論文の概要: Locally Authenticated Privacy-preserving Voice Input
- arxiv url: http://arxiv.org/abs/2205.14026v1
- Date: Fri, 27 May 2022 14:56:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:17:02.286244
- Title: Locally Authenticated Privacy-preserving Voice Input
- Title（参考訳）: ローカル認証によるプライバシー保護音声入力
- Authors: Ranya Aloufi, Andreas Nautsch, Hamed Haddadi, David Boyle
- Abstract要約: サービスプロバイダはユーザを認証しなければならないが、個人はプライバシの維持を望むかもしれない。
認証の実行中にプライバシを保存することは、特に敵がバイオメトリックデータを使用してトランスフォーメーションツールをトレーニングする場合には、非常に難しい。
ユーザの生信号のデバイス上の指紋をキャプチャして保存する,セキュアでフレキシブルなプライバシ保護システムを導入する。
- 参考スコア（独自算出の注目度）: 10.82818142802482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Increasing use of our biometrics (e.g., fingerprints, faces, or voices) to
unlock access to and interact with online services raises concerns about the
trade-offs between convenience, privacy, and security. Service providers must
authenticate their users, although individuals may wish to maintain privacy and
limit the disclosure of sensitive attributes beyond the authentication step,
\eg~when interacting with Voice User Interfaces (VUIs). Preserving privacy
while performing authentication is challenging, particularly where adversaries
can use biometric data to train transformation tools (e.g.,`deepfaked' speech)
and use the faked output to defeat existing authentication systems. In this
paper, we take a step towards understanding security and privacy requirements
to establish the threat and defense boundaries. We introduce a secure, flexible
privacy-preserving system to capture and store an on-device fingerprint of the
users' raw signals (i.e., voice) for authentication instead of sending/sharing
the raw biometric signals. We then analyze this fingerprint using different
predictors, each evaluating its legitimacy from a different perspective (e.g.,
target identity claim, spoofing attempt, and liveness). We fuse multiple
predictors' decisions to make a final decision on whether the user input is
legitimate or not. Validating legitimate users yields an accuracy rate of
98.68% after cross-validation using our verification technique. The pipeline
runs in tens of milliseconds when tested on a CPU and a single-core ARM
processor, without specialized hardware.
- Abstract（参考訳）: オンラインサービスにアクセスし、対話するための生体認証(指紋、顔、音声など)の利用の増加は、利便性、プライバシ、セキュリティの間のトレードオフに関する懸念を引き起こす。
サービスプロバイダは、ユーザを認証しなければならないが、個人はプライバシーを維持し、認証ステップ以外の機密属性の開示を制限することを望んでいるかもしれない。
認証の実行中にプライバシを保存することは、特に敵が生体認証データを使用して変換ツール(例えば 'deepfaked' スピーチ)を訓練し、フェイクされた出力を使用して既存の認証システムを打ち負かす場合、難しい。
本稿では,脅威と防衛の境界を確立するために,セキュリティとプライバシ要件を理解するための一歩を踏み出した。
本稿では,ユーザの生信号(すなわち音声)のデバイス上での指紋を,生の生体信号の送受信に代えて記録する,セキュアで柔軟なプライバシー保護システムを提案する。
次に、異なる予測器を用いてこの指紋を分析し、それぞれ異なる視点から正当性を評価する(例えば、ターゲットアイデンティティークレーム、偽造未遂、生意気)。
我々は、複数の予測者の決定を融合して、ユーザの入力が正当かどうかの最終決定を行う。
正当なユーザを検証すると、検証技術を用いたクロスバリデーション後の精度は98.68%になる。
パイプラインは、CPUとシングルコアARMプロセッサでテストする際に、特別なハードウェアなしで数ミリ秒で実行される。
関連論文リスト
- Fingerprinting and Tracing Shadows: The Development and Impact of Browser Fingerprinting on Digital Privacy [55.2480439325792]
ブラウザのフィンガープリントは、クッキーのような従来の方法なしでオンラインでユーザーを特定し、追跡するテクニックとして成長している。
本稿では, 各種指紋認証技術について概説し, 収集データのエントロピーと特異性を解析する。
論文 参考訳（メタデータ） (2024-11-18T20:32:31Z) - 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) - Leveraging Machine Learning for Wi-Fi-based Environmental Continuous Two-Factor Authentication [0.44998333629984877]
ユーザの入力を機械学習(ML)による決定に置き換える新しい2FAアプローチを提案する。
本システムは,Wi-Fiアクセスポイント(AP)からのビーコンフレーム特性や受信信号強度指標(RSSI)値など,ユーザに関連するユニークな環境特性を利用する。
セキュリティを強化するため,ユーザの2つのデバイス(ログインデバイスとモバイルデバイス)が,アクセスを許可する前に所定の近くに配置されることを義務付ける。
論文 参考訳（メタデータ） (2024-01-12T14:58:15Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。
我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。
本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
論文 参考訳（メタデータ） (2022-04-06T20:51:40Z) - 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) - Multimodal Personal Ear Authentication Using Smartphones [0.0]
指紋認証は、手が濡れている場合は使用できず、マスクを着用している場合は顔認識は使用できない。
スマートフォンにおける生体認証の新しいアプローチとしてピンナを用いた個人認証システムについて検討する。
論文 参考訳（メタデータ） (2021-03-23T14:19:15Z) - Stay Connected, Leave no Trace: Enhancing Security and Privacy in WiFi
via Obfuscating Radiometric Fingerprints [8.89054576694426]
WiFiチップセットの固有のハードウェア欠陥は、送信された信号に現れ、ユニークなラジオメトリック指紋をもたらす。
近年の研究では、市販品で容易に実装可能な実用的な指紋認証ソリューションが提案されている。
解析的および実験的に、これらのソリューションは偽造攻撃に対して非常に脆弱であることを示す。
本稿では, RF-Veilを提案する。RF-Veilは, 偽造攻撃に対して堅牢なだけでなく, ユーザのプライバシーも保護する。
論文 参考訳（メタデータ） (2020-11-25T11:10:59Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z) - An Overview of Fingerprint-Based Authentication: Liveness Detection and
Beyond [0.0]
我々は,生きた人間がシステム上で認証しようとしていることを確実にするための技術として定義されている,身体の活力を検出する方法に焦点をあてる。
我々は、悪意ある人物が指紋認証システムを騙して偽の指を本物として受け入れようとする攻撃を防ぐのに、これらの手法がいかに効果的かを分析する。
論文 参考訳（メタデータ） (2020-01-24T20:07:53Z)
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。