다양한 응용 분야(예: 모바일 기기 접근, 웹 애플리케이션 접근 등)에서 사용자의 음성 생체인증은 이러한 응용에 대해 쉽고 우수한 인증 요인 중 하나이다. 이는 사용자의 사용성을 향상시키고, PIN과 달리 향상된 보안을 제공할 수 있다고 믿어지며, 고객 경험을 개선한다. 그러나 일반적으로 인증 과정에서 오인증(false acceptance)은 치명적인 약점 중 하나인데, 이는 허가받지 않은 사람이 시스템에 접근하게 만들기 때문이다. 특히 학습 데이터셋이 소규모인 환경에서의 모바일 환경에서는 오류 수용률(fault acceptance rate)을 낮추기가 매우 어렵다. 사용자의 음성 생체인증이 갖는 이러한 한계를 해결하기 위하여, 본 논문에서는 소규모 학습 데이터셋을 이용한 딥러닝 기반 음성 인증으로부터 주어진 오인증(mis-acceptance)의 취약성을 극적으로 감소시키는 새로운 접근 방식을 제안한다. 이러한 개선을 입증하기 위해, 소규모 데이터셋으로 학습된 해당 딥러닝 기반 음성 인증에서 오인증된 모든 테스트 샘플이 본 기법을 적용한 후 올바르게 검증됨을 실험적으로 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.