생체인증(Biometric Authentication)
1. 개요
정의: 생체인증(Biometric Authentication)은 지문·얼굴·홍채·정맥 등 개인의 고유한 신체적 특징(생체정보) 또는 서명·걸음걸이·타이핑 리듬 같은 행위적 특징을 센서로 수집·특징화하여, 사전 등록된 기준 템플릿과 대조함으로써 "그 사람이 바로 그 사람임"을 확률적으로 판정하는 인증 방식이다.
사용자 인증은 전통적으로 "아는 것(knowledge, 비밀번호·PIN)", "가진 것(possession, OTP 토큰·스마트카드)", "본인인 것(inherence, 생체정보)"의 세 가지 요소로 분류된다. 앞의 두 요소는 공통적으로 타인에게 넘겨줄 수 있고(양도 가능), 분실·유출될 수 있으며, 잊어버릴 수 있다는 근본 한계를 갖는다. 비밀번호는 피싱으로 탈취되고, 토큰은 도난당하며, 사용자는 끊임없이 재설정 비용을 치른다. 생체인증은 "본인 그 자체"를 열쇠로 삼아, 소지할 필요도 기억할 필요도 없는 인증을 제공한다는 점에서 등장했다.
생체인증이 폭발적으로 확산된 직접적 배경은 모바일·핀테크·비대면 경제의 확대다. 스마트폰 지문·얼굴 잠금해제가 수십억 대 규모로 보급되면서 생체인증은 특수 보안 영역을 넘어 일상 인증 수단이 되었고, 비대면 계좌 개설·간편결제·전자서명에서 신원확인(eKYC)의 핵심 수단으로 자리 잡았다. 그러나 비밀번호와 결정적으로 다른 성질이 하나 있다. 비밀번호는 유출되면 바꿀 수 있지만, 지문·홍채는 바꿀 수 없다. 이 "폐기 불가능성"이 생체인증을 편리하면서도 위험한 양날의 검으로 만든다. 따라서 기술사 관점에서 생체인증은 단순한 "편리한 잠금해제"가 아니라, 확률적 판정의 본질(오류율 트레이드오프), 위조 공격(presentation attack) 방어, 폐기 불가능한 생체정보의 보호라는 세 축을 함께 설계해야 하는 주제다.
등장 배경과 필요성
비밀번호 기반 인증의 피로가 누적되면서, 2013년 스마트폰 지문센서의 상용화와 2017년 얼굴인증의 대중화는 "소유·지식 없는 인증"의 대중적 전환점을 만들었다. 동시에 금융·공공 분야에서 대면 창구를 거치지 않고 신원을 확인해야 하는 비대면 수요가 커지면서, 실물 신분증 촬영과 생체 대조를 결합한 eKYC가 제도화되었다. 생체인증은 이처럼 마찰 없는 사용자 경험(UX)과 강한 본인확인을 동시에 요구하는 환경의 산물이다.
생체정보의 요건
어떤 신체·행위 특징이 인증에 쓰이려면 몇 가지 요건을 갖춰야 한다. 모든 사람이 가지고 있어야 하고(보편성, universality), 사람마다 충분히 달라야 하며(유일성, uniqueness), 시간이 지나도 변하지 않아야 하고(영속성, permanence), 센서로 측정 가능해야 한다(수집성, collectability). 여기에 실제 운용을 위해서는 성능·수용성·위변조 저항성(circumvention)까지 고려된다. 지문·홍채가 널리 쓰이는 것은 이 요건을 고르게 충족하기 때문이고, 걸음걸이·타이핑 같은 행위 특징이 보조 수단에 머무는 것은 영속성·유일성이 상대적으로 약하기 때문이다. 즉 모달리티의 운명은 이 요건 충족도의 함수다.
