KR20210142535A - 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법 - Google Patents

전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법 Download PDF

Info

Publication number
KR20210142535A
KR20210142535A KR1020210045652A KR20210045652A KR20210142535A KR 20210142535 A KR20210142535 A KR 20210142535A KR 1020210045652 A KR1020210045652 A KR 1020210045652A KR 20210045652 A KR20210045652 A KR 20210045652A KR 20210142535 A KR20210142535 A KR 20210142535A
Authority
KR
South Korea
Prior art keywords
input
value
classifier
electronic device
keyboard
Prior art date
Application number
KR1020210045652A
Other languages
English (en)
Inventor
허준호
올렉산드르 포포프
곽성수
김일주
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to PCT/KR2021/006152 priority Critical patent/WO2021235798A1/ko
Publication of KR20210142535A publication Critical patent/KR20210142535A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
    • G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
    • G06F3/0232—Manual direct entries, e.g. key to main memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2135—Metering

Abstract

다양한 실시 예들에 따른 전자 장치는, 복수의 센서들을 포함하는 센서 모듈, 터치 스크린을 포함하는 디스플레이, 및 프로세서를 포함하고, 상기 프로세서는, 상기 터치 스크린에 표시되는 키보드를 사용하는 동안, 상기 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하고, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하고, 상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하고, 상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하고, 상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하도록 설정될 수 있다. 그 밖에 다양한 실시 예가 제공될 수 있다.

