 판독/기록 장치(20)는 디스크 지문 계산 유닛(40)과 검증 유닛(42)을 포함한다. 디스크 지문 계산 유닛(40)은 서버 제어 유닛(32)에 의해 생성된 제어 신호(30)를 수신하여 디스크 지문에 관련된 측정치를 생성한다. 디스크 지문 계산 유닛(40)은 검증 단계에서 사용되어, 디스크(q)를 특징화하는 검증 측정(Xv)을 생성한다. 검증 단계에서, 상기 검증 유닛(42)은 상기 디스크 지문 계산 유닛(40)에서 생성된 검증 측정(Xv)과 등록 측정(Xe)을 수신한다. Xe와 Xv에 대해 결정 함수(d)의 수치(d(Xe,Xv))를 계산하여, 결정(H0/H1)을 출력한다. 그 결 정(H0/H1)은 후속 동작을 위해 프로세스 유닛(28)으로 전송된다.
등록 측정(Xe)은 등록 단계 중 디스크 지문 계산 유닛(40)에 의해 생성되어, 검증 유닛(42)에 의해 추후 이용되도록 판독/기록 장치(20)의 메모리에 저장될 수 있다. 다른 방식으로서, 등록 측정(Xe)은 판독/기록 장치(20)에 독립적으로 입력되는 것에 의해 검증 유닛(42)에 제공될 수 있다. 등록 측정은 예컨대, 제조 공정중에 디스크 상에 저장되고, 디스크를 판독/기록 장치(20) 내로 삽입시 판독될 수 있다.
트랙 편이의 스펙트럼 성분을 이용하여 광 디스크의 동일성을 검증하는 경우, 확률 변수(S), 등록 노이즈 및 검증 노이즈의 모델링에 이용되는 분포는 가우스 분포가 유리하다.
설명된 검증 방법, 식별 유닛, 및 판독/기록 장치와 관련하여, 본 발명의 범위를 벗어나지 않고 다양한 변형 또는 개량이 제안될 수 있다. 따라서, 본 발명은 제시된 실시예에 한정되지 않는다.
특히, 본 발명은 로그 함수의 사용 또는 가우스 분포의 사용에 한정되지 않는다. 제안된 결정 함수는 스마트 카드 사용자 또는 기록 매체 이외의 대상물의 식별에 사용될 수 있다. 본 발명은 광 디스크 이외의 기록 매체 종류에 적용될 수 있다.
본 발명의 검증 방법은 단일의 물리적 특징을 이용하거나 여러 개의 물리적 특징을 동시에 이용할 수 있다. 여러 개의 물리적 특징을 이용하는 경우, 이들 특 징들은 벡터로서 처리된다.
전술한 설명에서, 우도비의 로그값은 동일 분포된 스칼라의 벡터에 대해 유도된 것이지만, 이에 한정되지 않는다. 본 발명은 다른 분포에서 벡터 성분이 유도된 경우에도 적용된다.
"구비하다 또는 포함하다"라는 용어의 사용은 언급되지 않은 다른 요소 또는 단계의 존재를 배제하는 것이 아니다.

Claims (10)

