KR20230015817A - Method and appratus for managing authentication of biosignal based on artificial intelligence in blockchain network - Google Patents

Method and appratus for managing authentication of biosignal based on artificial intelligence in blockchain network Download PDF

Info

Publication number
KR20230015817A
KR20230015817A KR1020210105974A KR20210105974A KR20230015817A KR 20230015817 A KR20230015817 A KR 20230015817A KR 1020210105974 A KR1020210105974 A KR 1020210105974A KR 20210105974 A KR20210105974 A KR 20210105974A KR 20230015817 A KR20230015817 A KR 20230015817A
Authority
KR
South Korea
Prior art keywords
electronic device
signal
bio
artificial intelligence
biosignal
Prior art date
Application number
KR1020210105974A
Other languages
Korean (ko)
Other versions
KR102578052B1 (en
Inventor
고상백
이규희
에르덴바야르
황상원
Original Assignee
연세대학교 원주산학협력단
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 연세대학교 원주산학협력단 filed Critical 연세대학교 원주산학협력단
Publication of KR20230015817A publication Critical patent/KR20230015817A/en
Application granted granted Critical
Publication of KR102578052B1 publication Critical patent/KR102578052B1/en

Links

Images

Classifications

    • 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
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • 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
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06F21/33—User authentication using certificates
    • 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
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04L63/0823—Network architectures or network communication protocols for network security for authentication of entities using certificates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

The present disclosure relates to a method for managing authentication of an artificial intelligence-based biometric signal in a blockchain network and an electronic device for performing the same. According to one embodiment, the method by which the electronic device manages authentication of an artificial intelligence-based biometric signal in a blockchain network may comprise: a step of acquiring a first biometric signal of a user to be authenticated; a step of transmitting the acquired first biometric signal to a server connected to the electronic device; a step of acquiring a first identity registration certificate, which is acquired from a first artificial intelligence model outputting the first identity registration certificate for the first biometric signal, from the server; and a step of outputting the acquired first identity registration certificate. The method for managing authentication of an artificial intelligence-based biometric signal and the electronic device performing the same can effectively perform user authentication in a blockchain network using the user's biometric signal.

Description

블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법 및 장치 {METHOD AND APPRATUS FOR MANAGING AUTHENTICATION OF BIOSIGNAL BASED ON ARTIFICIAL INTELLIGENCE IN BLOCKCHAIN NETWORK}Method and apparatus for managing authentication of artificial intelligence-based bio-signal in blockchain network {METHOD AND APPRATUS FOR MANAGING AUTHENTICATION OF BIOSIGNAL BASED ON ARTIFICIAL INTELLIGENCE IN BLOCKCHAIN NETWORK}

본 개시는 블록체인 네트워크에서 생체 신호를 인증하고 관리하는 방법 및 이를 수행하는 전자 장치에 관한 것이다. 보다 상세하게는 블록체인 네트워크에서 인공 지능 모델을 기반으로 생체 신호를 인증하고 관리하는 방법 및 이를 수행하는 전자 장치에 관한 것이다.The present disclosure relates to a method for authenticating and managing a biosignal in a blockchain network and an electronic device performing the same. More specifically, it relates to a method for authenticating and managing a biosignal based on an artificial intelligence model in a blockchain network and an electronic device for performing the same.

최근 암호화폐의 등장과 함께 암호화폐의 근간이 되는 블록체인 기술에 대한 연구가 활발히 이루어지고 있다. 또한, 사회 각 분야에서 블록체인 기술을 이용한 응용 상품과 서비스들이 급격하게 성장하고 있으며, 대표적인 예로 게임 소프트웨어, 유통경로 추적, 디지털 콘텐츠 관리, 투표 시스템등과 같은 다양한 분야에서 블록체인 기술을 활용한 서비스들이 제안되고 있다.With the recent emergence of cryptocurrency, research on blockchain technology, which is the basis of cryptocurrency, is being actively conducted. In addition, application products and services using blockchain technology are rapidly growing in each field of society, and representative examples are services using blockchain technology in various fields such as game software, distribution route tracking, digital content management, and voting systems. are being proposed.

하이퍼레저 패브릭은 하이퍼레저 블록체인 프로젝트 중 하나로, 리눅스 재단에서 주관하는 블록체인 오픈소스 프로젝트이다. 하이퍼레저 패브릭은 MSP(Membership Service Provider)를 통해 허가된 참여자들에 대해서만 접근을 허용하고, 접근 권한을 부여할 수 있기 때문에 프라이빗 블록체인 구성에 최적화되는 장점이 있다. 하이퍼 레저 패브릭은 다른 개방형 블록체인과 달리 권한을 가지고 폐쇄형으로 승인된 사용자만 참여할 수 있는 프라이빗 블록체인이라는 특성이 있다.Hyperledger Fabric is one of the Hyperledger blockchain projects, and is a blockchain open source project hosted by the Linux Foundation. Hyperledger Fabric has the advantage of being optimized for private blockchain configuration because it allows access only to authorized participants through MSP (Membership Service Provider) and grants access rights. Unlike other open blockchains, Hyperledger Fabric has the characteristic of being a private blockchain in which only authorized users can participate in a closed type with authority.

그러나, 종래 하이퍼레저 패브릭 구축에서 인증 기관(Certification Authority, CA)에서 발행하는 일반적인 인증서의 인증 기술은 인증의 무결성을 확보하는데 어려움이 있으며, 따라서 허가형 블록체인 네트워크에서 사람의 생체 신호를 이용한 인증 기술 개발이 요구되고 있다.However, authentication technology for general certificates issued by a certification authority (CA) in the construction of a conventional hyperledger fabric has difficulty in securing the integrity of authentication. Therefore, authentication technology using human biometric signals in a permissioned blockchain network. development is required.

한국등록특허 제2171746호Korean Registered Patent No. 2171746

일 실시 예에 따르면, 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법 및 이를 수행하는 전자 장치가 제공될 수 있다.According to an embodiment, a method for managing bio-signal authentication based on artificial intelligence in a blockchain network and an electronic device performing the same may be provided.

일 실시 예에 의하면, 복수의 인공 지능 모델을 이용하여 블록 체인 네트워크에서 생체 신호의 인증을 관리하는 방법 및 장치가 제공될 수 있다.According to an embodiment, a method and apparatus for managing bio-signal authentication in a blockchain network using a plurality of artificial intelligence models may be provided.

상술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따라, 전자 장치가 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법은 인증 대상이 되는 사용자의 제1 생체 신호를 획득하는 단계; 상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하는 단계; 상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하는 단계; 및 상기 획득된 제1 신원 등록 인증서를 출력하는 단계; 를 포함할 수 있다.According to an embodiment of the present disclosure for achieving the above technical problem, a method for managing authentication of an artificial intelligence-based biosignal in a blockchain network by an electronic device includes acquiring a first biosignal of a user to be authenticated. ; transmitting the obtained first bio-signal to a server connected to the electronic device; obtaining, from the server, the first identity registration certificate obtained from a first artificial intelligence model that outputs a first identity registration certificate for the first bio-signal as the first bio-signal is input; and outputting the obtained first identity registration certificate; can include

상술한 기술적 과제를 달성하기 위한 또 다른 실시 예에 의하면, 네트워크 인터페이스; 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고, 상기 적어도 하나의 프로세서는 인증 대상이 되는 사용자의 제1 생체 신호를 획득하고, 상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하고, 상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하고, 상기 획득된 제1 신원 등록 인증서를 출력하는, 전자 장치가 제공될 수 있다.According to another embodiment for achieving the above technical problem, a network interface; a memory that stores one or more instructions; and at least one processor executing the one or more instructions; wherein the at least one processor obtains a first bio-signal of a user to be authenticated, transmits the obtained first bio-signal to a server connected to the electronic device, and receives the first bio-signal when the first bio-signal is input. Obtaining the first identity registration certificate obtained from the first artificial intelligence model outputting the first identity registration certificate for the first bio-signal from the server according to the method, and outputting the obtained first identity registration certificate. An electronic device may be provided.

상술한 기술적 과제를 달성하기 위한 또 다른 실시 예에 의하면, 전자 장치가 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법에 있어서, 인증 대상이 되는 사용자의 제1 생체 신호를 획득하는 단계; 상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하는 단계; 상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하는 단계; 및 상기 획득된 제1 신원 등록 인증서를 출력하는 단계; 를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.According to another embodiment for achieving the above-described technical problem, in a method for an electronic device to manage authentication of an artificial intelligence-based biosignal in a blockchain network, the step of acquiring a first biosignal of a user to be authenticated. ; transmitting the obtained first bio-signal to a server connected to the electronic device; obtaining, from the server, the first identity registration certificate obtained from a first artificial intelligence model that outputs a first identity registration certificate for the first bio-signal as the first bio-signal is input; and outputting the obtained first identity registration certificate; A computer-readable recording medium recording a program for executing the method on a computer, including, may be provided.

일 실시 예에 의하면, 블록체인 네트워크에서 사용자의 생체 신호를 이용하여 사용자 인증을 효과적으로 수행할 수 있다.According to an embodiment, user authentication can be effectively performed using a user's biosignal in a blockchain network.