기술사 관점의 문제 정의
논술 답안에서 생체인증을 "지문·얼굴로 로그인하는 기술"로만 서술하면 실패다. 핵심은 ① 생체인증이 임계값에 따라 수용/거부가 갈리는 확률적 의사결정이라는 점(결정적 비밀번호 비교와의 근본 차이), ② 위조 시료를 걸러내는 위조 방지(PAD/liveness)의 필수성, ③ 유출 시 재발급이 불가능한 템플릿 보호와 프라이버시를 하나의 아키텍처로 통합하는 데 있다.
2. 인증 원리와 시스템 구조
생체인증 시스템은 크게 등록(Enrollment) 단계와 인증(Verification/Identification) 단계로 나뉜다. 등록 단계에서 생체 시료를 수집해 특징을 추출하고 기준 템플릿(reference template)을 안전 저장소에 보관하며, 인증 단계에서 새로 제시된 시료를 같은 방식으로 특징화해 저장 템플릿과 유사도를 계산한다. 아래 전체 구조도는 두 단계와 핵심 구성요소를 보여 준다.
flowchart TD
subgraph ENR["등록(Enrollment)"]
S1["생체 센서 수집"] --> Q1["품질 검사 + 전처리"]
Q1 --> F1["특징 추출(feature extraction)"]
F1 --> T1["기준 템플릿 생성"]
T1 --> DB["보호 저장소(TEE/HSM, 암호화)"]
end
subgraph AUT["인증(Verification/Identification)"]
S2["생체 센서 수집"] --> PAD["위조 방지(PAD/Liveness)"]
PAD --> Q2["품질 검사 + 전처리"]
Q2 --> F2["특징 추출"]
F2 --> M["매칭(유사도 점수 산출)"]
DB --> M
M --> D{"임계값 비교"}
D -->|"점수 >= 임계값"| OK["수용(Accept)"]
D -->|"점수 < 임계값"| NO["거부(Reject)"]
end
여기서 인증은 두 가지 운영 모드로 구분된다. 검증(Verification, 1:1)은 "당신이 주장한 ID가 맞는가"를 판정하며 저장된 하나의 템플릿과만 대조한다. 스마트폰 잠금해제·로그인이 여기 속한다. 식별(Identification, 1:N)은 "당신은 누구인가"를 다수의 템플릿과 대조해 찾아내며, 범죄수사 지문대조·공항 출입국 얼굴인식이 대표적이다. 1:N은 대조 횟수가 N배로 늘어나 오류가 누적되므로, 동일한 센서라도 1:1보다 훨씬 보수적인 임계값과 품질관리가 필요하다. 예를 들어 100만 명 데이터베이스에서 개별 FAR가 백만분의 1이라도, 한 번의 조회에서 최소 한 건 오탐이 날 기대값은 1에 가까워진다는 점이 1:N 설계의 난제다.
핵심 구성요소는 센서(capture), 신호처리(전처리·품질평가), 특징추출기, 매처(matcher), 의사결정(임계값), 저장소다. 이 중 특징추출은 원본 생체영상을 그대로 저장하지 않고 되돌리기 어려운 특징벡터(예: 지문의 특이점 minutiae, 얼굴의 임베딩 벡터)로 변환하는 과정으로, 저장량을 줄이는 동시에 원영상 복원을 어렵게 하는 1차 방어선이다. 다만 임베딩에서 원본을 부분 복원하는 역공학 연구가 보고되므로, 특징추출만으로 프라이버시가 보장된다고 단정해서는 안 된다.
저장소의 위치와 보호 수준은 전체 보안을 좌우하는 설계 변수다. 과거처럼 중앙 서버에 템플릿을 모아두면 한 번의 침해로 전 사용자의 생체정보가 유출되는 단일 실패점이 되므로, 현대 모바일 기기는 템플릿과 매칭 연산을 메인 OS와 격리된 신뢰실행환경(TEE)·보안영역(Secure Enclave) 안에 가두어, 앱이나 운영체제가 침해되어도 생체정보에 접근하지 못하게 한다. 예를 들어 스마트폰의 지문·얼굴 데이터는 애플리케이션 프로세서로 넘어가지 않고 전용 보안칩 내부에서만 대조되며, 외부로는 "일치/불일치"라는 결과만 반환된다. 이처럼 생체인증의 안전성은 알고리즘 정확도만이 아니라 "생체정보가 어디에 머물고 어디에서 비교되는가"라는 아키텍처 결정에 크게 의존한다.
