論文の概要: EarPass: Secure and Implicit Call Receiver Authentication Using Ear Acoustic Sensing
- arxiv url: http://arxiv.org/abs/2404.15000v1
- Date: Tue, 23 Apr 2024 13:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 14:01:50.115132
- Title: EarPass: Secure and Implicit Call Receiver Authentication Using Ear Acoustic Sensing
- Title（参考訳）: EarPass:Ear Acoustic Sensing を用いたセキュア・インシシトコール受信者認証
- Authors: Xiping Sun, Jing Chen, Kun He, Zhixiang He, Ruiying Du, Yebo Feng, Qingchuan Zhao, Cong Wu,
- Abstract要約: EarPassは、スマートフォンのセキュアで暗黙的なコールレシーバ認証方式である。
イヤーピーススピーカーを通して難聴の音響信号を送信し、外耳を積極的に感知する。
バランスの取れた精度は96.95%で、エラー率は1.53%である。
- 参考スコア（独自算出の注目度）: 14.78387043362623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Private voice communication often contains sensitive information, making it critical to ensure that only authorized users have access to such calls. Unfortunately, current authentication mechanisms, such as PIN-based passwords, fingerprint recognition, and face recognition, fail to authenticate the call receiver, leaving a gap in security. To fill the gap, we present EarPass, a secure and implicit call receiver authentication scheme designed for smartphones. EarPass sends inaudible acoustic signals through the earpiece speaker to actively sense the outer ear, and records echoes using the top microphone. It focuses on extracting ear-related signals from echoes and performs spectrogram analysis in the magnitude and phase domains. To overcome posture and position variability, EarPass utilizes a learning-based feature extractor for extracting representative features, and a one-class classifier for authentication. EarPass does not increase any burdens on users or change users' call answering habits. Furthermore, it does not require extra devices but only uses the speaker and microphone on the smartphone. We conducted comprehensive experiments to evaluate EarPass's effectiveness and security. Our results show that EarPass can achieve a balanced accuracy of 96.95% and an equal error rate of 1.53%. Additionally, EarPass exhibits resilience against potential attacks, including zero-effort attacks and mimicry attacks.
- Abstract（参考訳）: プライベート音声通信は、しばしば機密情報を含んでいるため、認証されたユーザだけがそのような呼び出しにアクセスできることを保証することが重要である。
残念ながら、PINベースのパスワード、指紋認証、顔認識などの現在の認証メカニズムは、コールレシーバーの認証に失敗し、セキュリティのギャップが残る。
このギャップを埋めるために、スマートフォン用に設計されたセキュアで暗黙的なコールレシーバ認証方式であるEarPassを提案する。
EarPassはイヤーピーススピーカーを通して難聴の音響信号を送信し、外耳を積極的に感知し、トップマイクを使ってエコーを記録する。
エコーから耳関連信号を抽出することに焦点を当て、大きさと位相領域で分光分析を行う。
姿勢と位置のばらつきを克服するために、EarPassは、学習ベースの特徴抽出器を使用して代表的特徴を抽出し、認証のための一級分類器を使用する。
EarPassは、ユーザの負担を増したり、ユーザの応答習慣を変更したりしない。
さらに、追加のデバイスは必要とせず、スマートフォンのスピーカーとマイクのみを使用する。
EarPassの有効性と安全性を評価するための総合的な実験を行った。
以上の結果から,EarPassは96.95%の平衡精度と1.53%の誤差率が得られることがわかった。
さらに、EarPassはゼロフォート攻撃や模倣攻撃を含む潜在的な攻撃に対するレジリエンスを示す。
関連論文リスト
- Preventing Radio Fingerprinting through Friendly Jamming [5.074726108522963]
無線周波数指紋認証により、受動受信機は暗号ツールを必要とせずに送信機を認識し認証することができる。
悪意ある人物によるフィールド内の無線機器の不正な追跡を容易にする無線周波数指紋認証の敵対的利用について検討する。
通信路上の機器の匿名性を改善するために,ジャマーを用いて指紋の送信信号を消毒する方法を提案する。
論文 参考訳（メタデータ） (2024-07-11T09:01:46Z) - Eve Said Yes: AirBone Authentication for Head-Wearable Smart Voice Assistant [10.694874051404648]
同一の発声による空気と骨の伝導(AC/BC)は、結合(または同時)され、ユーザレベル固有のものとなる。
正当なユーザは、提案された2段階のAirBone認証で、音響ドメインを破り、サンプルをクロスドメインにスプーフィングすることもできる。
論文 参考訳（メタデータ） (2023-09-26T19:03:45Z) - Locally Authenticated Privacy-preserving Voice Input [10.82818142802482]
サービスプロバイダはユーザを認証しなければならないが、個人はプライバシの維持を望むかもしれない。
認証の実行中にプライバシを保存することは、特に敵がバイオメトリックデータを使用してトランスフォーメーションツールをトレーニングする場合には、非常に難しい。
ユーザの生信号のデバイス上の指紋をキャプチャして保存する,セキュアでフレキシブルなプライバシ保護システムを導入する。
論文 参考訳（メタデータ） (2022-05-27T14:56:01Z) - 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) - Multimodal Personal Ear Authentication Using Smartphones [0.0]
指紋認証は、手が濡れている場合は使用できず、マスクを着用している場合は顔認識は使用できない。
スマートフォンにおける生体認証の新しいアプローチとしてピンナを用いた個人認証システムについて検討する。
論文 参考訳（メタデータ） (2021-03-23T14:19:15Z) - 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) - Speech Enhancement for Wake-Up-Word detection in Voice Assistants [60.103753056973815]
キースポッティング、特にWake-Up-Word(WUW)検出は音声アシスタントにとって非常に重要なタスクである。
本稿では,WUW検出に適応した音声強調モデルを提案する。
これらのノイズの存在下で、認識率を高め、誤報を減らすことを目的としている。
論文 参考訳（メタデータ） (2021-01-29T18:44:05Z) - Stay Connected, Leave no Trace: Enhancing Security and Privacy in WiFi
via Obfuscating Radiometric Fingerprints [8.89054576694426]
WiFiチップセットの固有のハードウェア欠陥は、送信された信号に現れ、ユニークなラジオメトリック指紋をもたらす。
近年の研究では、市販品で容易に実装可能な実用的な指紋認証ソリューションが提案されている。
解析的および実験的に、これらのソリューションは偽造攻撃に対して非常に脆弱であることを示す。
本稿では, RF-Veilを提案する。RF-Veilは, 偽造攻撃に対して堅牢なだけでなく, ユーザのプライバシーも保護する。
論文 参考訳（メタデータ） (2020-11-25T11:10:59Z) - Open-set Adversarial Defense [93.25058425356694]
オープンセット認識システムは敵攻撃に対して脆弱であることを示す。
本研究の目的は,OSAD(Open-Set Adrial Defense, Open-Set Adrial Defense)機構の必要性である。
本稿はOSAD問題に対する解決策として,OSDN(Open-Set Defense Network)を提案する。
論文 参考訳（メタデータ） (2020-09-02T04:35:33Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z) - Multi-task self-supervised learning for Robust Speech Recognition [75.11748484288229]
本稿では,雑音および残響環境下での頑健な音声認識のためのPASE+を提案する。
我々は、様々なランダムな乱れで入力信号を汚染するオンライン音声歪みモジュールを用いる。
次に,再帰型ネットワークと畳み込み型ネットワークを効率よく組み合わせて,短時間および長期の音声力学をよりよく学習する改良型エンコーダを提案する。
論文 参考訳（メタデータ） (2020-01-25T00:24:45Z)
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。