도 1은 일 실시 예에 따른 전자 장치가 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 전자 장치가 블록 체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법의 흐름도이다.
도 3은 또 다른 실시 예에 따른 전자 장치가 블록 체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법의 흐름도이다.
도 4는 일 실시 예에 따른 전자 장치가 인공 지능 기반 생체 신호의 인증을 관리하는 과정을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 전자 장치가 노드, 피어 및 오더러를 포함하는 허가형 블록체인 네트워크에서 데이터를 송수신하는 과정을 설명하기 위한 도면이다.
도 6은 일 실시 예에 따른 전자 장치가 이용하는 인공 지능 모델의 동작을 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 전자 장치의 블록도이다.1 is a diagram schematically illustrating a process in which an electronic device manages authentication of an artificial intelligence-based biosignal in a blockchain network according to an embodiment.
2 is a flowchart of a method for an electronic device to manage biosignal authentication based on artificial intelligence in a blockchain network according to an embodiment.
3 is a flowchart of a method for an electronic device to manage biosignal authentication based on artificial intelligence in a blockchain network according to another embodiment.
4 is a diagram for explaining a process of managing authentication of an artificial intelligence-based biosignal by an electronic device according to an embodiment.
5 is a diagram for explaining a process in which an electronic device transmits and receives data in a permissioned blockchain network including nodes, peers, and orderers according to an embodiment.
6 is a diagram for explaining an operation of an artificial intelligence model used by an electronic device according to an embodiment.
7 is a block diagram of an electronic device according to an exemplary embodiment.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다. Terms used in this specification will be briefly described, and the present disclosure will be described in detail.

본 개시에서 사용되는 용어는 본 개시에서의 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 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다. The terms used in the present disclosure have been selected from general terms that are currently widely used as much as possible while considering the functions in the present disclosure, but they may vary according to the intention or precedent of a person skilled in the art, the emergence of new technologies, and the like. In addition, in a specific case, there is also a term arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the invention. Therefore, terms used in the present disclosure should be defined based on the meaning of the term and the general content of the present disclosure, not simply the name of the term.

여기에 설명되고 예시되는 각 실시예는 그것의 상보적인 실시예도 포함한다. 본 명세서에서 '및/또는' 이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 명세서 전체에 걸쳐서 동일한 참조번호로 표시된 부분들은 동일한 구성요소들을 나타낸다.Each embodiment described and illustrated herein also includes its complementary embodiments. In this specification, the expression 'and/or' is used to mean including at least one of the elements listed before and after. Parts designated with like reference numerals throughout the specification indicate like elements.

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.When it is said that a certain part "includes" a certain component throughout the specification, it means that it may further include other components without excluding other components unless otherwise stated. In addition, terms such as "...unit" and "module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software or a combination of hardware and software. .

아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, with reference to the accompanying drawings, embodiments of the present disclosure will be described in detail so that those skilled in the art can easily carry out the present disclosure. However, the present disclosure may be embodied in many different forms and is not limited to the embodiments described herein. And in order to clearly describe the present disclosure in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

도 1은 일 실시 예에 따른 전자 장치가 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 과정을 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating a process in which an electronic device manages authentication of an artificial intelligence-based biosignal in a blockchain network according to an embodiment.

일 실시 예에 의하면, 전자 장치(1000)는 허가형 블록체인(Hyperledger Fabric) 네트워크의 참여자로써, 사용자의 생체 신호(102)를 획득하고, 획득된 생체 신호를 기반으로 신원 등록 인증서(132)를 생성할 수 있다. 또한, 전자 장치(1000)는 사용자로부터 새로 획득되는 생체 신호(102) 및 신원 등록 인증서(132)에 기초하여 허가형 블록체인 네트워크에서 생체 신호 기반 인증 서비스를 제공할 수 있다.According to an embodiment, the electronic device 1000, as a participant in a permissioned blockchain (Hyperledger Fabric) network, acquires a user's biosignal 102 and generates an identity registration certificate 132 based on the acquired biosignal. can create In addition, the electronic device 1000 may provide a biosignal-based authentication service in a permissioned blockchain network based on the biosignal 102 and the identity registration certificate 132 newly obtained from the user.

예를 들어, 전자 장치(1000)는 인공 지능 모델(120)을 이용하여 사용자의 생체 신호를 학습함으로써 생체 신호들에 대한 신원 등록 인증서들을 생성할 수 있다. 일 실시 예에 의하면, 인공 지능 모델(120)은 제1 인공 지능 모델(122) 및 제2 인공 지능 모델(124)을 포함할 수 있다. 일 실시 예에 의하면, 제1 인공 지능 모델(122)은 사용자의 생체 신호를 기반으로 신원 등록 인증서를 출력하도록 학습된 모델이고, 제2 인공 지능 모델은 생체 신호가 입력되면 기 생성된 신원 등록 인증서와의 비교 결과에 기초하여 사용자의 생체 신호 인증 결과(134)를 출력하는 인공지능 모델일 수 있다.For example, the electronic device 1000 may generate identity registration certificates for the bio-signals of the user by learning the user's bio-signals using the artificial intelligence model 120 . According to an embodiment, the artificial intelligence model 120 may include a first artificial intelligence model 122 and a second artificial intelligence model 124 . According to an embodiment, the first artificial intelligence model 122 is a model learned to output an identity registration certificate based on a user's bio-signal, and the second artificial intelligence model is a pre-generated identity registration certificate when a bio-signal is input. It may be an artificial intelligence model that outputs the user's bio-signal authentication result 134 based on the comparison result with .

본 개시에 따른 전자 장치(1000)는 복수의 인공 지능 모델을 이용하여 사용자의 생체 신호 데이터를 학습함으로써 생체 신호 기반 신원 등록 인증서(132)를 생성할 수 있고, 생성된 신원 등록 인증서를 기반으로, 새로 생체 신호가 획득되면, 인공지능 모델을 이용하여 기 생성된 신원 등록 인증서와 새로 획득된 생체 신호를 비교함으로써 생성되는 인증 결과(134)에 기초하여, 생체 신호 기반 MSP(Membership Service Provider)를 제공할 수 있다.The electronic device 1000 according to the present disclosure may generate the biosignal-based identity registration certificate 132 by learning the user's biosignal data using a plurality of artificial intelligence models, and based on the generated identity registration certificate, When a new biosignal is acquired, based on the authentication result 134 generated by comparing the previously generated identity registration certificate with the newly acquired biosignal using an artificial intelligence model, a biosignal-based MSP (Membership Service Provider) is provided. can do.

일 실시 예에 의하면, 전자 장치(1000)가 획득하는 생체 신호는 심전도 신호 또는 PPG 신호 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 전자 장치(1000)는 적어도 하나의 센서를 포함하고, 센서를 이용하여 사용자의 생체 신호를 직접 획득할 수도 있다. 그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 생체 신호를 측정하기 위한 센서를 포함하는 다른 전자 장치(예컨대 웨어러블 디바이스)와 연결되고, 상기 다른 전자 장치로부터 생체 신호들을 획득할 수도 있다.According to an embodiment, the biosignal obtained by the electronic device 1000 may include at least one of an electrocardiogram signal and a PPG signal, but is not limited thereto. The electronic device 1000 may include at least one sensor, and may directly obtain a user's bio-signal using the sensor. However, according to another embodiment, the electronic device 1000 may be connected to another electronic device (eg, a wearable device) including a sensor for measuring a biosignal, and obtain biosignals from the other electronic device.

또한, 일 실시 예에 의하면, 전자 장치(1000)는 서버(2000)와 연동함으로써 인공 지능 기반 생체 신호의 인증 관리 방법을 수행할 수도 있다. 일 실시 예에 의하면, 서버(2000)는 네트워크를 통하여 전자 장치(1000)와 연결됨으로써, 전자 장치와 데이터를 송수신할 수 있는 기타 컴퓨팅 장치를 포함할 수 있다. 또한, 일 실시 예에 의하면, 서버 장치(2000)는 웨어러블 디바이스를 관리하기 위한 W-BMS(Wearable Business Management Server)일 수 있다. Also, according to an embodiment, the electronic device 1000 may perform an artificial intelligence-based bio-signal authentication management method by interworking with the server 2000 . According to an embodiment, the server 2000 may include other computing devices capable of transmitting and receiving data with the electronic device 1000 by being connected to the electronic device 1000 through a network. Also, according to an embodiment, the server apparatus 2000 may be a wearable business management server (W-BMS) for managing wearable devices.