3. 성능지표와 오류율 트레이드오프
생체인증을 비밀번호와 가르는 가장 본질적인 성질은 판정이 결정적이지 않고 확률적이라는 점이다. 같은 손가락도 땀·각도·압력에 따라 매번 다른 영상을 만들기 때문에, 시스템은 "완전 일치"가 아니라 "충분히 유사한가"를 임계값으로 판단한다. 그 결과 두 종류의 오류가 불가피하게 발생하며, 이를 정량화하는 지표가 아래와 같다. 다음 프로세스 상세도는 입력 시료가 점수화되어 두 오류 분포로 갈리는 구조를 나타낸다.
flowchart LR
IN["제시 시료"] --> SC["매칭 점수 분포 산출"]
SC --> GEN["동일인(genuine) 점수 분포"]
SC --> IMP["타인(impostor) 점수 분포"]
GEN --> TH{"임계값 T 설정"}
IMP --> TH
TH -->|"임계값 높임"| SEC["보안 강화: FAR 감소, FRR 증가"]
TH -->|"임계값 낮춤"| USA["편의 강화: FRR 감소, FAR 증가"]
SEC --> EER["두 오류가 같아지는 지점 = EER"]
USA --> EER
가. FAR와 FRR — 보안과 편의의 길항
오수용률(FAR, False Acceptance Rate)은 타인을 본인으로 잘못 수용하는 비율로, 보안 사고와 직결되는 치명적 오류다. 오거부율(FRR, False Rejection Rate)은 본인을 타인으로 잘못 거부하는 비율로, 사용자를 불편하게 하고 서비스 이탈을 유발한다. 두 오류는 임계값 하나로 묶여 있어 한쪽을 줄이면 다른 쪽이 커지는 길항 관계(trade-off)에 있다. 임계값을 높이면 더 엄격히 판정해 FAR는 내려가지만 FRR가 올라가고, 낮추면 그 반대가 된다.
이 길항은 응용별로 최적점이 다르다는 실무적 함의를 낳는다. 국가 출입국·금융 이체처럼 보안이 최우선인 곳은 FAR를 극도로 낮추고 다소의 FRR(재시도)를 감수하며, 놀이공원 연간회원 출입처럼 편의가 중요한 곳은 FRR를 낮춰 대기줄을 줄인다. 즉 "좋은 생체 시스템"이란 오류율이 0인 시스템이 아니라, 해당 업무의 위험과 UX에 맞는 운영점(operating point)을 선택할 수 있는 시스템이다.
나. EER과 DET 곡선, 그리고 수집·등록 실패율
임계값을 바꿔 가며 FAR와 FRR를 그리면 둘이 교차하는 지점이 생기는데, 이 교차점의 오류율을 동일오류율(EER, Equal Error Rate)이라 하며 알고리즘 자체의 정확도를 비교하는 대표 단일지표로 쓴다. EER가 낮을수록 좋은 알고리즘이다. 전체 성능은 FAR 대 FRR를 로그축에 그린 DET(Detection Error Tradeoff) 곡선으로 표현하며, 운영점 선택의 근거가 된다.
실제 현장에서는 이 두 지표만으로 부족하다. 등록실패율(FTE, Failure to Enroll)은 지문이 닳은 노동자나 백내장 환자처럼 애초에 등록이 안 되는 비율을, 수집실패율(FTA, Failure to Acquire)은 인증 시도 때 품질 미달로 시료 획득 자체가 실패하는 비율을 가리킨다. FTE·FTA가 높으면 FAR·FRR가 아무리 좋아도 "일부 사용자는 아예 못 쓰는" 포용성(inclusion) 문제가 생긴다. 실제로 손가락 피부가 거칠어지는 일부 직군에서는 지문 FTE가 수 %에 달한다고 보고되며, 이 경우 지문 단독 설계는 해당 집단을 구조적으로 배제한다. 아래 표는 핵심 지표와 설계적 함의를 정리한다.
