Dorsal Hand Images for Immersive (XR) and Privacy-preserving Age Assurance and Child Safety

기술 요약: 몰입형(XR) 및 프라이버시 보호형 연령 확인을 위한 손등 이미지

1. 문제 정의

확장 현실(XR) 환경에서 연령에 적합한 접근을 보장하는 것은 중요한 규제 및 안전 과제이다. 현재의 연령 확인 메커니즘은 얼굴 기반 추정에 의존하고 있으나, 이는 XR의 구조적 제약으로 인해 실용적이지 않다. XR 헤드셋은 사용자의 얼굴을 촬영할 수 없는 외부 지향형 패스스루(pass-through) 카메라를 사용하기 때문이다. 결과적으로, 얼굴 기반 검증을 수행하려면 사용자가 헤드셋을 벗고 제3자 모바일 앱을 통해 셀프 이미지를 캡처해야 한다. 이 과정은 몰입감을 깨뜨리고, 확인 빈도를 제한하며(계정 공유 위험 증가), 얼굴 생체 정보를 제3자와 공유해야 한다는 점에서 상당한 프라이버시 위험을 초래한다. 또한, 기존의 손등 데이터셋과 연구들은 통제된 실험실 조건 하의 성인 인구에 집중되어 있어, 미성년자와 성인의 경계(minor–adult boundary)를 실제 환경의 비제한적 조건에서 특성화하고 테스트하지 못했다.

2. 방법론

저자들은 XR 헤드셋에 내장된 RGB 및 깊이(depth) 카메라를 활용하여, 일반적인 상호작용 중에 손의 형태학적 특징(morphometrics)을 포착함으로써 프라이버시를 보호하는 생체 인식 양식으로서 손등(dorsal hand)을 활용하는 방안을 제안한다.

데이터셋 수집:

• 참가자: 연령 및 성별에 따라 층화하여 법적으로 중요한 18세 임계값 부근을 균형 있게 커버하도록 설계된 436명의 참가자(1067세) 데이터셋을 구축하였다. 코호트에는 45.9%의 미성년자(1017세)와 54.1%의 성인이 포함되었다.
• 인구통계학적 특성: 데이터셋은 ITA(Individual Typology Angle) 계산을 바탕으로 밝은 피부색(23.6%), 중간 피부색(36.0%), 어두운 피부색(40.4%) 그룹으로 분류하여 전체 피부톤 스펙트럼(Fitzpatrick 등급 I–VII)을 포괄한다.
• 캡처 조건: 기존의 임상 연구와 달리, 소비자용 XR 사용을 대표하는 비제한적 조건에서 이미지를 캡처하였다. 참가자들은 시각적 깊이 셰이더 피드백의 안내에 따라 정의된 캡처 프러스트럼(frustum) 내에서 자유롭게 손을 유지하였다.
• 프로토록: 각 참가자는 8가지의 서로 다른 조명 조건(두 손 × 4개 위치 × 2가지 조도 강도)에 대해 16회의 캡처를 수행하였으며, 총 6,790장의 손등 이미지를 생성하였다.
• 전처리: 헤드셋의 깊이 스트림을 사용하여 배경 픽셀을 제거하였으며, 모델은 손 영역만을 전달받는다.

실험 설정:

• 모델: 네 가지 신경망 아키텍처(ResNet-50, EfficientNetV2-S, Swin Transformer V2-B, MobileNetV3-Large)를 평가하였다.
• 태스크:
  1. 연속적 연령 회귀(Continuous Age Regression): 실제 연령 예측.
  2. 이진 연령 게이트(Binary Age Gate): 참가자를 "미성년자"(<18세) 또는 "성인"(≥18세)으로 분류.
• 학습: 참가자 수준의 층화 5-겹 교차 검증(stratified 5-fold cross-validation)을 사용하여 모델을 학습시켰다. 학습 목표는 가우시안 음의 로그 가능도(Gaussian NLL)이며, 확률적 불확실성 추정을 위해 평균($\mu$)과 로그 분산($\log \sigma^2$)을 출력한다. 연령 분포 불균형을 해결하기 위해 역빈도 가중치(Inverse-frequency weighting)를 적용하였다.
• 결정 임계값: 가우시안 출력($P(a \ge 18)$)으로부터 이진 결정을 도출하였다. 임계값은 미성년자에 대한 허위 양성률(FPR)과 성인에 대한 진양성률(TPR) 사이의 균형을 맞추도록 선택되었으며, 이는 NIST FATE "Challenge-T" 프레임워크에 매핑된다.

