論文の概要: Evaluation of a User Authentication Schema Using Behavioral Biometrics
and Machine Learning
- arxiv url: http://arxiv.org/abs/2205.08371v1
- Date: Sat, 7 May 2022 05:16:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-22 16:18:11.409532
- Title: Evaluation of a User Authentication Schema Using Behavioral Biometrics
and Machine Learning
- Title(参考訳): 行動バイオメトリックスと機械学習を用いたユーザ認証方式の評価
- Authors: Laura Pryor, Jacob Mallet, Rushit Dave, Naeem Seliya, Mounika
Vanamala, Evelyn Sowells Boone
- Abstract要約: 本研究では,行動バイオメトリックスを用いたユーザ認証手法の作成と評価により,行動バイオメトリックスの研究に寄与する。
この研究で用いられる行動バイオメトリクスには、タッチダイナミクスと電話の動きがある。
2つのバイオメトリックスの異なる単一モーダルと多モーダルの組み合わせの性能を評価する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The amount of secure data being stored on mobile devices has grown immensely
in recent years. However, the security measures protecting this data have
stayed static, with few improvements being done to the vulnerabilities of
current authentication methods such as physiological biometrics or passwords.
Instead of these methods, behavioral biometrics has recently been researched as
a solution to these vulnerable authentication methods. In this study, we aim to
contribute to the research being done on behavioral biometrics by creating and
evaluating a user authentication scheme using behavioral biometrics. The
behavioral biometrics used in this study include touch dynamics and phone
movement, and we evaluate the performance of different single-modal and
multi-modal combinations of the two biometrics. Using two publicly available
datasets - BioIdent and Hand Movement Orientation and Grasp (H-MOG), this study
uses seven common machine learning algorithms to evaluate performance. The
algorithms used in the evaluation include Random Forest, Support Vector
Machine, K-Nearest Neighbor, Naive Bayes, Logistic Regression, Multilayer
Perceptron, and Long Short-Term Memory Recurrent Neural Networks, with accuracy
rates reaching as high as 86%.
- Abstract(参考訳): 近年,モバイルデバイスに格納されるセキュアなデータ量は大幅に増加している。
しかし、このデータを保護するセキュリティ対策は静かであり、生理的生体認証やパスワードなどの現在の認証方法の脆弱性に対する改善はほとんどない。
これらの手法の代わりに、最近これらの脆弱な認証手法の解決策として行動バイオメトリックスが研究されている。
本研究では,行動バイオメトリックスを用いたユーザ認証手法の作成と評価により,行動バイオメトリックスの研究に貢献することを目的とする。
本研究で用いられる行動バイオメトリックスには, タッチダイナミクスと電話動作が含まれており, 両生体メトリックの単一モードと複数モードの組み合わせの性能評価を行う。
バイオidentとhand movement orientation and grab (h-mog)の2つのデータセットを使用して,7つの一般的な機械学習アルゴリズムを用いてパフォーマンスを評価する。
評価で使用されるアルゴリズムには、ランダムフォレスト、サポートベクトルマシン、K-Nearest Neighbor、Naive Bayes、ロジスティック回帰、多層パーセプトロン、Long Short-Term Memory Recurrent Neural Networksがあり、精度は最大86%に達する。
関連論文リスト
- Biometrics Employing Neural Network [0.0]
指紋、虹彩、網膜パターン、顔認識、手形、手のひら印刷、音声認識はバイオメトリックスの形式としてよく用いられる。
システムが効果的で広く受け入れられるためには、認識と検証におけるエラー率はゼロに近づかなければならない。
人間の脳の動作をシミュレートする人工ニューラルネットワークは、自身を有望なアプローチとして提示する。
論文 参考訳(メタデータ) (2024-02-01T03:59:04Z) - Privacy-preserving Multi-biometric Indexing based on Frequent Binary
Patterns [7.092869001331781]
本稿では,保護された深いキャンセル可能なテンプレートを検索する,効率的なプライバシー保護型マルチバイオメトリック識別システムを提案する。
異なるタイプの生体特性から抽出された頻繁な二分パターンに含まれる低クラス内部の変動特性を利用するために,マルチバイオメトリック・ビンニング方式が設計された。
論文 参考訳(メタデータ) (2023-10-04T18:18:24Z) - Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。
マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。
ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文 参考訳(メタデータ) (2023-04-04T07:24:51Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳(メタデータ) (2023-03-24T05:28:35Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳(メタデータ) (2022-12-20T12:56:28Z) - Facial Soft Biometrics for Recognition in the Wild: Recent Works,
Annotation, and COTS Evaluation [63.05890836038913]
制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。
1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。
深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
論文 参考訳(メタデータ) (2022-10-24T11:29:57Z) - Non-Contrastive Learning-based Behavioural Biometrics for Smart IoT
Devices [0.9005431161010408]
振る舞いバイオメトリックスは、従来の認証手法の限界を克服する有効な代替手段として検討されている。
最近のビヘイビアバイオメトリックソリューションは、大量の注釈付きトレーニングデータを必要とするディープラーニングモデルを使用している。
我々は,SimSiamをベースとした非コントラスト型自己教師学習を用いて,行動バイオメトリックシステムのラベル効率を向上させることを提案する。
論文 参考訳(メタデータ) (2022-10-24T05:56:32Z) - 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) - Hold On and Swipe: A Touch-Movement Based Continuous Authentication
Schema based on Machine Learning [0.0]
本研究は,マルチモーダルな生体認証に基づくユーザ認証方式の性能を評価することで,この革新的な研究に貢献することを目的とする。
本研究は、ハンドムーブメントオリエンテーションとGraspデータセットとBioIdentデータセットの2つの一般的なデータセットを融合したものである。
本研究では,Random Forest Support Vector MachineとK-Nearest Neighborの3つの機械学習アルゴリズムを用いて,モデルの性能を最大82%の精度で評価する。
論文 参考訳(メタデータ) (2022-01-21T06:51:46Z) - Benchmarking Quality-Dependent and Cost-Sensitive Score-Level Multimodal
Biometric Fusion Algorithms [58.156733807470395]
本稿では,BioSecure DS2 (Access Control) 評価キャンペーンの枠組み内で実施したベンチマーク研究について報告する。
キャンペーンは、約500人の中規模施設における物理的アクセス制御の適用を目標とした。
我々の知る限りでは、これは品質ベースのマルチモーダル融合アルゴリズムをベンチマークする最初の試みである。
論文 参考訳(メタデータ) (2021-11-17T13:39:48Z) - Data-driven behavioural biometrics for continuous and adaptive user
verification using Smartphone and Smartwatch [0.0]
行動バイオメトリックスと多要素認証(MFA)をブレンドするアルゴリズムを提案する。
本研究では,モーションベースバイオメトリックスを用いてユーザの身元を検証するための2段階のユーザ検証アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-10-07T02:46:21Z)
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。