論文の概要: To augment or not to augment? Data augmentation in user identification
based on motion sensors
- arxiv url: http://arxiv.org/abs/2009.00300v1
- Date: Tue, 1 Sep 2020 09:11:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 01:02:37.191758
- Title: To augment or not to augment? Data augmentation in user identification
based on motion sensors
- Title（参考訳）: 増やすか、増やさないか?
モーションセンサを用いたユーザ識別におけるデータ拡張
- Authors: Cezara Benegui and Radu Tudor Ionescu
- Abstract要約: 本稿では,モーションセンサデータに有用な拡張手法を見つけるために,いくつかのデータ拡張手法について検討する。
ユーザを識別するのに有用な信号パターンは、特定のデータ拡張技術によってもたらされる変換にあまりにも敏感だからです。
- 参考スコア（独自算出の注目度）: 24.182791316595576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, commonly-used authentication systems for mobile device users, e.g.
password checking, face recognition or fingerprint scanning, are susceptible to
various kinds of attacks. In order to prevent some of the possible attacks,
these explicit authentication systems can be enhanced by considering a
two-factor authentication scheme, in which the second factor is an implicit
authentication system based on analyzing motion sensor data captured by
accelerometers or gyroscopes. In order to avoid any additional burdens to the
user, the registration process of the implicit authentication system must be
performed quickly, i.e. the number of data samples collected from the user is
typically small. In the context of designing a machine learning model for
implicit user authentication based on motion signals, data augmentation can
play an important role. In this paper, we study several data augmentation
techniques in the quest of finding useful augmentation methods for motion
sensor data. We propose a set of four research questions related to data
augmentation in the context of few-shot user identification based on motion
sensor signals. We conduct experiments on a benchmark data set, using two deep
learning architectures, convolutional neural networks and Long Short-Term
Memory networks, showing which and when data augmentation methods bring
accuracy improvements. Interestingly, we find that data augmentation is not
very helpful, most likely because the signal patterns useful to discriminate
users are too sensitive to the transformations brought by certain data
augmentation techniques. This result is somewhat contradictory to the common
belief that data augmentation is expected to increase the accuracy of machine
learning models.
- Abstract（参考訳）: 今日では、パスワードチェック、顔認識、指紋スキャンなど、モバイルデバイスユーザー向けの一般的な認証システムは、様々な種類の攻撃を受けやすい。
これらの攻撃を回避するため、加速度計やジャイロスコープで捉えたモーションセンサデータの解析に基づいて、第2因子が暗黙の認証システムである2要素認証方式を考慮すれば、これらの明示的な認証システムを強化することができる。
ユーザへの追加的な負担を回避するため、暗黙の認証システムの登録処理を迅速に行う必要がある。
動き信号に基づく暗黙的ユーザ認証のための機械学習モデルを設計するという文脈では、データ拡張が重要な役割を果たす。
本稿では,モーションセンサデータに有用な拡張手法を見つけるために,いくつかのデータ拡張手法について検討する。
本研究では,モーションセンサ信号に基づくユーザ識別におけるデータ拡張に関する4つの研究課題を提案する。
我々は、畳み込みニューラルネットワークとLong Short-Term Memory Networkという2つのディープラーニングアーキテクチャを用いて、ベンチマークデータセット上で実験を行い、データ拡張手法が正確性の向上をもたらすことを示す。
ユーザを識別するのに有用な信号パターンは、特定のデータ拡張技術によってもたらされる変換にあまりにも敏感だからです。
この結果は、データ拡張が機械学習モデルの精度を高めることが期待されるという一般的な信念とは多少矛盾している。
関連論文リスト
- Effect of Data Degradation on Motion Re-Identification [16.062009131216467]
本研究では,信号劣化が識別性に及ぼす影響について検討し,特に付加雑音,フレームレートの低減,精度の低下,データの次元性の低下について検討した。
実験により,これらの劣化に対して,最先端の識別攻撃は依然としてほぼ完全であることがわかった。
論文 参考訳（メタデータ） (2024-07-25T20:23:32Z) - 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) - mPSAuth: Privacy-Preserving and Scalable Authentication for Mobile Web
Applications [0.0]
mPSAuthは、ユーザの振る舞いを反映したさまざまなデータソースを継続的に追跡し、現在のユーザが正当である可能性を推定するアプローチである。
我々はmPSAuthが暗号化と通信のオーバーヘッドを低く抑えながら高い精度を提供できることを示した。
論文 参考訳（メタデータ） (2022-10-07T12:49:34Z) - 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) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳（メタデータ） (2022-02-15T17:38:30Z) - Robust and Transferable Anomaly Detection in Log Data using Pre-Trained
Language Models [59.04636530383049]
クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。
システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-23T09:17:05Z) - Adversarial Attacks on Deep Learning Systems for User Identification
based on Motion Sensors [24.182791316595576]
本研究では,モーションセンサ信号に基づく明示的認証のための深層学習手法に焦点を当てた。
このシナリオでは、攻撃者は不正アクセスを得るために敵の例を作ることができる。
私たちの知る限りでは、機械学習モデルに対する敵攻撃の影響の定量化を目的とした最初の研究である。
論文 参考訳（メタデータ） (2020-09-02T14:35:05Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳（メタデータ） (2020-08-10T14:19:15Z) - End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。
提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
論文 参考訳（メタデータ） (2020-06-09T16:38:09Z)
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。