| 지표 | 의미 | 높을 때의 문제 | 설계적 함의 |
|---|---|---|---|
| FAR | 타인을 본인으로 수용 | 보안 침해(무단 접근) | 고보안 업무일수록 극소값 요구 |
| FRR | 본인을 거부 | 사용자 불편·이탈 | 대체 인증(fallback) 경로 필수 |
| EER | FAR=FRR 교차 오류율 | 알고리즘 정확도 낮음 | 모달리티·벤더 비교 지표 |
| FTE | 등록 자체 실패 | 소외 계층 배제 | 다중 모달리티로 보완 |
| FTA | 시료 획득 실패 | 재시도 폭증·UX 저하 | 품질 피드백·센서 개선 |
다. 운영점 선택의 실무와 임계값 거버넌스
이론적 EER가 좋아도 실제 서비스는 EER 지점에서 운영하지 않는 경우가 많다. 보안이 중요한 금융 로그인은 FAR를 EER보다 훨씬 낮은 곳(예: FAR 0.001%)으로 고정하고 그에 따른 FRR 상승을 재시도·대체인증으로 흡수한다. 반대로 대량 통행이 생명인 공항 자동출입국은 대기열을 줄이기 위해 FRR를 낮춘 운영점을 택하되, PAD와 뒤쪽 유인 심사로 보안을 보완한다. 이처럼 운영점은 한 번 정하고 끝나는 상수가 아니라, 공격 동향·사용자 민원·규제 변화에 따라 재조정하는 운영 파라미터다.
따라서 성숙한 조직은 임계값을 개발자가 코드에 박아두지 않고 정책으로 분리해 변경 이력을 관리한다. 위험기반 인증(risk-based)과 결합하면, 평상시에는 완화된 운영점을 쓰다가 고액 이체·새 기기·이상 위치 같은 위험신호가 감지될 때만 임계값을 높이거나 추가 인증을 요구하는 적응형 임계값(adaptive threshold)을 구현할 수 있다. 이는 보안과 UX의 길항을 "상황에 따라 다르게" 푸는 현실적 해법이다.
4. 생체정보의 유형과 모달리티 비교
생체정보는 측정 대상에 따라 여러 모달리티로 나뉘며, 각각 정확도·비용·수용성·위변조 난도가 다르다. 지문은 특이점(minutiae) 기반으로 정확도·비용 균형이 좋아 가장 널리 쓰이지만 잠상 지문 복제·실리콘 위조에 취약하다. 얼굴은 비접촉·원거리·대중 수용성이 높아 출입국·CCTV에 적합하나 조명·각도·마스크·노화에 민감하고 사진·동영상·딥페이크 공격에 노출된다. 홍채는 패턴 정보량이 많아 오류율이 극히 낮은 고정밀 모달리티지만 전용 적외선 장비와 사용자 협조가 필요하다. 정맥(손바닥·손가락)은 체내 혈관 패턴이라 위조가 어렵고 위생적이어서 금융 ATM·출입통제에 쓰인다. 음성은 전화 채널에서 원격 인증이 가능하나 녹음 재생·합성음성 공격에 약하다. 아래 표는 이유와 실무 함의를 함께 정리한다.