일 실시 예에 의하면, 서버(2000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하고, 도 1에 도시된 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다.According to an embodiment, the server 2000 may include a Local Area Network (LAN), a Wide Area Network (WAN), a Value Added Network (VAN), a mobile radio communication network, It is a data communication network in a comprehensive sense that includes a satellite communication network and their mutual combinations, and enables each network component shown in FIG. 1 to communicate smoothly with each other, and includes wired Internet, wireless Internet, and mobile wireless communication network. can

일 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 지능 모델(120)는 복수의 딥러닝 모델들(124)을 포함할 수 있으나, 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 지능 모델(120)은 적어도 하나의 신경망 모델 또는 완전 연결형 다중퍼셉트론(Fully-connected multilayer perceptron, MLP)을 포함할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 지능 모델은 CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks)를 더 포함할 수도 있다.According to one embodiment, the artificial intelligence model 120 used by the electronic device 1000 may include a plurality of deep learning models 124, but is not limited thereto. According to an embodiment, the artificial intelligence model 120 used by the electronic device 1000 may include at least one neural network model or a fully-connected multilayer perceptron (MLP). Also, according to an embodiment, the artificial intelligence model used by the electronic device 1000 is a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Restricted Boltzmann Machine (RBM), and a Deep Neural Network (DBN). Belief Network), Bidirectional Recurrent Deep Neural Network (BRDNN), or Deep Q-Networks.

도 2는 일 실시 예에 따른 전자 장치가 블록 체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법의 흐름도이다.2 is a flowchart of a method for an electronic device to manage biosignal authentication based on artificial intelligence in a blockchain network according to an embodiment.

S210에서, 전자 장치(1000)는 인증 대상이 되는 사용자의 제1 생체 신호를 획득할 수 있다. 일 실시 예에 의하면 제1 생체 신호는 ECG 신호 또는 PPG 신호 중 적어도 하나를 포함할 수 있다. 전자 장치(1000)는 전자 장치(1000)와 연결된 외부 디바이스(예컨대 웨어러블 디바이스)로부터 ECG 신호 또는 PPG 신호 중 적어도 하나를 포함하는 제1 생체 신호를 획득할 수도 있다.In S210, the electronic device 1000 may acquire a first bio-signal of a user to be authenticated. According to an embodiment, the first physiological signal may include at least one of an ECG signal and a PPG signal. The electronic device 1000 may obtain a first biosignal including at least one of an ECG signal and a PPG signal from an external device (eg, a wearable device) connected to the electronic device 1000 .

S220에서, 전자 장치(1000)는 제1 생체 신호를 전자 장치와 연결된 서버로 전송할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 서버(2000)로 제1 생체 신호를 전송함으로써 서버에 의해 수행되는 MSP 서비스에 의한 인증 동작을 수행하도록 할 수 있다. 보다 상세하게는, 전자 장치(1000)는 전자 장치 내 메모리에 디앱(DApp) 또는 웹기반 애플리케이션을 미리 저장해둘 수 있다. In S220, the electronic device 1000 may transmit the first bio-signal to a server connected to the electronic device. According to an embodiment, the electronic device 1000 transmits the first bio-signal to the server 2000 to perform an authentication operation by the MSP service performed by the server. More specifically, the electronic device 1000 may store DApps or web-based applications in the memory of the electronic device in advance.

전자 장치(1000)는 전자 장치에 대한 사용자 입력에 기초하여, 전자 장치에 미리 저장된 디앱 또는 웹기반 애플리케이션을 실행할 수 있다. 전자 장치(1000)는 디앱 또는 웹기반 애플리케이션을 실행함에 따라 제공되는 사용자 인터페이스에 대한 사용자 입력에 기초하여 상기 획득된 제1 생체 신호를 서버(2000)로 전송할 수 있다.The electronic device 1000 may execute a DApp or web-based application previously stored in the electronic device based on a user input to the electronic device. The electronic device 1000 may transmit the obtained first bio-signal to the server 2000 based on a user input for a user interface provided as the DApp or web-based application is executed.

S230에서, 전자 장치(1000)는 제1 생체 신호가 입력됨에 따라 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 제1 신원 등록 인증서를, 서버로부터 획득할 수 있다. 예를 들어, 서버(2000)는 제1 인공 지능 모델을 이용하여 사용자들이 생체 신호에 기초하여 복수의 신원 등록 인증서를 생성할 수 있다. 서버(2000)가 이용하는 제1 인공 지능 모델은 생체 신호 데이터를 기반으로, 신원 등록 인증서(예컨대 ECG-EC)를 생성하도록 학습되는 신경망 모델일 수 있다.In S230, the electronic device 1000 obtains, from the server, a first identity registration certificate obtained from a first artificial intelligence model that outputs a first identity registration certificate for the first biosignal as the first biosignal is input. can For example, the server 2000 may generate a plurality of identity registration certificates based on bio signals of users using the first artificial intelligence model. The first artificial intelligence model used by the server 2000 may be a neural network model trained to generate an identity registration certificate (eg, ECG-EC) based on biosignal data.

일 실시 예에 의하면, 제1 인공 지능 모델은 생체 신호의 특징 추출을 위한 합성곱 신경망(Convolutional neural network, CNN), 생체 신호의 시간적 특징 추출을 위한 회귀 신경망(Recurrent neural network, RNN) 중 적어도 하나를 포함할 수 있다. 그러나 또 다른 실시 예에 의하면, 제1 인공 지능 모델은 합성곱 신경망, 회귀 신경망 또는 완전연결형 다중퍼셉트론(Fully-Connected multilayer perceptron, MLP) 모델 중 적어도 하나를 포함할 수도 있다.According to an embodiment, the first artificial intelligence model is at least one of a convolutional neural network (CNN) for extracting features of biosignals and a recurrent neural network (RNN) for extracting temporal features of biosignals. can include However, according to another embodiment, the first artificial intelligence model may include at least one of a convolutional neural network, a regression neural network, and a fully-connected multilayer perceptron (MLP) model.

일 실시 예에 의하면, 제1 인공 지능 모델은 합성곱 신경망, 순환신경망 및 완전 연결형 다중퍼셉트론을 포함하고, 제1 신원 등록 인증서는, 제1 생체 신호가 입력됨에 따라 합성곱 신경망에 의해 추출되는 제1 특징 정보, 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 순환 신경망에 의해 추출되는 제1 시간 정보에 기초하여, 완전 연결형 다중퍼셉트론의 분류 결과에 의해 생성될 수 있다. 일 실시 예에 의하면, 특징 정보는 개인을 고유하게 식별할 수 있는 심전도 신호의 PQRS 구간의 간격 또는 높이 정보를 포함할 수 있다.According to an embodiment, the first artificial intelligence model includes a convolutional neural network, a recurrent neural network, and a fully connected multiperceptron, and the first identity registration certificate is extracted by the convolutional neural network as the first biosignal is input. It can be generated by a classification result of a fully connected multiperceptron based on 1 feature information and first time information extracted by the recurrent neural network as the first bio-signal is input to the first artificial intelligence model. According to an embodiment, the characteristic information may include interval or height information of a PQRS section of an electrocardiogram signal capable of uniquely identifying an individual.

보다 상세하게는, 서버(2000)는 사용자들의 생체 신호에 기초하여 복수의 신원 등록 인증서들을 제공하는 제1 인공 지능 모델을 미리 학습시킬 수 있고, 학습된 제1 인공 지능 모델을 미리 저장할 수 있다. 서버(2000)는 제1 인공 지능 모델에 의해 생성된 신원 등록 인증서에 대한 정보를 전자 장치(1000)로 전송할 수 있다.More specifically, the server 2000 may pre-learn a first artificial intelligence model that provides a plurality of identity registration certificates based on bio-signals of users, and may store the learned first artificial intelligence model in advance. The server 2000 may transmit information about the identity registration certificate generated by the first artificial intelligence model to the electronic device 1000 .

S240에서, 전자 장치(1000)는 서버로부터 획득된 제1 신원 등록 인증서를 출력할 수 있다.In S240, the electronic device 1000 may output the first identity registration certificate obtained from the server.

도 3은 또 다른 실시 예에 따른 전자 장치가 블록 체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법의 흐름도이다.3 is a flowchart of a method for an electronic device to manage biosignal authentication based on artificial intelligence in a blockchain network according to another embodiment.

S310에서, 전자 장치(1000)는 인증 대상이 되는 사용자의 제2 생체 신호를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 전자 장치와 연결된 웨어러블 디바이스로부터 제2 생체 신호를 획득할 수 있다. 그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 전자 장치 내 적어도 하나의 센서를 이용하여 직접 사용자의 생체 신호를 획득할 수도 있다.In S310, the electronic device 1000 may acquire a second bio-signal of a user to be authenticated. For example, the electronic device 1000 may obtain the second biosignal from a wearable device connected to the electronic device. However, according to another embodiment, the electronic device 1000 may directly obtain the user's bio-signal using at least one sensor in the electronic device.

S320에서, 전자 장치(1000)는 생체 신호를 서버로 전송할 수 있다. 예를 들어, 전자 장치(1000)는 전자 장치 내 메모리에 미리 저장된 디앱(DApp) 또는 웹기반 애플리케이션을 실행하고, 디앱 또는 웹 기반 애플리케이션을 실행함으로써 제공되는 사용자 인터페이스에 대한 사용자 입력에 기초하여 상기 획득된 제2 생체 신호를 서버(2000)로 전송할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 전자 장치 내 미리 저장된 애플리케이션을 실행함으로써 웨어러블 디바이스 또는 센서를 통하여 획득되는 생체 신호를 적재 또는 전처리할 수도 있다.In S320, the electronic device 1000 may transmit the biosignal to the server. For example, the electronic device 1000 executes a DApp or web-based application previously stored in a memory in the electronic device, and based on a user input for a user interface provided by executing the DApp or web-based application, the acquisition is performed. The second physiological signal may be transmitted to the server 2000. Also, according to an embodiment, the electronic device 1000 may load or pre-process biosignals acquired through a wearable device or a sensor by executing an application stored in advance in the electronic device.

