論文の概要: iCTGAN--An Attack Mitigation Technique for Random-vector Attack on
Accelerometer-based Gait Authentication Systems
- arxiv url: http://arxiv.org/abs/2210.00615v1
- Date: Sun, 2 Oct 2022 20:34:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 16:53:30.050561
- Title: iCTGAN--An Attack Mitigation Technique for Random-vector Attack on
Accelerometer-based Gait Authentication Systems
- Title（参考訳）: iCTGAN--加速度計に基づく歩行認証システムにおけるランダムベクトル攻撃の攻撃軽減手法
- Authors: Jun Hyung Mo and Rajesh Kumar
- Abstract要約: 本稿では,$v$ABGaitと$beta$ABGaitに対するランダムベクター攻撃の有効性を評価する。
$i$ABGaitは、ランダムベクター攻撃の影響をある程度軽減し、ほとんどの実験環境で$beta$ABGaitを上回っます。
- 参考スコア（独自算出の注目度）: 3.118824962505045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A recent study showed that commonly (vanilla) studied implementations of
accelerometer-based gait authentication systems ($v$ABGait) are susceptible to
random-vector attack. The same study proposed a beta noise-assisted
implementation ($\beta$ABGait) to mitigate the attack. In this paper, we assess
the effectiveness of the random-vector attack on both $v$ABGait and
$\beta$ABGait using three accelerometer-based gait datasets. In addition, we
propose $i$ABGait, an alternative implementation of ABGait, which uses a
Conditional Tabular Generative Adversarial Network. Then we evaluate
$i$ABGait's resilience against the traditional zero-effort and random-vector
attacks. The results show that $i$ABGait mitigates the impact of the
random-vector attack to a reasonable extent and outperforms $\beta$ABGait in
most experimental settings.
- Abstract（参考訳）: 最近の研究では、加速度計に基づく歩行認証システム(v$ABGait)の実装がランダムベクター攻撃の影響を受けやすいことが知られている。
同じ研究は、攻撃を緩和するためのベータノイズアシスト実装($\beta$ABGait)を提案した。
本稿では,3つの加速度計に基づく歩行データセットを用いて,$v$ABGaitと$\beta$ABGaitのランダムベクトル攻撃の有効性を評価する。
さらに,条件付きタブラリ生成適応ネットワークを用いたABGaitの代替実装である$i$ABGaitを提案する。
次に,従来のゼロエフォート攻撃とランダムベクター攻撃に対する$i$ABGaitのレジリエンスを評価した。
その結果、$i$ABGaitはランダムベクター攻撃の影響をある程度軽減し、ほとんどの実験環境で$\beta$ABGaitを上回っていることがわかった。
関連論文リスト
- AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。
我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。
また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
論文 参考訳（メタデータ） (2024-08-04T09:53:50Z) - PRAT: PRofiling Adversarial aTtacks [52.693011665938734]
PRofiling Adversarial aTacks (PRAT) の新たな問題点について紹介する。
敵対的な例として、PRATの目的は、それを生成するのに使用される攻撃を特定することである。
AIDを用いてPRATの目的のための新しいフレームワークを考案する。
論文 参考訳（メタデータ） (2023-09-20T07:42:51Z) - Hindering Adversarial Attacks with Implicit Neural Representations [25.422201099331637]
Lossy Implicit Network Activation Coding (LINAC) の防衛は、いくつかの共通の敵攻撃を妨害する。
鍵ベース防衛のためのパラメトリックバイパス近似(PBA)攻撃戦略を考案し,このカテゴリにおける既存手法の無効化に成功した。
論文 参考訳（メタデータ） (2022-10-22T13:10:24Z) - Versatile Weight Attack via Flipping Limited Bits [68.45224286690932]
本研究では,展開段階におけるモデルパラメータを変更する新たな攻撃パラダイムについて検討する。
有効性とステルスネスの目標を考慮し、ビットフリップに基づく重み攻撃を行うための一般的な定式化を提供する。
SSA(Single sample attack)とTSA(Singr sample attack)の2例を報告した。
論文 参考訳（メタデータ） (2022-07-25T03:24:58Z) - Generative Adversarial Network-Driven Detection of Adversarial Tasks in
Mobile Crowdsensing [5.675436513661266]
クラウドセンシングシステムは、不特定かつユビキタスなプロパティの上に構築されるため、さまざまな攻撃に対して脆弱である。
以前の研究では、GANベースの攻撃は実験的に設計された攻撃サンプルよりも重大な破壊力を示すことが示唆されている。
本稿では,GANモデルを統合することにより,知的に設計された不正なセンシングサービス要求を検出することを目的とする。
論文 参考訳（メタデータ） (2022-02-16T00:23:25Z) - Post-Training Detection of Backdoor Attacks for Two-Class and
Multi-Attack Scenarios [22.22337220509128]
バックドア攻撃(BA)は、ディープニューラルネットワーク分類器に対する新たな脅威である。
本稿では,BPリバースエンジニアリングに基づく検出フレームワークを提案する。
論文 参考訳（メタデータ） (2022-01-20T22:21:38Z) - Adversarial Attacks on Gaussian Process Bandits [47.84198626686564]
本研究では,攻撃者の強さや事前情報に異なる仮定で様々な敵攻撃手法を提案する。
我々の目標は,GPバンディットに対する敵攻撃を理論的・実践的両面から理解することである。
GP帯域に対する敵攻撃は,攻撃予算が低い場合でも,$mathcalR_rmターゲットに対してアルゴリズムを強制的に強制することに成功した。
論文 参考訳（メタデータ） (2021-10-16T02:39:10Z) - Composite Adversarial Attacks [57.293211764569996]
敵対攻撃は、機械学習(ML)モデルを欺くための技術です。
本論文では,攻撃アルゴリズムの最適組み合わせを自動的に探索するための複合攻撃法(Composite Adrial Attack,CAA)を提案する。
CAAは11の防衛でトップ10の攻撃を破り、時間の経過は少ない。
論文 参考訳（メタデータ） (2020-12-10T03:21:16Z) - 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) - Robust Stochastic Bandit Algorithms under Probabilistic Unbounded
Adversarial Attack [41.060507338755784]
本稿では,各ラウンドで敵が一定の確率で攻撃する攻撃モデルについて検討する。
そこで我々は, 中央値および探索支援UPBアルゴリズム(med-E-UCB)と中央値の$epsilon$-greedyアルゴリズム(med-$epsilon$-greedy)を提案する。
どちらのアルゴリズムも上記の攻撃モデルに対して確実に堅牢である。より具体的には、どちらのアルゴリズムも$mathcalO(log T)$ pseudo-regret (i.e.)を達成することを示す。
論文 参考訳（メタデータ） (2020-02-17T19:21:08Z)
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。