論文の概要: Defending Touch-based Continuous Authentication Systems from Active
Adversaries Using Generative Adversarial Networks
- arxiv url: http://arxiv.org/abs/2106.07867v1
- Date: Tue, 15 Jun 2021 04:04:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-16 14:56:33.583160
- Title: Defending Touch-based Continuous Authentication Systems from Active
Adversaries Using Generative Adversarial Networks
- Title(参考訳): 生成型adversarial networkを用いたアクティブな敵からのタッチベースの連続認証システム
- Authors: Mohit Agrawal and Pragyan Mehrotra and Rajesh Kumar and Rajiv Ratn
Shah
- Abstract要約: 本稿では,集団攻撃に対する弾力性を示す,新しいジェネレーティブ・アドバーサリアル・ネットワークを用いたTCASフレームワークを提案する。
V-TCASの偽受入率(FAR)の上昇はスマートフォンのG-TCAS(13%)よりもはるかに高い(22%)。
- 参考スコア(独自算出の注目度): 34.161603547018075
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Previous studies have demonstrated that commonly studied (vanilla)
touch-based continuous authentication systems (V-TCAS) are susceptible to
population attack. This paper proposes a novel Generative Adversarial Network
assisted TCAS (G-TCAS) framework, which showed more resilience to the
population attack. G-TCAS framework was tested on a dataset of 117 users who
interacted with a smartphone and tablet pair. On average, the increase in the
false accept rates (FARs) for V-TCAS was much higher (22%) than G-TCAS (13%)
for the smartphone. Likewise, the increase in the FARs for V-TCAS was 25%
compared to G-TCAS (6%) for the tablet.
- Abstract(参考訳): これまでの研究では、一般的に研究されている(Vanilla)タッチベースの連続認証システム(V-TCAS)が集団攻撃の影響を受けることが示されている。
本稿では, 集団攻撃に対する耐性を向上した, TCAS (G-TCAS) フレームワークを提案する。
G-TCASフレームワークは、スマートフォンとタブレットのペアと対話する117人のユーザのデータセットでテストされた。
V-TCASの偽受入率(FAR)の上昇はスマートフォンのG-TCAS(13%)よりもはるかに高い(22%)。
同様に、V-TCASのFARの増加率は、タブレットのG-TCAS(6%)と比較して25%であった。
関連論文リスト
- CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。
この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。
逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
論文 参考訳(メタデータ) (2024-10-30T15:06:44Z) - FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳(メタデータ) (2024-03-26T08:51:23Z) - Liveness Detection Competition -- Noncontact-based Fingerprint
Algorithms and Systems (LivDet-2023 Noncontact Fingerprint) [12.05273326660349]
LivDet-2023 非接触フィンガープリントは、アルゴリズムとシステムのための非接触指紋ベースのPADコンペティションの最初のエディションである。
このコンペティションは、非接触型指紋PADの重要なベンチマークとして機能する。
勝利したアルゴリズムはAPCERが11.35%、BPCERが0.62%に達した。
論文 参考訳(メタデータ) (2023-10-01T12:59:30Z) - RoS-KD: A Robust Stochastic Knowledge Distillation Approach for Noisy
Medical Imaging [67.02500668641831]
ノイズの多いデータセットでトレーニングされたディープラーニングモデルは、ノイズタイプに敏感であり、目に見えないサンプルの一般化が少なくなる。
本稿では,複数の情報源からトピックを学習する概念を模倣したロバスト知識蒸留(RoS-KD)フレームワークを提案する。
RoS-KDは、訓練データの重複する部分集合について訓練された複数の教師から知識を蒸留することにより、滑らかで、よく表現された、堅牢な学生多様体を学習する。
論文 参考訳(メタデータ) (2022-10-15T22:32:20Z) - GANTouch: An Attack-Resilient Framework for Touch-based Continuous
Authentication System [49.54053354664652]
本研究は,新規なジェネレーティブ・アドバイサル・ネットワークを用いたTCASフレームワークを提案し,それを3つのアクティブ・ディバイサル環境下でのV-TCASと比較する。
G-TCASはポピュレーションとランダムベクターの下ではV-TCASよりも弾力性があり、ゼロエフォートよりも敵のシナリオにダメージを与えた。
以上の結果から, 活発な対向環境下でのTCASの評価と, TCASパイプラインにおけるGANの有用性を確認することが示唆された。
論文 参考訳(メタデータ) (2022-10-02T20:58:04Z) - Smart Application for Fall Detection Using Wearable ECG & Accelerometer
Sensors [0.0]
タイムリーで信頼性の高い滝の検出は、大規模で急速に成長する研究分野である。
センサは転倒検出に有用であり、転倒と他の活動の区別を可能にする。
この研究は、結果のデータセットで識別される弱点のために、改善の余地をかなり残している。
論文 参考訳(メタデータ) (2022-06-28T12:49:25Z) - Exploring the effectiveness of a COVID-19 contact tracing app using an
agent-based model [0.0]
ロックダウン対策の緩和に伴い、新型コロナウイルスの感染拡大を抑えるためには、接触追跡戦略が必要であるとみられている。
われわれは、コンタクトトレーシングスマートフォンアプリとして提案されている技術ベースの戦略の1つを探求する。
このモデルは、都市規模のエージェントの集団における新型コロナウイルスの拡散をシミュレートする。
論文 参考訳(メタデータ) (2020-07-27T16:58:17Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z)
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。