S330에서, 전자 장치(1000)는 제2 생체 신호가 입력됨에 따라 제1 신원 등록 인증서와 상기 제2 생체 신호의 매칭 여부에 관한 인증 결과 정보를 출력하는 제2 인공 지능 모델로부터 획득되는, 인증 결과 정보를 서버로부터 획득할 수 있다. 예를 들어, 서버(2000)는 제2 인공 지능 모델을 이용하여 새로 획득되는 생체 신호의 인증을 수행할 수 있다. 서버(2000)가 이용하는 제2 인공 지능 모델은 생성적 적대 신경망(Generative Adversarial Network, GAN)일 수 있다. 제2 인공 지능 모델은 제2 생체 신호가 입력되면, 제2 생체 신호로부터 제2 특징 정보를 추출하고, 추출된 제2 특징 정보 및 제1 인공 지능 모델로부터 생성된 신원 등록 인증서들 중 적어도 하나의 특징 정보를 비교 판별함으로써, 새로 획득된 생체 신호의 특징 정보에 매칭되는 특징 정보를 포함하는 인증서가 있는지 여부를 인증 결과로 출력할 수 있다.In S330, the electronic device 1000, as the second biosignal is input, the authentication result obtained from the second artificial intelligence model that outputs authentication result information on whether the first identity registration certificate and the second biosignal match. Information can be obtained from the server. For example, the server 2000 may perform authentication of a newly acquired biosignal using the second artificial intelligence model. The second artificial intelligence model used by the server 2000 may be a generative adversarial network (GAN). When the second bio-signal is input, the second artificial intelligence model extracts second feature information from the second bio-signal, and extracts at least one of the extracted second feature information and identity registration certificates generated from the first artificial intelligence model. By comparing and determining the feature information, it is possible to output as an authentication result whether or not there is a certificate including feature information matching the feature information of the newly acquired biosignal.

S340에서, 전자 장치(1000)는 서버(2000)로부터 획득된 인증 결과를 출력할 수 있다. 예를 들어, 전자 장치(1000)는 서버(2000)에 의해 제2 생체 신호에 따른 인증 결과 정보를 획득하고, 획득된 인증 결과에 기초하여 MSP 서비스에 의한 접근 권한을 획득할 수 있다.In S340, the electronic device 1000 may output an authentication result obtained from the server 2000. For example, the electronic device 1000 may obtain authentication result information according to the second bio-signal from the server 2000 and acquire access authority through the MSP service based on the obtained authentication result.

도 4는 일 실시 예에 따른 전자 장치가 인공 지능 기반 생체 신호의 인증을 관리하는 과정을 설명하기 위한 도면이다.4 is a diagram for explaining a process of managing bio-signal authentication based on artificial intelligence by an electronic device according to an embodiment.

일 실시 예에 의하면 본 개시에 따른 전자 장치(1000)는 생체 신호를 획득할 수 있는 데스크탑(408) 또는 사용자가 휴대하는 사용자 단말(404) 형태로 마련될 수 있다. 예를 들어, 전자 장치(1000)는 웨어러블 디바이스(402) 또는 기타 생체 신호 측정 장치(406)와 연결됨으로써 생체 신호를 획득하고, 획득된 생체 신호를 블록체인 네트워크(432)를 구성하는 서버(2000)내 인증서 발급부(410)로 전송할 수 있다. 보다 상세하게는, 전자 장치(1000)는 전자 장치(1000)에 미리 설치되는 블록체인 DApp(430)을 실행함으로써 제공되는 사용자 인터페이스에 대한 사용자 입력에 기초하여, 획득된 생체 신호들을 서버(2000)로 전송할 수 있다. According to an embodiment, the electronic device 1000 according to the present disclosure may be provided in the form of a desktop 408 capable of obtaining bio-signals or a user terminal 404 carried by a user. For example, the electronic device 1000 acquires a biosignal by being connected to a wearable device 402 or other biosignal measuring device 406, and uses the acquired biosignal as a server 2000 constituting the blockchain network 432. ) can be transmitted to the certificate issuing unit 410. More specifically, the electronic device 1000 sends the obtained bio-signals to the server 2000 based on a user input for a user interface provided by executing the blockchain DApp 430 pre-installed in the electronic device 1000. can be sent to

본 개시에 따른 서버(2000)는 서버 내 데이터 베이스에 저장된 멤버쉽 서비스 프로바이더에 대한 인스트럭션을 실행함으로써, 블록체인 참여자들의 접근 권한을 관리한다. 보다 상세하게는, 서버(2000)의 프로세서는, 데이터 베이스에 미리 저장된, 하이퍼레저 패브릭의 멤버쉽 서비스 프로바이더(MSP)(420)를 제공하기 위한 인스트럭션을 수행함으로써, 생체 신호를 기반으로 생성되는 신원등록 인증서를 블록체인 네트워크 참여를 위한 권한을 관리할 수 있다.The server 2000 according to the present disclosure manages access rights of blockchain participants by executing instructions for membership service providers stored in a database in the server. More specifically, the processor of the server 2000 performs an instruction to provide the membership service provider (MSP) 420 of the Hyperledger Fabric, pre-stored in the database, to identify the identity generated based on the biosignal. The registration certificate can manage the authority to participate in the blockchain network.

예를 들어, 도 4에 도시된 인증서 발급부(410)는 서버(2000)내 프로세서에 의해 수행되고, 데이터 베이스에 미리 저장된 인증서 발급 서비스를 수행하기 위한 인스트럭션들 중 하나일 수 있다. 예를 들어, 서버(2000)는 데이터 베이스에 저장된 인증서 발급부(410)와 관련된 인스트럭션들을 실행함으로써 생체 신호에 대한 신원 등록 인증서들을 생성할 수 있다. For example, the certificate issuing unit 410 shown in FIG. 4 may be one of instructions for performing a certificate issuing service, which is executed by a processor in the server 2000 and stored in a database in advance. For example, the server 2000 may generate identity registration certificates for biosignals by executing instructions related to the certificate issuing unit 410 stored in a database.

또한, 서버(2000)는 멤버쉽 서비스 프로바이더(420)를 수행함으로써, 블록체인 DApp(430)에서 제공되는 서비스를 통해 전자 장치들로부터 획득되는 생체 신호를 획득하고, 인공지능 모델을 이용하여 획득된 생체 신호에 대한 인증을 수행함으로써, 생체 신호를 전송한 전자 장치의 블록체인 네트워크(432)에 대한 접근 권한을 설정하게 된다.In addition, by performing the membership service provider 420, the server 2000 acquires biosignals obtained from electronic devices through the service provided by the blockchain DApp 430, and obtains biosignals obtained using an artificial intelligence model. By performing authentication on the biosignal, access rights to the blockchain network 432 of the electronic device that transmitted the biosignal are set.

도 5는 일 실시 예에 따른 전자 장치가 노드, 피어 및 오더러를 포함하는 허가형 블록체인 네트워크에서 데이터를 송수신하는 과정을 설명하기 위한 도면이다.5 is a diagram for explaining a process in which an electronic device transmits and receives data in a permissioned blockchain network including nodes, peers, and orderers according to an embodiment.

일 실시 예에 따라 전자 장치(1000) 및 서버(2000)를 블록체인 네트워크 참여자로 포함하는 하이퍼레저 패브릭에서 데이터 송수신 과정을 설명하기로 한다. 예를 들어, 전자 장치(1000)는 전자 장치에 미리 저장된 디앱 또는 웹기반 애플리케이션(510)을 실행함으로써, 획득된 생체 신호를 포함하는 트랜잭션 제안(Proposal)(512)을 피어들(520)로 전송할 수 있다. 피어들(520) 각각은 트랜젝션 제안에 포함된 생체 신호를 각 피어들에 할당된 보증 정책(Endorsement policies, 522)에 의해 체크하고, 체크 결과에 기초하여 전자 서명을 트랜젝션 제안에 추가함으로써 다시 전자 장치로 각각 전송할 수 있다.According to an embodiment, a process of transmitting and receiving data in a hyperledger fabric including the electronic device 1000 and the server 2000 as blockchain network participants will be described. For example, the electronic device 1000 transmits a transaction proposal 512 including the acquired biosignal to the peers 520 by executing a DApp or web-based application 510 stored in advance in the electronic device. can Each of the peers 520 checks the biosignal included in the transaction proposal according to the endorsement policies 522 assigned to each peer, and based on the check result, the electronic device adds the electronic signature to the transaction proposal again. can be transmitted separately.

