論文の概要: TypeNet: Scaling up Keystroke Biometrics
- arxiv url: http://arxiv.org/abs/2004.03627v2
- Date: Sun, 19 Apr 2020 09:01:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 00:41:56.902783
- Title: TypeNet: Scaling up Keystroke Biometrics
- Title(参考訳): TypeNet: キーストロークバイオメトリックスのスケールアップ
- Authors: Alejandro Acien, John V. Monaco, Aythami Morales, Ruben
Vera-Rodriguez, and Julian Fierrez
- Abstract要約: まず、リカレントニューラルネットワーク(RNN)を用いて、ユーザ毎のデータ量が不足している場合に、ユーザを認証できる範囲を分析した。
ネットワークのテストに1Kのユーザがいるため、TypeNetのエラー率は4.8%である。
ユーザ毎のデータ量と同じで、テストユーザ数が100Kまでスケールアップされるため、1Kと比較してパフォーマンスは5%以下に低下する。
- 参考スコア(独自算出の注目度): 79.19779718346128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the suitability of keystroke dynamics to authenticate 100K users
typing free-text. For this, we first analyze to what extent our method based on
a Siamese Recurrent Neural Network (RNN) is able to authenticate users when the
amount of data per user is scarce, a common scenario in free-text keystroke
authentication. With 1K users for testing the network, a population size
comparable to previous works, TypeNet obtains an equal error rate of 4.8% using
only 5 enrollment sequences and 1 test sequence per user with 50 keystrokes per
sequence. Using the same amount of data per user, as the number of test users
is scaled up to 100K, the performance in comparison to 1K decays relatively by
less than 5%, demonstrating the potential of TypeNet to scale well at large
scale number of users. Our experiments are conducted with the Aalto University
keystroke database. To the best of our knowledge, this is the largest free-text
keystroke database captured with more than 136M keystrokes from 168K users.
- Abstract(参考訳): フリーテキスト入力100Kユーザ認証のためのキーストローク力学の適合性について検討する。
そこで本研究では,siamese recurrent neural network (rnn) がユーザ1人あたりのデータ量が不足している場合にユーザを認証できることを,フリーテキストキーストローク認証の一般的なシナリオとして分析した。
ネットワークをテストするための1Kユーザと、以前の作業に匹敵する人口規模で、TypeNetは5つの登録シーケンスと1ユーザー当たり1回のテストシーケンスで、同じエラー率4.8%を得る。
ユーザ毎に同じ量のデータを使用することで、テストユーザ数を10kまでスケールアップすることで、1kと比較したパフォーマンスは5%未満に低下し、大規模なユーザ数でtypenetがうまくスケールする可能性を示している。
実験はアルト大学キーストロークデータベースを用いて行った。
われわれの知る限り、これは168万のユーザーから1億3600万以上のキーストロークを入手した、最大のフリーテキストキーストロークデータベースだ。
関連論文リスト
- Protecting Copyrighted Material with Unique Identifiers in Large Language Model Training [55.321010757641524]
大きな言語モデル(LLM)のトレーニングに関する主要な公的な懸念は、著作権のあるオンラインテキストを悪用するかどうかである。
事前の会員推定法は、大量のトレーニングデータに類似した例によって誤解されることがある。
本稿では,Webユーザとコンテンツプラットフォームがtextbftextitunique 識別子を使用することを推奨する代替のtextitinsert-and-detection 手法を提案する。
論文 参考訳(メタデータ) (2024-03-23T06:36:32Z) - Keystroke Dynamics for User Identification [2.707154152696381]
これまでの研究では、キーストロークダイナミクスは、固定テキストデータと自由テキストデータの両方に基づいて、ユーザ認証の可能性を示してきた。
我々は、自由テキストデータに基づいて、より困難なマルチクラスユーザ識別問題を考察する。
論文 参考訳(メタデータ) (2023-07-07T23:12:16Z) - KeyDetect --Detection of anomalies and user based on Keystroke Dynamics [0.0]
サイバー攻撃はクレジットカードの詳細や社会保障番号などの機密データに簡単にアクセスすることができる。
現在、サイバー攻撃を止めるために、2段階の検証方法から様々な方法が選択されている。
我々は,ユーザのキーストロークダイナミックス(タイピングパターン)を用いて真のユーザを認証する手法を提案している。
論文 参考訳(メタデータ) (2023-04-08T09:00:07Z) - A novel non-linear transformation based multi-user identification
algorithm for fixed text keystroke behavioral dynamics [2.3848738964230023]
キーストロークダイナミックスを用いて,単一のアプリケーションにアクセスする複数のユーザを一意に分類し,識別する手法を提案する。
我々の結果は、ベンチマークキーストロークデータセットの助けを借りて検証され、我々のアルゴリズムが他の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-10-05T18:42:32Z) - Writer Recognition Using Off-line Handwritten Single Block Characters [59.17685450892182]
我々は、生年月日DoBの6桁の個人番号を使用する。
本稿では,方向測定を行う手作り特徴に基づく認識手法と,ResNet50モデルによる深い特徴に基づく認識手法について検討する。
その結果,DoBでは手書き情報に同一性関連情報が6桁程度存在することがわかった。
論文 参考訳(メタデータ) (2022-01-25T23:04:10Z) - TypeNet: Deep Learning Keystroke Biometrics [77.80092630558305]
TypeNetは、アイデンティティ毎に適度な数のキーストロークでトレーニングされた、リカレントニューラルネットワークである。
5つのギャラリーシーケンスと長さ50のテストシーケンスにより、TypeNetは最先端のキーストロークバイオメトリック認証性能を実現します。
実験では,最大10,000人の被験者による誤りの程度の増加を実証し,インターネット規模でのTypeNetの運用の可能性を示した。
論文 参考訳(メタデータ) (2021-01-14T12:49:09Z) - Federated Learning of User Authentication Models [69.93965074814292]
機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。
FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。
提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
論文 参考訳(メタデータ) (2020-07-09T08:04:38Z) - Keystroke Biometrics in Response to Fake News Propagation in a Global
Pandemic [77.79066811371978]
本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。
フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
論文 参考訳(メタデータ) (2020-05-15T17:56:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。