論文の概要: Smartphone Impostor Detection with Behavioral Data Privacy and
Minimalist Hardware Support
- arxiv url: http://arxiv.org/abs/2103.06453v1
- Date: Thu, 11 Mar 2021 04:39:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 22:14:07.570756
- Title: Smartphone Impostor Detection with Behavioral Data Privacy and
Minimalist Hardware Support
- Title（参考訳）: 行動データプライバシとミニマリストハードウェアによるスマートフォンのインポスタ検出
- Authors: Guangyuan Hu, Zecheng He, Ruby B. Lee
- Abstract要約: impostorは、スマートフォンを乗っ取り、合法的なユーザーの機密情報や個人情報にアクセスする攻撃者です。
本稿では,簡単な深層学習アルゴリズムを用いてイポスタを素早く検出する防御機構を提案する。
また,スマートフォンインポスタ検出器用sidと呼ばれるミニマリストハードウェアモジュールを,自己完結インポスタ検出のためにスマートフォンに設計・統合する方法を示す。
- 参考スコア（独自算出の注目度）: 7.374079197112307
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Impostors are attackers who take over a smartphone and gain access to the
legitimate user's confidential and private information. This paper proposes a
defense-in-depth mechanism to detect impostors quickly with simple Deep
Learning algorithms, which can achieve better detection accuracy than the best
prior work which used Machine Learning algorithms requiring computation of
multiple features. Different from previous work, we then consider protecting
the privacy of a user's behavioral (sensor) data by not exposing it outside the
smartphone. For this scenario, we propose a Recurrent Neural Network (RNN)
based Deep Learning algorithm that uses only the legitimate user's sensor data
to learn his/her normal behavior. We propose to use Prediction Error
Distribution (PED) to enhance the detection accuracy. We also show how a
minimalist hardware module, dubbed SID for Smartphone Impostor Detector, can be
designed and integrated into smartphones for self-contained impostor detection.
Experimental results show that SID can support real-time impostor detection, at
a very low hardware cost and energy consumption, compared to other RNN
accelerators.
- Abstract（参考訳）: impostorは、スマートフォンを乗っ取り、合法的なユーザーの機密情報や個人情報にアクセスする攻撃者です。
本稿では,複数の特徴の計算を必要とする機械学習アルゴリズムを用いた最善の先行研究よりも優れた検出精度を実現するため,簡易な深層学習アルゴリズムを用いてインポスタを迅速に検出する防御インディペンデント機構を提案する。
従来の作業とは違い、ユーザーの行動(センサー)データのプライバシーをスマートフォン外に公開しないで保護することを検討します。
そこで本研究では,正規のユーザセンサデータのみを用いて,通常の動作を学習するRecurrent Neural Network (RNN)ベースのディープラーニングアルゴリズムを提案する。
予測誤差分布(ped)を用いて検出精度を向上させることを提案する。
また,スマートフォンインポスタ検出器用sidと呼ばれるミニマリストハードウェアモジュールを,自己完結インポスタ検出のためにスマートフォンに設計・統合する方法を示す。
実験結果から,SIDは,他のRNNアクセラレータと比較して,ハードウェアコストとエネルギー消費の極めて低い実時間インポスタ検出をサポートできることが示唆された。
関連論文リスト
- Online Corrupted User Detection and Regret Minimization [49.536254494829436]
現実世界のオンラインウェブシステムでは、複数のユーザがシステムに順次到着する。
乱れた行動から未知のユーザ関係を学習・活用するために,LOCUDという重要なオンライン学習問題を提案する。
我々はRCLUB-WCUの推測ユーザ関係に基づく新しいオンライン検出アルゴリズムOCCUDを考案した。
論文 参考訳（メタデータ） (2023-10-07T10:20:26Z) - Your Identity is Your Behavior -- Continuous User Authentication based
on Machine Learning and Touch Dynamics [0.0]
本研究は,LG V30+を用いた40名の被験者から収集したタッチダイナミクスのデータセットを用いた。
参加者は4つのモバイルゲーム、Diep.io、Slither、Minecraftをそれぞれ10分間プレイした。
研究の結果,3つのアルゴリズムがそれぞれ,個々のタッチダイナミクスに基づいてユーザを効果的に分類できることが判明した。
論文 参考訳（メタデータ） (2023-04-24T13:45:25Z) - Embedded System Performance Analysis for Implementing a Portable
Drowsiness Detection System for Drivers [2.314847093228566]
そこで我々は,GhoddoosianのDrowsiness検出アルゴリズムを小型ミニコンピュータ上で処理できる組込みシステムを提案する。
私たちは、AioRTCプロトコルを使用して、クライアントからサーバへのビデオフレームのリアルタイム送信を行います。
論文 参考訳（メタデータ） (2022-09-30T00:22:57Z) - A Survey of Machine Learning Algorithms for Detecting Ransomware
Encryption Activity [0.0]
ランサムウェアを検出するために訓練された機械学習技術について調査する。
この研究は、Taylorらによる、センサーベースの方法による暗号化アクティビティの識別の取り組みに基づいている。
ランダムフォレストモデルでは、93%の精度と92%のF1のスコアが生成され、センサーによる検出が、コードが完全に実行される前にゼロデイランサムウェア攻撃を検知する実行可能な選択肢であることを示している。
論文 参考訳（メタデータ） (2021-10-14T18:02:31Z) - From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。
これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
論文 参考訳（メタデータ） (2021-08-24T13:25:02Z) - Self-Supervised Person Detection in 2D Range Data using a Calibrated
Camera [83.31666463259849]
2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。
擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。
私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
論文 参考訳（メタデータ） (2020-12-16T12:10:04Z) - Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。
本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。
提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
論文 参考訳（メタデータ） (2020-07-11T21:20:55Z) - Usage Analysis of Mobile Devices [9.686156285265069]
Deep Learning Network (DNN) によるユーザ行動検出の新しい手法の提案
最初のアプローチは、リカレントニューラルネットワーク(RNN)とLong Short Term Memory(LSTM)を、完全に教師なしのモバイルデバイス分析に使用することだった。
次のアプローチは、Long Short Term Memory(LSTM)を使用して、ユーザの振る舞いを理解して機能を抽出し、それを畳み込みニューラルネットワーク(CNN)に入力する。
論文 参考訳（メタデータ） (2020-05-13T12:15:24Z) - Efficient Intent Detection with Dual Sentence Encoders [53.16532285820849]
本稿では,USE や ConveRT などの事前訓練された二重文エンコーダによるインテント検出手法を提案する。
提案するインテント検出器の有用性と適用性を示し,完全なBERT-Largeモデルに基づくインテント検出器よりも優れた性能を示す。
コードだけでなく、新しい挑戦的な単一ドメイン意図検出データセットもリリースしています。
論文 参考訳（メタデータ） (2020-03-10T15:33:54Z) - CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。
CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
論文 参考訳（メタデータ） (2020-02-03T14:49:18Z) - Seeing without Looking: Contextual Rescoring of Object Detections for AP
Maximization [4.346179456029563]
任意の検出器の出力を後処理することで、コンテキストをオブジェクト検出に組み込むことを提案する。
再現は、検出の集合全体からコンテキスト情報を条件付けすることで行われる。
検出信頼度を簡易に再割り当てすることでAPを改善できることを示す。
論文 参考訳（メタデータ） (2019-12-27T18:56:29Z)
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。