고화질 3D 마스크는 얼굴의 외형과 형태는 재현할 수 있어도 살아있는 조직의 생체 반응까지 흉내내기는 어렵다는 점에 착안해, 연구진은 무선 신호로 생체 반응을 능동적으로 탐지하는 3D 안면 위변조 방지 시스템 'UiAs'를 제안했다. UiAs는 전자기파(밀리미터파)와 기계파(음파)라는 두 가지 무선 신호를 함께 사용하며, 두 신호가 공유하는 사용자별 얼굴 형태 편차를 교차 모달 차감으로 제거해 개인차에 관계없이 작동하는 생체 판별 신호만 남긴다. 피부 앵커 기반 대조 학습을 적용해 피부, 머리카락, 안경, 마스크 등 다양한 재질에 따른 편향 문제도 함께 해결했다. 실제 3D 위변조 공격으로 검증한 결과, 사용자별 사전 등록 없이도 미등록 사용자에 대해 93.25%의 정확도를 달성했다.
- •3D 마스크는 외형은 재현해도 살아있는 조직의 생체 반응은 흉내낼 수 없다는 점에 착안한 시스템이다.
- •밀리미터파(전자기)와 음파(기계) 두 무선 신호를 결합해 라이브니스(생체) 신호를 포착한다.
- •교차 모달 차감으로 사용자별 얼굴 형태 차이를 제거해 사용자 독립적으로 작동한다.
- •피부 앵커 대조 학습으로 피부·머리카락·안경 등 다양한 재질에 따른 편향 문제를 완화했다.
- •실제 3D 위변조 공격 테스트에서 미등록 사용자 대상 93.25%의 정확도를 기록했다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
UiAs: User-Independent 3D Facial Anti-Spoofing via Multi-modal Wireless Signals
- 1.mmWave·음파 기반 사용자독립 3D 안면 위조 방지 시스템 UiAs 제안, 생체 물리 응답을 탐지
- 2.두 모달리티가 공유하는 사용자종속 기하 변동을 차감으로 제거해 사용자 간 일반화 능력을 확보
- 3.피부 기준 대조학습으로 다양한 재질 요인과 개방형 위조 재질에 대응
- 4.실제 3D 위조 공격 실험에서 미등록 사용자에게도 별도 등록 없이 93.25% 정확도 달성
왜 중요한가?
얼굴인증은 정밀 3D 마스크 공격에 취약해지고 있는데, 사용자별 등록 없이도 무선신호 기반 생체 반응만으로 위조를 탐지하는 이 접근은 실제 인증 시스템에 곧바로 통합 가능한 실용적 방어책을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2608.29084v1 Announce Type: new Abstract: Face authentication is widely deployed in security-sensitive applications, while increasingly realistic 3D spoofing attacks pose growing threats. High-fidelity 3D masks can reproduce facial appearance and geometry but cannot replicate the intrinsic physical responses of living tissue, which can be actively probed by wireless signals. However, the resulting liveness cues captured by wireless signals are entangled with user-dependent facial geometry
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