Description

전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법{ELECTRONIC DEVICE, AND METHOD FOR PERFORMING USER AUTHENTICATION USING INPUT OF KEYBOARD IN ELECTRONIC DEVICE}
다양한 실시 예들은, 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법에 관한 것이다.
사용자의 인증 방법에는 초기 로그인 동안 사용자에게 한번의 인증을 요구하는 방법과 세션이 활성화 되어 있는 동안 사용자의 진위를 연속적으로 확인하는 연속 인증 방법이 있다.
상기 연속 인증 방법에는 사용자가 터치 스크린에 표시되는 키보드를 타이핑하는 동안 사용자의 키보드의 입력을 통해 사용자의 진위를 연속적으로 확인하는 키보드 입력을 통한 연속 인증 방법을 포함하고 있다.
상기 키보드 입력을 통한 연속 인증 방법의 경우, 동일 오류율(Equal Error Rate: EER)로 정확도를 판단하며, 상기 동일 오류율(Equal Error Rate: EER)은 오거부율(False Rejection Rate: FRR)과 오인식율(False Acceptance Rate: FAR)이 동일한 경우의 오류율을 나타낸다. 오거부율(False Rejection Rate: FRR)은 사용자의 키보드 입력 동작이 공격자의 행동으로 잘못 분류되는 경우에 대한 오류율을 측정하고, 오인식율(False Acceptance Rate: FAR)은 공격자의 키보드 입력 동작이 사용자의 키보드 입력 동작으로 잘못 분류되는 경우에 대한 오류율을 측정한다.
상기 키보드 입력을 통한 연속 인증 방법의 경우, 스마트 폰에 배치를 고려할 만큼 사용자 인증의 정확도가 높지 않아서, 실질적으로 스마트 폰에서 사용하는데 한계가 있다.
다양한 실시 예들에 따르면, 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법에 관한 것이다.
다양한 실시 예들에 따른 전자 장치는, 복수의 센서들을 포함하는 센서 모듈, 터치 스크린을 포함하는 디스플레이, 및 프로세서를 포함하고, 상기 프로세서는, 상기 터치 스크린에 표시되는 키보드를 사용하는 동안, 상기 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하고, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하고, 상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하고, 상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하고, 상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하도록 설정될 수 있다.
다양한 실시 예들에 따른 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법은, 터치 스크린에 표시되는 키보드를 사용하는 동안, 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하는 동작, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하는 동작, 상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하는 동작, 상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하는 동작, 및 상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행할 때 사용자 인증의 정확도를 높일 수 있는 효과가 있다.
도 1은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시 예들에 따라 전자 장치를 도시하는 블록도이다.
도 3은 다양한 실시 예들에 따른 사용자의 인증 처리 동작을 설명하기 위한 도면이다.
도 4는 다양한 실시 예들에 따른 전자 장치에서 사용자 인증을 위한 학습 동작을 설명하기 위한 흐름도이다.
도 5는 다양한 실시 예들에 따른 전자 장치에서 사용자 인증 동작을 설명하기 위한 흐름도이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록 도(100)이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 다양한 실시 예들에 따른 전자 장치를 도시한 블록도(200)이다.
상기 도 2를 참조하면, 전자 장치(201)(예: 도 1의 전자 장치(101))는, 프로세서(220), 메모리(230), 디스플레이(260) 및 센서 모듈(276)를 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 전자 장치(201)의 전반적인 동작을 제어할 수 있으며, 도 1의 프로세서(120)와 동일할 수 있거나, 상기 프로세서(120)에서 수행되는 적어도 하나의 기능 또는 동작을 수행할 수 있다.
다양한 실시 예에 따르면, 프로세서(220)는, 키보드 입력을 통한 연속 인증 모드의 설정을 위해, 일반적인 사용자 데이터를 기반으로 학습된 제1 학습 모델과, 분류기를 종류별로 최적화할 수 있는 최적화 하이퍼 파라미터들(optimal hyperparameters)의 저장을 확인할 수 있다.
일 실시 예에 따르면, 상기 제1 학습 모델은, 원본 데이터를 인코더를 통해 압축한 뒤 다시 디코더를 통해 복구하면서 특징들(features)을 검출하는 딥 러닝 학습 모델인 오터인코더(Autoencoder)을 포함할 수 있다. 상기 오터인코더(Autoencoder)는 신경망 네트워크 형태에서 출력 값과 입력 값의 개수가 같은 모델로써, 좌우를 대칭하는 입출력층으로 구성되어 원본 데이터를 인코터를 통해 압축한뒤 다시 디코더를 통해 복구할수 있는 작업으로 특징들을 추출하는 학습 모델이다.
일 실시 예에 따르면, 상기 최적화 하이퍼 파라미터는, 특징들을 분류하는 분류기(예: 이진 분류 모델)의 종류별로 최적화하기 위한 것으로, 전자 장치의 사용자와 전자 장치의 사용자가 아닌 다른 사용자를 구분하기 위해 학습할 수 있도록 분류기의 종류별로 최적화 하이퍼 파라미터가 전자 장치의 메모리(230)에 미리 저장될 수 있다.
다양한 실시 예에 따르면, 프로세서(220)는, 키보드 입력을 통한 연속 인증 모드의 활성화를 위한 전자 장치의 초기 사용자 데이터를 수집할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 전자 장치의 사용자가 전자 장치에서 처음으로 키보드 입력을 통한 연속 인증 모드를 활성화하려고 할 때, 전자 장치의 사용자에게 다양한 동작들에서 복수개의 임의의 문장들 입력을 요청할 수 있다. 상기 프로세서(220)는, 복수 개의 임의의 문장들의 입력을 위해 전자 장치의 사용자가 키보드의 키 입력을 수행하는 동안 센서 모듈(276)의 복수의 센서들을 통해 검출되는 복수의 센서 값들을 초기 사용자 데이터로 수집할 수 있다.
예를 들어, 상기 프로세서(220)는, 전자 장치의 사용자가 앉기, 걷기, 및/또는 기대기 등을 포함하는 다양한 동작들에서 주어진 복수의 임의의 문장들(약 5 개의 문장들)을 작성하도록 요청하고, 상기 임의 문장들의 작성을 위해 상기 사용자가 키보드를 통해 약 250 내지 300 회의 키 입력을 수행하는 동안 상기 센서 모듈(276)의 복수의 센서들을 통해 검출되는 복수의 센서 값들을 초기 사용자 데이터로 수집할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 초기 사용자 데이터를 수집한 이후 1일 내지 2일 동안 전자 장치의 키보드를 사용하는 상기 사용자의 키 입력 동작을 기반으로 초기 사용자 데이터를 추가적으로 수집할 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 상기 센서 모듈(276)의 복수의 센서들을 통해 검출되는 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 제1 분류기들을 학습시킬 수 있는 제1 특징(예: Correlation features)을 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 초기 사용자 데이터를 나타내는 상기 복수의 센서 값들 간의 상관 관계의 특징을 제1 분류기를 학습할 수 있는 제1 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 피어슨의 순위 상관 관계(Pearson's rank correlation) 또는/및 스피어만의 순위 상관 관계(Spearman's rank correlation)를 이용하여, 복수의 센서들 각각에서 검출된 복수의 센서 값들 간의 선형적 상관 관계의 특징을 계산할 수 있다.
