論文の概要: IJCB 2022 Mobile Behavioral Biometrics Competition (MobileB2C)

• arxiv url: http://arxiv.org/abs/2210.03072v1
• Date: Thu, 6 Oct 2022 17:27:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 17:40:17.335335
• Title: IJCB 2022 Mobile Behavioral Biometrics Competition (MobileB2C)
• Title（参考訳）: IJCB 2022 Mobile Behavioral Biometrics Competition (MobileB2C)
• Authors: Giuseppe Stragapede, Ruben Vera-Rodriguez, Ruben Tolosana, Aythami Morales, Julian Fierrez, Javier Ortega-Garcia, Sanka Rasnayaka, Sachith Seneviratne, Vipula Dissanayake, Jonathan Liebers, Ashhadul Islam, Samir Brahim Belhaouari, Sumaiya Ahmad, Suraiya Jabin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.585321226098321
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper describes the experimental framework and results of the IJCB 2022 Mobile Behavioral Biometrics Competition (MobileB2C). The aim of MobileB2C is benchmarking mobile user authentication systems based on behavioral biometric traits transparently acquired by mobile devices during ordinary Human-Computer Interaction (HCI), using a novel public database, BehavePassDB, and a standard experimental protocol. The competition is divided into four tasks corresponding to typical user activities: keystroke, text reading, gallery swiping, and tapping. The data are composed of touchscreen data and several background sensor data simultaneously acquired. "Random" (different users with different devices) and "skilled" (different user on the same device attempting to imitate the legitimate one) impostor scenarios are considered. The results achieved by the participants show the feasibility of user authentication through behavioral biometrics, although this proves to be a non-trivial challenge. MobileB2C will be established as an on-going competition.
• Abstract（参考訳）: IJCB 2022 Mobile Behavioral Biometrics Competition (MobileB2C) の実験的枠組みと結果について述べる。 MobileB2Cの目的は、新しい公開データベースであるBehavePassDBと標準実験プロトコルを使用して、通常のHCI(Human-Computer Interaction)においてモバイルデバイスが透過的に取得した行動バイオメトリック特性に基づいて、モバイルユーザ認証システムをベンチマークすることである。 コンペティションは、キーストローク、テキスト読み込み、ギャラリースワイプ、タップの4つの典型的なユーザアクティビティに対応する4つのタスクに分けられる。 データはタッチスクリーンデータと、複数の背景センサデータを同時に取得する。 ランダム(異なるデバイスを持つ異なるユーザ)と「スキル」(正当なユーザを模倣しようとする同じデバイス上の異なるユーザ)が想定されている。 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。 MobileB2Cは、現在進行中のコンペティションとして確立される。

関連論文リスト

• 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)
• Motion ID: Human Authentication Approach [0.0]
  我々は、Motion IDと呼ばれるユーザ認証に新しいアプローチを導入する。 この方法は、慣性測定ユニット(IMU)によって提供されるモーションセンシングを用いて、モバイルデバイスが取得したIMUデータの短い時系列を通して人物の身元を確認する。
  論文  参考訳（メタデータ） (2023-01-25T09:08:33Z)
• Facial Soft Biometrics for Recognition in the Wild: Recent Works, Annotation, and COTS Evaluation [63.05890836038913]
  制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。 1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。 深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
  論文  参考訳（メタデータ） (2022-10-24T11:29:57Z)
• BehavePassDB: Benchmarking Mobile Behavioral Biometrics [12.691633481373927]
  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。
  論文  参考訳（メタデータ） (2022-06-06T11:21:15Z)
• 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)
• "Is not the truth the truth?": Analyzing the Impact of User Validations for Bus In/Out Detection in Smartphone-based Surveys [5.449283796175882]
  本稿では,半制御環境におけるヒューマン・コンピュータインタラクションの実験環境について述べる。 2つのルートで走行する2台の自動運転車で、3つのバス停と18人のユーザー、および独自のスマートフォンとBluetoothセンサープラットフォームを提供する。 我々は,スマートフォン調査で知られているように,ラベル付け過程におけるヒューマンエラーをエミュレートするために,ラベルフリップのモンテカルロシミュレーションを行った。
  論文  参考訳（メタデータ） (2022-02-24T08:48:40Z)
• 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)
• Federated Learning-based Active Authentication on Mobile Devices [98.23904302910022]
  モバイルデバイス上のユーザアクティブ認証は、デバイスセンサ情報に基づいて登録ユーザを正しく認識できるモデルを学ぶことを目的としている。 Federated Active Authentication (FAA) と呼ばれる新しいユーザーアクティブ認証トレーニングを提案します。 既存のFL/SL法は,同質に分散するデータに依存するため,FAAにとって最適ではないことを示す。
  論文  参考訳（メタデータ） (2021-04-14T22:59:08Z)
• TapNet: The Design, Training, Implementation, and Applications of a Multi-Task Learning CNN for Off-Screen Mobile Input [75.05709030478073]
  本稿では,スマートフォンのタップを検出するマルチタスクネットワークであるTapNetの設計,トレーニング,実装,応用について述べる。 TapNetはデバイス間のデータから共同で学習し、タップ方向やタップ位置を含む複数のタップ特性を同時に認識することができる。
  論文  参考訳（メタデータ） (2021-02-18T00:45:41Z)

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。