論文の概要: BehavePassDB: Benchmarking Mobile Behavioral Biometrics

• arxiv url: http://arxiv.org/abs/2206.02502v1
• Date: Mon, 6 Jun 2022 11:21:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-07 16:12:16.722489
• Title: BehavePassDB: Benchmarking Mobile Behavioral Biometrics
• Title（参考訳）: BehavePassDB: モバイル行動バイオメトリクスのベンチマーク
• Authors: Giuseppe Stragapede, Ruben Vera-Rodriguez, Ruben Tolosana and Aythami Morales
• Abstract要約: 新たなデータベースであるBehavePassDBを,個別の取得セッションとタスクに構成する。 本稿では,三重項損失とスコアレベルでのモダリティ融合を有する長短項メモリ(LSTM)アーキテクチャに基づくシステムを提案し,評価する。
• 参考スコア（独自算出の注目度）: 12.691633481373927
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mobile behavioral biometrics have become a popular topic of research, reaching promising results in terms of authentication, exploiting a multimodal combination of touchscreen and background sensor data. However, there is no way of knowing whether state-of-the-art classifiers in the literature can distinguish between the notion of user and device. In this article, we present a new database, BehavePassDB, structured into separate acquisition sessions and tasks to mimic the most common aspects of mobile Human-Computer Interaction (HCI). BehavePassDB is acquired through a dedicated mobile app installed on the subjects' devices, also including the case of different users on the same device for evaluation. We propose a standard experimental protocol and benchmark for the research community to perform a fair comparison of novel approaches with the state of the art. We propose and evaluate a system based on Long-Short Term Memory (LSTM) architecture with triplet loss and modality fusion at score level.
• Abstract（参考訳）: モバイルのビヘイビアバイオメトリックスは,タッチスクリーンと背景センサのマルチモーダルな組み合わせを利用して,認証の面で有望な結果に到達し,研究の話題となっている。 しかし、文学における最先端の分類器がユーザとデバイスの概念を区別できるかどうかを知る方法はない。 本稿では,モバイル・ヒューマン・コンピュータ・インタラクション(hci)の最も一般的な側面を模倣するために,新たなデータベースである behaviorpassdb について述べる。 BehavePassDBは、被験者のデバイスにインストールされた専用モバイルアプリを通じて取得される。 本稿では,新しい手法と技術の現状を公正に比較するために,研究コミュニティのための標準実験プロトコルとベンチマークを提案する。 本稿では,三重項損失とモダリティ融合をスコアレベルで有するlong-short term memory (lstm) アーキテクチャに基づくシステムを提案する。

関連論文リスト

• POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
  主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。 このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
  論文  参考訳（メタデータ） (2024-07-20T16:37:21Z)
• 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)
• TypeFormer: Transformers for Mobile Keystroke Biometrics [11.562974686156196]
  本稿では,ユーザ認証のためにモバイルデバイス上で実行される自由テキストキーストロークダイナミクスをモデル化するトランスフォーマーアーキテクチャを提案する。 TypeFormerは、50キーストロークの5つのエンローメントセッションのみを使用して、EER(Equal Error Rate)の値が3.25%に達する現在の最先端システムよりもパフォーマンスがよい。
  論文  参考訳（メタデータ） (2022-12-26T10:25:06Z)
• Quality-Based Conditional Processing in Multi-Biometrics: Application to Sensor Interoperability [63.05238390013457]
  2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。 我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。 その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-11-24T12:11:22Z)
• IJCB 2022 Mobile Behavioral Biometrics Competition (MobileB2C) [14.585321226098321]
  MobileB2Cの目的は、モバイルデバイスが透過的に取得した行動的生体認証特性に基づいて、モバイルユーザ認証システムのベンチマークを行うことである。 データは、タッチスクリーンデータと、同時に取得された背景センサーデータとから構成される。 参加者が行った結果は,行動バイオメトリックスによるユーザ認証の実現可能性を示しているが,これは非自明な課題であることが証明されている。
  論文  参考訳（メタデータ） (2022-10-06T17:27:05Z)
• 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。