論文の概要: Investigating the Common Authorship of Signatures by Off-Line Automatic Signature Verification Without the Use of Reference Signatures
- arxiv url: http://arxiv.org/abs/2405.14409v1
- Date: Thu, 23 May 2024 10:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-24 15:44:17.560676
- Title: Investigating the Common Authorship of Signatures by Off-Line Automatic Signature Verification Without the Use of Reference Signatures
- Title（参考訳）: 基準符号を用いないオフライン自動署名検証による署名の共通オーサシップの検討
- Authors: Moises Diaz, Miguel A. Ferrer, Soodamani Ramalingam, Richard Guest,
- Abstract要約: 本稿では,参照シグネチャが存在しない場合に,自動シグネチャ検証の問題に対処する。
私たちが探求するシナリオは、同じ著者または複数の署名者によって署名される可能性のある署名のセットで構成されています。
オフラインシグネチャの集合の共通オーサシップを自動的に推定する3つの方法について議論する。
- 参考スコア（独自算出の注目度）: 3.3498759480099856
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In automatic signature verification, questioned specimens are usually compared with reference signatures. In writer-dependent schemes, a number of reference signatures are required to build up the individual signer model while a writer-independent system requires a set of reference signatures from several signers to develop the model of the system. This paper addresses the problem of automatic signature verification when no reference signatures are available. The scenario we explore consists of a set of signatures, which could be signed by the same author or by multiple signers. As such, we discuss three methods which estimate automatically the common authorship of a set of off-line signatures. The first method develops a score similarity matrix, worked out with the assistance of duplicated signatures; the second uses a feature-distance matrix for each pair of signatures; and the last method introduces pre-classification based on the complexity of each signature. Publicly available signatures were used in the experiments, which gave encouraging results. As a baseline for the performance obtained by our approaches, we carried out a visual Turing Test where forensic and non-forensic human volunteers, carrying out the same task, performed less well than the automatic schemes.
- Abstract（参考訳）: 自動署名検証では、質問された標本は通常基準署名と比較される。
ライターに依存しないスキームでは、個々のシグナーモデルを構築するために複数の参照シグネチャが必要であるが、ライターに依存しないシステムでは、システムのモデルを開発するために複数のシグネチャからの参照シグネチャのセットが必要である。
本稿では,参照シグネチャが存在しない場合に,自動シグネチャ検証の問題に対処する。
私たちが探求するシナリオは、同じ著者や複数の署名者によって署名される可能性のある、署名のセットで構成されています。
そこで本研究では,オフラインシグネチャの集合の共通オーサシップを自動的に推定する3つの手法について論じる。
第1の方法はスコア類似度行列を開発し、重複したシグネチャの助けを借り、第2の方法は各シグネチャのペアに特徴距離行列を使用し、第2の方法は各シグネチャの複雑さに基づいた事前分類を導入する。
公開可能なシグネチャは実験で使用され、奨励的な結果が得られた。
提案手法により得られた成果のベースラインとして, 法医学的, 非法医学的ボランティアが行う視覚的チューリングテストを行った。
関連論文リスト
- Offline Signature Verification Based on Feature Disentangling Aided Variational Autoencoder [6.128256936054622]