| 모달리티 | 정확도 | 위조 난도 | 수용성/편의 | 주요 용도와 실무 함의 |
|---|---|---|---|---|
| 지문 | 높음 | 중 | 높음(접촉) | 범용 1순위, 잠상·실리콘 위조 대비 PAD 필수 |
| 얼굴 | 중~높음 | 낮음 | 매우 높음(비접촉) | 대중 인증·감시, 딥페이크·사진공격 방어가 관건 |
| 홍채 | 매우 높음 | 높음 | 중(협조 필요) | 고보안 출입·국가신분, 장비 비용 부담 |
| 정맥 | 높음 | 매우 높음 | 중 | 금융·의료, 체내 패턴이라 복제 곤란 |
| 음성 | 중 | 낮음 | 높음(원격) | 콜센터·전화뱅킹, 합성음성 탐지 결합 필요 |
| 행위(걸음·타이핑) | 낮음~중 | 중 | 매우 높음(무자각) | 지속인증·이상탐지 보조, 단독 인증엔 부적합 |
구체적 수치는 이 길항을 생생하게 보여 준다. 스마트폰 얼굴인증의 대표 사례인 애플 Face ID는 임의의 타인이 잠금을 푸는 오수용 확률을 약 백만분의 1(1/1,000,000)로, 이전 세대 지문인증(Touch ID)은 약 5만분의 1(1/50,000)로 공개한 바 있다. 다만 이는 제조사가 제시한 오수용(FAR) 수치일 뿐 오거부(FRR)는 별도이며, 쌍둥이·13세 미만 아동에서는 정확도가 떨어진다는 단서가 함께 제시되었다는 점에 주의해야 한다. 즉 단일 수치만으로 우열을 단정하지 말고 FAR·FRR·FTE를 운영환경과 함께 읽어야 한다.
모달리티 선택을 "정확도가 높은 것이 최고"로 단순화하면 설계를 그르친다. 홍채는 정확하지만 비용·협조 부담으로 스마트폰 대중기기엔 부적합하고, 얼굴은 위조에 약하지만 비접촉 UX가 압도적이어서 공항 자동출입국(예: 국내 스마트패스)과 모바일에 채택된다. 즉 모달리티는 업무의 위험수준, 운영환경, 사용자 포용성, 비용의 함수로 선택해야 한다. 이 때문에 지문+얼굴, 생체+PIN처럼 다중 모달리티·다중 요소를 결합해 단일 모달리티의 약점(FTE·위조·환경 민감성)을 상호 보완하는 설계가 보편화되고 있다.
위조 공격(Presentation Attack)과 위조 방지(PAD)
생체인증 고유의 위협은 제시 공격(presentation attack)이다. 공격자가 실리콘 손가락, 고화질 사진, 3D 마스크, 녹음·합성음성, 딥페이크 영상 같은 인공 시료(artefact)를 센서에 제시해 타인으로 인증받으려는 시도다. 이를 걸러내는 기술이 위조 방지(PAD, Presentation Attack Detection) 또는 생체 탐지(liveness detection)로, 혈류·체온·동공반응·미세움직임·피부 질감·3D 깊이 등 "살아있는 진짜 신체"의 신호를 탐지한다. PAD는 능동형(사용자에게 눈 깜빡임·고개 돌림 지시)과 수동형(배경에서 질감·반사 분석)으로 나뉜다. 국제표준 ISO/IEC 30107 시리즈가 PAD의 용어·측정·보고를 규정하며, 공격시료 탐지 성능을 APCER(공격을 진짜로 오분류한 비율)·BPCER(진짜를 공격으로 오분류한 비율)로 정량화한다. 금융·전자서명에서는 PAD 없는 생체인증을 사실상 무방비로 간주해야 한다.
제시 공격의 위험은 모달리티별로 비대칭적이다. 얼굴·음성처럼 공개 채널에서 쉽게 수집되는 생체정보는 SNS 사진·공개 영상·통화 녹음으로 공격시료를 손쉽게 확보할 수 있어 위협이 크지만, 손바닥 정맥처럼 체내에 있어 비접촉으로 수집이 불가능한 정보는 공격시료 제작 자체가 어렵다. 이 비대칭성은 왜 금융 ATM이 정맥을, 대중 기기가 얼굴을 택하면서도 PAD 강도를 달리하는지를 설명한다. 결국 PAD 설계는 "그 생체정보를 공격자가 얼마나 쉽게 얻을 수 있는가"라는 위협모델에서 출발해야 한다.
