연구팀이 사람의 동작 스타일에 기반해 신원을 식별하는 확률적 생성 모델과 대화형 식별 프레임워크를 제안했다. 감시 및 인증 응용 두 가지 시나리오를 대상으로 확률적 신원 추론 방식을 도출하고, 시스템이 피험자와 순차적으로 메시지를 교환하는 방식의 대화형 식별 과정을 처음으로 공식화했다.
제안된 프레임워크는 인간 정보 처리(HIP) 패러다임에서 착안한 확률적 생성 모델로 피험자 행동을 모델링한다. 시스템은 각 단계에서 시각적 자극(큐)을 피험자에게 제시하고 그 동작 반응을 기록한다. 큐는 예상 반응과 피험자 신원 간의 상호 정보(mutual information)를 최대화하도록 선택된다. 응답이 기록되면 가능한 신원들에 대한 사후 확률이 갱신되고, 충분한 분류 신뢰도가 달성되면 과정이 종료된다.
연구팀은 다섯 개의 공개 데이터셋과 함께, 22명의 피험자가 15개 큐에 반응한 4,476건의 녹화로 구성된 자체 신규 데이터셋을 구축해 검증했다. 결과적으로 높은 인식률을 보고했으며, 대화형 설정에서 인물 식별이 처음으로 다루어진 사례라고 연구팀은 밝혔다. 동작 기반 신원 인증은 기존 지문·얼굴 인식과 달리 센서 접촉이나 고해상도 카메라 없이도 적용할 수 있다는 점에서 프라이버시 친화적 대안으로 주목받고 있다.
동작을 활용한 생체인증 연구는 보행 패턴, 타이핑 리듬 등 다양한 방식으로 발전해왔다. 이번 연구의 차별점은 시스템이 능동적으로 큐를 선택해 가장 식별력 있는 반응을 유도하는 대화형 구조에 있다. 고정된 동작 샘플을 수동적으로 기다리는 대신 정보 이론적으로 최적화된 자극을 순차 제시함으로써, 최소한의 교환 횟수로 신원을 확정할 수 있는 가능성을 열었다.