전자 장치(1000)는 피어들(520)들로부터 전자 서명이 추가된 트랜젝션 제안(proposal)을 패키지 형태의 블록 데이터(524)로 생성하고, 생성된 블록 데이터를 오더러(530)로 전송할 수 있다. 오더러(530)는 패키지 형태의 블록 데이터를 기 정의된 합의 알고리즘에 따라 검증(verify)하고, 블록 데이터의 검증이 완료되면, 검증이 완료된 블록 데이터들(542)을 피어들(520)에게 전파할 수 있다. 피어들(520)은 오더러에 의해 전파된 블록 데이터를 각각의 블록체인 네트워크에 추가할 수 있다.The electronic device 1000 may generate a transaction proposal to which an electronic signature is added from peers 520 as block data 524 in a package form, and transmit the generated block data to the orderer 530. . The orderer 530 verifies the packaged block data according to a predefined consensus algorithm, and when the verification of the block data is completed, the verified block data 542 is propagated to the peers 520. can do. Peers 520 may add the block data propagated by the orderer to their respective blockchain networks.

도 6은 일 실시 예에 따른 전자 장치가 이용하는 인공 지능 모델의 동작을 설명하기 위한 도면이다.6 is a diagram for explaining an operation of an artificial intelligence model used by an electronic device according to an embodiment.

일 실시 예에 의하면, 전자 장치(1000)는 생체 신호(610)를 획득하고, 획득된 생체 신호를 서버로 전송할 수 있다. 서버(2000)는 전자 장치(1000)로부터 획득된 생체 신호를 미리 학습된 제1 인공 지능 모델(620)에 입력함으로써 복수의 신원 등록 인증서들(622)을 생성할 수 있다.According to an embodiment, the electronic device 1000 may acquire the bio-signal 610 and transmit the acquired bio-signal to the server. The server 2000 may generate a plurality of identity registration certificates 622 by inputting the biosignal obtained from the electronic device 1000 into the first artificial intelligence model 620 that has been learned in advance.

또한, 전자 장치(1000)는 블록체인 네트워크에 참여하기 위한 접근 권한을 획득하기 위해, 획득된 생체 신호들을 서버(2000)로 전송할 수 있다. 서버(2000)는 생체 신호들을 미리 학습된 제2 인공 지능 모델(630)에 입력할 수 있다. 제2 인공 지능 모델(630)은 새로 획득된 생체 신호로부터 특징 정보를 추출하고, 추출된 특징 정보와 제1 인공 지능 모델에서 획득된 신원 등록 인증서상의 특징 정보를 비교함으로써 동일한 특징 정보가 기 생성된 신원 등록 인증서상에 존재하는지 여부에 관한 인증 결과를 출력할 수 있다.In addition, the electronic device 1000 may transmit the obtained biosignals to the server 2000 in order to acquire access rights for participating in the blockchain network. The server 2000 may input bio-signals to the second artificial intelligence model 630 that has been trained in advance. The second artificial intelligence model 630 extracts feature information from the newly acquired bio-signal and compares the extracted feature information with the feature information on the identity registration certificate obtained from the first artificial intelligence model, so that the same feature information is previously generated. It is possible to output an authentication result regarding whether or not it exists on an identity registration certificate.

본 개시에 따른 전자 장치(1000) 및 서버(2000)는 블록체인 네트워크의 참여자로 제1 인공 지능 모델, 제2 인공 지능 모델, 제1 생체 신호, 제2 생체 신호, 제1 신원 등록 인증서 및 기타 신원 등록 인증서들은 허가형 블록체인 네트워크의 멤버십 서비스 프로바이더(MSP)에 의해 관리될 수 있다.The electronic device 1000 and the server 2000 according to the present disclosure are participants in a blockchain network, and include a first artificial intelligence model, a second artificial intelligence model, a first biosignal, a second biosignal, a first identity registration certificate, and others. Identity registration certificates can be managed by the Membership Service Provider (MSP) of the permissioned blockchain network.

도 7은 일 실시 예에 따른 전자 장치의 블록도이다.7 is a block diagram of an electronic device according to an exemplary embodiment.

일 실시 예에 따른 전자 장치(1000)는 프로세서(1400), 네트워크 인터페이스(1500) 및 메모리(1700)를 포함할 수 있다. 그러나, 도시된 구성 요소가 필수구성요소인 것은 아니고, 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그보다 적은 구성 요소에 의해서도 전자 장치(1000)는 구현될 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)는 프로세서(1400), 네트워크 인터페이스(1500) 및 메모리(1700)외에 디스플레이를 더 포함할 수도 있다.An electronic device 1000 according to an embodiment may include a processor 1400, a network interface 1500, and a memory 1700. However, the illustrated components are not essential components, and the electronic device 1000 may be implemented with more components than the illustrated components, or the electronic device 1000 may be implemented with fewer components. there is. According to an embodiment, the electronic device 1000 may further include a display in addition to the processor 1400, the network interface 1500, and the memory 1700.

프로세서(1400)는, 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 일 실시 예에 의하면, 본 개시에 따른 프로세서(1400)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 6에 기재된 전자 장치(1000)의 기능을 수행할 수 있다. 프로세서(1400)는 메모리에 저장된 인스트럭션을 실행함으로써 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법을 수행할 수 있다.The processor 1400 typically controls overall operations of the electronic device 1000 . According to an embodiment, the processor 1400 according to the present disclosure may perform the functions of the electronic device 1000 described in FIGS. 1 to 6 by executing programs stored in the memory 1700 . The processor 1400 may perform an artificial intelligence-based bio-signal authentication management method in a blockchain network by executing an instruction stored in a memory.

일 실시 예에 의하면, 프로세서(1400)는 메모리(1700)에 저장된 하나 이상의 인스트럭션을 수행함으로써, 인증 대상이 되는 사용자의 제1 생체 신호를 획득하고, 상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하고, 상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하고, 상기 획득된 제1 신원 등록 인증서를 출력할 수 있다.According to an embodiment, the processor 1400 obtains a first biosignal of a user to be authenticated by performing one or more instructions stored in the memory 1700, and transmits the obtained first biosignal to the electronic device. Obtaining the first identity registration certificate obtained from the first artificial intelligence model that transmits to the connected server and outputs the first identity registration certificate for the first bio-signal as the first bio-signal is input, from the server and output the obtained first identity registration certificate.

또한, 프로세서(1400)는 상기 인증 대상이 되는 상기 사용자의 제2 생체 신호를 획득하고, 상기 제2 생체 신호를 상기 서버로 전송하고, 상기 제2 생체 신호가 입력됨에 따라, 상기 제1 신원 등록 인증서와 상기 제2 생체 신호의 매칭 여부에 관한 인증 결과 정보를 출력하는 제2 인공 지능 모델로부터 획득되는 상기 인증 결과 정보를, 상기 서버로부터 획득하고, 상기 획득된 인증 결과 정보를 출력할 수 있다. 또한, 프로세서(1400)는 상기 전자 장치 내 적어도 하나의 센서 또는 상기 전자 장치와 연결된 외부 디바이스로부터 ECG 신호 또는 PPG 신호 중 적어도 하나를 포함하는 제1 생체 신호를 획득할 수 있다. In addition, the processor 1400 obtains a second bio-signal of the user to be authenticated, transmits the second bio-signal to the server, and registers the first identity as the second bio-signal is input. The authentication result information obtained from the second artificial intelligence model outputting authentication result information on whether the certificate and the second bio-signal match may be acquired from the server, and the obtained authentication result information may be output. Also, the processor 1400 may obtain a first biosignal including at least one of an ECG signal and a PPG signal from at least one sensor in the electronic device or an external device connected to the electronic device.

또한, 프로세서(1400)는 상기 전자 장치에 대한 사용자 입력에 기초하여 상기 전자 장치에 미리 저장된 디앱 또는 웹기반 애플리케이션을 실행하고, 상기 디앱 또는 웹기반 애플리케이션을 실행함에 따라 제공되는 사용자 인터페이스에 대한 사용자 입력에 기초하여 상기 획득된 제1 생체 신호를 상기 서버로 전송할 수 있다. 또한, 일 실시 예에 의하면, 프로세서(1400)는 서버(2000)가 인공 지능 모델을 이용하여 복수의 신원 등록 인증서들을 생성하는 동작 또는 기 생성된 복수의 신원 등록 인증서들에 기초하여 생체 신호를 인증하는 과정의 적어도 일부를 대신 수행할 수도 있다. In addition, the processor 1400 executes a DApp or web-based application pre-stored in the electronic device based on a user input to the electronic device, and user input for a user interface provided as the DApp or web-based application is executed. The obtained first bio-signal may be transmitted to the server based on. Also, according to an embodiment, the processor 1400 performs an operation of generating a plurality of identity registration certificates by using an artificial intelligence model by the server 2000 or authenticating a bio signal based on a plurality of previously generated identity registration certificates. At least part of the process may be performed instead.

