論文の概要: From Clicks to Security: Investigating Continuous Authentication via Mouse Dynamics

• arxiv url: http://arxiv.org/abs/2403.03828v1
• Date: Wed, 6 Mar 2024 16:18:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-07 14:21:27.531003
• Title: From Clicks to Security: Investigating Continuous Authentication via Mouse Dynamics
• Title（参考訳）: クリックからセキュリティ:マウスダイナミクスによる継続的認証の調査
• Authors: Rushit Dave, Marcho Handoko, Ali Rashid, Cole Schoenbauer
• Abstract要約: この研究は、さまざまな機械学習モデルを用いることで、従来の方法論を越えている。 本研究で用いられている多種多様な機械学習モデルは,ユーザ検証において有能な性能を示す。 本研究は,コンピュータセキュリティの向上に向けた継続的な取り組みに寄与し,堅牢な認証システム開発において,ユーザ動作,特にマウスダイナミクスを活用する可能性を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the realm of computer security, the importance of efficient and reliable user authentication methods has become increasingly critical. This paper examines the potential of mouse movement dynamics as a consistent metric for continuous authentication. By analyzing user mouse movement patterns in two contrasting gaming scenarios, "Team Fortress" and Poly Bridge we investigate the distinctive behavioral patterns inherent in high-intensity and low-intensity UI interactions. The study extends beyond conventional methodologies by employing a range of machine learning models. These models are carefully selected to assess their effectiveness in capturing and interpreting the subtleties of user behavior as reflected in their mouse movements. This multifaceted approach allows for a more nuanced and comprehensive understanding of user interaction patterns. Our findings reveal that mouse movement dynamics can serve as a reliable indicator for continuous user authentication. The diverse machine learning models employed in this study demonstrate competent performance in user verification, marking an improvement over previous methods used in this field. This research contributes to the ongoing efforts to enhance computer security and highlights the potential of leveraging user behavior, specifically mouse dynamics, in developing robust authentication systems.
• Abstract（参考訳）: コンピュータセキュリティの分野では、効率的で信頼性の高いユーザ認証手法の重要性がますます重要になっている。 本稿では,連続認証のための一貫した指標としてマウス運動力学の可能性を検討する。 ユーザマウスの動作パターンを「チームフォートレスト」と「ポリブリッジ」の2つのコントラストゲームシナリオで分析することにより,高度かつ低強度のuiインタラクションに固有の特徴的行動パターンについて検討した。 この研究は、さまざまな機械学習モデルを用いることで、従来の方法論を越えている。 これらのモデルは、マウスの動きに反映されたユーザ行動の微妙さを捉え、解釈する上での有効性を評価するために慎重に選択される。 この多面的アプローチは、ユーザインタラクションパターンをより微妙で包括的な理解を可能にする。 この結果から,マウスの動作動態が連続的ユーザ認証の信頼性指標となることがわかった。 本研究で用いられている多種多様な機械学習モデルは, ユーザ検証における有能な性能を示し, この分野における従来の手法よりも向上したことを示す。 本研究は,コンピュータセキュリティ向上への継続的な取り組みに寄与し,堅牢な認証システム開発においてユーザ動作,特にマウスダイナミクスを活用する可能性を強調している。

関連論文リスト

• Multimodal Visual-Tactile Representation Learning through Self-Supervised Contrastive Pre-Training [0.850206009406913]
  MViTacは、コントラスト学習を利用して視覚と触覚を自己指導的に統合する新しい手法である。 両方の感覚入力を利用することで、MViTacは学習表現のモダリティ内およびモダリティ間損失を利用して、材料特性の分類を強化し、より適切な把握予測を行う。
  論文  参考訳（メタデータ） (2024-01-22T15:11:57Z)
• Learning Variable Impedance Skills from Demonstrations with Passivity Guarantee [13.498124592226734]
  本稿では,力覚と運動情報を統合し,可変インピーダンス制御を実現するための学習支援フレームワークを提案する。 タンクを用いた可変インピーダンス制御手法を提案する。
  論文  参考訳（メタデータ） (2023-06-20T06:05:04Z)
• Mouse Dynamics Behavioral Biometrics: A Survey [1.0499611180329804]
  1897年から2023年までのマウスのダイナミクスとウィジェットの相互作用に関する文献を調査した。 本調査は,行動バイオメトリックスに関する心理学的視点から開始する。 データ収集のためのタスクと実験的な設定、原属性の分類、特徴抽出と数学的定義、公開データセット、アルゴリズム(統計学、機械学習、ディープラーニング)、データ融合、パフォーマンス、制限。
  論文  参考訳（メタデータ） (2022-08-18T20:57:51Z)
• Machine and Deep Learning Applications to Mouse Dynamics for Continuous User Authentication [0.0]
  この記事では,3つの機械学習アルゴリズムとディープラーニングアルゴリズムを使用して,40人のユーザのデータセットを評価することで,これまでの公開作業に基づいています。 トップパフォーマーは1次元畳み込みニューラルネットワークであり、トップ10ユーザーの平均テスト精度は85.73%である。 また, 92.48%のピーク精度に達する人工ニューラルネットワークを用いて, マルチクラス分類についても検討した。
  論文  参考訳（メタデータ） (2022-05-26T21:43:59Z)
• First Contact: Unsupervised Human-Machine Co-Adaptation via Mutual Information Maximization [112.40598205054994]
  我々はこのアイデアを、インターフェースを最適化するための完全に教師なしの目的として定式化する。 タイピング,シミュレートされたロボットの制御,ゲームプレイなど,様々なキーボードとアイアイのインタフェースを運用しているユーザの540K例について,観察的研究を行った。 以上の結果から,我々の相互情報スコアは,様々な領域における真真正タスク完了メトリクスの予測値であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-24T21:57:18Z)
• Learning Self-Modulating Attention in Continuous Time Space with Applications to Sequential Recommendation [102.24108167002252]
  本稿では,複雑で非線形に進化する動的ユーザの嗜好をモデル化する,自己変調型注意ネットワークを提案する。 提案手法がトップNシーケンシャルなレコメンデーションタスクに与える影響を実証的に示すとともに,3つの大規模実世界のデータセットによる結果から,我々のモデルが最先端のパフォーマンスを達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-30T03:54:11Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)
• Data-driven behavioural biometrics for continuous and adaptive user verification using Smartphone and Smartwatch [0.0]
  行動バイオメトリックスと多要素認証(MFA)をブレンドするアルゴリズムを提案する。 本研究では,モーションベースバイオメトリックスを用いてユーザの身元を検証するための2段階のユーザ検証アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-07T02:46:21Z)
• Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
  本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。 我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。 この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
  論文  参考訳（メタデータ） (2021-09-09T16:04:14Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Generative Adversarial Reward Learning for Generalized Behavior Tendency Inference [71.11416263370823]
  ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。 我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
  論文  参考訳（メタデータ） (2021-05-03T13:14:25Z)

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。