예를 들어, 상기 프로세서(220)는, 제1 센서(예: 가속도 센서)에서 검출된 제1 센서 값들(X1, Y1, Z1, M1)과 제2 센서(예: 자이로 센서)에서 검출된 제2 센서 값들(X2, Y2, Z2, M2)에서, (X1, X2), (Y1, Y2), (Z1, Z2) 및 (M1, M2)간의 상관 관계의 특징을 계산할 수 있다.
예를 들어, 상기 프로세서(220)는, 3개의 센서들(예, 가속도 센서, 자이로 센서 및 터치 센서) 각각으로 부터 검출되는 각 센서 값에 포함된 4개의 값들(X1, Y1, Z1, M1)에 대한 상관 관계를 계산하는 경우, 총 48개의 상관 관계의 특징들을 계산할 수 있다.
일 실시 예에 따르면, 상기 제1 분류기는 이진 분류 모델을 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 상기 센서 모듈(276)에 포함된 복수의 센서들로부터 검출한 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 제1 학습 모델의 입력 값과 출력 값 간의 차이를 계산하고, 상기 계산된 차이를 제2 분류기를 학습시킬 수 있는 제2 특징(예: Decoder-DTW features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 초기 사용자 수집 과정에서, 사용자에 의해 키보드의 키가 입력될 때 상기 키가 "다운(down)" 되는 시점 이전 몇초(예:100 milliseconds) 동안 상기 복수의 센서들로부터 검출되는 임의의 센서 값들(예: 36개의 센서 값들)과 상기 키가 "다운(down)" 시점 이후 몇초(예: 100 milliseconds) 동안 상기 복수의 센서들로부터 검출되는 임의의 센서 값들(예: 36개의 센서 값)을 획득할 수 있다.
일 실 예에 따르면, 상기 프로세서(220)는, 상기 초기 데이터 수집 과정에서 키 입력에 따라 상기 복수의 센서들로부터 획득한 복수의 센서 값들(예: 14개의 센서 값들)과 상기 키가 "다운(down)"된 시점 전후로 획득한 복수의 센서 값들(예: 72개의 센서 값들)을 제1 학습 모델의 입력 값으로 결정할 수 있다.
일 실 예에 따르면, 상기 프로세서(220)는, 상기 결정된 입력 값(14 X 72 센서 값)을 제1 학습 모델에 입력할 때, 출력 값과 입력 값의 개수가 같은 모델인 상기 제1 학습 모델(예: 오터인코더)은 상기 입력 값과 개수와 동일한 출력 값(14 x 72 센서 값)을 생성하여 출력할 수 있다.
일 실 예에 따르면, 상기 프로세서(220)는, 유사성을 계산하기 위한 Fast DTW(fast dynamic time warping)을 이용하여, 상기 제1 학습 모델(예: 오터인코더)의 상기 입력 값과 상기 출력 값의 차이를 검출하고, 상기 차이를 상기 제2 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 제2 분류기는 이진 분류 모델을 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 상기 센서 모듈(276)에 포함된 복수의 센서들로부터 검출한 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 분류기를 학습할 수 있는 제3 특징(예: HMOG grasp resistance (HMOG-GR) features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 초기 데이터를 수집 과정에서, 키를 입력하는 동안 복수의 센서들로부터 획득한 복수의 센서 값들에 대한 평균 및 표준 편차를 상기 제3 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 제3 분류기는 이진 분류 모델을 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 상기 센서 모듈(276)에 포함된 복수의 센서들로부터 검출한 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 분류기를 학습할 수 있는 제4 특징(Uni-graph features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 제4 분류기는 이진 분류 모델을 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 복수의 특징들 각각을 대응되는 복수의 분류기들에 입력하여 학습시킬 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 제1 특징을 상기 제1 분류기로 입력하여 학습시키고, 상기 제2 특징을 상기 제2 분류기로 입력하여 학습시키고, 상기 제3 특징을 상기 제3 분류기로 입력하여 학습시키고, 상기 제4 특징을 상기 제4 분류기로 입력하여 학습시킬 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 제1 학습 모델(예: 오터인코더)의 상기 입력 값과 상기 출력 값의 차이를 나타내는 제2 특징을 분류 특징으로 사용하는 전이 학습(transfer learning)을 통해 상기 제2 분류기를 학습시킬 수 있다.
다양한 실시 예들에 따르면, 프로세서(220)는, 키보드 입력을 통한 연속 인증 모드가 활성화 되어 있는 상태에서, 디스플레이(260)에 포함된 터치 스크린에 표시되는 키보드를 사용하는 동안, 제1 분류기, 제2 분류기, 제3 분류기 및 제4 분류기 중 적어도 하나의 분류기로부터 출력되는 결과 값을 기반으로 상기 키보드를 사용하는 사용자를 인증할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 디스플레이(260)에 포함된 터치 스크린에 표시되는 키보드를 사용하는 동안, 상기 키보드의 입력에 따라 센서 모듈(276)에 포함된 복수의 센서들로부터 획득한 복수의 센서 값을 사용자 데이터로 검출하고, 상기 복수의 센서 값을 기반으로 제1 특징, 제2 특징, 제3 특징 및 4 특징 중 적어도 하나의 특징으로 검출하고, 상기 적어도 하나의 특징을 제1 분류기, 제2 분류기, 제3 분류기 및 제4 분류기 중 적어도 하나의 분류기로 입력할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 피어슨의 순위 상관 관계(Pearson's rank correlation) 또는/및 스피어만의 순위 상관 관계(Spearman's rank correlation)를 이용하여, 상기 사용자 데이터를 나타내는 상기 복수의 센서 값들 간의 상관 관계의 특징을 제1 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 사용자 데이터를 나타내는 상기 복수의 센서 값들을 이용하여 제1 학습 모델(예; 오터인코더)의 입력 값과 출력 값을 검출하고, Fast DTW(fast dynamic time warping)을 이용하여 상기 입력 값과 상기 출력 값의 차이를 계산하고, 상기 계산된 차이를 제2 특징(예: Decoder-DTW features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 사용자 데이터를 나타내는 상기 복수의 센서 값들을 기반으로 상기 키보드의 