예를 들어, 프로세서(1400)는 메모리에 저장된 제1 인공 지능 모델에 대한 인스트럭션을 실행함으로써, 복수의 신원 등록 인증서들을 생성할 수 있다. 예를 들어, 제1 인공 지능 모델은 합성곱 신경망, 순환 신경망 및 완전 연결형 다중퍼셉트론을 포함하고, 상기 제1 신원 등록 인증서는, 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 합성곱 신경망에 의해 추출되는 제1 특징 정보 및 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 순환 신경망에 의해 추출되는 제1 시간 정보에 기초하여 상기 완전 연결형 다중퍼셉트론의 분류결과에 의해 생성될 수 있다.For example, the processor 1400 may generate a plurality of identity registration certificates by executing an instruction for a first artificial intelligence model stored in memory. For example, the first artificial intelligence model includes a convolutional neural network, a recurrent neural network, and a fully-connected multiperceptron, and the first identity registration certificate is configured as the first bio-signal is input to the first artificial intelligence model. Classification result of the fully connected multiperceptron based on the first feature information extracted by the convolutional neural network and the first time information extracted by the recurrent neural network as the first biological signal is input to the first artificial intelligence model can be created by

또한, 프로세서(1400)는 메모리에 저장된 제2 인공 지능 모델에 대한 인스트럭션을 실행함으로써, 새로 획득된 생체 신호의 특징 정보와 복수의 신원 등록 인증서들을 비교한 결과에 따른 인증 결과를 획득할 수 있다. 예를 들어, 제2 인공 지능 모델은 상기 제2 생체 신호가 입력되면, 상기 입력된 제2 생체 신호로부터 제2 특징 정보를 추출하고, 상기 추출된 제2 특징 정보 및 상기 제1 인공 지능 모델로부터 생성된 신원 등록 인증서들 중 적어도 하나의 특징 정보의 비교 결과에 기초하여 상기 인증 결과를 출력하는 생성적 적대 신경망 모델일 수 있다.In addition, the processor 1400 may obtain an authentication result according to a result of comparing newly acquired feature information of a bio signal with a plurality of identity registration certificates by executing an instruction for the second artificial intelligence model stored in the memory. For example, when the second bio-signal is input, the second artificial intelligence model extracts second feature information from the input second bio-signal, and extracts second feature information from the extracted second bio-signal and the first artificial intelligence model. It may be a generative adversarial network model that outputs the authentication result based on a comparison result of at least one feature information among generated identity registration certificates.

일 실시 예에 의하면, 프로세서(1400)는 제1 생체 신호 또는 제2 생체 신호가 획득되면 제1 생체 신호 또는 제2 생체 신호를 트랜젝션 제안(Proposal)으로써, 피어 노드로 전송할 수 있다. 프로세서(1400)는 피어노드들이 각 피어들에 미리 할당된 보증 정책에 의해 트랜젝션 제안을 체크한 결과에 따라 전자 서명이 추가된 트랜젝션 제안을 수신할 수 있다. 프로세서(1400)는 전자 서명이 추가된 트랜젝션 제안을 패키지 형태의 블록 데이터를 오더러로 전송할 수 있다.According to an embodiment, when the first bio-signal or the second bio-signal is acquired, the processor 1400 may transmit the first bio-signal or the second bio-signal as a transaction proposal to the peer node. The processor 1400 may receive a transaction proposal to which an electronic signature is added according to a result of peer nodes checking the transaction proposal according to an assurance policy pre-assigned to each peer. The processor 1400 may transmit block data in the form of a package of a transaction proposal to which an electronic signature is added to the orderer.

일 실시 예에 의하면, 네트워크 인터페이스(1500)는 전자 장치와 연결된 외부 디바이스 또는 서버로와의 데이터를 송수신할 수 있다. 일 실시 예에 의하면, 네트워크 인터페이스(1500)는 생체 신호를 서버(2000)로 전송하거나, 서버(2000)로부터 생체 신호에 기반한 인증 결과 정보를 수신할 수도 있다. 또한, 네트워크 인터페이스(1500)는 하이퍼렛저 패브릭에 따른 블록체인 네트워크 서비스와 관련된 데이터들을 서버 또는 전자 장치와 연결된 기타 다른 블록체인 네트워크 참여자와 송수신할 수 있다.According to an embodiment, the network interface 1500 may transmit/receive data to/from an external device or server connected to the electronic device. According to an embodiment, the network interface 1500 may transmit a biosignal to the server 2000 or receive authentication result information based on the biosignal from the server 2000 . In addition, the network interface 1500 may transmit/receive data related to a blockchain network service according to Hyperledger Fabric with other blockchain network participants connected to a server or an electronic device.

메모리(1700)는, 프로세서(1400)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1700)는 딥러닝 모델, 신경망 모델과 같은 인공 지능 학습 알고리즘에 의해 학습될 수 있는 인공 지능 모델에 대한 정보를 저장할 수도 있다. 일 실시 예에 의하면, 메모리(1700)는 신경망 모델의 구성으로써, 신경망을 구성하는 레이어들, 레이어들에 포함된 노드들 및 레이어들의 연결 강도에 관한 가중치들에 대한 정보를 저장할 수 있다.The memory 1700 may store programs for processing and control of the processor 1400 and may store data input to or output from the electronic device 1000 . Also, the memory 1700 may store information about an artificial intelligence model that can be learned by an artificial intelligence learning algorithm such as a deep learning model or a neural network model. According to an embodiment, the memory 1700 is a configuration of a neural network model, and may store information about layers constituting the neural network, nodes included in the layers, and weights related to connection strengths of the layers.

일 실시 예에 의하면, 메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 그러나, 이에 한정되는 것은 아니며, 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법을 수행하는데 필요한 인스트럭션들을 저장하기 위한 기타 저장 매체일 수 있다.According to an embodiment, the memory 1700 is a flash memory type, a hard disk type, a multimedia card micro type, or a card type memory (eg SD or XD memory, etc.), RAM (RAM, Random Access Memory) SRAM (Static Random Access Memory), ROM (ROM, Read-Only Memory), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory) , a magnetic memory, a magnetic disk, and an optical disk may include at least one type of storage medium. However, it is not limited thereto, and may be other storage media for storing instructions necessary to perform a method for managing biosignal authentication based on artificial intelligence in a blockchain network.

일 실시예에 따른 상술한 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The above-described method according to an embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program commands recorded on the medium may be specially designed and configured for the present disclosure, or may be known and usable to those skilled in computer software.

또한, 상기 일 실시 예에 다른 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 장치가 제공될 수 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 이상에서 본 개시의 실시예에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다In addition, a computer program device including a recording medium in which a program for performing a different method according to the above embodiment is stored may be provided. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. - includes hardware devices specially configured to store and execute program instructions, such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, as well as machine language codes such as those produced by a compiler. Although the embodiments of the present disclosure have been described in detail above, the scope of the present disclosure is not limited thereto, and various modifications and improvements of those skilled in the art using the basic concepts of the present disclosure defined in the following claims are also included in the present disclosure. belong to the scope of rights

Claims (20)

