Fugu-MT 論文翻訳(概要): IFTT-PIN: Demonstrating the Self-Calibration Paradigm on a PIN-Entry Task

論文の概要: IFTT-PIN: Demonstrating the Self-Calibration Paradigm on a PIN-Entry Task

arxiv url: http://arxiv.org/abs/2204.02341v1
Date: Tue, 5 Apr 2022 16:56:40 GMT
ステータス: 処理完了
システム内更新日: 2022-04-06 12:55:27.778692
Title: IFTT-PIN: Demonstrating the Self-Calibration Paradigm on a PIN-Entry Task
Title（参考訳）: IFTT-PIN: PIN-Entryタスクにおける自己校正パラダイムの実証
Authors: Jonathan Grizou
Abstract要約: IFTT-PINは2004年にRothらによって導入されたPIN-entry法の自己校正版である。ユーザのPINと好みのボタン・ツー・カラーのマッピングを同時に推論する。
参考スコア（独自算出の注目度）: 4.111899441919164
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We demonstrate IFTT-PIN, a self-calibrating version of the PIN-entry method introduced in Roth et al. (2004) [1]. In [1], digits are split into two sets and assigned a color respectively. To communicate their digit, users press the button with the same color that is assigned to their digit, which can be identified by elimination after a few iterations. IFTT-PIN uses the same principle but does not pre-assign colors to each button. Instead, users are free to choose which button to use for each color. IFTT-PIN infers both the user's PIN and their preferred button-to-color mapping at the same time, a process called self-calibration. Different versions of IFTT-PIN can be tested at https://jgrizou.github.io/IFTT-PIN/ and a video introduction at https://youtu.be/5I1ibPJdLHM.
Abstract（参考訳）: 本稿では,roth et al. (2004) で導入されたピン入力方式の自己調整版 iftt-pin について述べる。 [1]では、桁は2つの集合に分割され、それぞれ色が割り当てられる。ディジットをコミュニケーションするために、ユーザーはディジットに割り当てられた同じ色でボタンを押す。 IFTT-PINは同じ原理を用いるが、各ボタンに色をプリアサインしない。ユーザーはそれぞれの色にどのボタンを使うか自由に選択できる。 IFTT-PINは、ユーザのPINとボタン間マッピングの両方を同時に推論する。 IFTT-PINの異なるバージョンはhttps://jgrizou.github.io/IFTT-PIN/でテストできる。

関連論文リスト

DMM: Distributed Matrix Mechanism for Differentially-Private Federated Learning using Packed Secret Sharing [51.336015600778396]
フェデレーテッド・ラーニング(FL)は最近、産業とアカデミックの両方で多くの注目を集めています。 FLでは、機械学習モデルは、複数のラウンドにまたがって委員会に配置されたさまざまなエンドユーザのデータを使用して訓練される。このようなデータは、しばしばセンシティブであるため、FLの主な課題は、モデルの実用性を維持しながらプライバシを提供することである。
論文参考訳（メタデータ） (2024-10-21T16:25:14Z)
IFTT-PIN: A Self-Calibrating PIN-Entry Method [15.87768582998229]
明示的な校正手順を必要とせず,インターフェースのパーソナライズを可能にする新しい手法を実証する。自己校正の2階効果は、外部のオブザーバーがユーザが達成しようとしていることを容易に推測できないことである。 IFTT-PINは,最初の自己校正型PIN-entry法である。
論文参考訳（メタデータ） (2024-07-02T13:58:28Z)
BERT-PIN: A BERT-based Framework for Recovering Missing Data Segments in Time-series Load Profiles [10.57410710111382]
BERT-PIN (BERT-PIN) は、トランスフォーマーによるプロファイル・インペインティング・ネットワークの双方向表現である。ロードと温度の時系列プロファイルを入力として、複数の欠落データセグメント(MDS)を復元する。 MDSsリカバリと需要応答ベースライン推定という2つの応用のための実世界のデータセットを用いたBERT-PINの開発と評価を行った。
論文参考訳（メタデータ） (2023-10-26T19:30:31Z)
AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
論文参考訳（メタデータ） (2022-11-25T05:10:39Z)
MultiBiSage: A Web-Scale Recommendation System Using Multiple Bipartite Graphs at Pinterest [53.3951260443916]
グラフ畳み込みネットワーク(GCN)はグラフ構造とノードの特徴を効率的に統合し、高品質なノード埋め込みを学習する。 Pinterestでは、Pin-Boardグラフからピン埋め込みを学習するデータ効率のGCNであるPinSageを開発し、デプロイしました。多様な相互作用を捉えたグラフ上でディープラーニングモデルをトレーニングすることで、高品質なピン埋め込みを学習できることを示す。
論文参考訳（メタデータ） (2022-05-21T20:04:46Z)
IFTT-PIN: A PIN-Entry Method Leveraging the Self-Calibration Paradigm [4.111899441919164]
IFTT-PINは2004年にRothらによって導入されたPIN-entry法の自己校正版である。ユーザのPINと好みのボタン・ツー・カラーのマッピングを同時に推論する。 IFTT-PINの自己校正を伴わないオンラインインタラクティブなデモを提示する。
論文参考訳（メタデータ） (2022-05-19T12:57:55Z)
BioTouchPass: Handwritten Passwords for Touchscreen Biometrics [3.867363075280544]
この研究は、PIN(Personal Identification Numbers)とOTP(One-Time Passwords)に基づく従来の認証システムを強化する。提案手法では,通常どおり入力するのではなく,端末のタッチスクリーン上にパスワードの各桁を描画する。提案する生体認証システムについて,パスワード長とエンローメントサンプル数を増加させる際の手書き桁の識別力とロバスト性について,完全解析を行った。
論文参考訳（メタデータ） (2022-05-03T07:42:47Z)
Inverse is Better! Fast and Accurate Prompt for Few-shot Slot Tagging [54.557406779183495]
古典的なプロンプトのトークンをラベルにマッピングするのと異なり、スロットタイプが与えられた場合のスロット値を逆に予測する。やや驚くべきことに、提案手法はより高速に予測できるだけでなく、効果を著しく改善する(10ショット設定で6.1F1スコア以上)。
論文参考訳（メタデータ） (2022-04-02T15:41:19Z)
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)
Hand Me Your PIN! Inferring ATM PINs of Users Typing with a Covered Hand [33.26006726271844]
欧州中央銀行(ECB)は2019年に1100億ドル(約1兆1000億円)以上の現金の引き出しと、欧州のATMへの取引の積み降ろしを報告した。 PIN機構はATMの近くに設置された隠しカメラを介して行われる肩掛け攻撃に対して脆弱である。本稿では, タイピングハンドを片手でカバーする被害者が入力したPINを再構築する新たな攻撃法を提案する。
論文参考訳（メタデータ） (2021-10-15T14:25:41Z)
Federated Learning of User Authentication Models [69.93965074814292]
機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。 FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
論文参考訳（メタデータ） (2020-07-09T08:04:38Z)

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。