シグネチャ検証システムの主なタスクは、シグネチャ画像から特徴を抽出し、分類のための分類器を訓練することである。
署名検証モデルがトレーニングされている場合、熟練した偽造の例は、しばしば利用できない。
本稿では, 可変オートエンコーダ(VAE)を用いて, 署名画像から直接特徴を抽出する新しい署名検証手法を提案する。
論文 参考訳（メタデータ） (2024-09-29T19:54:47Z) - Revocable Quantum Digital Signatures [57.25067425963082]
我々は、LWE仮定から取り消し可能な署名キーでデジタル署名を定義し、構築する。
このプリミティブでは、署名キーは、ユーザーが多くのメッセージに署名できる量子状態である。
一度キーが取り消されたら、キーの最初の受信者が署名する能力を失うことを要求します。
論文 参考訳（メタデータ） (2023-12-21T04:10:07Z) - Securing Deep Generative Models with Universal Adversarial Signature [69.51685424016055]
深い生成モデルは、その潜在的な誤用のために社会に脅威をもたらす。
本稿では,任意の事前学習型生成モデルに普遍的逆数シグネチャを注入することを提案する。
提案手法は, FFHQ と ImageNet のデータセット上で, 様々な最先端生成モデルを用いて検証する。
論文 参考訳（メタデータ） (2023-05-25T17:59:01Z) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T12:10:02Z) - Same or Different? Diff-Vectors for Authorship Analysis [78.83284164605473]
古典的な著作物分析において、特徴ベクトルは文書を表し、特徴の値は文書中の特徴の相対周波数(関数の増大)を表し、クラスラベルは文書の著者を表す。
筆者らの実験は共著者検証,著者検証,クローズドセットの著者帰属に取り組んでおり,DVは自然に第1の問題を解くのに向いているが,第2と第3の問題を解くための2つの新しい方法も提供している。
論文 参考訳（メタデータ） (2023-01-24T08:48:12Z) - Automatic Label Sequence Generation for Prompting Sequence-to-sequence
Models [105.4590533269863]
完全自動プロンプト方式であるAutoSeqを提案する。
我々はシーケンス・ツー・シーケンス・モデルに自然言語プロンプトを採用する。
本手法は,数ショット学習におけるシーケンス・ツー・シーケンスモデルの可能性を明らかにする。
論文 参考訳（メタデータ） (2022-09-20T01:35:04Z) - IDPS Signature Classification with a Reject Option and the Incorporation
of Expert Knowledge [3.867363075280544]
我々は、侵入検知防止システム(IDPS)のセットアップコストを削減するために、リジェクションオプション(RO)を用いた機械学習署名分類モデルを提案し、評価する。
提案モデルを訓練するためには,署名分類に有効な特徴を設計することが不可欠である。
提案手法の有効性を,専門家によってラベル付けされた2つの実データを用いて評価した。
論文 参考訳（メタデータ） (2022-07-19T06:09:33Z) - Revealing Reliable Signatures by Learning Top-Rank Pairs [15.582774097442721]
署名検証は重要なドキュメント分析タスクである。
著者に依存しないオフライン署名検証タスクに対して,トップランクペア(top-rank pairs)を学習するための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-17T08:20:19Z) - Letter-level Online Writer Identification [86.13203975836556]
我々は文字レベルのオンラインライタIDという新たな問題に焦点をあてる。
主な課題は、しばしば異なるスタイルで手紙を書くことである。
我々はこの問題をオンライン書記スタイルのばらつき(Var-O-Styles)と呼ぶ。
論文 参考訳（メタデータ） (2021-12-06T07:21:53Z) - Intrapersonal Parameter Optimization for Offline Handwritten Signature
Augmentation [17.11525750244627]
本稿では,最も一般的なライターの変動特性を自動的にモデル化する手法を提案する。
この方法は、画像と特徴空間のオフラインシグネチャを生成し、ASVSを訓練するために使われる。
我々は、よく知られた3つのオフライン署名データセットを用いて、ASVSの性能を生成されたサンプルで評価する。
論文 参考訳（メタデータ） (2020-10-13T19:54:02Z) - Offline Signature Verification on Real-World Documents [9.271640666465363]
正式な文書から抽出された署名には、スタンプ、会社のシール、支配線、署名ボックスなど、さまざまな種類の隠蔽が含まれている。
本稿では,現実の作家によるオフライン署名検証問題に対処し,銀行の顧客の取引要求文書に隠蔽された署名を記載した文書をクリーンリファレンス署名と比較する。
提案手法は,CycleGANに基づくスタンプクリーニング法とCNNに基づくシグネチャ表現の2つの主成分からなる。
論文 参考訳（メタデータ） (2020-04-25T10:28:03Z)
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。