기존 손바닥 지문 인증 시스템과 달리, 한 손바닥의 지문만 저장하고도 양손 모두로 인증할 수 있는 새로운 교차 손바닥 지문 인증 기술을 제안합니다.
무작위 보행 모델을 활용하여 원본 생체 정보를 변형하여 취소 가능한 생체 인식 템플릿을 생성하는 새로운 방법을 제안한다.
눈 움직임 데이터의 저주파 "신호" 부분과 고주파 "잡음" 부분 모두 개인 식별 정보를 포함하고 있으며, 이는 단기 및 장기 데이터에서 일관되게 나타난다.
제안된 FH-SSTNet 모델은 3D 합성곱 신경망 구조와 트리플렛 손실을 활용하여 이마 패턴의 구별되는 특징을 포착하고, Arc-loss를 통해 모델의 식별 능력을 향상시킨다. FH-V1 데이터셋에서 우수한 성능을 보여 이마 기반 사용자 인증의 효과성을 입증한다.
아이리스 코드를 혼합하여 생성한 알파 늑대와 알파 포유류가 다수의 사용자와 일치하는 취약점을 보여준다.