키 입력에 따른 터치 압력 값을 나타내는 제3 특징(예: HMOG grasp resistance (HMOG-GR) features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 사용자 데이터를 나타내는 상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 나타내는 제4 특징(Uni-graph features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 키보드의 입력에 따라 센서 모듈(276)에 포함된 복수의 센서들로부터 획득한 복수의 센서 값을 기반으로 제1 특징과 제2 특징을 검출하고, 상기 제1 특징을 상기 1 분류기로 입력하고, 상기 제2 특징을 상기 제2 분류기로 입력하며, 상기 제1 분류기로부터 출력되는 제1 결과 값과 상기 제2 분류기로 출력되는 제2 결과 값에 대한 평균 점수를 상기 키보드를 사용하는 사용자의 인증을 위한 최종 인증 값으로 결정할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 키보드의 입력에 따라 센서 모듈(276)에 포함된 복수의 센서들로부터 획득한 복수의 센서 값을 기반으로 제1 특징, 제2 특징, 제3 특징 및 제4 특징을 검출하고, 상기 제1 특징을 상기 1 분류기로 입력하고, 상기 제2 특징을 상기 제2 분류기로 입력하고, 상기 제3 특징을 상기 제3 분류기로 입력하고, 상기 제4 특징을 상기 제4 분류기로 입력할 수 있다. 상기 프로세서(220)는, 상기 제1 분류기로부터 출력되는 제1 결과 값, 상기 제2 분류기로 출력되는 제2 결과 값, 상기 제3 분류기로 출력되는 제3 결과 값 및 상기 제4 분류기로 출력되는 제4 결과 값에 대한 평균 점수를 상기 키보드를 사용하는 사용자의 인증을 위한 최종 인증 값으로 결정할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 최종 인증 값과 임계 값을 비교하고, 상기 최종 인증 값이 상기 임계 값 이상 이면 상기 키보드를 사용하는 사용자가 전자 장치의 사용자로 인증할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 최종 인증 값과 임계 값을 비교하고, 상기 최종 인증 값이 상기 임계 값 이하면 상기 키보드를 사용하는 사용자가 전자 장치의 사용자가 아닌 다른 사용자임을 확인할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 키보드를 사용하는 사용자가 전자 장치의 사용자가 아닌 다른 사용자로 확인하면, 전자 장치의 잠금 해제를 위해 사용했던 인증 방법(예: 비밀 번호)과 다른 인증 방법(예: 지문 인식)으로 사용자에게 재 인증을 요청할 수 있다.
일 실시 예에 따르면, 상기 프로세서(220)는, 상기 키보드를 사용하는 사용자가 전자 장치의 사용자가 아닌 다른 사용자로 확인하면, 실행하고 하는 현재 어플리케이션으로 상기 임계 값 보다 낮은 것으로 확인한 상기 최종 인증 값을 전송하여, 상기 어플리케이션에서 상기 어플리케이션의 강제 종료 여부를 결정할 수 있도록 할 수 있다.
다양한 실시 예들에 따르면, 메모리(230)는, 도 1의 메모리(130)와 실질적으로 동일하거나 유사하게 구현될 수 있다.
일 실시 예에 따르면, 메모리(230)는, 키보드 입력을 통한 연속 인증을 위한 복수의 분류 모델(예: 이진 분류 모델들), 복수의 학습 모델(예: 오토인코더), 사용자 데이터 및 최적화 하이퍼파라미터를 저장할 수 있다.
다양한 실시 예들에 따르면, 디스플레이(260)는, 도 1의 디스플레이 모듈(160)과 실질적으로 동일하거나 유사하게 구현될 수 있다.
다양한 실시 예들에 따르면, 센서 모듈(276)은, 도 1의 센서 모듈 모듈(176)과 실질적으로 동일하거나 유사하게 구현될 수 있다.
일 실시 예에 따르면, 상기 센서 모듈(276)은, 복수의 센서들을 포함할 수 있다. 예를 들어, 상기 센서 모듈(276)은, 가속도 센서, 자이로 센서 및 터치 센서를 포함할 수 있다.
일 실시 예에 따르면, 상기 센서 모듈(276)은, 디스플레이(260)에 포함된 터치 스크린에 표시되는 키보드를 사용하는 동안, 상기 키보드를 통한 키 입력에 따라 복수의 센서 값을 검출할 수 있다.
도 3은 다양한 실시 예들에 따른 사용자의 인증 처리 동작을 설명하기 위한 도면(300)이다.
상기 도 3을 참조하면, 다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 키보드 입력을 통한 연속 인증 모드가 활성화 되어 있는 상태에서 터치 스크린에 표시되는 키보드를 사용하는 동안, 키 입력에 따라 센서 모듈(예: 도 1의 센서 모듈(176) 또는/및 도 2의 센서 모듈(276))에 포함된 복수의 센서들을 기반으로 획득한 복수의 센서 값들을 사용자 데이터(310)로 검출할 수 있다.
다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 피어슨의 순위 상관 관계(Pearson's rank correlation) 또는/및 스피어만의 순위 상관 관계(Spearman's rank correlation)를 이용하여, 상기 사용자 데이터(310)를 나타내는 복수의 센서 값들 간의 선형적 상관 관계를 계산하고, 상기 계산된 상관 관계를 상기 제1 특징(331)으로 검출할 수 있다. 상기 프로세서는, 상기 제1 특징(331)을 제1 분류기(351)에 입력하고, 상기 제1 특징(331)이 입력된 상기 제1 분류기(351)의 제1 결과 값(371)을 확인할수 있다.
다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 터치 스크린에 표시되는 키보드를 사용하는 동안, 키 입력에 따라 상기 센서 모듈로 부터한 검출한 복수의 센서 값들을 나타내는 사용자 데이터와 상기 터치 스크린에 표시되는 키보드에서 키가 "다운(down)"된 시점 전후로 획득한 복수의 센서 값들(예: 72개의 센서 값들)을 입력 값으로 검출하고, 상기 제1 입력 값이 제1 학습 모델(예:오터인코더)로 입력될 때 생성되는 출력 값을 검출할 수 있다. 상기 프로세서는, 유사성을 계산하기 위한 Fast DTW(fast dynamic time warping)을 이용하여, 상기 입력 값과 상기 출력 값의 차이를 검출하고, 상기 차이를 상기 제2 특징(333)으로 검출할 수 있다. 상기 프로세서는, 상기 제2 특징(333)을 제2 분류기(353)에 입력하고, 상기 제2 특징(333)이 입력된 상기 제2 분류기(353)의 제2 결과 값(373)을 확인할수 있다.
다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 터치 스크린에 표시되는 키보드를 사용하는 동안, 키 입력에 따라 상기 센서 모듈로 부터한 복수의 센서 값들을 나타내는 사용자 데이터를 검출하고, 상기 사용자 데이터를 기반으로 검출한 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 특징(335)으로 검출할 수 있다. 상기 프로세서는, 상기 제3 특징(335)을 제3분류기(355)에 입력하고, 상기 제3 특징(335)이 입력된 상기 제3 분류기(355)의 제3 결과 값(375)을 확인할수 있다.
다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 터치 스크린에 표시되는 키보드를 사용하는 동안, 키 입력에 따라 상기 센서 모듈로 부터한 복수의 센서 값들을 나타내는 사용자 데이터를 검출하고, 상기 사용자 데이터를 기반으로 검출한 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 특징(337)으로 검출할 수 있다. 상기 프로세서는, 상기 제4 특징(337)을 제4 분류기(357)에 입력하고, 상기 제4 특징(337)이 입력된 상기 제4 분류기(353)의 제4 결과 값(377)을 확인할수 있다.