5. 심화: 템플릿 보호 표준과 FIDO·딥페이크 시대의 대응
생체인증의 최신 쟁점은 "폐기 불가능한 생체정보를 어떻게 지킬 것인가"로 모인다. 비밀번호는 유출되면 재설정하면 되지만, 지문 템플릿이 유출되면 그 사람은 평생 해당 지문을 안전하게 쓸 수 없다. 이 문제를 풀기 위한 핵심 개념이 취소 가능 생체인증(Cancelable Biometrics)과 생체 템플릿 보호(Biometric Template Protection)다. 원본 특징에 사용자·서비스별로 다른 비가역 변환(예: 블룸필터·랜덤 투영)을 적용해 저장하면, 유출 시 변환 파라미터만 교체해 새 템플릿을 "재발급"할 수 있고, 한 서비스의 유출이 다른 서비스로 전이되지 않는다(비연결성). 퍼지 볼트(Fuzzy Vault)·퍼지 추출기(Fuzzy Extractor)는 노이즈가 섞인 생체값에서 안정적 키를 끌어내 암호키와 결합하는 방식이다. 이 영역은 국제표준 ISO/IEC 24745(생체정보 보호)가 요구사항을 정의하며, 비가역성·비연결성·갱신성을 핵심 속성으로 제시한다.
두 번째 축은 FIDO2/WebAuthn 기반의 "생체정보 비전송" 아키텍처다. 과거 중앙 서버에 생체 템플릿을 모아두는 방식은 대규모 유출의 단일 실패점이었다. FIDO 진영은 생체 대조를 사용자 기기 내부의 보안영역(TEE·Secure Enclave)에서만 로컬로 수행하고, 서버에는 생체정보 대신 공개키만 등록한다. 생체정보가 네트워크를 떠나지 않으므로 서버 유출이 곧 생체 유출로 이어지지 않는다. 스마트폰 지문·얼굴로 패스키(passkey)를 인증하는 방식이 이 구조이며, 생체인증과 공개키 암호가 결합해 피싱 저항성과 프라이버시를 동시에 확보한 대표 사례다(관련 주제 [[passkey-fido2]], [[decentralized-identity]] 참고).
이 두 축이 결합된 대표적 산업 사례가 공항 자동출입국과 비대면 금융이다. 국내 인천공항의 스마트패스·자동출입국 심사대는 여권 정보와 현장 얼굴을 1:1로 대조하되 PAD로 사진·마스크 공격을 걸러내고, 최종 책임은 유인 심사관에게 남겨 오탐 리스크를 분산한다. 비대면 계좌 개설(eKYC)에서는 신분증 촬영본의 진위, 신분증 사진과 셀피의 얼굴 일치, 셀피의 생체 탐지(눈 깜빡임·3D 깊이)를 다단계로 결합해 단일 지표 실패가 전체 실패로 이어지지 않도록 설계한다. 이처럼 실무는 "완벽한 단일 인증"이 아니라 여러 불완전한 방어의 중첩으로 신뢰를 쌓는다.
세 번째 축은 생성형 AI가 촉발한 위조 공격의 고도화다. 딥페이크 얼굴·합성음성·AI 생성 신분증 사진이 eKYC와 원격 인증을 위협하면서, PAD도 AI 대 AI 군비경쟁으로 진화하고 있다. 미국 NIST의 FRVT/FATE 벤치마크는 얼굴·PAD 알고리즘을 지속 평가해 벤더 선택의 객관적 근거를 제공한다. 동시에 행위 생체(behavioral biometrics)—타이핑 리듬·마우스 궤적·기기 파지 자세—를 배경에서 지속 측정해 세션 내내 "같은 사람이 쓰고 있는가"를 검증하는 지속 인증(continuous authentication)이 제로 트러스트·이상탐지(관련 주제 [[ueba]], [[zero-trust]])와 결합해 확산되고 있다. 다만 행위 생체는 단독 인증보다는 위험기반 인증의 보조신호로 쓰는 것이 현실적이다.
