스마트밴드, 당신을 알아볼 수 있을까? 연속 생리 인증 연구

본 논문은 클라우드·엣지·IoT 서비스에서 개인정보 보호를 강화하기 위한 연속 인증 메커니즘으로, 스마트밴드에 내장된 광혈류측정(PPG) 센서를 활용한 심박 변동성(HRV) 기반 인증 시스템을 제안한다. 연구 배경에서는 기존의 비밀번호·2단계 인증이 사용자의 편의성을 저해하고, 얼굴·지문 등 전통적인 생체인식이 위조 공격에 취약함을 지적한다. 반면, 생리 신호는 변조가 어려우며 자연스러운 라이브니스(liveness) 검증을 제공한다는 점에서 연속 인증에 적합하다고 설명한다. 시스템 설계는 크게 네 단계로 구성된다. 첫째, 데이터 수집 단계에서는 Empatica E4, Samsung Gear S·S2와 같은 상용 스마트밴드·스마트워치를 이용해 PPG 신호를 실시간으로 획득하고, 디바이스 API를 통해 RR 간격(R‑R intervals) 형태로 저장한다. 둘째, 전처리 단계에서는 120 초(2분) 길이의 비중첩 윈도우로 신호를 분할하고, 연속 RR 값 간 차이가 로컬 평균의 20 %를 초과하면 아티팩트로 판단한다. 검출된 아티팩트는 cubic spline 보간을 통해 복구하며, 보간 후 최소 샘플 수 제약을 적용해 유효 데이터를 확보한다. 셋째, 특징 추출 단계에서는 시간 영역과 주파수 영역의 HRV 특징을 총 11가지 추출한다. 구체적으로는 평균 RR, 표준편차(RR‑STD), RMSSD, pNN50, HRV triangular index, TINN, SDSD, 저주파(LF) 파워, 고주파(HF) 파워, LF/HF 비율, 초저주파(VLF) 파워가 포함된다. 주파수 영역 특징은 4 Hz로 보간된 RR 시계열에 FFT를 적용해 계산한다. 넷째, 차원 축소 및 분류 단계에서는 특징 간 상관관계를 고려해 불필요한 변수를 제거하고, SVM(선형·RBF), Random Forest, k‑Nearest Neighbor 등 여러 머신러닝 모델을 학습·검증한다. 실험은 실제 생활 환경에서 두 명 이상의 참가자를 대상으로 진행했으며, 각 참가자는 스마트밴드를 착용한 채 다양한 일상 활동(앉아 있기, 걸어 다니기, 스마트폰 사용 등) 중에 데이터를 제공했다. 평가 결과, 2분 윈도우만으로도 1대1 인증 시 93 % 이상의 정확도와 5 % 이하의 Equal Error Rate(EER)를 달성했으며, 1대다(다중 사용자) 시나리오에서도 90 % 이상의 정확도를 기록했다. 이는 기존 연구가 평균 심박수(분당)만을 사용해 5분 이상의 기록이 필요했거나, 가속도·자이로 등 활동 의존적인 센서를 활용한 것에 비해 현저히 높은 성능이다. 또한, 아티팩트 비율이 10 % 이하일 때 최적 성능을 유지한다는 데이터 품질‑성능 관계를 제시해, 실시간 서비스 적용 시 품질 관리 기준을 제공한다. 시스템 아키텍처는 스마트밴드 → 스마트폰(데이터 수집·전처리) → 엣지/클라우드(모델 추론) 순으로 설계돼, 인증 요청이 발생하면 최근 2분 데이터를 기반으로 즉시 사용자 신원을 판단한다. 이 과정은 배터리 소모를 최소화하면서도 연속 인증에 필요한 응답 시간을 만족한다. 논문의 주요 기여는 다음과 같다. (1) 상용 스마트밴드의 PPG 신호만으로 활동 독립적인 연속 인증을 구현, (2) 저비용·비침습적인 하드웨어와 표준 HRV 분석을 결합해 높은 인증 정확도 달성, (3) 실생활 데이터에서 아티팩트 처리와 윈도우 길이 선택에 대한 실용적인 가이드라인 제시, (4) 기존 연구와 비교해 특징 엔지니어링 복잡도와 시스템 구현 난이도를 크게 낮춘 점이다. 향후 연구에서는 다중 센서 융합, 장기 사용자 모델 업데이트, 그리고 실제 서비스에 적용하기 위한 보안·프라이버시 강화 방안을 탐색할 계획이다.