다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 상기 제1 결과 값(371)과 상기 제2 결과 값(373)에 대한 평균 점수를 최종 인증 값으로 검출하거나, 또는 상기 제1 결과 값(371), 상기 제2 결과 값(373), 상기 제3 결과 값(375), 및 제4 결과 값(377)에 대한 평균 접수를 최종 인증 값으로 검출할 수 있다.
다양한 실시 예들에 따르면, 프로세서(예: 도 1의 프로세서(120) 및/또는 도 2의 프로세서(220))는, 최종 인증 값과 임계 값읠 비교를 통해 터치 스크린에 표시되는 키보드를 사용하는 사용자가 전자 장치의 사용자 인지, 아니면 전자 장치의 사용자가 아닌 다른 사용자 인지 확인할 수 있다.
다양한 실시 예들에 따르면, 전자 장치(예: 도 2의 전자 장치(201))는, 복수의 센서들을 포함하는 센서 모듈(예: 센서 모듈(276)), 터치 스크린을 포함하는 디스플레이(예: 도 2의 디스플레이(260)); 및 프로세서(예: 도 2의 프로세서(220))를 포함하고, 상기 프로세서는, 상기 터치 스크린에 표시되는 키보드를 사용하는 동안, 상기 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하고, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하고, 상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하고, 상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하고, 상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하도록 설정될 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 피어슨 상관 관계 또는 스피어만 상관 관계를 이용하여, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 상기 제1 특징을 검출하도록 설정될 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 키보드의 키가 입력될 때 상기 키 입력 전후 일정 개수의 센서 값과 상기 복수의 센서 값들을 상기 제1 학습 모델의 입력 값으로 결정하도록 설정될 수 있다.
다양한 실시 예들에 따르면, 상기 제1 학습 모델은 오토인코더(Autoencoder)을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, Fast DTW(fast dynamic time warping)을 이용하여 상기 입력 값과 상기 출력 값의 차이를 검출하여 상기 제2 특징을 검출할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 분류기 및 상기 제2 분류기는 이진 분류기를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 특징으로 검출하고, 상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 특징으로 검출하고, 상기 제1 결과 값, 상기 제2 결과 값, 상기 제3 특징을 학습한 제3 분류기의 제3 결과 값 및 상기 제4 특징을 학습한 제4 분류기의 제4 결과 값을 기반으로, 상기 최종 인증 값을 결정하도록 설정될 수 있다.
다양한 실시 예들에 따르면, 상기 제3 분류기 및 상기 제4 분류기는 이진 분류기를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 센서들은, 가속도 센서, 자이로 센서 및 터치 센서를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 최종 인증 값과 임계 값을 비교하여, 상기 키보드를 사용하는 사용자를 인증하도록 설정될 수 있다.
도 4는 다양한 실시 예들에 따른 전자 장치에서 사용자 인증을 위한 학습 동작을 설명하기 위한 흐름도(400)이다. 상기 사용자 인증을 위한 학습 동작은 401 동작 내지 405동작들을 포함할 수 있으며 전자 장치(예: 도 1의 전자 장치(101) 또는 도2의 전자 장치(201))의 프로세서(예: 도 1의 프로세서(120) 또는 도2의 프로세서(220))에 의해 수행되는 것으로 이해될 수 있다. 일 실시 예에 따르면, 401 동작 내지 405동작들 중 적어도 하나가 생략되거나, 일부 동작들의 순서가 바뀌거나, 다른 동작이 추가될 수 있다.
401동작에서, 전자 장치(예: 도 1 의 전자 장치(101) 또는 도2의 전자 장치(201))는, 키보드 입력을 통한 연속 인증 모드의 활성화를 위한 전자 장치의 초기 사용자 데이터를 수집할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 전자 장치의 사용자가 전자 장치에서 처음으로 키보드 입력을 통한 연속 인증 모드를 활성화하려고 할 때, 전자 장치의 사용자에게 다양한 동작들에서 복수개의 임의의 문장들 입력을 요청할 수 있다. 상기 전자 장치는, 복수 개의 임의의 문장들의 입력을 위해 전자 장치의 사용자가 키보드의 키 입력을 수행하는 동안 센서 모듈(예: 센서 모듈(276))의 복수의 센서들을 통해 검출되는 복수의 센서 값들을 초기 사용자 데이터로 수집할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 초기 사용자 데이터를 수집한 이후 1일 내지 2일 동안 전자 장치의 키보드를 사용하는 상기 사용자의 키 입력 동작을 기반으로 초기 사용자 데이터를 추가적으로 수집할 수 있다.
403동작에서, 전자 장치(예: 도 1 의 전자 장치(101) 또는 도2의 전자 장치(201))는, 초기 데이터를 기반으로 복수의 특징들을 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 피어슨의 순위 상관 관계(Pearson's rank correlation) 또는/및 스피어만의 순위 상관 관계(Spearman's rank correlation)를 이용하여, 센서 모듈(예: 센서 모듈(276))의 복수의 센서들 각각에서 검출된 복수의 센서 값들(예: 초기 사용자 데이터)간의 선형적 상관 관계의 특징을 계산하고, 상기 계산된 상관 관계의 특징을 제1 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 센서 모듈(276)에 포함된 복수의 센서들로부터 검출한 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 제1 학습 모델(예: 오토인코더)의 입력 값과 출력 값 검출할 수 있다. 상기 전자 장치는, Fast DTW(fast dynamic time warping)을 이용하여, 상기 제1 학습 모델(예: 오터인코더)의 상기 입력 값과 상기 출력 값의 차이를 검출하고, 상기 차이를 상기 제2 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 센서 모듈(예: 센서 모듈(276))에 포함된 복수의 센서들로부터 검출한 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 분류기를 학습할 수 있는 제3 특징(예: HMOG grasp resistance (HMOG-GR) features)으로 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 센서 모듈에 포함된 복수의 센서들로부터 검출한 복수의 센서 값들을 나타내는 초기 사용자 데이터를 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 분류기를 학습할 수 있는 제4 특징(Uni-graph features)으로 검출할 수 있다.
405동작에서, 전자 장치(예: 도 1 의 전자 장치(101) 또는 도2의 전자 장치(201))는, 복수의 특징들을 이용하여 복수의 분류기들을 학습시킬 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 제1 특징을 상기 제1 분류기로 입력하여 학습시키고, 상기 제2 특징을 상기 제2 분류기로 입력하여 학습시키고, 상기 제3 특징을 상기 제3 분류기로 입력하여 학습시키고, 상기 제4 특징을 상기 제4 분류기로 입력하여 학습시킬 수 있다.
