Earticle

초록

영어

Handwriting biometrics can be important legal evidence through determination of the authenticity of wills and contracts. However, in general, whether handwriting pairs are genuinity is determined by the expert's experience and subjectivity. In order for biometric recognition through artificial intelligence to secure legal evidence, it is necessary to present a reliability value for the genuinity decision. In binary classification problem based on probability distribution and least-error decision theory, the reliability of the decision can be calculated as a likelihood ratio. In this paper, genuine and imposter matching score distributions of handwriting biometrics based on Siamese neural network is constructed in the form of probability distribution, and the identity and likelihood ratio values are calculated through the scores of handwriting pairs compared. In the ovelapped section between the genuine and the imposter distributions , the likelihood ratio for the judgment decreases sharply. Qualitatively analyze whether the case in which the likelihood ratio is actually calculated has ambiguity in the judgment even with the human eye. As a result of the analysis, it was found that, in most cases, when the likelihood ratio was large, the determination was clear even with the naked eye, and when the likelihood ratio was small, it was actually difficult to determine visually.

한국어

필적 정보를 통한 생체 인식은 유서, 계약서 등의 진위 여부 판별을 통해 중요한 법적 증거가 될 수 있 다. 그러나 일반적으로 필기 쌍의 동일인 여부는 전문가의 경험과 주관에 의해 결정된다. 인공지능을 통한 생체인 식이 법정 증거력을 확보하기 위해서는 판정에 대한 신뢰도 값이 제시될 필요가 있다. 확률 분포 및 최소오류 결 정이론 기반의 이진 분류 문제에서는 판정에 대한 신뢰도를 우도비로 산출할 수 있다. 본 논문에서는 샴 신경망 기반 필적 생체정보의 동일인 및 타인 매칭 점수 분포를 확률분포 형태로 구축하고, 비교되는 필적 쌍의 점수를 통해 본인 여부 및 우도비 값을 산출한다. 동일인 분포와 타인 분포가 겹쳐지는 구간에서는 판정에 대한 우도비가 급격하게 작아진다. 실제로 우도비가 작게 산출되는 경우가 인간의 육안으로도 판정의 모호성을 가지는지 정성적 으로 분석해본다. 분석 결과, 우도비가 큰 경우에는 육안으로도 판정이 명확한 경우가 대부분이었으며, 우도비가 작은 경우에는 실제로 육안 판정이 어려운 것으로 나타났다.

목차

요약
Abstract
Ⅰ. 서론
1.1 서론
Ⅱ. 본론
2.1 데이터 구성
2.2 Siamese network 기반 AI 매칭 알고리즘
2.3 통계적 임계치 결정 방법
2.4 우도비 계산 방법
Ⅲ. 결과
Ⅳ. 결론
REFERENCES

키워드

저자

• 이미경 [ Mi Kyung Lee | 상명대학교 지능정보공학전공 석사과정 ]
• 진경원 [ Kyung Won Jin | 상명대학교 지능정보공학전공 석사과정 ]
• 이의철 [ Eui Chul Lee | 상명대학교 휴먼지능정보공학전공 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]

• 간기

  월간

• pISSN

  2508-8270

• 수록기간

  2017~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 506 DDC 606