論文の概要: De-authentication using Ambient Light Sensor
- arxiv url: http://arxiv.org/abs/2309.12220v2
- Date: Fri, 23 Feb 2024 16:18:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 04:01:03.351829
- Title: De-authentication using Ambient Light Sensor
- Title（参考訳）: アンビエント光センサを用いた消音
- Authors: Ankit Gangwal, Aashish Paliwal, Mauro Conti,
- Abstract要約: 本稿では,新しい,安価で,高速で,ユーザフレンドリな脱認証手法である「アンビエント光センサを用いたDE-authentication」を提案する。
ディールは、89.15%のヒット率と7.35%のダウンアウトで、4秒以内に離脱するユーザーを非認証にすることができる。
- 参考スコア（独自算出の注目度）: 17.69993201359518
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While user authentication happens before initiating or resuming a login session, de-authentication detects the absence of a previously-authenticated user to revoke her currently active login session. The absence of proper de-authentication can lead to well-known lunchtime attacks, where a nearby adversary takes over a carelessly departed user's running login session. The existing solutions for automatic de-authentication have distinct practical limitations, e.g., extraordinary deployment requirements or high initial cost of external equipment. In this paper, we propose "DE-authentication using Ambient Light sensor" (DEAL), a novel, inexpensive, fast, and user-friendly de-authentication approach. DEAL utilizes the built-in ambient light sensor of a modern computer to determine if the user is leaving her work-desk. DEAL, by design, is resilient to natural shifts in lighting conditions and can be configured to handle abrupt changes in ambient illumination (e.g., due to toggling of room lights). We collected data samples from 4800 sessions with 120 volunteers in 4 typical workplace settings and conducted a series of experiments to evaluate the quality of our proposed approach thoroughly. Our results show that DEAL can de-authenticate a departing user within 4 seconds with a hit rate of 89.15% and a fall-out of 7.35%. Finally, bypassing DEAL to launch a lunchtime attack is practically infeasible as it requires the attacker to either take the user's position within a few seconds or manipulate the sensor readings sophisticatedly in real-time.
- Abstract（参考訳）: ユーザ認証はログインセッションの開始または再開前に行われるが、非認証は、現在アクティブなログインセッションを無効にするために、事前に認証されたユーザがいないことを検出する。
適切な認証解除がないと、よく知られたランチタイム攻撃が起こり、近くにいる敵が不注意に離れたユーザのログインセッションを乗っ取る。
自動消音のための既存のソリューションは、例えば、特別な配置要件や、外部機器の初期コストが高いといった、明確な実用的な制限がある。
本稿では,新しい,安価で,高速で,ユーザフレンドリーな脱認証手法である「環境光センサを用いたDEAL(DE-authentication using Ambient Light Sensor)」を提案する。
DEALは、現代のコンピュータの内蔵環境光センサーを使用して、ユーザーがワークデスクを離れているかどうかを判断する。
DEALは、設計上、照明条件の自然変化に耐性があり、周囲の照明の急激な変化(例えば、部屋の明かりが光っているため)に対処するように構成できる。
4つの典型的な職場環境において,120人のボランティアによる4800のセッションからデータを収集し,提案手法の質を徹底的に評価するための一連の実験を行った。
以上の結果から, DEALは89.15%のヒット率,7.35%のダウンアウトで,4秒以内に離脱ユーザを非認証化できることがわかった。
最後に、DEALをバイパスしてランチタイムアタックを起動することは事実上不可能であり、攻撃者はユーザの位置を数秒以内に取るか、センサーの読み取りをリアルタイムに巧みに操作する必要がある。
関連論文リスト
- KDPrint: Passive Authentication using Keystroke Dynamics-to-Image Encoding via Standardization [7.251941112707364]
本稿では,プライマリ認証方式の副産物であるキーストロークデータを背景ユーザ認証に用いる受動的認証システムを提案する。
本稿では,キーストロークデータの時間的ダイナミクスを捉え,ディープラーニングモデルの性能制限を克服する新しい画像符号化手法を提案する。
実験の結果,提案手法は情報容量の面で既存の手法を超越していることがわかった。
論文 参考訳（メタデータ） (2024-05-02T08:18:37Z) - Using Motion Forecasting for Behavior-Based Virtual Reality (VR)
Authentication [8.552737863305213]
本稿では,トランスフォーマーを用いた予測と,予測軌道を用いてユーザ認証を行うことによって,将来のユーザ行動を予測する手法を提案する。
提案手法では,認証等価エラー率(EER)を平均23.85%,最大36.14%削減する。
論文 参考訳（メタデータ） (2024-01-30T00:43:41Z) - Leveraging Machine Learning for Wi-Fi-based Environmental Continuous Two-Factor Authentication [0.44998333629984877]
ユーザの入力を機械学習(ML)による決定に置き換える新しい2FAアプローチを提案する。
本システムは,Wi-Fiアクセスポイント(AP)からのビーコンフレーム特性や受信信号強度指標(RSSI)値など,ユーザに関連するユニークな環境特性を利用する。
セキュリティを強化するため,ユーザの2つのデバイス(ログインデバイスとモバイルデバイス)が,アクセスを許可する前に所定の近くに配置されることを義務付ける。
論文 参考訳（メタデータ） (2024-01-12T14:58:15Z) - KeyDetect --Detection of anomalies and user based on Keystroke Dynamics [0.0]
サイバー攻撃はクレジットカードの詳細や社会保障番号などの機密データに簡単にアクセスすることができる。
現在、サイバー攻撃を止めるために、2段階の検証方法から様々な方法が選択されている。
我々は,ユーザのキーストロークダイナミックス(タイピングパターン)を用いて真のユーザを認証する手法を提案している。
論文 参考訳（メタデータ） (2023-04-08T09:00:07Z) - Event Guided Depth Sensing [50.997474285910734]
バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。
提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。
シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
論文 参考訳（メタデータ） (2021-10-20T11:41:11Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。
オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文 参考訳（メタデータ） (2021-02-01T09:17:18Z) - Practical Speech Re-use Prevention in Voice-driven Services [28.7930704553513]
音声駆動サービス(VDS)は、スマートホームコントロールからデジタルアシスタントを使った支払いまで、さまざまなアプリケーションで使用されている。
このような設定における重要な運用セキュリティ要件の1つは、入力音声の新鮮さです。
本稿では,ユーザインタラクション時に動的音響ノイズを埋め込むセキュリティオーバーレイを提案する。
音響能は(i)確実に埋め込まれ、取り出すことができ、(ii)VDSユーザーに対して非破壊的(かつ知覚不能)であることを実証する。
論文 参考訳（メタデータ） (2021-01-12T22:00:59Z) - Federated Learning of User Authentication Models [69.93965074814292]
機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。
FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。
提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
論文 参考訳（メタデータ） (2020-07-09T08:04:38Z) - Quickest Intruder Detection for Multiple User Active Authentication [74.5256211285431]
我々は,Multiple-user Quickest Intruder Detection (MQID)アルゴリズムを定式化する。
より少ない観測サンプルで侵入者検出を行うデータ効率のシナリオにアルゴリズムを拡張した。
顔のモダリティに基づく2つのAAデータセットに対する提案手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-06-21T21:59:01Z)
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。