論文の概要: Improving the Security of Smartwatch Payment with Deep Learning
- arxiv url: http://arxiv.org/abs/2307.05437v1
- Date: Tue, 11 Jul 2023 17:02:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-12 13:55:09.414009
- Title: Improving the Security of Smartwatch Payment with Deep Learning
- Title（参考訳）: ディープラーニングによるスマートウォッチ支払いのセキュリティ向上
- Authors: George Webber
- Abstract要約: この論文は、ユーザーがスマートウォッチ支払いの認証システムにエンロールするために必要なジェスチャーの数を減らすことができるかどうかを調査する。
まず,最先端技術よりも優れたディープラーニング認証システムを構築する。
そこで我々は,ユーザ固有のジェスチャを生成するための正規化オートエンコーダモデルを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Making contactless payments using a smartwatch is increasingly popular, but
this payment medium lacks traditional biometric security measures such as
facial or fingerprint recognition. In 2022, Sturgess et al. proposed WatchAuth,
a system for authenticating smartwatch payments using the physical gesture of
reaching towards a payment terminal. While effective, the system requires the
user to undergo a burdensome enrolment period to achieve acceptable error
levels. In this dissertation, we explore whether applications of deep learning
can reduce the number of gestures a user must provide to enrol into an
authentication system for smartwatch payment. We firstly construct a
deep-learned authentication system that outperforms the current
state-of-the-art, including in a scenario where the target user has provided a
limited number of gestures. We then develop a regularised autoencoder model for
generating synthetic user-specific gestures. We show that using these gestures
in training improves classification ability for an authentication system.
Through this technique we can reduce the number of gestures required to enrol a
user into a WatchAuth-like system without negatively impacting its error rates.
- Abstract（参考訳）: スマートウォッチを使った非接触支払いはますます普及しているが、この支払い媒体は顔認証や指紋認証のような従来の生体認証手段を欠いている。
2022年、Sturgessらが開発したWatchAuthは、支払い端末に手を伸ばす物理的なジェスチャーを使ってスマートウォッチの支払いを認証するシステムだ。
有効ではあるが、システムはユーザーが許容できるエラーレベルを達成するために負担のかかるエンロラメント期間を経なければならない。
この論文では、ユーザーがスマートウォッチ決済の認証システムにエンロールするために必要なジェスチャーの数を減らすことができるかどうかを考察する。
まず,対象ユーザが限られた数のジェスチャを提供するシナリオを含む,最先端技術に勝る深層認証システムを構築する。
次に,合成ユーザ固有のジェスチャを生成するための正規化オートエンコーダモデルを開発した。
これらのジェスチャーをトレーニングで使用すると、認証システムの分類能力が向上することを示す。
この手法により,ユーザをwatchauthライクなシステムに取り込むのに必要なジェスチャの数を,エラー率に悪影響を与えることなく削減することができる。
関連論文リスト
- Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
模倣攻撃は 不正な識別と その後の攻撃者の認証につながる
顔認識と同様に、模倣攻撃も機械学習で検出できる。
本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-27T07:26:10Z) - UserBoost: Generating User-specific Synthetic Data for Faster Enrolment into Behavioural Biometric Systems [8.812837829361923]
実データと合成データを併用することで,生体認証システムにエンロールするために必要な実データポイント数を削減できることを示す。
実世界のシステムにおいて,学習における合成ジェスチャーを用いることで,分類能力の向上が期待できることを示す。
論文 参考訳（メタデータ） (2024-07-12T09:10:07Z) - Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。
以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
論文 参考訳（メタデータ） (2024-04-25T17:59:41Z) - Biometrics Employing Neural Network [0.0]
指紋、虹彩、網膜パターン、顔認識、手形、手のひら印刷、音声認識はバイオメトリックスの形式としてよく用いられる。
システムが効果的で広く受け入れられるためには、認識と検証におけるエラー率はゼロに近づかなければならない。
人間の脳の動作をシミュレートする人工ニューラルネットワークは、自身を有望なアプローチとして提示する。
論文 参考訳（メタデータ） (2024-02-01T03:59:04Z) - When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。
我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。
コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
論文 参考訳（メタデータ） (2023-06-09T14:33:26Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - 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) - SHREC 2021: Track on Skeleton-based Hand Gesture Recognition in the Wild [62.450907796261646]
手のジェスチャーの認識は、ソフトウェアによって推定される手の骨格のストリームから直接行うことができる。
最近のスケルトンからのジェスチャーや行動認識の進歩にもかかわらず、現在の最先端技術が現実のシナリオでどの程度うまく機能するかは明らかではない。
本稿では,SHREC 2021: Track on Skeleton-based Hand Gesture Recognition in the Wild contestについて述べる。
論文 参考訳（メタデータ） (2021-06-21T10:57:49Z) - Multimodal Personal Ear Authentication Using Smartphones [0.0]
指紋認証は、手が濡れている場合は使用できず、マスクを着用している場合は顔認識は使用できない。
スマートフォンにおける生体認証の新しいアプローチとしてピンナを用いた個人認証システムについて検討する。
論文 参考訳（メタデータ） (2021-03-23T14:19:15Z) - Adversarial Attacks on Deep Learning Systems for User Identification
based on Motion Sensors [24.182791316595576]
本研究では,モーションセンサ信号に基づく明示的認証のための深層学習手法に焦点を当てた。
このシナリオでは、攻撃者は不正アクセスを得るために敵の例を作ることができる。
私たちの知る限りでは、機械学習モデルに対する敵攻撃の影響の定量化を目的とした最初の研究である。
論文 参考訳（メタデータ） (2020-09-02T14:35:05Z) - Continuous Authentication of Wearable Device Users from Heart Rate,
Gait, and Breathing Data [1.827510863075184]
個人情報のセキュリティは、ますますデジタル化された社会の基盤になりつつある。
近年,顔認証や指認識などの生体認証技術が普及している。
本稿では,心拍,歩行,呼吸音声信号を用いたウェアラブルデバイスを対象とした,コンテキスト依存型生体認証システムを提案する。
論文 参考訳（メタデータ） (2020-08-25T01:55:07Z)
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。