論文の概要: IEEE BigData 2023 Keystroke Verification Challenge (KVC)
- arxiv url: http://arxiv.org/abs/2401.16559v1
- Date: Mon, 29 Jan 2024 20:51:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 17:04:40.077240
- Title: IEEE BigData 2023 Keystroke Verification Challenge (KVC)
- Title(参考訳): IEEE BigData 2023 Keystroke Verification Challenge (KVC)
- Authors: Giuseppe Stragapede and Ruben Vera-Rodriguez and Ruben Tolosana and
Aythami Morales and Ivan DeAndres-Tame and Naser Damer and Julian Fierrez and
Javier-Ortega Garcia and Nahuel Gonzalez and Andrei Shadrikov and Dmitrii
Gordin and Leon Schmitt and Daniel Wimmer and Christoph Grossmann and Joerdis
Krieger and Florian Heinz and Ron Krestel and Christoffer Mayer and Simon
Haberl and Helena Gschrey and Yosuke Yamagishi and Sanjay Saha and Sanka
Rasnayaka and Sandareka Wickramanayake and Terence Sim and Weronika Gutfeter
and Adam Baran and Mateusz Krzyszton and Przemyslaw Jaskola
- Abstract要約: 本稿では,185,000人以上の被験者からの可変転写テキストのツイート長列として捉えたKeystroke Dynamicsの生体認証性能について考察する。
データは、これまでで最大規模のKDパブリックデータベースの2つから取得されている。
参加者によっていくつかのニューラルアーキテクチャが提案され、それぞれのチームが達成した3.33%と3.61%という世界的平等エラー率(EER)が達成された。
- 参考スコア(独自算出の注目度): 14.366081634293721
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper describes the results of the IEEE BigData 2023 Keystroke
Verification Challenge (KVC), that considers the biometric verification
performance of Keystroke Dynamics (KD), captured as tweet-long sequences of
variable transcript text from over 185,000 subjects. The data are obtained from
two of the largest public databases of KD up to date, the Aalto Desktop and
Mobile Keystroke Databases, guaranteeing a minimum amount of data per subject,
age and gender annotations, absence of corrupted data, and avoiding excessively
unbalanced subject distributions with respect to the considered demographic
attributes. Several neural architectures were proposed by the participants,
leading to global Equal Error Rates (EERs) as low as 3.33% and 3.61% achieved
by the best team respectively in the desktop and mobile scenario, outperforming
the current state of the art biometric verification performance for KD. Hosted
on CodaLab, the KVC will be made ongoing to represent a useful tool for the
research community to compare different approaches under the same experimental
conditions and to deepen the knowledge of the field.
- Abstract(参考訳): 本稿では,キーストロークダイナミクス(kd)の生体認証性能を考慮したieee bigdata 2023 key stroke verification challenge(kvc)の結果について述べる。
これまでのkdの最大の公開データベースであるaalto desktopとmobile key strokeの2つから取得し、対象毎の最小データ量、年齢と性別の注釈、腐敗したデータがないこと、そして考慮された人口属性に関して過度にバランスのとれない主題分布を避ける。
参加者によっていくつかのニューラルアーキテクチャが提案され、世界的平等エラーレート(EER)がデスクトップとモバイルのシナリオでそれぞれ3.33%と3.61%に低下し、KDのバイオメトリック認証のパフォーマンスを上回った。
CodaLabにホストされているKVCは、同じ実験条件下で異なるアプローチを比較し、その分野の知識を深めるために、研究コミュニティにとって有用なツールとして進行中である。
関連論文リスト
- 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) - Free-text Keystroke Authentication using Transformers: A Comparative
