論文の概要: TypeFormer: Transformers for Mobile Keystroke Biometrics
- arxiv url: http://arxiv.org/abs/2212.13075v1
- Date: Mon, 26 Dec 2022 10:25:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 15:17:22.258245
- Title: TypeFormer: Transformers for Mobile Keystroke Biometrics
- Title（参考訳）: typeformer:モバイルキーストローク生体認証のためのトランスフォーマー
- Authors: Giuseppe Stragapede, Paula Delgado-Santos, Ruben Tolosana, Ruben
Vera-Rodriguez, Richard Guest, Aythami Morales
- Abstract要約: 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。
- 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: The broad usage of mobile devices nowadays, the sensitiveness of the
information contained in them, and the shortcomings of current mobile user
authentication methods are calling for novel, secure, and unobtrusive solutions
to verify the users' identity. In this article, we propose TypeFormer, a novel
Transformer architecture to model free-text keystroke dynamics performed on
mobile devices for the purpose of user authentication. The proposed model
consists in Temporal and Channel Modules enclosing two Long Short-Term Memory
(LSTM) recurrent layers, Gaussian Range Encoding (GRE), a multi-head
Self-Attention mechanism, and a Block-Recurrent structure. Experimenting on one
of the largest public databases to date, the Aalto mobile keystroke database,
TypeFormer outperforms current state-of-the-art systems achieving Equal Error
Rate (EER) values of 3.25% using only 5 enrolment sessions of 50 keystrokes
each. In such way, we contribute to reducing the traditional performance gap of
the challenging mobile free-text scenario with respect to its desktop and
fixed-text counterparts. Additionally, we analyse the behaviour of the model
with different experimental configurations such as the length of the keystroke
sequences and the amount of enrolment sessions, showing margin for improvement
with more enrolment data. Finally, a cross-database evaluation is carried out,
demonstrating the robustness of the features extracted by TypeFormer in
comparison with existing approaches.
- Abstract（参考訳）: 最近のモバイルデバイスの広範な利用、それらの情報に含まれる機密性、および現在のモバイルユーザ認証方法の欠点は、ユーザのアイデンティティを検証するために、新規でセキュアで控えめなソリューションを求めることである。
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,新しいトランスフォーマーアーキテクチャであるTypeFormerを提案する。
提案手法は,2つのLong Short-Term Memory(LSTM)リカレントレイヤ,ガウスレンジエンコーディング(GRE),マルチヘッド自己保持機構,ブロックリカレント構造を含むテンポラルおよびチャネルモジュールからなる。
aaltoモバイルキーストロークデータベース(aalto mobile key stroke database)の実験では、50キーストロークの5つの問合せセッションだけで3.25%のエラー率(eer)で現在の最先端システムを上回る。
このようにして、デスクトップおよび固定テキストのシナリオに対する挑戦的なモバイル自由テキストシナリオの従来のパフォーマンスギャップを低減することに寄与する。
さらに、キーストローク列の長さやエンローメントセッションの量など、実験的な構成の異なるモデルの振る舞いを分析し、より多くのエンローメントデータによる改善のマージンを示す。
最後に、既存のアプローチと比較してTypeFormerが抽出した機能の堅牢性を示すクロスデータベース評価を行う。
関連論文リスト
- ToolACE: Winning the Points of LLM Function Calling [139.07157814653638]
ToolACEは、正確で複雑で多様なツール学習データを生成するように設計された自動エージェントパイプラインである。
我々は、合成データに基づいてトレーニングされたモデルが、8Bパラメータだけで、バークレー・ファンクション・カリング・リーダーボード上で最先端のパフォーマンスを達成することを実証した。
論文 参考訳（メタデータ） (2024-09-02T03:19:56Z) - Keystroke Verification Challenge (KVC): Biometric and Fairness Benchmark
Evaluation [21.63351064421652]
生体認証のためのキーストローク力学(KD)にはいくつかの利点がある。
KDは最も差別的な行動特性の1つである。
KDに基づく生体認証性能と公正性を評価するための新しい実験フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-10T11:23:28Z) - DEFT: A new distance-based feature set for keystroke dynamics [1.8796659304823702]
キーストローク力学では従来考えられていなかった概念であるキーボード上のキー間の距離に基づく新しい特徴セットを提案する。
我々は、DEFT機能と以前に使用したキーストロークダイナミック機能を組み合わせることで、DEFTモデルを構築する。
DEFTモデルはデバイスに依存しないように設計されており、3つの一般的なデバイスで有効性を評価することができる。
論文 参考訳（メタデータ） (2023-10-06T07:26:40Z) - Federated Privacy-preserving Collaborative Filtering for On-Device Next
App Prediction [52.16923290335873]
本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。
古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。
提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
論文 参考訳（メタデータ） (2023-02-05T10:29:57Z) - Improving Cross-task Generalization of Unified Table-to-text Models with
Compositional Task Configurations [63.04466647849211]
メソッドは通常、タスク情報をエンコーダのプレフィックスとして単純なデータセット名でエンコードする。
本稿では,エンコーダがタスク間の一般化を改善するためのプロンプトセットであるコンポジションタスク構成を提案する。
これは、モデルがトレーニング中に異なるタスク間で共有知識をより良く学習できるだけでなく、新しい構成を構築することでモデルを制御できることを示している。
論文 参考訳（メタデータ） (2022-12-17T02:20:14Z) - Mobile Keystroke Biometrics Using Transformers [11.562974686156196]
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。
論文 参考訳（メタデータ） (2022-07-15T16:50:11Z) - 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) - Transformer Memory as a Differentiable Search Index [102.41278496436948]
本稿では,文字列クエリを関連するドシデントに直接マップするテキストからテキストモデルを学ぶ新しいパラダイムであるdiffariable Search Index (DSI)を紹介する。
文書とその識別子の表現方法、訓練手順のバリエーション、モデルとコーパスサイズ間の相互作用について検討する。
論文 参考訳（メタデータ） (2022-02-14T19:12:43Z) - Students Need More Attention: BERT-based AttentionModel for Small Data
with Application to AutomaticPatient Message Triage [65.7062363323781]
BioBERT (Bidirectional Representations from Transformers for Biomedical Text Mining) に基づく新しいフレームワークを提案する。
LESA-BERTと呼ぶBERTの各層にラベル埋め込みを導入し、(ii)LESA-BERTを小さな変種に蒸留することにより、小さなデータセットで作業する際のオーバーフィッティングとモデルサイズを低減することを目指す。
アプリケーションとして,本フレームワークを用いて,患者ポータルメッセージトリアージのモデルを構築し,メッセージの緊急度を非緊急度,中度度,緊急度という3つのカテゴリに分類する。
論文 参考訳（メタデータ） (2020-06-22T03:39:00Z) - BioTouchPass2: Touchscreen Password Biometrics Using Time-Aligned
Recurrent Neural Networks [6.5379404287240295]
この作業は、2要素認証によってパスワードのシナリオを強化し、ユーザーが通常どおり入力するのではなく、パスワードの各文字を描くように要求する。
位置,姿勢,デバイスに関する制約を伴わない,教師なしのモバイルシナリオで取得した,新しいMobileTouchDBのパブリックデータベースを提示する。
さらに,TA-RNN(Time-Aligned Recurrent Neural Networks)という新しい手法を提案する。
論文 参考訳（メタデータ） (2020-01-28T09:25:06Z)
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。