論文の概要: Machine and Deep Learning Applications to Mouse Dynamics for Continuous User Authentication

• arxiv url: http://arxiv.org/abs/2205.13646v1
• Date: Thu, 26 May 2022 21:43:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-31 11:23:59.871040
• Title: Machine and Deep Learning Applications to Mouse Dynamics for Continuous User Authentication
• Title（参考訳）: 継続的ユーザ認証のための機械学習とマウスダイナミクスへの応用
• Authors: Nyle Siddiqui, Rushit Dave, Naeem Seliya, Mounika Vanamala
• Abstract要約: この記事では,3つの機械学習アルゴリズムとディープラーニングアルゴリズムを使用して,40人のユーザのデータセットを評価することで,これまでの公開作業に基づいています。 トップパフォーマーは1次元畳み込みニューラルネットワークであり、トップ10ユーザーの平均テスト精度は85.73%である。 また, 92.48%のピーク精度に達する人工ニューラルネットワークを用いて, マルチクラス分類についても検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Static authentication methods, like passwords, grow increasingly weak with advancements in technology and attack strategies. Continuous authentication has been proposed as a solution, in which users who have gained access to an account are still monitored in order to continuously verify that the user is not an imposter who had access to the user credentials. Mouse dynamics is the behavior of a users mouse movements and is a biometric that has shown great promise for continuous authentication schemes. This article builds upon our previous published work by evaluating our dataset of 40 users using three machine learning and deep learning algorithms. Two evaluation scenarios are considered: binary classifiers are used for user authentication, with the top performer being a 1-dimensional convolutional neural network with a peak average test accuracy of 85.73% across the top 10 users. Multi class classification is also examined using an artificial neural network which reaches an astounding peak accuracy of 92.48% the highest accuracy we have seen for any classifier on this dataset.
• Abstract（参考訳）: パスワードのような静的認証手法は、技術や攻撃戦略の進歩によってますます弱まりつつある。 継続的認証は、アカウントにアクセスしたユーザに対して、ユーザ認証にアクセスした偽者ではないことを継続的に確認するために、引き続き監視されるソリューションとして提案されている。 マウスダイナミクスは、ユーザのマウスの動きの振る舞いであり、生体認証であり、継続的な認証スキームを大いに約束している。 この記事では,3つの機械学習アルゴリズムとディープラーニングアルゴリズムを用いて,40人のユーザのデータセットを評価することで,これまでの成果に基づいています。 2つの評価シナリオが検討されている。 バイナリ分類器はユーザ認証に使用され、トップ10ユーザの平均テスト精度85.73%の1次元畳み込みニューラルネットワークである。 マルチクラス分類はまた、このデータセット上の任意の分類器で見た最高精度の92.48%の驚くべきピーク精度に達する人工知能ニューラルネットワークを用いて検討される。

関連論文リスト

• Your device may know you better than you know yourself -- continuous authentication on novel dataset using machine learning [0.0]
  本研究は,行動バイオメトリックスを用いた連続的認証の分野におけるさらなる理解を目的としている。 われわれは、Samsung TabletでMinecraftをプレイする15人のユーザのジェスチャーデータを含む、新しいデータセットを15分間提供しています。
  論文  参考訳（メタデータ） (2024-03-06T16:22:49Z)
• KeyDetect --Detection of anomalies and user based on Keystroke Dynamics [0.0]
  サイバー攻撃はクレジットカードの詳細や社会保障番号などの機密データに簡単にアクセスすることができる。 現在、サイバー攻撃を止めるために、2段階の検証方法から様々な方法が選択されている。 我々は,ユーザのキーストロークダイナミックス(タイピングパターン)を用いて真のユーザを認証する手法を提案している。
  論文  参考訳（メタデータ） (2023-04-08T09:00:07Z)
• mPSAuth: Privacy-Preserving and Scalable Authentication for Mobile Web Applications [0.0]
  mPSAuthは、ユーザの振る舞いを反映したさまざまなデータソースを継続的に追跡し、現在のユーザが正当である可能性を推定するアプローチである。 我々はmPSAuthが暗号化と通信のオーバーヘッドを低く抑えながら高い精度を提供できることを示した。
  論文  参考訳（メタデータ） (2022-10-07T12:49:34Z)
• First Contact: Unsupervised Human-Machine Co-Adaptation via Mutual Information Maximization [112.40598205054994]
  我々はこのアイデアを、インターフェースを最適化するための完全に教師なしの目的として定式化する。 タイピング,シミュレートされたロボットの制御,ゲームプレイなど,様々なキーボードとアイアイのインタフェースを運用しているユーザの540K例について,観察的研究を行った。 以上の結果から,我々の相互情報スコアは,様々な領域における真真正タスク完了メトリクスの予測値であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-24T21:57:18Z)
• Evaluating Deep Learning Models and Adversarial Attacks on Accelerometer-Based Gesture Authentication [6.961253535504979]
  我々は、DC-GAN(Deep Convolutional Generative Adversarial Network)を用いて、敵対的サンプルを作成する。 私たちのディープラーニングモデルは、このような攻撃シナリオに対して驚くほど堅牢であることを示します。
  論文  参考訳（メタデータ） (2021-10-03T00:15:50Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
  異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。 本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。 提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
  論文  参考訳（メタデータ） (2020-07-11T21:20:55Z)
• 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)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)
• Adversarial Self-Supervised Contrastive Learning [62.17538130778111]
  既存の対数学習アプローチは、主にクラスラベルを使用して、誤った予測につながる対数サンプルを生成する。 本稿では,未ラベルデータに対する新たな逆攻撃を提案する。これにより,モデルが摂動データサンプルのインスタンスレベルのアイデンティティを混乱させる。 ラベル付きデータなしで頑健なニューラルネットワークを逆さまにトレーニングするための,自己教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-13T08:24:33Z)
• Author2Vec: A Framework for Generating User Embedding [5.805785001237604]
  本稿では,エンド・ツー・エンドのニューラルネットワークを用いたユーザ埋め込みシステムである Author2Vec を提案する。 このモデルは、BERTが生成した文表現と、教師なし事前学習目標、著者分類を含む。 Author2Vecは有用なユーザ属性をエンコードし、生成されたユーザ埋め込みは下流の分類タスクでうまく機能する。
  論文  参考訳（メタデータ） (2020-03-17T23:31:11Z)

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。