  1. 대상물의 동일성을, 그 대상물을 특징화하는 검증 측정 및 기 저장된 등록 측정으로부터 검증하기 위한 검증 방법으로서,
    상기 등록 측정 및 검증 측정은 등록 노이즈 및 검증 노이즈 각각에 영향을 받는 제1 확률 변수의 제1 및 제2 구현으로서 모델링되며, 상기 등록 노이즈는 제2 확률 변수의 구현이고, 상기 검증 노이즈는 제3 확률 변수의 구현이며, 상기 제1, 제2 및 제3 확률 변수는 공지된 분포를 가지며,
    상기 검증 방법은,
    - 상기 등록 측정 및 검증 측정에 대해, 제1 확률 변수의 제1 및 제2 구현이 동일하다는 제1 가설 및 제1 및 제2 구현이 서로 상이하다는 제2 가설하에서, 이변량 결합 확률 밀도 함수의 비율의 함수 값을 계산하는 단계와,
    - 그 계산된 값을 임계치와 비교하는 것에 의해 등록 측정 및 검증 측정이 동일 대상물에서 기원한 것인지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 검증 방법.
  2. 제1항에 있어서,
    상기 함수는 로그 함수인 것을 특징으로 하는 검증 방법.
  3. 제1항에 있어서,
    상기 공지된 분포는 가우스 분포인 것을 특징으로 하는 검증 방법.
  4. 사용자를 특징화하는 검증 측정을 수신하도록 의도된 식별 장치로서,
    - 등록 측정을 저장하기 위한 저장 수단과,
    - 상기 사용자의 동일성을 상기 검증 측정 및 상기 등록 측정으로부터 검증하기 위한 검증 수단을 포함하고,
    상기 등록 측정 및 검증 측정은 등록 노이즈 및 검증 노이즈 각각에 영향을 받는 제1 확률 변수의 제1 및 제2 구현으로서 모델링되며, 상기 등록 노이즈는 제2 확률 변수의 구현이고, 상기 검증 노이즈는 제3 확률 변수의 구현이며, 상기 제1, 제2 및 제3 확률 변수는 공지된 분포를 가지며,
    상기 검증 수단은,
    - 상기 등록 측정 및 검증 측정에 대해, 제1 확률 변수의 제1 및 제2 구현이 동일하다는 제1 가설 및 제1 및 제2 구현이 서로 상이하다는 제2 가설하에서, 이변량 결합 확률 밀도 함수의 비율의 함수 값을 계산하기 위한 수단과,
    - 그 계산된 값을 임계치와 비교하는 것에 의해 등록 측정 및 검증 측정이 동일 대상물에서 기원한 것인지 여부를 결정하기 위한 수단을 구비하는 것을 특징으로 하는 식별 장치.
  5. 제4항에 있어서,
    상기 측정들은 상기 사용자의 생리적 또는 행동적 특성의 측정인 것을 특징으로 하는 식별 장치.
  6. 제4항에 있어서,
    상기 공지된 분포는 가우스 분포인 것을 특징으로 하는 식별 장치.
  7. 제4항 또는 제5항에 청구된 식별 장치를 구비한 스마트 카드.
  8. 기록 매체에 대해 데이터를 판독 및/또는 기록하기 위한 판독/기록 장치로서,
    - 상기 기록 매체를 특징화하고 고유하게 식별하는 측정을 발생시키는 측정 수단과.
    - 기록 매체의 동일성을, 그 기록 매체를 특징화하는 검증 측정 및 등록 측정으로부터 검증하기 위한 검증 수단을 포함하고,
    상기 등록 측정 및 검증 측정은 등록 노이즈 및 검증 노이즈 각각에 영향을 받는 제1 확률 변수의 제1 및 제2 구현으로서 모델링되며, 상기 등록 노이즈는 제2 확률 변수의 구현이고, 상기 검증 노이즈는 제3 확률 변수의 구현이며, 상기 제1, 제2 및 제3 확률 변수는 공지된 분포를 가지며,
    상기 검증 수단은,
    - 상기 등록 측정 및 검증 측정에 대해, 제1 확률 변수의 제1 및 제2 구현이 동일하다는 제1 가설 및 제1 및 제2 구현이 서로 상이하다는 제2 가설하에서, 이변량 결합 확률 밀도 함수의 비율의 함수 값을 계산하기 위한 수단과,
    - 그 계산된 값을 임계치와 비교하는 것에 의해 등록 측정 및 검증 측정이 동일 기록 매체에서 기원한 것인지 여부를 결정하기 위한 결정 수단을 구비하는 것을 특징으로 하는 판독/기록 장치.
  9. 제6항에 있어서,
    판독/기록 유닛과, 이 판독/기록 유닛을 제어하도록 의도된 제어 신호를 발생시키는 제어 수단을 포함하며, 상기 측정 수단은 기록 매체에 대해 판독/기록 시에 상기 제어 신호의 주파수 스펙트럼을 나타내는 일련의 수치를 생성하는 프로세스 수단을 구비하며, 상기 일련의 수치는 상기 기록 매체를 특징화하는 측정을 구성하는 것을 특징으로 하는 판독/기록 장치.
  10. 프로세서에 의해 실행시, 제1항 또는 제2항에서 청구된 검증 방법을 수행하기 위한 코드 명령을 포함하는 프로그램.
KR1020057021917A 2003-05-21 2004-05-06 대상물의 동일성 검증 방법 및 장치 KR20060021847A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP03300017 2003-05-21
EP03300017.5 2003-05-21

Publications (1)

Publication Number Publication Date
KR20060021847A true KR20060021847A (ko) 2006-03-08

Family

ID=33462264

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057021917A KR20060021847A (ko) 2003-05-21 2004-05-06 대상물의 동일성 검증 방법 및 장치

Country Status (6)