전자 장치가 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법에 있어서,
인증 대상이 되는 사용자의 제1 생체 신호를 획득하는 단계;
상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하는 단계;
상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하는 단계; 및
상기 획득된 제1 신원 등록 인증서를 출력하는 단계; 를 포함하는, 방법.A method for an electronic device to manage authentication of artificial intelligence-based biosignals in a blockchain network,
obtaining a first bio-signal of a user to be authenticated;
transmitting the obtained first bio-signal to a server connected to the electronic device;
obtaining, from the server, the first identity registration certificate obtained from a first artificial intelligence model that outputs a first identity registration certificate for the first bio-signal as the first bio-signal is input; and
outputting the obtained first identity registration certificate; Including, method. 제1항에 있어서, 상기 방법은
상기 인증 대상이 되는 상기 사용자의 제2 생체 신호를 획득하는 단계;
상기 제2 생체 신호를 상기 서버로 전송하는 단계;
상기 제2 생체 신호가 입력됨에 따라, 상기 제1 신원 등록 인증서와 상기 제2 생체 신호의 매칭 여부에 관한 인증 결과 정보를 출력하는 제2 인공 지능 모델로부터 획득되는 상기 인증 결과 정보를, 상기 서버로부터 획득하는 단계; 및
상기 획득된 인증 결과 정보를 출력하는 단계; 를 포함하는, 방법The method of claim 1, wherein the method
acquiring a second bio-signal of the user to be authenticated;
transmitting the second bio-signal to the server;
As the second bio-signal is input, the authentication result information obtained from the second artificial intelligence model outputting authentication result information on whether the first identity registration certificate and the second bio-signal match is transmitted from the server. obtaining; and
outputting the obtained authentication result information; Including method 제2항에 있어서, 상기 제1 생체 신호를 획득하는 단계는
상기 전자 장치 내 적어도 하나의 센서 또는 상기 전자 장치와 연결된 외부 디바이스로부터 ECG 신호 또는 PPG 신호 중 적어도 하나를 포함하는 제1 생체 신호를 획득하는 단계; 를 포함하는, 방법.The method of claim 2, wherein acquiring the first bio-signal
obtaining a first biosignal including at least one of an ECG signal and a PPG signal from at least one sensor in the electronic device or an external device connected to the electronic device; Including, method. 제2항에 있어서, 상기 제1 생체 신호를 상기 서버로 전송하는 단계는
상기 전자 장치에 대한 사용자 입력에 기초하여 상기 전자 장치에 미리 저장된 디앱 또는 웹기반 애플리케이션을 실행하는 단계; 및
상기 디앱 또는 웹기반 애플리케이션을 실행함에 따라 제공되는 사용자 인터페이스에 대한 사용자 입력에 기초하여 상기 획득된 제1 생체 신호를 상기 서버로 전송하는 단계; 를 포함하는, 방법.The method of claim 2, wherein transmitting the first bio-signal to the server
Executing a DApp or web-based application pre-stored in the electronic device based on a user input to the electronic device; and
Transmitting the obtained first bio-signal to the server based on a user input for a user interface provided as the DApp or web-based application is executed; Including, method. 제2항에 있어서,
상기 제1 인공 지능 모델은, 합성곱 신경망, 순환 신경망 및 완전 연결형 다중퍼셉트론을 포함하고,
상기 제1 신원 등록 인증서는, 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 합성곱 신경망에 의해 추출되는 제1 특징 정보 및 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 순환 신경망에 의해 추출되는 제1 시간 정보에 기초하여 상기 완전 연결형 다중퍼셉트론의 분류결과에 의해 생성되는 것을 특징으로 하는, 방법.According to claim 2,
The first artificial intelligence model includes a convolutional neural network, a recurrent neural network, and a fully connected multiperceptron,
In the first identity registration certificate, the first characteristic information extracted by the convolutional neural network as the first biosignal is input to the first artificial intelligence model and the first biosignal are converted to the first artificial intelligence model. Characterized in that it is generated by the classification result of the fully connected multiperceptron based on the first time information extracted by the recurrent neural network as input. 제2항에 있어서, 상기 제2 인공 지능 모델은
상기 제2 생체 신호가 입력되면, 상기 입력된 제2 생체 신호로부터 제2 특징 정보를 추출하고, 상기 추출된 제2 특징 정보 및 상기 제1 인공 지능 모델로부터 생성된 신원 등록 인증서들 중 적어도 하나의 특징 정보의 비교 결과에 기초하여 상기 인증 결과를 출력하는 생성적 적대 신경망 모델인 것을 특징으로 하는, 방법.The method of claim 2, wherein the second artificial intelligence model
When the second bio-signal is input, second feature information is extracted from the input second bio-signal, and at least one of the extracted second feature information and identity registration certificates generated from the first artificial intelligence model is selected. characterized in that it is a generative adversarial neural network model that outputs the authentication result based on a comparison result of feature information. 제6항에 있어서,
상기 전자 장치 및 상기 서버는 허가형 블록체인 네트워크의 참여자이고, 상기 제1 인공 지능 모델 및 상기 제2 인공 지능 모델, 상기 제1 생체 신호, 상기 제2 생체 신호, 상기 제1 신원등록 인증서 및 신원 등록 인증서들은 상기 전자 장치 및 상기 서버가 참여하는 허가형 블록체인 네트워크의 멤버십 서비스 프로바이더(Membership Service Provider, MSP)에 의해 관리되는 것을 특징으로 하는, 방법.According to claim 6,
The electronic device and the server are participants in a permissioned blockchain network, and the first artificial intelligence model and the second artificial intelligence model, the first biosignal, the second biosignal, the first identity registration certificate, and the identity Characterized in that the registration certificates are managed by a Membership Service Provider (MSP) of a permissioned blockchain network in which the electronic device and the server participate. 제7항에 있어서,
상기 제1 생체 신호 또는 상기 제2 생체 신호는 상기 블록체인 네트워크에서 상기 전자 장치 내 트랜잭션 제안(Proposal)에 포함되고, 상기 전자 장치는 상기 트랜젝션 제안을 상기 블록체인 네트워크를 구성하는 피어 노드로 전송하는 것을 특징으로 하는, 방법.According to claim 7,
The first biosignal or the second biosignal is included in a transaction proposal in the electronic device in the blockchain network, and the electronic device transmits the transaction proposal to a peer node constituting the blockchain network. Characterized in that, the method. 제8항에 있어서, 상기 피어 노드들은
상기 트랜젝션 제안에 포함된 생체 신호를 각 피어들에 할당된 보증 정책(Endorsement policies)에 의해 체크하고, 체크 결과에 기초하여 전자 서명을 상기 트랜젝션 제안에 추가함으로써 다시 전자 장치로 전송하는 것을 특징으로 하는, 방법.9. The method of claim 8, wherein the peer nodes are
Characterized in that the biosignal included in the transaction proposal is checked by Endorsement policies assigned to each peer, and based on the check result, an electronic signature is added to the transaction proposal and transmitted back to the electronic device. , method. 제9항에 있어서,
상기 전자 장치는, 상기 피어 노드들로부터 획득되는 상기 전자 서명이 추가된 트랜젝션 제안을 패키지 형태의 블록 데이터로 생성하고, 상기 생성된 블록 데이터를 상기 블록체인 네트워크의 오더러로 전송하며,
상기 오더러는 상기 블록 데이터를 기 정의된 합의 알고리즘에 따라 검증(Verify)하고, 상기 블록 데이터의 검증이 완료되면 상기 검증이 완료된 블록 데이터를 상기 피어들에게 전파하고,
상기 피어들은 상기 오더러에 의해 전파된 블록 데이터를 각자의 블록체인 네트워크에 추가하는 것을 특징으로 하는, 방법.According to claim 9,
The electronic device generates block data in the form of a package of a transaction proposal with the electronic signature obtained from the peer nodes, transmits the generated block data to an orderer of the blockchain network,
The orderer verifies the block data according to a predefined consensus algorithm, and when the verification of the block data is completed, propagates the verified block data to the peers;
Characterized in that the peers add the block data propagated by the orderer to their respective blockchain networks. 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법에 있어서,
네트워크 인터페이스;
하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,
상기 적어도 하나의 프로세서는
인증 대상이 되는 사용자의 제1 생체 신호를 획득하고,
상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하고,
상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하고,
상기 획득된 제1 신원 등록 인증서를 출력하는, 전자 장치.A method for managing authentication of artificial intelligence-based biosignals in a blockchain network,
network interface;
a memory that stores one or more instructions; and
at least one processor to execute the one or more instructions; including,
the at least one processor
Obtaining a first bio-signal of a user to be authenticated;
Transmitting the obtained first bio-signal to a server connected to the electronic device;
Obtaining the first identity registration certificate obtained from a first artificial intelligence model that outputs a first identity registration certificate for the first bio-signal as the first bio-signal is input, from the server;
The electronic device that outputs the obtained first identity registration certificate. 제11항에 있어서, 상기 적어도 하나의 프로세서는
상기 인증 대상이 되는 상기 사용자의 제2 생체 신호를 획득하고,
상기 제2 생체 신호를 상기 서버로 전송하고,
상기 제2 생체 신호가 입력됨에 따라, 상기 제1 신원 등록 인증서와 상기 제2 생체 신호의 매칭 여부에 관한 인증 결과 정보를 출력하는 제2 인공 지능 모델로부터 획득되는 상기 인증 결과 정보를, 상기 서버로부터 획득하고,
상기 획득된 인증 결과 정보를 출력하는, 전자 장치.12. The method of claim 11, wherein the at least one processor
Obtaining a second bio-signal of the user to be authenticated;
Transmitting the second bio-signal to the server;
As the second bio-signal is input, the authentication result information obtained from the second artificial intelligence model outputting authentication result information on whether the first identity registration certificate and the second bio-signal match is transmitted from the server. acquire,
An electronic device that outputs the obtained authentication result information. 제12항에 있어서, 상기 적어도 하나의 프로세서는
상기 전자 장치 내 적어도 하나의 센서 또는 상기 전자 장치와 연결된 외부 디바이스로부터 ECG 신호 또는 PPG 신호 중 적어도 하나를 포함하는 제1 생체 신호를 획득하는, 전자 장치.13. The method of claim 12, wherein the at least one processor
Acquiring a first biosignal including at least one of an ECG signal and a PPG signal from at least one sensor in the electronic device or an external device connected to the electronic device. 제12항에 있어서, 상기 적어도 하나의 프로세서는
상기 전자 장치에 대한 사용자 입력에 기초하여 상기 전자 장치에 미리 저장된 디앱 또는 웹기반 애플리케이션을 실행하고,
상기 디앱 또는 웹기반 애플리케이션을 실행함에 따라 제공되는 사용자 인터페이스에 대한 사용자 입력에 기초하여 상기 획득된 제1 생체 신호를 상기 서버로 전송하는, 전자 장치.13. The method of claim 12, wherein the at least one processor
Execute a DApp or web-based application pre-stored in the electronic device based on a user input to the electronic device;
An electronic device that transmits the obtained first biosignal to the server based on a user input for a user interface provided as the DApp or web-based application is executed. 제12항에 있어서,
상기 제1 인공 지능 모델은, 합성곱 신경망, 순환 신경망 및 완전 연결형 다중퍼셉트론을 포함하고,
상기 제1 신원 등록 인증서는, 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 합성곱 신경망에 의해 추출되는 제1 특징 정보 및 상기 제1 생체 신호가 상기 제1 인공 지능 모델에 입력됨에 따라 상기 순환 신경망에 의해 추출되는 제1 시간 정보에 기초하여 상기 완전 연결형 다중퍼셉트론의 분류결과에 의해 생성되는 것을 특징으로 하는, 전자 장치.According to claim 12,
The first artificial intelligence model includes a convolutional neural network, a recurrent neural network, and a fully connected multiperceptron,
In the first identity registration certificate, the first characteristic information extracted by the convolutional neural network as the first biosignal is input to the first artificial intelligence model and the first biosignal are converted to the first artificial intelligence model. An electronic device characterized in that it is generated by a classification result of the fully connected multiperceptron based on the first time information extracted by the recurrent neural network as input. 제12항에 있어서, 상기 제2 인공 지능 모델은
상기 제2 생체 신호가 입력되면, 상기 입력된 제2 생체 신호로부터 제2 특징 정보를 추출하고, 상기 추출된 제2 특징 정보 및 상기 제1 인공 지능 모델로부터 생성된 신원 등록 인증서들 중 적어도 하나의 특징 정보의 비교 결과에 기초하여 상기 인증 결과를 출력하는 생성적 적대 신경망 모델인 것을 특징으로 하는, 전자 장치.The method of claim 12, wherein the second artificial intelligence model
When the second bio-signal is input, second feature information is extracted from the input second bio-signal, and at least one of the extracted second feature information and identity registration certificates generated from the first artificial intelligence model is selected. An electronic device characterized in that it is a generative adversarial neural network model that outputs the authentication result based on a comparison result of feature information. 제16항에 있어서,
상기 전자 장치 및 상기 서버는 허가형 블록체인 네트워크의 참여자이고, 상기 제1 인공 지능 모델 및 상기 제2 인공 지능 모델, 상기 제1 생체 신호, 상기 제2 생체 신호, 상기 제1 신원등록 인증서 및 신원 등록 인증서들은 상기 전자 장치 및 상기 서버가 참여하는 허가형 블록체인 네트워크의 멤버십 서비스 프로바이더(Membership Service Provider, MSP)에 의해 관리되는 것을 특징으로 하는, 전자 장치.According to claim 16,
The electronic device and the server are participants in a permissioned blockchain network, and the first artificial intelligence model and the second artificial intelligence model, the first biosignal, the second biosignal, the first identity registration certificate, and the identity The electronic device, characterized in that registration certificates are managed by a Membership Service Provider (MSP) of a permissioned blockchain network in which the electronic device and the server participate. 제17항에 있어서,
상기 제1 생체 신호 또는 상기 제2 생체 신호는 상기 블록체인 네트워크에서 상기 전자 장치 내 트랜잭션 제안(Proposal)에 포함되고, 상기 전자 장치는 상기 트랜젝션 제안을 상기 블록체인 네트워크를 구성하는 피어 노드로 전송하는 것을 특징으로 하는, 전자 장치.According to claim 17,
The first biosignal or the second biosignal is included in a transaction proposal in the electronic device in the blockchain network, and the electronic device transmits the transaction proposal to a peer node constituting the blockchain network. Characterized in that, the electronic device. 제18항에 있어서, 상기 피어 노드들은
상기 트랜젝션 제안에 포함된 생체 신호를 각 피어들에 할당된 보증 정책(Endorsement policies)에 의해 체크하고, 체크 결과에 기초하여 전자 서명을 상기 트랜젝션 제안에 추가함으로써 다시 전자 장치로 전송하는 것을 특징으로 하는, 전자 장치.19. The method of claim 18, wherein the peer nodes are
Characterized in that the biosignal included in the transaction proposal is checked by Endorsement policies assigned to each peer, and based on the check result, an electronic signature is added to the transaction proposal and transmitted back to the electronic device. , electronic devices. 전자 장치가 블록체인 네트워크에서 인공 지능 기반 생체 신호의 인증을 관리하는 방법에 있어서,
인증 대상이 되는 사용자의 제1 생체 신호를 획득하는 단계;
상기 획득된 제1 생체 신호를 상기 전자 장치와 연결된 서버로 전송하는 단계;
상기 제1 생체 신호가 입력됨에 따라 상기 제1 생체 신호에 대한 제1 신원 등록 인증서를 출력하는 제1 인공 지능 모델로부터 획득되는 상기 제1 신원 등록 인증서를, 상기 서버로부터 획득하는 단계; 및
상기 획득된 제1 신원 등록 인증서를 출력하는 단계; 를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.A method for an electronic device to manage authentication of artificial intelligence-based biosignals in a blockchain network,
obtaining a first bio-signal of a user to be authenticated;
transmitting the obtained first bio-signal to a server connected to the electronic device;
obtaining, from the server, the first identity registration certificate obtained from a first artificial intelligence model that outputs a first identity registration certificate for the first bio-signal as the first bio-signal is input; and
outputting the obtained first identity registration certificate; A computer-readable recording medium recording a program for executing a method on a computer, including a.
KR1020210105974A 2021-07-23 2021-08-11 Method and appratus for managing authentication of biosignal based on artificial intelligence in blockchain network KR102578052B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210097347 2021-07-23
KR20210097347 2021-07-23

