본 논문은 자기 지도 학습(SSL) 기반 화자 인증(SV)에서 기존 방법의 한계점을 극복하기 위해 새로운 양성 샘플링 기법인 자기 지도 양성 샘플링(SSPS)을 제안합니다. 기존 방법은 동일 발화를 사용하여 양성 샘플을 생성함으로써 주로 녹음 환경 정보를 인코딩하는데 집중하는 반면, SSPS는 클러스터링과 메모리 큐를 활용하여 잠재 공간에서 동일 화자, 다른 녹음 환경의 양성 샘플을 찾습니다. SimCLR과 DINO 모델에 SSPS를 적용한 결과, VoxCeleb1-O 데이터셋에서 최첨단 SSL 방법들을 능가하는 2.57%와 2.53%의 EER을 달성하였습니다. 특히 SimCLR-SSPS는 화자 내 분산을 줄임으로써 EER을 58% 감소시키며 DINO-SSPS와 비슷한 성능을 보였습니다.