| 1 |
1
합성곱 신경망(Convolutional neural network, CNN)으로 이루어지며, 학습 데이터 세트를 구성하는 잠금 패턴의 수치적 특징과 시각적 특징을 기반으로 잠금 패턴의 복잡도를 획득하는 안전성 측정 네트워크를 학습하는 학습부; 및안전성 측정 대상인 잠금 패턴을 상기 안전성 측정 네트워크에 입력하고, 상기 안전성 측정 네트워크의 출력을 기반으로 안전성 측정 대상인 잠금 패턴의 안전성을 측정하는 안전성 측정부;를 포함하며,상기 학습부는, 잠금 패턴의 수치적 특징을 추출하고, 상기 안전성 측정 네트워크의 합성곱 레이어(convolution layer)를 이용하여 잠금 패턴의 시각적 특징을 추출하는 특징 추출 모듈; 및 상기 안전성 측정 네트워크의 완전 연결 레이어(fully connected layer)를 이용하여 상기 특징 추출 모듈을 통해 추출된 잠금 패턴의 수치적 특징과 시각적 특징을 기반으로 잠금 패턴의 복잡도를 획득하는 선형 회귀 분석 모듈;을 포함하고,상기 합성곱 레이어의 가중치 및 상기 완전 연결 레이어의 가중치는, 상기 학습 데이터 세트를 이용한 학습 과정에서, 상기 학습 데이터 세트에 대응되는 그라운드 트루스(ground-truth) 레이블을 이용하여 조정되며,상기 학습 데이터 세트는, 조합 가능한 모든 잠금 패턴 각각에서 추출된 수치적 특징을 기반으로 조합 가능한 모든 잠금 패턴을 미리 설정된 유사 판단 기준에 따라 군집화(clustering)하고, 각 군집 마다 중심점(centroid)에 대응하는 잠금 패턴을 획득하며, 군집 각각에서 획득한 잠금 패턴으로 구성되는,딥러닝 기반 잠금 패턴 안전성 측정 장치
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
제1항에서,상기 그라운드 트루스 레이블은,실제 사용자를 대상으로 하는 설문을 통해, 상기 학습 데이터 세트를 구성하는 잠금 패턴 각각에 대해 획득되는,딥러닝 기반 잠금 패턴 안전성 측정 장치
|
| 6 |
6
제5항에서,상기 설문은,하나의 잠금 패턴에 대해, 답변 가능한 복잡도의 범위가 서로 동일한 복수개의 질문 항목으로 이루어지며,하나의 잠금 패턴에 대한 상기 그라운드 트루스 레이블은,상기 복수개의 질문 항목 각각에 대해 사용자가 답변한 복잡도를 기반으로 획득되는,딥러닝 기반 잠금 패턴 안전성 측정 장치
|
| 7 |
7
제6항에서,하나의 잠금 패턴에 대한 상기 그라운드 트루스 레이블은,수학식 을 통해 획득되고, 상기 C는 상기 그라운드 트루스 레이블을 나타내며, 상기 N은 상기 질문 항목의 개수를 나타내고, 상기 S는 상기 질문 항목에 대해 사용자가 답변한 복잡도를 나타내는,딥러닝 기반 잠금 패턴 안전성 측정 장치
|
| 8 |
8
제1항에서,상기 잠금 패턴은,이미지 형태로 이루어지는,딥러닝 기반 잠금 패턴 안전성 측정 장치
|
| 9 |
9
제1항에서,상기 수치적 특징은,방향(direction), 교차점(crosspoints), 선의 겹침(overlaps), 각도(angles), 회전(turns), 마코프(markov) 확률, 반복된 하위 패턴(subpatterns) 중 적어도 하나인,딥러닝 기반 잠금 패턴 안전성 측정 장치
|
| 10 |
10
합성곱 신경망(Convolutional neural network, CNN)으로 이루어지며, 학습 데이터 세트를 구성하는 잠금 패턴의 수치적 특징과 시각적 특징을 기반으로 잠금 패턴의 복잡도를 획득하는 안전성 측정 네트워크를 학습하는 단계; 및안전성 측정 대상인 잠금 패턴을 상기 안전성 측정 네트워크에 입력하고, 상기 안전성 측정 네트워크의 출력을 기반으로 안전성 측정 대상인 잠금 패턴의 안전성을 측정하는 단계;를 포함하며,상기 학습 단계는, 잠금 패턴의 수치적 특징을 추출하고, 상기 안전성 측정 네트워크의 합성곱 레이어(convolution layer)를 이용하여 잠금 패턴의 시각적 특징을 추출하는 단계; 및 상기 안전성 측정 네트워크의 완전 연결 레이어(fully connected layer)를 이용하여 잠금 패턴의 수치적 특징과 시각적 특징을 기반으로 잠금 패턴의 복잡도를 획득하는 단계;를 포함하고,상기 합성곱 레이어의 가중치 및 상기 완전 연결 레이어의 가중치는, 상기 학습 데이터 세트를 이용한 학습 과정에서, 상기 학습 데이터 세트에 대응되는 그라운드 트루스(ground-truth) 레이블을 이용하여 조정되며,상기 학습 데이터 세트는, 조합 가능한 모든 잠금 패턴 각각에서 추출된 수치적 특징을 기반으로 조합 가능한 모든 잠금 패턴을 미리 설정된 유사 판단 기준에 따라 군집화(clustering)하고, 각 군집 마다 중심점(centroid)에 대응하는 잠금 패턴을 획득하며, 군집 각각에서 획득한 잠금 패턴으로 구성되는,딥러닝 기반 잠금 패턴 안전성 측정 방법
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
제10항에 기재된 딥러닝 기반 잠금 패턴 안전성 측정 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록 매체에 저장된 컴퓨터 프로그램
|
