최근 개인의 고유 특징을 나타내는 생체 정보를 이용한 사용자 인증 기술이 개발되면서 이를 모바일 기기에 적용하는 사례가 늘고 있다. 특히 얼굴 기반의 인증방식은 다른 생체 인증 방식에 비해 사용이 편리할 뿐만 아니라 비접촉 방식으로서 암호화 수단, 접근 제어 시스템, 인터넷 뱅킹 등 적용 범위가 점점 확대되고 있다. 그러나 얼굴 기반의 인증방식은 사용자의 얼굴 사진이나 동영상 재생 등을 이용한 스푸핑 공격에 취약하다는 문제점이 있다. 이러한 문제를 해결하기 위해 최근 원격 광용적맥파 신호를 이용한 얼굴 스푸핑 공격 탐지 기술이 개발되고 있지만 여전히 동영상 재생 공격에 취약하다는 단점이 있다.
본 연구에서는 고품질의 동영상 재생 공격을 포함한 얼굴 스푸핑 공격에 대한 취약성을 최소화하는 원격 광용적맥파 기반 얼굴 스푸핑 공격 탐지 방법을 제안한다. 실험에 사용된 데이터는 두 가지의 모바일 기기를 사용하여 연구실에서 자체적으로 구축하였다. 입력 영상의 얼굴 영역과 눈 주변 영역, 코 주변 영역 등 서로 다른 세 가지 영역에서 원격 광용적맥파 신호와 분당 심장 박동수 및 YCbCr 모델의 변화 데이터를 추출한다. 이러한 신호들을 입력으로 신호의 순차적인 특성과 주파수 특성을 학습하는 모델을 사용했다. 모델의 성능을 측정하기 위해 정확도와 ROC 곡선 아래 면적 두 가지 방법을 사용했다. 제안하는 방법은 다음과 같은 장점이 있다. 첫 번째, 스푸핑 탐지를 위해 RGB 카메라만을 사용하기 때문에 다양한 모바일 환경에서 활용도가 높다. 두 번째, 기존 얼굴 인식 기술의 단점인 조명 변화와 얼굴의 움직임 변화에 대한 전처리 기술을 적용하였다. 세 번째, 추후에 발생할 수 있는 새로운 유형의 스푸핑 공격 시나리오를 고려하여 자체 데이터셋을 구축하고 학습에 활용하였다. 결과적으로 합성곱 신경망 기반 모델을 사용하여 정확도가 99.7424%임을 확인하였다. 본 연구는 얼굴 스푸핑 공격 탐지 분야의 새로운 연구 방향과 확장 가능성을 보여주며, 인터넷 뱅킹 보안 시스템이나 무인 매장의 성인 인증을 통한 구매 사례에 적용될 수 있다.