Fugu-MT 論文翻訳(概要): Securing Voice Authentication Applications Against Targeted Data Poisoning

論文の概要: Securing Voice Authentication Applications Against Targeted Data Poisoning

arxiv url: http://arxiv.org/abs/2406.17277v2
Date: Tue, 01 Oct 2024 08:16:52 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-02 16:31:25.885248
Title: Securing Voice Authentication Applications Against Targeted Data Poisoning
Title（参考訳）: ターゲットデータに対する音声認証アプリケーション保護
Authors: Alireza Mohammadi, Keshav Sood, Asef Nazari, Dhananjay Thiruvady,
Abstract要約: 現実的な攻撃シナリオを考慮した実世界のデータセットを用いた拡張フレームワークを提案する。その結果,提案手法はロバストであり,データセットのごく一部に毒を盛った場合でも正確な認証が可能であることがわかった。
参考スコア（独自算出の注目度）: 4.856070170902535
License:
Abstract: Deep neural network-based voice authentication systems are promising biometric verification techniques that uniquely identify biological characteristics to verify a user. However, they are particularly susceptible to targeted data poisoning attacks, where attackers replace legitimate users' utterances with their own. We propose an enhanced framework using realworld datasets considering realistic attack scenarios. The results show that the proposed approach is robust, providing accurate authentications even when only a small fraction (5% of the dataset) is poisoned.
Abstract（参考訳）: ディープニューラルネットワークに基づく音声認証システムは、ユーザーを認証するために生体特性をユニークに識別する生体認証技術を約束している。しかし、ターゲットとするデータ中毒攻撃には特に影響を受けやすく、攻撃者は正統なユーザーの発話を自分自身で置き換える。現実的な攻撃シナリオを考慮した実世界のデータセットを用いた拡張フレームワークを提案する。その結果、提案手法は堅牢であり、少量(データセットの5%)しか毒を盛っていない場合でも正確な認証を提供することがわかった。

関連論文リスト

Biometrics Employing Neural Network [0.0]
指紋、虹彩、網膜パターン、顔認識、手形、手のひら印刷、音声認識はバイオメトリックスの形式としてよく用いられる。システムが効果的で広く受け入れられるためには、認識と検証におけるエラー率はゼロに近づかなければならない。人間の脳の動作をシミュレートする人工ニューラルネットワークは、自身を有望なアプローチとして提示する。
論文参考訳（メタデータ） (2024-02-01T03:59:04Z)
Conditional Generative Adversarial Network for keystroke presentation attack [0.0]
本稿では,キーストローク認証システムへのプレゼンテーションアタックの展開を目的とした新しいアプローチを提案する。我々の考えは、認証されたユーザを偽装するために使用できる合成キーストロークデータを生成するために、条件付き生成適応ネットワーク(cGAN)を使用することである。その結果、cGANは、キーストローク認証システムを無効にするために使用できるキーストロークダイナミックスパターンを効果的に生成できることが示唆された。
論文参考訳（メタデータ） (2022-12-16T12:45:16Z)
Autoregressive Perturbations for Data Poisoning [54.205200221427994]
ソーシャルメディアからのデータスクレイピングは、不正なデータの使用に関する懸念が高まっている。データ中毒攻撃は、スクラップ対策として提案されている。より広範なデータセットにアクセスせずに有毒なデータを生成できる自動回帰(AR)中毒を導入する。
論文参考訳（メタデータ） (2022-06-08T06:24:51Z)
Privacy-Aware Identity Cloning Detection based on Deep Forest [9.051524543426451]
このアプローチでは、ソーシャルネットワークから収集されたプライバシに敏感なユーザプロファイルデータと強力なディープラーニングモデルを活用して、クローンID検出を行う。提案手法は,実世界のデータセット上で,最先端の識別クローン検出技術と,他の一般的な識別不正検出モデルに対して評価した。
論文参考訳（メタデータ） (2021-10-21T04:55:52Z)
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)
Voting for the right answer: Adversarial defense for speaker verification [79.10523688806852]
ASVは敵の攻撃のレーダー下にあり、これは人間の知覚による本来の攻撃と似ている。盲点領域におけるASVのリスクの高い決定を防止するため、「正しい回答を求める」という考え方を提案する。実験結果から,本手法は両攻撃者に対するロバスト性を向上することが示された。
論文参考訳（メタデータ） (2021-06-15T04:05:28Z)
How Robust are Randomized Smoothing based Defenses to Data Poisoning? [66.80663779176979]
我々は、トレーニングデータの品質の重要性を強調する堅牢な機械学習モデルに対して、これまで認識されていなかった脅威を提示します。本稿では,二段階最適化に基づく新たなデータ中毒攻撃法を提案し,ロバストな分類器のロバスト性を保証する。我々の攻撃は、被害者が最先端のロバストな訓練方法を用いて、ゼロからモデルを訓練しても効果的である。
論文参考訳（メタデータ） (2020-12-02T15:30:21Z)
Backdoor Attack against Speaker Verification [86.43395230456339]
学習データを汚染することにより,話者検証モデルに隠れたバックドアを注入できることを示す。また,既存のバックドア攻撃が話者認証攻撃に直接適用できないことも実証した。
論文参考訳（メタデータ） (2020-10-22T11:10:08Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
On the Resilience of Biometric Authentication Systems against Random Inputs [6.249167635929514]
我々は,一様ランダム入力を送信した攻撃者に対して,機械学習に基づく生体認証システムのセキュリティを評価する。特に, 平均FPR0.03の再構成バイオメトリックシステムでは, 成功率は0.78であった。
論文参考訳（メタデータ） (2020-01-13T04:20:08Z)

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。