3. 주요 결과

연령 회귀:

• Swin Transformer V2-B가 평균 절대 오차(MAE) 5.78 ± 0.64년, RMSE 7.47 ± 0.72년으로 가장 우수한 성능을 달림.
• EfficientNetV2-S가 MAE 6.01 ± 0.11년으로 그 뒤를 이었으며, MobileNetV3-Large는 가장 낮은 성능(MAE 6.96년)을 보였다.
• 성능은 피부톤 그룹 전반에 걸쳐 견고하였으며, 밝은, 중간, 어두운 피부색 간의 판별 능력에서 통계적으로 유의미한 차이는 나타나지 않았다.

연령 게이트 (이진 분류):

• 안전이 중요한 저허용 오류 영역(pAUC@0.1 = 0.0587)에서 탁월한 성능을 보인 SwinV2-B가 권장 모델로 선정되었다.
• 운영 지점(Operating Points):
  • 임계값 $\tau=0.923$ (NIST Challenge-28에 해당)에서, 시스템은 16~17세 대상 6%의 FPR과 48%의 성인 통과율을 기록하였다.
  • 더 엄격한 임계값 $\tau=0.960$ (NIST Challenge-31에 해당)에서는 미성년자 입실 제로(미성년자 FPR 0%)를 달성하였으나, 이 경우 성인의 미통과율(FNR)이 63%로 증가하였다.
• 다중 캡처 집계(Multi-Capture Aggregation): 여러 캡처로부터 점수를 집계(예: $n=4$)하면 성능이 크게 향상된다. $\tau=0.923$에서 4개의 캡처를 집계하면 16~17세의 FPR을 6%에서 **0%**로 낮추면서도, 성인 통과율을 약 48%로 유지할 수 있다.

4. 의의 및 주장

본 논문은 비제한적이고 생태학적으로 타당한 조건 하에서, 미성년자-성인 경계에 걸친 안전 필수적 연령 확인을 지원할 수 있다는 최초의 경험적 증거를 제공한다고 주장한다.

• 프라이버시 보호: 이 접근 방식은 얼굴 기반 검증에 대한 수동적, 인-세션(in-session) 대안을 제공한다. 사용자가 헤드셋을 벗거나 얼굴 생체 정보를 제3자와 공유할 필요가 없으므로 재식별 위험을 줄인다. 저자들은 손 또한 생체 데이터이지만, 얼굴 데이터(예: 소셜 미디어, CCTV)처럼 생체 데이터를 특정 개인과 연결하는 데 용이한 광범위한 인프라가 부족하다는 점을 언급한다.
• 규제 적합성: 확률적 정식화는 확립된 연령 확인 프레임워크(NIST FATE Challenge-T)와 직접 매핑된다. 본 시스템은 모든 검증 방법을 대체하는 것이 아니라, 사용자 경험을 방해하지 않으면서 경계선에 있는 사례를 고비용의 문서 기반 검증으로 에스컬레이션하거나 적응형 안전 제어(예: 미성년자의 음성 채팅 차단)를 활성화할 수 있는 1단계 필터로서 자리매김한다.
• 일반화 가능성: 다양한 인종적 구성을 가진 미성년자와 성인을 다양한 조명 조건 하에 포함함으로써, 기존의 성인 중심, 실험실 기반 연구의 공백을 메웠다.

저자들은 결론적으로 손등의 형태학적 특징이 엄격한 운영 지점에서 미성년자 입실 제로를 달달성할 수 있는 동시에 피부톤 변화에 대한 견고함을 유지하는, 효과적이고 프라이버시를 보호하는 XR 연령 확인용 생체 인식 양식임을 밝히고 있다.