論文の概要: My(o) Armband Leaks Passwords: An EMG and IMU Based Keylogging Side-Channel Attack

• arxiv url: http://arxiv.org/abs/2112.02382v1
• Date: Sat, 4 Dec 2021 16:48:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-07 18:26:16.775931
• Title: My(o) Armband Leaks Passwords: An EMG and IMU Based Keylogging Side-Channel Attack
• Title（参考訳）: my(o) armbandがパスワードをリーク:emgとimuベースのキーログサイドチャネル攻撃
• Authors: Matthias Gazzari, Annemarie Mattmann, Max Maass, Matthias Hollick
• Abstract要約: センサ・モダリティであるEMG(Electromyographic Data)データの利用の可能性について検討する。 本手法では加速度計やジャイロスコープと比較すると,EMGデータが最も顕著な情報源であることが判明した。 我々は37人のボランティアから記録された310万以上のキーストロークを含む広範なデータセットを作成しました。
• 参考スコア（独自算出の注目度）: 8.195365677760211
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wearables that constantly collect various sensor data of their users increase the chances for inferences of unintentional and sensitive information such as passwords typed on a physical keyboard. We take a thorough look at the potential of using electromyographic (EMG) data, a sensor modality which is new to the market but has lately gained attention in the context of wearables for augmented reality (AR), for a keylogging side-channel attack. Our approach is based on neural networks for a between-subject attack in a realistic scenario using the Myo Armband to collect the sensor data. In our approach, the EMG data has proven to be the most prominent source of information compared to the accelerometer and gyroscope, increasing the keystroke detection performance. For our end-to-end approach on raw data, we report a mean balanced accuracy of about 76 % for the keystroke detection and a mean top-3 key accuracy of about 32 % on 52 classes for the key identification on passwords of varying strengths. We have created an extensive dataset including more than 310 000 keystrokes recorded from 37 volunteers, which is available as open access along with the source code used to create the given results.
• Abstract（参考訳）: ユーザーの様々なセンサーデータを常時収集するウェアラブルは、物理的キーボードに入力されたパスワードのような意図しない、機密性の高い情報の推測の機会を増加させる。 最近、キーログのサイドチャネル攻撃のために、拡張現実(ar)のためのウェアラブルの文脈で注目を集めているセンサーモダリティであるemg(electromyographic)データの利用の可能性について、徹底的に検討する。 我々のアプローチは、Myo Armbandを使ってセンサーデータを収集する現実的なシナリオにおいて、物体間攻撃のためのニューラルネットワークに基づいている。 本手法では加速度計やジャイロスコープと比較して,EMGデータが最も顕著な情報源であることが証明され,キーストローク検出性能が向上した。 原データに対するエンド・ツー・エンドのアプローチでは,キーストローク検出では平均平衡精度が約76 %,キーストローク検出では平均top-3 キー精度が約32 %,強度の異なるパスワードでは鍵識別が約32 %であった。 我々は37人のボランティアから記録された310万以上のキーストロークを含む広範なデータセットを作成しました。

関連論文リスト

• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• IEEE BigData 2023 Keystroke Verification Challenge (KVC) [14.366081634293721]
  本稿では,185,000人以上の被験者からの可変転写テキストのツイート長列として捉えたKeystroke Dynamicsの生体認証性能について考察する。 データは、これまでで最大規模のKDパブリックデータベースの2つから取得されている。 参加者によっていくつかのニューラルアーキテクチャが提案され、それぞれのチームが達成した3.33%と3.61%という世界的平等エラー率(EER)が達成された。
  論文  参考訳（メタデータ） (2024-01-29T20:51:42Z)
• Keystroke Verification Challenge (KVC): Biometric and Fairness Benchmark Evaluation [21.63351064421652]
  生体認証のためのキーストローク力学(KD)にはいくつかの利点がある。 KDは最も差別的な行動特性の1つである。 KDに基づく生体認証性能と公正性を評価するための新しい実験フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-10T11:23:28Z)
• OverHear: Headphone based Multi-sensor Keystroke Inference [1.9915929143641455]
  我々は,ヘッドホンの音響および加速度計データを活用するキーストローク推論フレームワークを開発した。 メカニカルキーボードのキー予測精度は,メカニカルキーボードのキー予測精度が約80%,膜キーボードのキー予測精度が約60%である。 その結果,現実シナリオの文脈におけるアプローチの有効性と限界が浮き彫りになった。
  論文  参考訳（メタデータ） (2023-11-04T00:48:20Z)
• Overhead-Free Blockage Detection and Precoding Through Physics-Based Graph Neural Networks: LIDAR Data Meets Ray Tracing [58.73924499067486]
  物理ベースグラフニューラルネットワーク(GNN)による光検出・測光(LIDAR)データの分類によりブロック検出を実現する プリコーダ設計には、LIDARデータから得られた3D面にレイトレーシングを行うことにより、予備チャネル推定を行う。 数値シミュレーションにより、ブロック検出は95%精度で成功していることが示された。
  論文  参考訳（メタデータ） (2022-09-15T15:04:55Z)
• BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot Detection [63.447493500066045]
  本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。 提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。 実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
  論文  参考訳（メタデータ） (2022-07-27T09:26:15Z)
• 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)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• To augment or not to augment? Data augmentation in user identification based on motion sensors [24.182791316595576]
  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。
  論文  参考訳（メタデータ） (2020-09-01T09:11:12Z)
• FAIRS -- Soft Focus Generator and Attention for Robust Object Segmentation from Extreme Points [70.65563691392987]
  本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。 提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
  論文  参考訳（メタデータ） (2020-04-04T22:25:47Z)

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。