論文の概要: GANTouch: An Attack-Resilient Framework for Touch-based Continuous Authentication System

• arxiv url: http://arxiv.org/abs/2210.01594v1
• Date: Sun, 2 Oct 2022 20:58:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 15:18:56.498203
• Title: GANTouch: An Attack-Resilient Framework for Touch-based Continuous Authentication System
• Title（参考訳）: GANTouch: タッチベースの継続的認証システムのための攻撃耐性フレームワーク
• Authors: Mohit Agrawal and Pragyan Mehrotra and Rajesh Kumar and Rajiv Ratn Shah
• Abstract要約: 本研究は,新規なジェネレーティブ・アドバイサル・ネットワークを用いたTCASフレームワークを提案し,それを3つのアクティブ・ディバイサル環境下でのV-TCASと比較する。 G-TCASはポピュレーションとランダムベクターの下ではV-TCASよりも弾力性があり、ゼロエフォートよりも敵のシナリオにダメージを与えた。 以上の結果から, 活発な対向環境下でのTCASの評価と, TCASパイプラインにおけるGANの有用性を確認することが示唆された。
• 参考スコア（独自算出の注目度）: 49.54053354664652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Previous studies have shown that commonly studied (vanilla) implementations of touch-based continuous authentication systems (V-TCAS) are susceptible to active adversarial attempts. This study presents a novel Generative Adversarial Network assisted TCAS (G-TCAS) framework and compares it to the V-TCAS under three active adversarial environments viz. Zero-effort, Population, and Random-vector. The Zero-effort environment was implemented in two variations viz. Zero-effort (same-dataset) and Zero-effort (cross-dataset). The first involved a Zero-effort attack from the same dataset, while the second used three different datasets. G-TCAS showed more resilience than V-TCAS under the Population and Random-vector, the more damaging adversarial scenarios than the Zero-effort. On average, the increase in the false accept rates (FARs) for V-TCAS was much higher (27.5% and 21.5%) than for G-TCAS (14% and 12.5%) for Population and Random-vector attacks, respectively. Moreover, we performed a fairness analysis of TCAS for different genders and found TCAS to be fair across genders. The findings suggest that we should evaluate TCAS under active adversarial environments and affirm the usefulness of GANs in the TCAS pipeline.
• Abstract（参考訳）: 従来の研究では、タッチベースの連続認証システム(V-TCAS)の一般的な研究(バニラ)実装は、アクティブな敵意の試行に影響を受けやすいことが示されている。 本研究は,新規なG-TCASフレームワークについて提案し,V-TCASとV-TCASを3つのアクティブ環境下で比較した。 ゼロエフォート、人口、ランダムベクター。 Zero-effort環境は2つのバリエーションで実装された。 Zero-effort (Same-dataset) と Zero-effort (cross-dataset)。 1つはZero-effort攻撃で、もう1つは3つの異なるデータセットを使用した。 G-TCASはポピュレーションとランダムベクターの下ではV-TCASよりも弾力性があり、ゼロエフォートよりも敵のシナリオにダメージを与えた。 平均して、V-TCASに対する偽受け入れ率(FAR)の上昇は、G-TCAS (14%と12.5%) の集団攻撃やランダムベクター攻撃よりもはるかに高い(27.5%と21.5%)。 さらに, 性別別にTCASの公平性分析を行い, 性別ごとにTASが公平であることが判明した。 以上の結果から, 活発な対向環境下でのTCASの評価と, TCASパイプラインにおけるGANの有用性を確認した。

関連論文リスト

• CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
  人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。 この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。 逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T15:06:44Z)
• Test-Time Domain Generalization for Face Anti-Spoofing [60.94384914275116]
  Face Anti-Spoofing (FAS) は、顔認識システムをプレゼンテーション攻撃から保護するために重要である。 本稿では,テストデータを活用してモデルの一般化性を高める新しいテスト時間領域一般化フレームワークについて紹介する。 テスト時間スタイル投影 (TTSP) とディバーススタイルシフトシミュレーション (DSSS) によって構成された本手法は, 目に見えないデータを領域空間に効果的に投影する。
  論文  参考訳（メタデータ） (2024-03-28T11:50:23Z)
• Adaptive Experimental Design for Intrusion Data Collection [7.7932470245461865]
  侵入調査は、現在使われている攻撃技術とその潜在的な症状に関するデータを頻繁に収集する。 これらの観察研究は、環境の設計と記録されたデータとの間の因果関係を明確には示していない。 このような因果関係を効率的に発見することを目的とした手法に関する理論と実証データを提示する。
  論文  参考訳（メタデータ） (2023-10-20T02:02:51Z)
• Tightening Classification Boundaries in Open Set Domain Adaptation through Unknown Exploitation [45.74830585715129]
  畳み込みニューラルネットワーク(CNN)は多くの研究領域に革命的な進歩をもたらした。 しかし、これらの手法が制御不能な環境に適用されると、多くの異なる要因がモデルの性能を劣化させる可能性がある。 未知のインスタンスの高信頼度集合を抽出することでOSDAアプローチを改善する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-09-16T11:33:40Z)
• Revisiting Realistic Test-Time Training: Sequential Inference and Adaptation by Anchored Clustering Regularized Self-Training [37.75537703971045]
  テスト時アンカークラスタリング(TTAC)アプローチを開発し,より強力なテスト時特徴学習を実現する。 自己学習(ST)はラベルのないデータから学ぶ上で大きな成功を収めた。 TTAC++は、5つのTTデータセットの最先端メソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2023-03-20T04:30:18Z)
• Adversarial Attacks and Defense for Non-Parametric Two-Sample Tests [73.32304304788838]
  本稿では,非パラメトリックTSTの障害モードを逆攻撃により系統的に明らかにする。 TST非依存的な攻撃を可能にするために,異なる種類のテスト基準を協調的に最小化するアンサンブル攻撃フレームワークを提案する。 そこで本研究では,TSTの強化のために,逆対を反復的に生成し,深層カーネルを訓練する最大最小最適化を提案する。
  論文  参考訳（メタデータ） (2022-02-07T11:18:04Z)
• Defending Touch-based Continuous Authentication Systems from Active Adversaries Using Generative Adversarial Networks [34.161603547018075]
  本稿では,集団攻撃に対する弾力性を示す,新しいジェネレーティブ・アドバーサリアル・ネットワークを用いたTCASフレームワークを提案する。 V-TCASの偽受入率(FAR)の上昇はスマートフォンのG-TCAS(13%)よりもはるかに高い(22%)。
  論文  参考訳（メタデータ） (2021-06-15T04:04:58Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。