Country Link
US (1) US20060262964A1 (ko)
EP (1) EP1639523A1 (ko)
JP (1) JP2007510193A (ko)
KR (1) KR20060021847A (ko)
CN (1) CN100356391C (ko)
WO (1) WO2004104908A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060083414A1 (en) * 2004-10-14 2006-04-20 The Secretary Of State For The Home Department Identifier comparison
CN101091348B (zh) * 2004-12-28 2011-09-07 皇家飞利浦电子股份有限公司 使用生物测定数据和密值提取码的密钥生成
GB0502990D0 (en) * 2005-02-11 2005-03-16 Sec Dep For The Home Departmen Improvements in and relating to identifier investigation
GB0819069D0 (en) 2008-10-17 2008-11-26 Forensic Science Service Ltd Improvements in and relating to methods and apparatus for comparison
JP2012529331A (ja) * 2009-06-12 2012-11-22 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 生体認証のためのシステム及び方法
US8680995B2 (en) * 2010-01-28 2014-03-25 Honeywell International Inc. Access control system based upon behavioral patterns

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3484746A (en) * 1965-01-11 1969-12-16 Sylvania Electric Prod Adaptive pattern recognition system
US5909501A (en) * 1996-09-09 1999-06-01 Arete Associates Systems and methods with identity verification by comparison and interpretation of skin patterns such as fingerprints
US6356649B2 (en) * 1997-04-11 2002-03-12 Arete Associate, Inc. “Systems and methods with identity verification by streamlined comparison and interpretation of fingerprints and the like”
US5917928A (en) * 1997-07-14 1999-06-29 Bes Systems, Inc. System and method for automatically verifying identity of a subject
JP3439359B2 (ja) * 1998-12-18 2003-08-25 日本電気株式会社 個人識別方法、個人識別装置および記録媒体
US6442286B1 (en) * 1998-12-22 2002-08-27 Stmicroelectronics, Inc. High security flash memory and method
WO2000046804A1 (fr) * 1999-02-08 2000-08-10 Sony Corporation Systeme d'enregistrement/de reproduction d'informations
US6535641B1 (en) * 1999-10-28 2003-03-18 The United States Of America As Represented By The Secretary Of The Navy Class specific classifier
US6876966B1 (en) * 2000-10-16 2005-04-05 Microsoft Corporation Pattern recognition training method and apparatus using inserted noise followed by noise reduction

Also Published As

Publication number Publication date
JP2007510193A (ja) 2007-04-19
EP1639523A1 (en) 2006-03-29
US20060262964A1 (en) 2006-11-23
WO2004104908A1 (en) 2004-12-02
CN100356391C (zh) 2007-12-19
CN1791879A (zh) 2006-06-21

Similar Documents

Publication Publication Date Title
US5828772A (en) Method and apparatus for parametric signature verification using global features and stroke-direction codes
US20030051147A1 (en) Authentication-selection system, and authentication system
US20070112716A1 (en) Methods and systems for feature selection in machine learning based on feature contribution and model fitness
US20060222210A1 (en) System, method and computer program product for determining whether to accept a subject for enrollment
US20080040614A1 (en) Authentication Systems and Authentication Method
CN109346087B (zh) 对抗网络的瓶颈特征的噪声鲁棒的说话人确认方法和装置
US6496800B1 (en) Speaker verification system and method using spoken continuous, random length digit string
US20150254443A1 (en) Method and system for enforced biometric authentication
WO2012144105A1 (ja) 生体認証システム
US20200211567A1 (en) Pattern recognition apparatus, pattern recognition method, and storage medium
CN115497481B (zh) 一种虚假语音的识别方法、装置、电子设备及存储介质
JP3709803B2 (ja) パターン照合装置とそのパターン照合方法、及びパターン照合プログラム
WO2004038532A2 (en) Apparatus for online signature verification using pattern transform technique and method therefor
Yan et al. Exposing speech transsplicing forgery with noise level inconsistency
JPWO2019244298A1 (ja) 属性識別装置、属性識別方法、およびプログラム
KR20060021847A (ko) 대상물의 동일성 검증 방법 및 장치
Poh et al. Performance generalization in biometric authentication using joint user-specific and sample bootstraps
WO2003098373A2 (en) Voice authentication
US20060177108A1 (en) Method and apparatus for evaluating authentication algorithm using biometrics data
Poh et al. Incorporating model-specific score distribution in speaker verification systems
CN114398611A (zh) 一种双模态身份认证方法、装置以及存储介质
CN116705063B (zh) 一种基于流形测度的多模型融合的语音鉴伪识别方法
CN112351047A (zh) 基于双引擎的声纹身份认证方法、装置、设备及存储介质
KR101925252B1 (ko) 음성 특징벡터 및 파라미터를 활용한 화자확인 이중화 방법 및 장치
Sukor et al. Speaker identification system using MFCC procedure and noise reduction method

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid