.svg)
AI 솔루션 문의하기
딥페이크 탐지 알고리즘 얼굴 인증의 성능은 APCER와 BPCER 두 지표로 평가하며, APCER는 공격을 정상으로 통과시킨 비율이고 BPCER는 정상 사용자를 공격으로 거부한 비율입니다. 두 지표는 국제 표준 ISO/IEC 30107-3이 정의한 위변조 탐지(PAD) 평가 지표로, 공격 방어 성능과 정상 사용자 편의를 각각 나타냅니다.
APCER는 Attack Presentation Classification Error Rate의 약자입니다. 사진, 영상, 마스크 같은 공격 수단으로 시험했을 때 시스템이 이를 정상 얼굴로 잘못 분류한 비율입니다. 공격 100회 중 2회가 통과하면 APCER는 2%입니다. 값이 낮을수록 공격을 잘 막으므로 보안 성능을 나타내는 지표입니다. 비대면 고객확인에서는 타인의 얼굴 사진이나 영상으로 본인인 것처럼 통과하는 경우가 APCER에 해당합니다.
BPCER는 Bona Fide Presentation Classification Error Rate의 약자입니다. 실제 사용자가 본인 얼굴로 인증했는데 시스템이 이를 공격으로 잘못 분류한 비율입니다. 정상 사용자 100회 중 3회가 거부되면 BPCER는 3%입니다. 값이 낮을수록 정상 사용자가 덜 막히므로 사용성 지표에 해당합니다.
ISO/IEC 30107-3은 APCER를 공격 수단 유형별로 계산하도록 합니다. 인쇄물, 화면에 재생한 영상, 마스크가 각각 다른 유형입니다. 딥페이크 영상을 화면에 띄워 카메라에 보여 주는 공격은 화면 재생 유형으로 시험할 수 있습니다. 여러 유형을 시험했다면 그중 가장 높은 APCER를 기준으로 삼습니다.
APCER와 BPCER의 균형은 판정 임계값으로 조정하며, 두 수치는 서로 반대 방향으로 움직이므로 한쪽만 낮추면 다른 쪽이 높아집니다.
탐지 알고리즘은 입력마다 공격일 가능성을 점수로 계산하고, 점수가 임계값을 넘으면 공격으로 판정합니다. 임계값을 엄격하게 잡으면 공격을 더 많이 막아 APCER가 낮아지지만, 정상 사용자도 더 많이 거부되어 BPCER가 높아집니다. 느슨하게 잡으면 반대로 움직입니다. 그래서 두 수치는 임계값이 같은 조건의 쌍으로 읽어야 하고, 하나만 낮다고 성능이 좋다고 판단할 수 없습니다.
월 1만 건을 인증하고 BPCER가 3%라고 가정하면 정상 고객 300건이 거부됩니다. 거부된 고객은 재촬영, 대면 확인, 문의로 이어지므로 담당자의 처리 부담이 늘어납니다. APCER만 낮추려고 임계값을 높이면 이 부담이 함께 커집니다. 거부된 건을 대면 확인으로 전환하면 비대면 접수의 장점도 줄어듭니다.
균형점은 거래 위험도에 따라 다르게 정합니다. 고액 거래, 법인 거래, 계좌 개설처럼 사고 피해가 큰 거래는 APCER를 낮추는 쪽으로 임계값을 엄격하게 두고, 늘어나는 BPCER는 재촬영 허용 횟수와 대면 확인 전환 경로로 처리합니다. 소액 거래나 조회성 인증은 BPCER를 낮추는 쪽으로 둡니다. 임계값을 바꿀 때마다 두 수치를 다시 측정해 기록합니다.
APCER·BPCER 숫자는 공격 유형, 시험 횟수, 평가 주체, 시험 환경을 함께 확인해야 비교할 수 있습니다. 같은 0%라도 어떤 조건에서 측정했는지에 따라 의미가 다릅니다.
종합 수치 하나만 제시한 자료는 유형별 편차가 가려질 수 있습니다. 인쇄물 공격에서는 0%인데 화면 재생 공격에서는 높은 경우가 있습니다. 공격 유형별 APCER와 그중 가장 높은 값을 확인하고, 시험에 영상 재생 공격이 포함되었는지도 봅니다.
APCER 0%는 시험한 횟수 안에서 공격이 한 번도 통과하지 않았다는 뜻이며, 실제 오류율이 0이라는 뜻은 아닙니다. 시험 횟수가 적을수록 실제 오류율은 더 높을 수 있습니다. 통계적으로 N회 시험에서 0건이면 95% 신뢰 수준의 오류율 상한은 약 3/N입니다. 공격 150회에서 0건이면 상한은 약 2%이고, 공격 30회에서 0건이면 약 10%입니다. iBeta가 발급하는 확인서에는 시험 구성과 APCER 결과가 함께 적히는 경우가 있으므로 시험 횟수까지 확인합니다.
제3자 시험 기관이 ISO/IEC 30107-3 기준으로 평가한 결과와 공급사가 자체적으로 시험한 결과는 근거의 성격이 다릅니다. 자체 시험은 공격 수단과 시험 대상 선정이 공급사 판단에 따라 달라질 수 있습니다. 평가 기준 문서, 시험 기관, 평가 대상 버전, 공격 수준(레벨)을 확인합니다.
앞에서 다룬 평가 기준과 평가 주체를 확인해야 하는 문제는 알체라 eKYC 얼굴 인증의 얼굴 위변조 탐지로 점검할 수 있습니다. 알체라 얼굴 인증은 촬영된 얼굴의 위변조 여부를 판별하고 신분증 사진과 매칭해 동일인 여부를 확인합니다. 위변조 탐지는 ISO/IEC 30107-3 기준을 준수하며 iBeta PAD 평가를 통과했습니다. 도입을 검토할 때는 위 기준에 따라 평가 기준과 시험 조건을 함께 확인합니다.
연구에서는 같은 공격 방식으로 학습하고 시험한 데이터셋 안에서는 성능이 높지만, 학습에 쓰이지 않은 새로운 딥페이크 기법에서는 정확도가 떨어지는 경향이 보고됩니다. 같은 데이터셋 안의 수치와 처음 보는 공격에 대한 수치를 구분해서 봅니다. 조명, 단말, 카메라 화질 같은 촬영 조건을 어디까지 시험했는지도 확인합니다. 얼굴 인증은 위변조 탐지와 신분증 사진과의 일치 확인을 따로 평가하므로, 위변조 탐지 지표와 본인 일치 지표를 구분해서 요청합니다.
APCER는 카메라 앞에 제시된 공격을 평가하는 지표입니다. 딥페이크 영상을 카메라를 거치지 않고 앱에 직접 넣는 주입 공격은 이 지표의 평가 범위 밖입니다. 주입 공격은 가상 카메라나 단말 변조를 이용하므로 카메라 영상이 변조되지 않았는지 확인하는 방어가 따로 필요합니다. 주입 공격에 대한 방어와 평가는 별도로 확인합니다.
딥페이크 탐지 알고리즘은 CNN 기반, 시간 정보 결합 모델, 트랜스포머 하이브리드 모델로 나눌 수 있으며, 어떤 종류든 APCER와 BPCER로 비교합니다.
시간 정보 결합 모델은 영상 단위 입력을 전제로 하므로 정지 이미지 한 장만 받는 접수 방식에서는 적용 범위가 달라집니다. 알고리즘 이름이 같아도 학습 데이터와 임계값에 따라 결과가 달라지므로, 종류보다 평가 결과로 판단합니다. 하이퍼파라미터, 데이터 전처리, 멀티모달 같은 정확도 개선 방법은 딥페이크 탐지 정확도 높이는 방법에서 다룹니다.
딥페이크 탐지 알고리즘 얼굴 인증 도입 전에는 다음 다섯 가지를 확인합니다.
도입을 검토하는 기업은 이 다섯 가지를 먼저 정리한 뒤 솔루션을 비교합니다.
.png)
.svg)
.svg)
