論文の概要: Digit Recognition From Wrist Movements and Security Concerns with Smart
Wrist Wearable IOT Devices
- arxiv url: http://arxiv.org/abs/2004.14777v1
- Date: Wed, 22 Apr 2020 23:37:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 17:55:44.085796
- Title: Digit Recognition From Wrist Movements and Security Concerns with Smart
Wrist Wearable IOT Devices
- Title(参考訳): スマートウェアラブルiotデバイスにおける手首動作からの指認識とセキュリティ問題
- Authors: Lambert T. Leong, Sean Wiere
- Abstract要約: 加速度計とジャイロスコープは、ユーザが書いた数字を特定するのに十分なユニークな手首の動き情報を拾うことができることを示す。
以上の結果から,手首のウェアラブル端末から,社会保障やクレジットカード,医療記録などの機密情報を得ることができる可能性が示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we investigate a potential security vulnerability associated
with wrist wearable devices. Hardware components on common wearable devices
include an accelerometer and gyroscope, among other sensors. We demonstrate
that an accelerometer and gyroscope can pick up enough unique wrist movement
information to identify digits being written by a user. With a data set of 400
writing samples, of either the digit zero or the digit one, we constructed a
machine learning model to correctly identify the digit being written based on
the movements of the wrist. Our model's performance on an unseen test set
resulted in an area under the receiver operating characteristic (AUROC) curve
of 1.00. Loading our model onto our fabricated device resulted in 100% accuracy
when predicting ten writing samples in real-time. The model's ability to
correctly identify all digits via wrist movement and orientation changes raises
security concerns. Our results imply that nefarious individuals may be able to
gain sensitive digit based information such as social security, credit card,
and medical record numbers from wrist wearable devices.
- Abstract(参考訳): 本稿では,手首用ウェアラブルデバイスに関連する潜在的なセキュリティ脆弱性について検討する。
一般的なウェアラブルデバイスのハードウェアコンポーネントには加速度計やジャイロスコープなどが含まれる。
加速度計とジャイロスコープは、ユーザが書いた数字を特定するのに十分なユニークな手首の動き情報を拾うことができることを示す。
数字ゼロまたは数字1のいずれかの400個の文書サンプルのデータセットを用いて、手首の動きに基づいて正確な数字を識別する機械学習モデルを構築した。
実験の結果,受信機動作特性(auroc)曲線下の領域は1.00。
製造したデバイスにモデルをロードすると、リアルタイムで10個の筆記サンプルを予測する精度が100%向上した。
モデルが手首の動きや方向の変更によって全ての桁を正しく識別する能力は、セキュリティ上の懸念を引き起こす。
以上の結果から,手首のウェアラブルデバイスから,ソーシャルセキュリティやクレジットカード,医療記録番号などの機密情報を得ることができる可能性が示唆された。
関連論文リスト
- Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳(メタデータ) (2023-05-12T17:24:02Z) - Reconfigurable Data Glove for Reconstructing Physical and Virtual Grasps [100.72245315180433]
本研究では,人間の手-物体相互作用の異なるモードを捉えるために,再構成可能なデータグローブの設計を提案する。
グローブは3つのモードで動作し、異なる特徴を持つ様々な下流タスクを実行する。
i)手の動きと関連力を記録し,(ii)VRの操作流速を改善するとともに,(iii)様々なツールの現実的なシミュレーション効果を生み出すことにより,システムの3つのモードを評価する。
論文 参考訳(メタデータ) (2023-01-14T05:35:50Z) - Deep-Learning-Based Device Fingerprinting for Increased LoRa-IoT
Security: Sensitivity to Network Deployment Changes [10.698553177585973]
各種ネットワーク設定変化に対する LoRa RF フィンガープリントの感度について検討・解析を行った。
本稿では,帯域外歪み情報を利用して指紋認証精度を向上させる新しい指紋認証手法を提案する。
以上の結果から,学習モデルが同じ条件下でトレーニングされ,テストされた場合,指紋認証は比較的良好であることがわかった。
論文 参考訳(メタデータ) (2022-08-31T16:53:05Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳(メタデータ) (2022-03-14T17:05:59Z) - 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) - Leveraging distributed contact force measurements for slip detection: a
physics-based approach enabled by a data-driven tactile sensor [5.027571997864706]
本稿では,新たなモデルに基づくスリップ検出パイプラインについて述べる。
分散力を正確に推定する視覚ベースの触覚センサを、6自由度コボットと2フィンガーグリップパーからなる把握装置に統合した。
その結果, 形状, 材料, 重量の異なる物体を操作しながら, スリップを確実に予測できることがわかった。
論文 参考訳(メタデータ) (2021-09-23T17:12:46Z) - Responsible Disclosure of Generative Models Using Scalable
Fingerprinting [70.81987741132451]
深層生成モデルは質的に新しいパフォーマンスレベルを達成した。
この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。
最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
論文 参考訳(メタデータ) (2020-12-16T03:51:54Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7~13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳(メタデータ) (2020-12-04T23:06:56Z) - Human or Machine? It Is Not What You Write, But How You Write It [10.43230260556633]
人や機械が生成する手書き記号(文字、数字、ジェスチャー、署名)について検討する。
シンボルが静的なイメージとして表示されると、最先端の分類器を騙すことができる。
フェイク動作の正確な検出は、ユーザーが何を書いているかというよりも、ユーザーの書き方と関係がある、と結論づける。
論文 参考訳(メタデータ) (2020-10-25T22:01:48Z) - An Intelligent Non-Invasive Real Time Human Activity Recognition System
for Next-Generation Healthcare [9.793913891417912]
人間の動きは、脆弱な人々のためのリモートヘルスケアソリューションを提供するために使用することができる。
現在、ウェアラブルデバイスは、人の体に機器を配置することで、リアルタイムの監視を提供することができる。
本研究では,非侵襲的手法を用いて準リアルタイムシナリオにおいて人間の動作がどのように検出されるかを示す。
論文 参考訳(メタデータ) (2020-08-06T10:51:56Z)
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。