Study of Architectures and Loss Functions [1.0152838128195467]
キーストロークバイオメトリックスは、個人のタイピング行動におけるユニークなパターンを活用する、ユーザ識別と検証のための有望なアプローチである。
本稿では,キーストロークシーケンスから情報的特徴を抽出する自己注意型トランスフォーマーネットワークを提案する。
我々のモデルは、フリーテキストキーストローク認証における従来の最先端技術を上回る。
論文 参考訳(メタデータ) (2023-10-18T00:34:26Z) - Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。
この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。
制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
論文 参考訳(メタデータ) (2023-04-12T10:29:42Z) - The Devil is in the Points: Weakly Semi-Supervised Instance Segmentation
via Point-Guided Mask Representation [61.027468209465354]
本稿では,ポイントラベル付き弱半教師付きインスタンスセグメンテーション(WSSIS)という新しい学習手法を提案する。
本稿では、予算に優しいポイントラベルを強力な弱監督源として効果的に活用できるWSSISの手法を提案する。
我々はCOCOとBDD100Kデータセットの広範な実験を行い、提案手法は完全な教師付きモデルのデータセットに匹敵する有望な結果を得る。
論文 参考訳(メタデータ) (2023-03-27T10:11:22Z) - Explaining Cross-Domain Recognition with Interpretable Deep Classifier [100.63114424262234]
解釈可能なDeep(IDC)は、ターゲットサンプルの最も近いソースサンプルを、分類器が決定を下す証拠として学習する。
我々のIDCは、精度の劣化がほとんどなく、最適なリジェクションオプションの分類を効果的に調整する、より説明可能なモデルに導かれる。
論文 参考訳(メタデータ) (2022-11-15T15:58:56Z) - BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot
Detection [63.447493500066045]
本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。
提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。
実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
論文 参考訳(メタデータ) (2022-07-27T09:26:15Z) - My(o) Armband Leaks Passwords: An EMG and IMU Based Keylogging
Side-Channel Attack [8.195365677760211]
センサ・モダリティであるEMG(Electromyographic Data)データの利用の可能性について検討する。
本手法では加速度計やジャイロスコープと比較すると,EMGデータが最も顕著な情報源であることが判明した。
我々は37人のボランティアから記録された310万以上のキーストロークを含む広範なデータセットを作成しました。
論文 参考訳(メタデータ) (2021-12-04T16:48:56Z) - Semi-Supervised Domain Generalizable Person Re-Identification [74.75528879336576]
既存の人物の再識別(re-id)メソッドは、新しい目に見えないシナリオにデプロイされると立ち往生する。
近年,新たなシナリオにおける未ラベルの広範なデータをトランスダクティブ学習方式で活用するドメイン適応型人物再認識への取り組みが進められている。
我々は、複数のラベル付きデータセットを探索し、人物の再識別のための一般化されたドメイン不変表現を学習することを目指している。
論文 参考訳(メタデータ) (2021-08-11T06:08:25Z) - GAIA: A Transfer Learning System of Object Detection that Fits Your
Needs [136.60609274344893]
大規模データセットの事前学習によるトランスファーラーニングは,コンピュータビジョンや自然言語処理において,ますます重要な役割を担っている。
本稿では,物体検出の領域に着目し,GAIAと呼ばれる移動学習システムを提案する。
GAIAは、レイテンシ制約や指定されたデータドメインなどの下流要求に適合するモデルを選択する、強力な事前訓練されたウェイトを提供することができる。
論文 参考訳(メタデータ) (2021-06-21T18:24:20Z) - OpenKBP: The open-access knowledge-based planning grand challenge [0.6157382820537718]
我々は,2020年のAAPMグランドチャレンジであるOpenKBPを主催し,参加者にCT画像の量を予測する最善の方法の開発を依頼した。
1)3次元線量分布を評価する線量スコアと,(2)DVH測定値を評価する線量ヒストグラム(DVH)スコアの2つの異なるスコアで評価した。
チャレンジには28カ国から195人の参加者が参加し、73人の参加者が検証段階で44のチームを編成し、合計で1750の応募を受けた。
論文 参考訳(メタデータ) (2020-11-28T06:45:06Z) - A Robust Comparison of the KDDCup99 and NSL-KDD IoT Network Intrusion
Detection Datasets Through Various Machine Learning Algorithms [0.0]
最も引用されている侵入検知データセットはKDDCup99とNSL-KDDである。
このプロジェクトの主な目標は、両方のデータセットを堅牢に比較することでした。
NSL-KDDデータセットは、KDDCup99データセットよりも高品質である、という結論に達したのです。
論文 参考訳(メタデータ) (2019-12-31T07:36:33Z)
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。