도 5는 다양한 실시 예들에 따른 전자 장치에서 사용자 인증 동작을 설명하기 위한 흐름도(500)이다. 상기 사용자 인증 동작은 501 동작 내지 505동작들을 포함할 수 있으며 전자 장치(예: 도 1의 전자 장치(101) 또는 도2의 전자 장치(201))의 프로세서(예: 도 1의 프로세서(120) 또는 도2의 프로세서(220))에 의해 수행되는 것으로 이해될 수 있다. 일 실시 예에 따르면, 501 동작 내지 505동작들 중 적어도 하나가 생략되거나, 일부 동작들의 순서가 바뀌거나, 다른 동작이 추가될 수 있다.
501동작에서, 전자 장치(예: 도 1 의 전자 장치(101) 또는 도2의 전자 장치(201))는, 키보드 입력을 통한 연속 인증 모드가 활성화 되어 있는 상태에서 키보드를 입력하는 동안 사용자 데이터를 수집할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 키보드 입력을 통한 연속 인증 모드가 활성화 되어 있는 상태에서 터치 스크린에 표시되는 키보드를 사용하는 동안, 키 입력에 따라 센서 모듈(예: 도 1의 센서 모듈(176) 또는/및 도 2의 센서 모듈(276))에 포함된 복수의 센서들을 기반으로 획득한 복수의 센서 값들을 사용자 데이터로 검출할 수 있다.
503동작에서, 전자 장치(예: 도 1 의 전자 장치(101) 또는 도2의 전자 장치(201))는, 사용자 데이터를 기반으로 복수의 특징들을 검출할 수 있다.
일 실시 예에 따르면, 상기 복수의 특징들은 제1 특징, 제2 특징, 제3 특징 또는/및 제4 특징을 포함할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 피어슨의 순위 상관 관계(Pearson's rank correlation) 또는/및 스피어만의 순위 상관 관계(Spearman's rank correlation)를 이용하여, 상기 사용자 데이터를 나타내는 복수의 센서 값들 간의 선형적 상관 관계를 계산하고, 상기 계산된 상관 관계를 상기 제1 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 사용자 데이터와 상기 터치 스크린에 표시되는 키보드에서 키가 "다운(down)"된 시점 전후로 획득한 복수의 센서 값들을 입력 값으로 검출하고, 상기 제1 입력 값이 제1 학습 모델(예:오터인코더)로 입력될 때 생성되는 출력 값을 검출할 수 있다. 상기 전자 장치는, Fast DTW(fast dynamic time warping)을 이용하여, 상기 입력 값과 상기 출력 값의 차이를 검출하고, 상기 차이를 상기 제2 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 사용자 데이터를 기반으로 검출한 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 특징으로 검출할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 사용자 데이터를 기반으로 검출한 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 특징으로 검출할 수 있다.
505동작에서, 전자 장치(예: 도 1 의 전자 장치(101) 또는 도2의 전자 장치(201))는, 복수의 특징들을 입력한 복수의 분류기로부터 출력된 결과 값들을 기반으로 사용자 인증을 수행할 수 있다
일 실시 예에 따르면, 상기 복수의 특징에 포함된 제1 특징, 제2 특징, 제3 특징 및 4 특징 중 적어도 하나의 특징을 제1 분류기, 제2 분류기, 제3 분류기 및 제4 분류기 중 적어도 하나의 분류기로 입력할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 제1 특징을 상기 1 분류기로 입력하고, 상기 제2 특징을 상기 제2 분류기로 입력하고, 상기 제1 분류기로부터 출력되는 제1 결과 값과 상기 제2 분류기로 출력되는 제2 결과 값에 대한 평균 점수를 상기 키보드를 사용하는 사용자의 인증을 위한 최종 인증 값으로 결정할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 제1 특징을 상기 1 분류기로 입력하고, 상기 제2 특징을 상기 제2 분류기로 입력하고, 상기 제3 특징을 상기 제3 분류기로 입력하고, 상기 제4 특징을 상기 제4 분류기로 입력할 수 있다. 상기 전자 장치는, 상기 제1 분류기로부터 출력되는 제1 결과 값, 상기 제2 분류기로 출력되는 제2 결과 값, 상기 제3 분류기로 출력되는 제3 결과 값 및 상기 제4 분류기로 출력되는 제4 결과 값에 대한 평균 점수를 상기 키보드를 사용하는 사용자의 인증을 위한 최종 인증 값으로 결정할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 최종 인증 값과 임계 값을 비교하고, 상기 최종 인증 값이 상기 임계 값 이상으로 결정하면 상기 키보드를 사용하는 사용자가 전자 장치의 사용자로 인증할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 최종 인증 값과 임계 값을 비교하고, 상기 최종 인증 값이 상기 임계 값 이하로 결정하면 상기 키보드를 사용하는 사용자가 전자 장치의 사용자가 아닌 다른 사용자임을 확인할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 키보드를 사용하는 사용자가 전자 장치의 사용자가 아닌 다른 사용자로 확인하면, 전자 장치의 잠금 해제를 위해 사용했던 인증 방법(예: 비밀 번호)과 다른 인증 방법(예: 지문 인식)으로 사용자에게 재 인증을 요청할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 키보드를 사용하는 사용자가 전자 장치의 사용자가 아닌 다른 사용자로 확인하면, 실행하고 하는 현재 어플리케이션으로 상기 임계 값 보다 낮은 것으로 확인한 상기 최종 인증 값을 전송하여, 상기 어플리케이션에서 상기 어플리케이션의 강제 종료 여부를 결정할 수 있도록 할 수 있다.
다양한 실시 예들에 따르면, 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법은, 터치 스크린에 표시되는 키보드를 사용하는 동안, 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하는 동작, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하는 동작, 상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하는 동작, 상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하는 동작, 및 상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 특징을 검출하는 동작은, 피어슨 상관 관계 또는 스피어만 상관 관계를 이용하여, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 상기 제1 특징을 검출하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제2 특징을 검출하는 동작은, 상기 키보드의 키가 입력될 때 상기 키 입력 전후 일정 개수의 센서 값과 상기 복수의 센서 값들을 상기 제1 학습 모델의 입력 값으로 결정하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 학습 모델은 오토인코더(Autoencoder)을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제2 특징을 검출하는 동작은, Fast DTW(fast dynamic time warping)을 이용하여 상기 입력 값과 상기 출력 값의 차이를 검출하여 상기 제2 특징을 