Publications (2)

Publication Number Publication Date
KR20230015817A true KR20230015817A (en) 2023-01-31
KR102578052B1 KR102578052B1 (en) 2023-09-14

Family

ID=85109134

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210105974A KR102578052B1 (en) 2021-07-23 2021-08-11 Method and appratus for managing authentication of biosignal based on artificial intelligence in blockchain network

Country Status (1)

Country Link
KR (1) KR102578052B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102022510B1 (en) * 2018-11-30 2019-09-18 가천대학교 산학협력단 Method and apparatus for personal authentication using electrocardiogram signals
KR20200004666A (en) * 2018-07-04 2020-01-14 주식회사 링크트리 Biometric information authentication system using machine learning and block chain and its method
KR102139548B1 (en) * 2020-04-16 2020-07-30 주식회사 한국정보보호경영연구소 System and method for decentralized identifier based on face recognition
KR102171746B1 (en) 2018-11-26 2020-10-29 주식회사 시큐센 Bio Electronic Signature Using Block-chain Method and Device Thereof
KR20210057401A (en) * 2019-11-12 2021-05-21 한국전자통신연구원 Apparatus and method for authenticating user based on multiple biometric infomation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200004666A (en) * 2018-07-04 2020-01-14 주식회사 링크트리 Biometric information authentication system using machine learning and block chain and its method
KR102171746B1 (en) 2018-11-26 2020-10-29 주식회사 시큐센 Bio Electronic Signature Using Block-chain Method and Device Thereof
KR102022510B1 (en) * 2018-11-30 2019-09-18 가천대학교 산학협력단 Method and apparatus for personal authentication using electrocardiogram signals
KR20210057401A (en) * 2019-11-12 2021-05-21 한국전자통신연구원 Apparatus and method for authenticating user based on multiple biometric infomation
KR102139548B1 (en) * 2020-04-16 2020-07-30 주식회사 한국정보보호경영연구소 System and method for decentralized identifier based on face recognition

Also Published As

Publication number Publication date
KR102578052B1 (en) 2023-09-14

Similar Documents

Publication Publication Date Title
Ometov et al. Multi-factor authentication: A survey
US11704939B2 (en) Liveness detection
US10164952B2 (en) Method and system for server based secure auditing for revisioning of electronic document files
US9391986B2 (en) Method and apparatus for providing multi-sensor multi-factor identity verification
US20190044736A1 (en) Secure Revisioning Auditing System for Electronic Document Files
US10346605B2 (en) Visual data processing of response images for authentication
EP3673398B1 (en) Secure authorization for access to private data in virtual reality
US10032008B2 (en) Trust broker authentication method for mobile devices
US20220060333A1 (en) Methods and systems for cryptographically secured outputs from telemedicine sessions
Liu et al. A blockchain-empowered federated learning in healthcare-based cyber physical systems
CN107251033A (en) System and method for carrying out active user checking in online education
US20150089613A1 (en) Method and system for providing zero sign on user authentication
US20150334121A1 (en) System and method for collecting and streaming business reviews
CN108460365B (en) Identity authentication method and device
Stephanie et al. Trustworthy privacy-preserving hierarchical ensemble and federated learning in healthcare 4.0 with blockchain
Robles et al. Enabling trustworthy personal data protection in eHealth and well-being services through privacy-by-design
Wazzeh et al. Privacy-preserving continuous authentication for mobile and iot systems using warmup-based federated learning
US11934508B2 (en) Systems and methods including user authentication
KR102578052B1 (en) Method and appratus for managing authentication of biosignal based on artificial intelligence in blockchain network
KR20210032880A (en) Method of Decision Making Through Deliberation and Vote
WO2023244602A1 (en) Systems and methods that provide a high level of security for a user
Upadhyay et al. Feature extraction approach for speaker verification to support healthcare system using blockchain security for data privacy
WO2023204916A2 (en) Apparatus and methods for mapping user-associated data to an identifier
Alharbi et al. Design and evaluation of an authentication framework for wearable devices
Chanal et al. Random Forest Algorithm based Device Authentication in IoT

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right