기존 인식 방식은 사용자의 신원을 검증해야 할 경우 명시적인 인증 절차를 거쳐야한다. 명시적인 인증절차는 사용자에게 불편함을 주며, 한 번 인증을 통과한 후 지속적인 신원 점검이 이루어지지 않기 때문에, 인증 세션을 가로채는 공격에 취약하다는 문제가 존재한다. 무자각 지속인증은 이러한 인증 방식의 한계를 극복할 수 있다. 무자각 인증 기술은 무자각적인 속성을 충족시키기 위해 생체 인식 기반 인증을 사용한다. 최근 손목 웨어러블 장치에는 광용적맥파 센서가 장착되어 있어 무자각적이고 지속적인 생체인식 방안으로 사용하기에 매우 적합하다. 하지만 광용적맥파는 시간이 지남에 따라 달라지는 센서의 위치, 사용자의 감정상태의 변화 등 다양한 요소들에 의해 달라지는 것으로 알려져 있다. 이에 본 연구에서는 광용적맥파를 생체인식의 가능성을 분석하기 위해 1차원 샴 네트워크 모델을 사용한다. 전처리 과정에서 사용자의 고유한 특성을 유지하면서 노이즈를 줄이기 위해 다중 주기 평균화 방법을 사용하며, 다중 주기 평균화 방법의 유효성을 검증하기 위해 겹치는 단일 주기의 수를 증가시키며 결과를 비교하였다. 그 결과 중첩 주기의 개수가 증가할수록 성능이 증가하는 것을 확인했으며, 단일 주기 하나만을 사용했을 경우의 정확도는 91.4%이며, 단일 주기 6개를 중첩시켜 사용했을 경우 정확도는 94.8%로 약 3.4% 차이가 있음을 확인했다. 이는 다중 주기 평균화 방법이 사람의 고유한 특성을 유지하면서 노이즈는 줄이는 유효한 방법임을 증명한다. 또한 광용적맥파의 생체인식 지표로서 가능성을 확인하기 위해 생체인식 간격의 시간이 증가함에 따라 변화하는 생체인식 성능을 분석했다. 정확한 분석을 위해 정확도, Receiver Operating Characteristic curve, Area Under the Curve score, Genuine - Impostor 분포, D - prime, False Acceptance Rate - False Rejection Rate 그래프, Equal Error Rate 총 7개의 성능평가 지표를 사용하여 테스트 수행하였다. 그 결과 생체인식 간격의 시간이 증가함에 따라 생체인식 성능이 감소하는 경향을 보이며, 시간이 증가함에 따라 데이터 품질 등 파형적 특성 이외의 요소들이 성능에 큰 영향을 미치는 것을 확인했다. 이러한 광용적맥파를 이용한 생체인식은 시간이 지남에 따라 등록된 생체신호를 업데이트하면서 일정한 간격으로 연속 인증에 있어 적합하며, 짧은 시간 내에 기기를 다시 착용하거나 결제 등의 이유로 기기 착용 중 생체인식이 요구되는 경우 활용될 수 있다.