검출하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 분류기 및 상기 제2 분류기는 이진 분류기를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 특징으로 검출하는 동작, 상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 특징으로 검출하는 동작, 및 상기 제1 결과 값, 상기 제2 결과 값, 상기 제3 특징을 학습한 제3 분류기의 제3 결과 값 및 상기 제4 특징을 학습한 제4 분류기의 제4 결과 값을 기반으로, 상기 최종 인증 값을 결정하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제3 분류기 및 상기 제4 분류기는 이진 분류기를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 센서들은, 가속도 센서, 자이로 센서 및 터치 센서를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 최종 인증 값과 임계 값을 비교하여, 상기 키보드를 사용하는 사용자를 인증하는 동작을 더 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치에 있어서,
    복수의 센서들을 포함하는 센서 모듈;
    터치 스크린을 포함하는 디스플레이; 및
    프로세서를 포함하고, 상기 프로세서는,
    상기 터치 스크린에 표시되는 키보드를 사용하는 동안, 상기 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하고,
    상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하고,
    상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하고,
    상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하고,
    상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하도록 설정된 전자 장치.
  2. 제1 항에 있어서, 상기 프로세서는,
    피어슨 상관 관계 또는 스피어만 상관 관계를 이용하여, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 상기 제1 특징을 검출하도록 설정된 전자 장치.
  3. 제1 항에 있어서, 상기 프로세서는,
    상기 키보드의 키가 입력될 때 상기 키 입력 전후 일정 개수의 센서 값과 상기 복수의 센서 값들을 상기 제1 학습 모델의 입력 값으로 결정하도록 설정된 전자 장치.
  4. 제1 항에 있어서,
    상기 제1 학습 모델은 오토인코더(Autoencoder)을 포함하는 전자 장치.
  5. 제1 항에 있어서, 상기 프로세서는,
    Fast DTW(fast dynamic time warping)을 이용하여 상기 입력 값과 상기 출력 값의 차이를 검출하여 상기 제2 특징을 검출하도록 설정된 전자 장치.
  6. 제1 항에 있어서,
    상기 제1 분류기 및 상기 제2 분류기는 이진 분류기를 포함하는 전자 장치.
  7. 제1 항에 있어서,
    상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 특징으로 검출하고,
    상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 특징으로 검출하고,
    상기 제1 결과 값, 상기 제2 결과 값, 상기 제3 특징을 학습한 제3 분류기의 제3 결과 값 및 상기 제4 특징을 학습한 제4 분류기의 제4 결과 값을 기반으로, 상기 최종 인증 값을 결정하도록 설정된 전자 장치.
  8. 제7 항에 있어서,
    상기 제3 분류기 및 상기 제4 분류기는 이진 분류기를 포함하는 전자 장치.
  9. 제1 항에 있어서,
    상기 복수의 센서들은, 가속도 센서, 자이로 센서 및 터치 센서를 포함하는 전자 장치.
  10. 제1 항에 있어서, 상기 프로세서는,
    상기 최종 인증 값과 임계 값을 비교하여, 상기 키보드를 사용하는 사용자를 인증하도록 설정된 전자 장치.
  11. 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법에 있어서,
    터치 스크린에 표시되는 키보드를 사용하는 동안, 복수의 센서들을 이용하여 상기 키보드의 입력에 따라 검출되는 복수의 센서 값들을 확인하는 동작;
    상기 복수의 센서 값들 간의 상관 관계를 계산하여 제1 특징을 검출하는 동작;
    상기 복수의 센서 값들을 입력 값으로 제1 학습 모델로 입력하고, 상기 제1 학습 모델에서 상기 입력 값을 기반으로 출력 값을 생성하면, 상기 입력 값과 상기 출력 값 간의 차이를 계산하여 제2 특징을 검출하는 동작;
    상기 제1 특징을 학습한 제1 분류기의 제1 결과 값 및 상기 제2 특징을 학습한 제2 분류기의 제1 결과 값을 기반으로, 최종 인증 값을 결정하는 동작; 및
    상기 최종 인증 값을 기반으로 상기 키보드를 사용하는 사용자를 인증하는 동작을 포함하는 방법.
  12. 제11 항에 있어서, 상기 제1 특징을 검출하는 동작은,
    피어슨 상관 관계 또는 스피어만 상관 관계를 이용하여, 상기 복수의 센서 값들 간의 상관 관계를 계산하여 상기 제1 특징을 검출하는 동작을 포함하는 방법.
  13. 제11 항에 있어서, 상기 제2 특징을 검출하는 동작은,
    상기 키보드의 키가 입력될 때 상기 키 입력 전후 일정 개수의 센서 값과 상기 복수의 센서 값들을 상기 제1 학습 모델의 입력 값으로 결정하는 동작을 포함하는 방법.
  14. 제11 항에 있어서,
    상기 제1 학습 모델은 오토인코더(Autoencoder)을 포함하는 방법.
  15. 제11 항에 있어서, 상기 제2 특징을 검출하는 동작은,
    Fast DTW(fast dynamic time warping)을 이용하여 상기 입력 값과 상기 출력 값의 차이를 검출하여 상기 제2 특징을 검출하는 동작을 포함하는 방법.
  16. 제11 항에 있어서,
    상기 제1 분류기 및 상기 제2 분류기는 이진 분류기를 포함하는 방법.
  17. 제11 항에 있어서,
    상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 압력 값을 제3 특징으로 검출하는 동작;
    상기 복수의 센서 값들을 기반으로, 상기 키보드의 키 입력에 따른 터치 입력 시간, 터치의 접촉 크기 및 터치 좌표를 제4 특징으로 검출하는 동작; 및
    상기 제1 결과 값, 상기 제2 결과 값, 상기 제3 특징을 학습한 제3 분류기의 제3 결과 값 및 상기 제4 특징을 학습한 제4 분류기의 제4 결과 값을 기반으로, 상기 최종 인증 값을 결정하는 동작을 더 포함하는 방법.
  18. 제17 항에 있어서,
    상기 제3 분류기 및 상기 제4 분류기는 이진 분류기를 포함하는 방법.
  19. 제11 항에 있어서,
    상기 복수의 센서들은, 가속도 센서, 자이로 센서 및 터치 센서를 포함하는 방법.
  20. 제11 항에 있어서, ,
    상기 최종 인증 값과 임계 값을 비교하여, 상기 키보드를 사용하는 사용자를 인증하는 동작을 더 포함하는 방법.
KR1020210045652A 2020-05-18 2021-04-08 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법 KR20210142535A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/006152 WO2021235798A1 (ko) 2020-05-18 2021-05-17 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063026438P 2020-05-18 2020-05-18
US63/026,438 2020-05-18
KR1020200095150 2020-07-30
KR20200095150 2020-07-30