6. 고려사항 및 시사점
운영점(FAR/FRR) 설계는 보안이 아니라 리스크 경영의 문제다: 생체인증 도입의 성패는 알고리즘 정확도보다 "업무 위험에 맞는 임계값을 어디에 둘 것인가"에 달려 있다. 고가치 거래는 낮은 FAR를, 대량 출입은 낮은 FRR를 택하되, FRR로 거부된 정당 사용자를 위한 대체 인증(PIN·OTP) 경로를 반드시 함께 설계해야 한다. 생체 단독 의존은 FTE·FTA가 있는 소외 계층을 배제하므로 포용성 관점에서도 위험하다.
폐기 불가능성을 전제로 한 템플릿 보호와 분산 저장: 생체정보는 유출 시 복구 불가능하므로, 원본 영상 저장을 금지하고 취소 가능 변환·템플릿 보호(ISO/IEC 24745)를 적용하며, 가능하면 FIDO처럼 기기 로컬 매칭으로 생체정보를 서버에서 분리해야 한다. 중앙 집중 저장은 단일 실패점이자 규제 리스크다.
위조 방지(PAD)와 딥페이크 대응의 지속 투자: PAD가 없는 생체인증은 사진·마스크·합성음성에 무력하다. ISO/IEC 30107 기준의 PAD를 필수화하고, 생성형 AI의 발전에 맞춰 탐지 모델을 주기적으로 재학습·갱신하는 운영 프로세스를 거버넌스로 명문화해야 한다. 특히 비대면 eKYC는 딥페이크 공격의 최전선이다.
프라이버시·법제 준수와 트레이드오프: 생체정보는 「개인정보 보호법」상 민감정보로 수집·이용에 별도 동의와 강화된 안전조치가 요구되며, EU GDPR·일부 지역 법규는 더 엄격하다. 편리한 대량 수집과 프라이버시·차별(얼굴인식의 인종·연령별 정확도 편차) 사이의 트레이드오프를 설계 단계에서 PbD(관련 주제 [[privacy-by-design]]) 원칙으로 통제하고, 목적 제한·보관기간·파기 절차를 명확히 해야 한다.
다중 요소·연계 기술로의 확장 전망: 단일 생체 모달리티의 한계(위조·환경 민감성·FTE)는 생체+소유+지식의 다중 요소와 다중 모달리티 융합으로 보완하는 방향으로 간다. 나아가 행위 생체 기반 지속 인증, 제로 트러스트, 분산신원(DID)과 결합해 "한 번 로그인"에서 "세션 내내 검증"으로 패러다임이 이동하고 있으며, 기술사는 이들 연계 기술과의 아키텍처 통합을 중기 로드맵으로 제시할 수 있어야 한다.
참고자료
- ISO/IEC 30107-3:2023, Information technology — Biometric presentation attack detection — Part 3: Testing and reporting, https://www.iso.org/standard/79520.html
- ISO/IEC 24745:2022, Information security, cybersecurity and privacy protection — Biometric information protection, https://www.iso.org/standard/75302.html
- ISO/IEC 19795-1, Biometric performance testing and reporting — Part 1: Principles and framework, https://www.iso.org/standard/73515.html
- NIST, Face Recognition Vendor Test (FRVT) / FATE, https://www.nist.gov/programs-projects/face-recognition-vendor-test-frvt
- FIDO Alliance, Biometrics and FIDO Authentication, https://fidoalliance.org/
- Apple Platform Security, About Face ID & Touch ID advanced technology, https://support.apple.com/en-us/102381
한 줄 요약: 생체인증은 폐기 불가능한 신체·행위 특징을 센서로 수집해 템플릿과 대조하는 확률적 본인확인으로, FAR·FRR·EER 운영점을 업무 위험에 맞게 설계하고 위조 방지(PAD, ISO/IEC 30107)와 템플릿 보호(ISO/IEC 24745)·FIDO 로컬 매칭으로 위조와 유출을 방어하며, 다중 요소·지속 인증·제로 트러스트와 결합해야 하는 비대면 시대의 핵심 인증 기술이다.