論文の概要: Security and Privacy Enhanced Gait Authentication with Random
Representation Learning and Digital Lockers
- arxiv url: http://arxiv.org/abs/2108.02400v1
- Date: Thu, 5 Aug 2021 06:34:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-06 22:57:15.542210
- Title: Security and Privacy Enhanced Gait Authentication with Random
Representation Learning and Digital Lockers
- Title(参考訳): ランダム表現学習とデジタルロッカーを用いたセキュリティとプライバシー強化型歩行認証
- Authors: Lam Tran, Thuc Nguyen, Hyunil Kim, Deokjai Choi
- Abstract要約: 慣性センサーによってキャプチャされた歩行データは、ユーザ認証において有望な結果を示している。
既存のほとんどのアプローチでは、登録された歩行パターンをパターンと一致させるために安全に保存しているため、重要なセキュリティとプライバシの問題が発生している。
本稿では,歩行データからユーザ認証のためのランダムキーを生成するゲイト暗号システムを提案する。
- 参考スコア(独自算出の注目度): 3.3549957463189095
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gait data captured by inertial sensors have demonstrated promising results on
user authentication. However, most existing approaches stored the enrolled gait
pattern insecurely for matching with the validating pattern, thus, posed
critical security and privacy issues. In this study, we present a gait
cryptosystem that generates from gait data the random key for user
authentication, meanwhile, secures the gait pattern. First, we propose a
revocable and random binary string extraction method using a deep neural
network followed by feature-wise binarization. A novel loss function for
network optimization is also designed, to tackle not only the intrauser
stability but also the inter-user randomness. Second, we propose a new
biometric key generation scheme, namely Irreversible Error Correct and
Obfuscate (IECO), improved from the Error Correct and Obfuscate (ECO) scheme,
to securely generate from the binary string the random and irreversible key.
The model was evaluated with two benchmark datasets as OU-ISIR and whuGAIT. We
showed that our model could generate the key of 139 bits from 5-second data
sequence with zero False Acceptance Rate (FAR) and False Rejection Rate (FRR)
smaller than 5.441%. In addition, the security and user privacy analyses showed
that our model was secure against existing attacks on biometric template
protection, and fulfilled irreversibility and unlinkability.
- Abstract(参考訳): 慣性センサが取得した歩行データは、ユーザ認証において有望な結果を示している。
しかし、既存のアプローチのほとんどは、認証パターンにマッチするために登録済みの歩行パターンを不セキュアに保存しているため、重大なセキュリティとプライバシの問題を引き起こした。
本研究では,歩行データからユーザ認証のためのランダム鍵を生成するゲイト暗号システムを提案する。
まず, ディープニューラルネットワークを用いたリボケータブルでランダムなバイナリ文字列抽出法と, 特徴量二項化手法を提案する。
また,ネットワーク最適化のための新たな損失関数を設計し,ユーザ内安定性だけでなく,ユーザ間のランダム性にも対処する。
第2に,2進文字列からランダムかつ不可逆鍵を安全に生成するために,誤り訂正および難読化(eco)方式から改良した,可逆誤り訂正および可読化(ieco)と呼ばれる新しい生体認証鍵生成方式を提案する。
このモデルを,OU-ISIRとwuGAITの2つのベンチマークデータセットを用いて評価した。
その結果,FAR(False Acceptance Rate)とFRR(False Rejection Rate)が5.441%未満の5秒データ列から139ビットの鍵を生成することができた。
さらに,セキュリティとユーザのプライバシ分析により,既存の生体認証テンプレート保護攻撃に対して安全であり,非可逆性と非リンク性が実現できた。
関連論文リスト
- TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳(メタデータ) (2024-02-16T16:41:14Z) - Machine Learning needs Better Randomness Standards: Randomised Smoothing
and PRNG-based attacks [14.496582479888765]
攻撃者が一般的に依存するランダム性のみを用いて、機械学習システムに侵入できるかどうかを検討する。
我々は、攻撃者が供給されたランダム性をバックドアして、最大81回まで過大評価または過小評価のロバスト性を証明する、全く新しい攻撃を実演する。
我々は、安全クリティカルでセキュリティクリティカルな機械学習アプリケーションにもっと適するように、乱数テストに関するNISTガイドラインの更新を推奨する。
論文 参考訳(メタデータ) (2023-06-24T19:50:08Z) - Stability, Generalization and Privacy: Precise Analysis for Random and
NTK Features [16.759797540118665]
本稿では,強力なブラックボックス攻撃群に対するディープラーニングモデルの安全性について検討する。
本分析では, この安全性を, (i) 個々のトレーニングサンプルに対するモデルの安定性, (ii) 攻撃者クエリと元のデータとの間の特徴的整合性という2つの異なる用語で定量化する。
論文 参考訳(メタデータ) (2023-05-20T05:27:41Z) - Towards an Accurate and Secure Detector against Adversarial
Perturbations [58.02078078305753]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。
現在のアルゴリズムは、通常、自然・人工データの識別的分解を通じて、敵対的なパターンを検出する。
本研究では,秘密鍵を用いた空間周波数判別分解に基づく,高精度かつセキュアな対向検波器を提案する。
論文 参考訳(メタデータ) (2023-05-18T10:18:59Z) - Untargeted Near-collision Attacks on Biometrics: Real-world Bounds and
Theoretical Limits [0.0]
オンラインとオフラインの両方、そして識別モードと検証モードの両方で実行できる未ターゲティングな攻撃に焦点を当てます。
我々は、これらのシステムのセキュリティに対処するために、False Match Rate(FMR)とFalse Positive Identification Rate(FPIR)を用いる。
この距離空間とシステムパラメータの研究は、標的外攻撃の複雑さと近接衝突の確率を与える。
論文 参考訳(メタデータ) (2023-04-04T07:17:31Z) - Pre-trained Encoders in Self-Supervised Learning Improve Secure and
Privacy-preserving Supervised Learning [63.45532264721498]
自己教師付き学習は、ラベルのないデータを使ってエンコーダを事前訓練するための新しいテクニックである。
我々は、事前訓練されたエンコーダがセキュア・プライバシ保護型学習アルゴリズムの限界に対処できるかどうかを理解するための、最初の体系的、原則的な測定研究を行う。
論文 参考訳(メタデータ) (2022-12-06T21:35:35Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-08T04:09:13Z) - Random Hash Code Generation for Cancelable Fingerprint Templates using
Vector Permutation and Shift-order Process [3.172761915061083]
本稿では,ベクトル置換とシフト順序過程に基づく非可逆距離保存方式を提案する。
次に、非可逆性と類似性に基づく攻撃と戦うために、生成された特徴にシフト順序プロセスを適用する。
生成されたハッシュコードは、主要な無効性と非リンク性要件を満たす一方で、異なるセキュリティおよびプライバシ攻撃に対して耐性がある。
論文 参考訳(メタデータ) (2021-05-21T09:37:54Z) - Improved, Deterministic Smoothing for L1 Certified Robustness [119.86676998327864]
分割雑音を伴う非加法的決定論的平滑化法(dssn)を提案する。
一様加法平滑化とは対照的に、ssn認証は無作為なノイズコンポーネントを独立に必要としない。
これは、規範ベースの敵対的脅威モデルに対して決定論的「ランダム化平滑化」を提供する最初の仕事である。
論文 参考訳(メタデータ) (2021-03-17T21:49:53Z) - Targeted Attack against Deep Neural Networks via Flipping Limited Weight
Bits [55.740716446995805]
我々は,悪質な目的で展開段階におけるモデルパラメータを修飾する新しい攻撃パラダイムについて検討する。
私たちのゴールは、特定のサンプルをサンプル修正なしでターゲットクラスに誤分類することです。
整数プログラミングにおける最新の手法を利用することで、このBIP問題を連続最適化問題として等価に再構成する。
論文 参考訳(メタデータ) (2021-02-21T03:13:27Z) - Cryptotree: fast and accurate predictions on encrypted structured data [0.0]
ホモモルフィック暗号化(HE)は、入力と出力の両方が暗号化される暗号化データ上での計算を可能にする能力で認められている。
線形回帰と比較して非常に強力な学習手法であるランダムフォレスト(RF)の利用を可能にするフレームワークであるCryptotreeを提案する。
論文 参考訳(メタデータ) (2020-06-15T11:48:01Z)
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。