Publications (1)

Publication Number Publication Date
KR20210142535A true KR20210142535A (ko) 2021-11-25

Family

ID=78745989

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210045652A KR20210142535A (ko) 2020-05-18 2021-04-08 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법

Country Status (1)

Country Link
KR (1) KR20210142535A (ko)

Similar Documents

Publication Publication Date Title
US11334244B2 (en) Electronic device and method of processing pop-up window using multi-window thereof
US11810561B2 (en) Electronic device for identifying command included in voice and method of operating the same
US20230229245A1 (en) Emoji recommendation method of electronic device and same electronic device
US11929079B2 (en) Electronic device for managing user model and operating method thereof
US11929080B2 (en) Electronic device and method for providing memory service by electronic device
KR20210142535A (ko) 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법
KR20220135914A (ko) 학습 기반의 필기 입력을 처리하는 전자 장치, 그 동작 방법 및 저장매체
US20240077970A1 (en) Electronic device and learning model determination method for learning of electronic device
US20230386254A1 (en) Electronic device, operating method of electronic device, and recording medium
US11874995B2 (en) Electronic device identifying force touch and method for operating the same
US20220343106A1 (en) Electronic device for processing data based on artificial intelligence model and method for operating the same
US11899852B2 (en) Electronic device and operation method thereof
US11830293B2 (en) Electronic device and method for providing fingerprint recognition guide using the same
US20230072337A1 (en) Electronic device for processing neural network model and method of operating the same
US20230393683A1 (en) Method of adjusting recognition sensitivity for touch recognition and electronic device for performing the same
WO2021235798A1 (ko) 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법
US20240161548A1 (en) Method for updating fingerprint information and electronic device for supporting the same
US20230342209A1 (en) Service operation method and electronic device supporting same
US20230106384A1 (en) Electronic device, method, and non-transitory computer readable storage medium for adaptively providing authentication scheme of service based on context
EP4328768A1 (en) Electronic device for performing different login processes according to authentication type and control method thereof
KR20230066812A (ko) 사용자 프로필을 제공하는 전자 장치 및 그 동작 방법
KR20230127886A (ko) 터치 인식을 위한 인식 감도를 조정하는 방법 및 이를 수행하는 전자 장치
KR20230105049A (ko) 사용자의 머리에 장착 가능한 전자 장치 및 상기 전자 장치에서 생체 정보를 이용한 기능을 제공하는 방법
KR20230030947A (ko) 연합 학습을 위한 사용자 단말 및 서버의 동작 방법, 및 그 사용자 단말
KR20230086533A (ko) 사용자를 인증하기 위한 클라우드 서버 및 이의 동작 방법