論文の概要: Two-Dimensional Dynamic Fusion for Continuous Authentication

• arxiv url: http://arxiv.org/abs/2309.04128v1
• Date: Fri, 8 Sep 2023 05:06:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 16:20:50.046757
• Title: Two-Dimensional Dynamic Fusion for Continuous Authentication
• Title（参考訳）: 連続認証のための2次元ダイナミックフュージョン
• Authors: Nuttapong Attrapadung, Goichiro Hanaoka, Haochen M. Kotoi-Xie, Takahiro Matsuda, Takumi Moriyama, Takao Murakami, Hidenori Nakamura, Jacob C. N. Schuldt, Masaaki Tokuyama, Jing Zhang,
• Abstract要約: 本稿では,2次元ダイナミックフュージョンを用いたマルチバイオメトリック連続認証手法を提案する。 提案手法は,既存手法と同等数のスコア計算を行う方法よりも精度が高いことを示す。
• 参考スコア（独自算出の注目度）: 11.230126598681563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuous authentication has been widely studied to provide high security and usability for mobile devices by continuously monitoring and authenticating users. Recent studies adopt multibiometric fusion for continuous authentication to provide high accuracy even when some of captured biometric data are of a low quality. However, existing continuous fusion approaches are resource-heavy as they rely on all classifiers being activated all the time and may not be suitable for mobile devices. In this paper, we propose a new approach to multibiometric continuous authentication: two-dimensional dynamic fusion. Our key insight is that multibiometric continuous authentication calculates two-dimensional matching scores over classifiers and over time. Based on this, we dynamically select a set of classifiers based on the context in which authentication is taking place, and fuse matching scores by multi-classifier fusion and multi-sample fusion. Through experimental evaluation, we show that our approach provides a better balance between resource usage and accuracy than the existing fusion methods. In particular, we show that our approach provides higher accuracy than the existing methods with the same number of score calculations by adopting multi-sample fusion.
• Abstract（参考訳）: ユーザを継続的に監視し、認証することで、モバイルデバイスのセキュリティとユーザビリティを高めるために、継続的認証が広く研究されている。 近年の研究では、取得したバイオメトリックデータのいくつかが低品質である場合でも、高い精度で連続的な認証を行うためのマルチバイオメトリックフュージョンが採用されている。 しかし、既存の連続核融合アプローチは、常に活性化されているすべての分類器に依存しており、モバイルデバイスには適さない可能性があるため、リソースが豊富である。 本稿では,マルチバイオメトリック連続認証の新しいアプローチとして,二次元ダイナミックフュージョンを提案する。 我々の重要な洞察は、マルチバイオメトリック連続認証は、分類器や時間とともに2次元のマッチングスコアを計算することである。 そこで本研究では,認証を行うコンテキストに基づいて分類器の集合を動的に選択し,複数分類器融合とマルチサンプル融合によりマッチングスコアを融合する。 実験により,本手法は既存の融合法よりも資源使用量と精度のバランスが良いことを示す。 特に,本手法は,マルチサンプル融合を応用したスコア計算の精度が,既存手法よりも高いことを示す。

関連論文リスト

• Multi-modal biometric authentication: Leveraging shared layer architectures for enhanced security [0.0]
  本稿では, 顔, 声, 署名データを統合し, セキュリティ対策を強化する新しい生体認証システムを提案する。 我々のモデルアーキテクチャは、包括的な特徴抽出のためのモダリティ固有の拡張とともに、二重共有層を組み込んでいる。 提案手法は,認証精度とロバスト性を大幅に向上させ,高度にセキュアなID認証ソリューションを実現する。
  論文  参考訳（メタデータ） (2024-11-04T14:27:10Z)
• MMLF: Multi-modal Multi-class Late Fusion for Object Detection with Uncertainty Estimation [13.624431305114564]
  本稿では,マルチクラス検出が可能なレイトフュージョンのための先駆的マルチモーダル・マルチクラスレイトフュージョン法を提案する。 KITTI検証と公式テストデータセットで実施された実験は、大幅なパフォーマンス改善を示している。 我々のアプローチでは、不確実性分析を分類融合プロセスに組み込んで、モデルをより透明で信頼性の高いものにします。
  論文  参考訳（メタデータ） (2024-10-11T11:58:35Z)
• Adaptive Confidence Multi-View Hashing for Multimedia Retrieval [23.018331993442285]
  マルチビューハッシュ法は、複数のビューからの異種データをバイナリハッシュコードに変換する。 信頼学習を行い、不要なノイズを除去するために、新しい適応信頼多視点ハッシュ法(ACMVH)を提案する。
  論文  参考訳（メタデータ） (2023-12-12T14:43:09Z)
• Deep Equilibrium Multimodal Fusion [88.04713412107947]
  多重モーダル融合は、複数のモーダルに存在する相補的な情報を統合し、近年多くの注目を集めている。 本稿では,動的多モード核融合プロセスの固定点を求めることにより,多モード核融合に対する新しいDeep equilibrium (DEQ)法を提案する。 BRCA,MM-IMDB,CMU-MOSI,SUN RGB-D,VQA-v2の実験により,DEC融合の優位性が示された。
  論文  参考訳（メタデータ） (2023-06-29T03:02:20Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• MM-TTA: Multi-Modal Test-Time Adaptation for 3D Semantic Segmentation [104.48766162008815]
  本稿では,3次元セマンティックセグメンテーションのためのテスト時間適応のマルチモーダル拡張を提案する。 マルチモダリティを最大限に活用できるフレームワークを設計するために、各モダリティは他のモダリティに対して正規化された自己監督信号を提供する。 正規化された擬似ラベルは、多数の多モードテスト時間適応シナリオにおいて安定した自己学習信号を生成する。
  論文  参考訳（メタデータ） (2022-04-27T02:28:12Z)
• Channel Exchanging Networks for Multimodal and Multitask Dense Image Prediction [125.18248926508045]
  本稿では,マルチモーダル融合とマルチタスク学習の両方に適用可能な,自己適応的でパラメータフリーなチャネル交換ネットワーク(CEN)を提案する。 CENは異なるモダリティのワーク間でチャネルを動的に交換する。 濃密な画像予測を応用するために、CENの有効性は4つの異なるシナリオで検証される。
  論文  参考訳（メタデータ） (2021-12-04T05:47:54Z)
• 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)
• Trusted Multi-View Classification [76.73585034192894]
  本稿では,信頼された多視点分類と呼ばれる新しい多視点分類手法を提案する。 さまざまなビューをエビデンスレベルで動的に統合することで、マルチビュー学習のための新しいパラダイムを提供する。 提案アルゴリズムは,分類信頼性とロバスト性の両方を促進するために,複数のビューを併用する。
  論文  参考訳（メタデータ） (2021-02-03T13:30:26Z)
• Deep Hashing for Secure Multimodal Biometrics [1.7188280334580195]
  本稿では,各ユーザの顔と虹彩バイオメトリックスからセキュアなマルチモーダルテンプレートを生成する特徴レベル融合のためのフレームワークを提案する。 キャンセル可能なバイオメトリックと安全なスケッチ技術を組み合わせることで、ハイブリッドなセキュアアーキテクチャを採用しています。 提案手法は,生体データのプライバシ向上とともに,テンプレートのキャンセル性とアンリンク性も提供する。
  論文  参考訳（メタデータ） (2020-12-29T14:15:05Z)

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。