論文の概要: When Does Your Brain Know You? Segment Length and Its Impact on EEG-based Biometric Authentication Accuracy
- arxiv url: http://arxiv.org/abs/2403.12644v1
- Date: Tue, 19 Mar 2024 11:30:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 14:33:18.675097
- Title: When Does Your Brain Know You? Segment Length and Its Impact on EEG-based Biometric Authentication Accuracy
- Title(参考訳): あなたの脳はいつあなたを知るのか? セグメント長と脳波による生体認証精度への影響
- Authors: Nibras Abo Alzahab, Lorenzo Scalise, Marco Baldi,
- Abstract要約: この研究は、EEGデータが認証目的の最大情報収率を提供するしきい値を特定することを目指している。
この知見は非侵襲的生体計測技術の分野を推し進めるものである。
- 参考スコア(独自算出の注目度): 3.9735602856280132
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the quest for optimal EEG-based biometric authentication, this study investigates the pivotal balance for accurate identification without sacrificing performance or adding unnecessary computational complexity. Through a methodical exploration of segment durations, and employing a variety of sophisticated machine learning models, the research seeks to pinpoint a threshold where EEG data provides maximum informational yield for authentication purposes. The findings are set to advance the field of non-invasive biometric technologies, proposing a practical approach to secure and user-friendly identity verification systems while also raising considerations for the real-world application of EEG-based biometric authentication beyond controlled environments.
- Abstract(参考訳): 本研究は,脳波に基づく生体認証を最適化する上で,性能を犠牲にすることなく正確な識別を行うための重要なバランスについて検討する。
セグメント期間の方法論的な探索と、さまざまな高度な機械学習モデルの使用を通じて、脳波データが認証目的のために最大情報収率を提供するしきい値の特定を試みる。
この知見は,非侵襲的生体認証技術の分野を推し進め,安全でユーザフレンドリな識別認証システムへの実践的アプローチを提案するとともに,脳波に基づく生体認証の現実的な適用を制御環境を超えて検討することを目的としている。
関連論文リスト
- Enhancing Fingerprint Recognition Systems: Comparative Analysis of Biometric Authentication Algorithms and Techniques for Improved Accuracy and Reliability [0.0]
本研究では,指紋認識精度と堅牢性を向上させるために,畳み込みニューラルネットワーク(CNN)とGaborフィルタを統合することを検討した。
以上の結果から,CNNによるアプローチの優位性が示唆され,全体の精度は94%であった。
論文 参考訳(メタデータ) (2024-12-18T23:23:50Z) - Support Vector Machine for Person Classification Using the EEG Signals [0.4419843514606336]
本稿では,この課題に対処するために,脳波信号を用いた個人識別を提案する。
脳波信号は、有望な認証可能性を提供し、活力検出のための新しい手段を提供し、それによって偽造攻撃を緩和する。
本研究では8チャンネルのOpenBCIヘルメットを用いて記録された12人の被験者の脳波データを特徴付ける疲労解析のために最初にコンパイルされたパブリックデータセットを用いる。
論文 参考訳(メタデータ) (2024-11-26T14:03:58Z) - Model-Agnostic Utility-Preserving Biometric Information Anonymization [9.413512346732768]
近年のセンサ技術と機械学習技術の急速な進歩は、人々のバイオメトリックスの普遍的な収集と利用を引き起こしている。
生体認証の利用は、本質的なセンシティブな性質と、センシティブな情報を漏洩するリスクが高いため、深刻なプライバシー上の懸念を引き起こしている。
本稿では,生体データに対して,その感度特性を抑え,下流機械学習による解析に関連のある特徴を保持することで,生体データを匿名化できる新しいモダリティ非依存型データ変換フレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-23T21:21:40Z) - EEGFormer: Towards Transferable and Interpretable Large-Scale EEG
Foundation Model [39.363511340878624]
大規模複合脳波データに基づいて事前学習した脳波基礎モデル,すなわちEEGFormerを提案する。
本モデルの有効性を検証するため,様々な下流タスクにおいて広範囲に評価し,異なる転送条件下での性能を評価する。
論文 参考訳(メタデータ) (2024-01-11T17:36:24Z) - CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework
for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。
近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-13T22:46:43Z) - Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。
マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。
ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文 参考訳(メタデータ) (2023-04-04T07:24:51Z) - Facial Soft Biometrics for Recognition in the Wild: Recent Works,
Annotation, and COTS Evaluation [63.05890836038913]
制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。
1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。
深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
論文 参考訳(メタデータ) (2022-10-24T11:29:57Z) - ECG Biometric Recognition: Review, System Proposal, and Benchmark
Evaluation [0.0]
我々は、ECGバイオメトリック認識における様々なシナリオの分析と比較を行う。
我々は、社内の大規模データベースでトレーニングされた堅牢なディープラーニング技術であるECGXtractorを提案する。
システムの性能を4つの異なるデータベースで評価する。
論文 参考訳(メタデータ) (2022-04-08T10:53:11Z) - Signal-level Fusion for Indexing and Retrieval of Facial Biometric Data [17.297562114613505]
提案手法は,オープンソースおよび商用オフザシェルフ認識システムを用いて,公開データベース上で広範囲に評価される。
その結果,提案手法を用いることで,計算負荷を30%程度削減できることがわかった。
論文 参考訳(メタデータ) (2021-03-05T14:06:54Z) - EEG-Inception: An Accurate and Robust End-to-End Neural Network for
EEG-based Motor Imagery Classification [123.93460670568554]
本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。
提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
論文 参考訳(メタデータ) (2021-01-24T19:03:10Z) - Evidence of Task-Independent Person-Specific Signatures in EEG using
Subspace Techniques [40.58895146286888]
この研究は、関連する分散を正規化することによって、タスク/条件に依存しないバイオメトリックシグネチャをモデル化しようとする。
提案手法は,脳波信号全体に生体情報が存在すると仮定し,高次元空間において時間にわたって統計を蓄積する。
最高のサブスペースシステムでは、被験者が30名、被験者が920名であるデータセットで、それぞれ86.4%と35.9%の精度を持つ個人を9つのEEGチャンネルで識別する。
論文 参考訳(メタデータ) (2020-07-27T13:01:37Z)
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。