論文の概要: Mobile Keystroke Biometrics Using Transformers

• arxiv url: http://arxiv.org/abs/2207.07596v1
• Date: Fri, 15 Jul 2022 16:50:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-18 15:00:46.922178
• Title: Mobile Keystroke Biometrics Using Transformers
• Title（参考訳）: トランスを用いた移動体ケストロークバイオメトリックス
• Authors: Giuseppe Stragapede and Paula Delgado-Santos and Ruben Tolosana and Ruben Vera-Rodriguez and Richard Guest and Aythami Morales
• Abstract要約: 本稿では,自由文シナリオにおけるキーストロークバイオメトリックスシステムの改良に焦点を当てる。 従来の機械学習手法よりも優れたディープラーニング手法が文献で提案されている。 我々の知る限りでは、トランスフォーマーに基づくキーストローク生体計測システムを提案する最初の研究である。
• 参考スコア（独自算出の注目度）: 11.562974686156196
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Behavioural biometrics have proven to be effective against identity theft as well as be considered user-friendly authentication methods. One of the most popular traits in the literature is keystroke dynamics due to the large deployment of computers and mobile devices in our society. This paper focuses on improving keystroke biometric systems on the free-text scenario. This scenario is characterised as very challenging due to the uncontrolled text conditions, the influential of the user's emotional and physical state, and the in-use application. To overcome these drawbacks, methods based on deep learning such as Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) have been proposed in the literature, outperforming traditional machine learning methods. However, these architectures still have aspects that need to be reviewed and improved. To the best of our knowledge, this is the first study that proposes keystroke biometric systems based on Transformers. The proposed Transformer architecture has achieved Equal Error Rate (EER) values of 3.84% in the popular Aalto mobile keystroke database using only 5 enrolment sessions, outperforming in large margin other state-of-the-art approaches in the literature.
• Abstract（参考訳）: 行動バイオメトリックスは、ユーザフレンドリーな認証方法であると同時に、アイデンティティ盗難に対して有効であることが証明されている。 この文学で最も人気のある特徴の1つは、我々の社会にコンピュータとモバイルデバイスが大量に配備されていることによるキーストロークダイナミクスである。 本稿では,自由テキストシナリオにおけるキーストロークバイオメトリックシステムの改善に着目する。 このシナリオは、制御されていないテキスト条件、ユーザの感情的および身体的状態の影響、使用中のアプリケーションによって非常に困難である。 これらの欠点を克服するために,畳み込みニューラルネットワーク(CNN)やリカレントニューラルネットワーク(RNN)といったディープラーニングに基づく手法が文献で提案され,従来の機械学習手法よりも優れている。 しかし、これらのアーキテクチャには、レビューと改善が必要な側面が残っている。 私たちの知る限りでは、これはトランスフォーマーに基づいたキーストロークバイオメトリックシステムを提案する最初の研究です。 提案したTransformerアーキテクチャは、Aaltoモバイルキーストロークデータベースで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3.84%の値を達成した。

関連論文リスト

• Keystroke Dynamics: Concepts, Techniques, and Applications [1.1741899892465988]
  キーストロークダイナミクス(Keystroke dynamics)は、サイバーセキュリティの重要なツールとして登場した行動バイオメトリックである。 本論文では,キーストロークの新たなデータセット,最先端のキーストローク認証アルゴリズム,タッチスクリーンやモバイルデバイス上でのキーストローク認証,認証以外のさまざまな重要な応用について述べる。
  論文  参考訳（メタデータ） (2023-03-08T14:15:48Z)
• 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)
• 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)
• 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)
• Exploring Transformers for Behavioural Biometrics: A Case Study in Gait Recognition [0.7874708385247353]
  本稿ではトランスフォーマーに基づく新しい歩行生体認証システムについて検討し,提案する。 実験フレームワークでは、最先端アーキテクチャ(Vanilla、Informer、Autoformer、Block-Recurrent Transformer、THAT)が検討されている。 代表的な2つの公開データベースwuGAITとOU-ISIRを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-06-03T08:08:40Z)
• 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 Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• AuthNet: A Deep Learning based Authentication Mechanism using Temporal Facial Feature Movements [0.0]
  パスワードを発話しながら、顔認識と、その顔のユニークな動きの両方を利用する認証機構を提案する。 提案したモデルは,任意の言語でパスワードを設定することができるため,言語障壁によって阻害されない。
  論文  参考訳（メタデータ） (2020-12-04T10:46:12Z)
• MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
  我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。 提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
  論文  参考訳（メタデータ） (2020-10-25T23:01:13Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)
• On Learning Text Style Transfer with Direct Rewards [101.97136885111037]
  平行コーパスの欠如により、テキストスタイルの転送タスクの教師付きモデルを直接訓練することは不可能である。 我々は、当初、微調整されたニューラルマシン翻訳モデルに使用されていた意味的類似度指標を活用している。 我々のモデルは、強いベースラインに対する自動評価と人的評価の両方において大きな利益をもたらす。
  論文  参考訳（メタデータ） (2020-10-24T04:30:02Z)

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。