論文の概要: A Human-Centered Risk Evaluation of Biometric Systems Using Conjoint Analysis
- arxiv url: http://arxiv.org/abs/2409.11224v1
- Date: Tue, 17 Sep 2024 14:18:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-18 16:25:29.042591
- Title: A Human-Centered Risk Evaluation of Biometric Systems Using Conjoint Analysis
- Title（参考訳）: コンジョイント分析を用いた生体計測システムの人間中心リスク評価
- Authors: Tetsushi Ohki, Narishige Abe, Hidetsugu Uchida, Shigefumi Yamada,
- Abstract要約: 本稿では, コンジョイント分析を用いて, 監視カメラなどのリスク要因が攻撃者のモチベーションに与える影響を定量化するために, 新たな人間中心型リスク評価フレームワークを提案する。
本フレームワークは、False Acceptance Rate(FAR)とアタック確率を組み込んだリスク値を算出し、ユースケース間の総合的な比較を可能にする。
- 参考スコア（独自算出の注目度）: 0.6199770411242359
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biometric recognition systems, known for their convenience, are widely adopted across various fields. However, their security faces risks depending on the authentication algorithm and deployment environment. Current risk assessment methods faces significant challenges in incorporating the crucial factor of attacker's motivation, leading to incomplete evaluations. This paper presents a novel human-centered risk evaluation framework using conjoint analysis to quantify the impact of risk factors, such as surveillance cameras, on attacker's motivation. Our framework calculates risk values incorporating the False Acceptance Rate (FAR) and attack probability, allowing comprehensive comparisons across use cases. A survey of 600 Japanese participants demonstrates our method's effectiveness, showing how security measures influence attacker's motivation. This approach helps decision-makers customize biometric systems to enhance security while maintaining usability.
- Abstract（参考訳）: 生体認証システムは、その利便性で知られ、様々な分野に広く採用されている。
しかし、彼らのセキュリティは、認証アルゴリズムとデプロイメント環境によってリスクに直面している。
現在のリスク評価手法は、攻撃者のモチベーションの重要な要素を取り入れる上で重大な課題に直面しており、不完全な評価につながっている。
本稿では, コンジョイント分析を用いて, 監視カメラなどのリスク要因が攻撃者のモチベーションに与える影響を定量化するために, 新たな人間中心型リスク評価フレームワークを提案する。
本フレームワークは、False Acceptance Rate(FAR)とアタック確率を組み込んだリスク値を算出し、ユースケース間の総合的な比較を可能にする。
600人の日本人参加者を対象とした調査では,攻撃者のモチベーションにどう影響するかを示すとともに,本手法の有効性を示した。
このアプローチは、生体認証システムをカスタマイズし、ユーザビリティを維持しながらセキュリティを高めるのに役立つ。
関連論文リスト
- EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - Mapping LLM Security Landscapes: A Comprehensive Stakeholder Risk Assessment Proposal [0.0]
本稿では,従来のシステムにおけるリスク評価手法のようなツールを用いたリスク評価プロセスを提案する。
我々は、潜在的な脅威要因を特定し、脆弱性要因に対して依存するシステムコンポーネントをマッピングするためのシナリオ分析を行う。
3つの主要株主グループに対する脅威もマップ化しています。
論文 参考訳（メタデータ） (2024-03-20T05:17:22Z) - RiskBench: A Scenario-based Benchmark for Risk Identification [4.263035319815899]
この研究は、リスク識別、ダイナミックなトラフィック参加者と予期せぬイベントから生じるリスクを特定し分析するプロセスに焦点を当てている。
リスク識別のための大規模シナリオベースベンチマークである textbfRiskBench を紹介する。
我々は,(1)リスクの検出と発見,(2)リスクの予測,(3)意思決定の促進を行う10のアルゴリズムの能力を評価する。
論文 参考訳（メタデータ） (2023-12-04T06:21:22Z) - ASSERT: Automated Safety Scenario Red Teaming for Evaluating the
Robustness of Large Language Models [65.79770974145983]
ASSERT、Automated Safety Scenario Red Teamingは、セマンティックなアグリゲーション、ターゲットブートストラップ、敵の知識注入という3つの方法で構成されている。
このプロンプトを4つの安全領域に分割し、ドメインがモデルの性能にどのように影響するかを詳細に分析する。
統計的に有意な性能差は, 意味的関連シナリオにおける絶対分類精度が最大11%, ゼロショット逆数設定では最大19%の絶対誤差率であることがわかった。
論文 参考訳（メタデータ） (2023-10-14T17:10:28Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - Foveate, Attribute, and Rationalize: Towards Physically Safe and
Trustworthy AI [76.28956947107372]
包括的不安全テキストは、日常的なシナリオから生じる可能性のある特定の関心領域であり、有害なテキストを検出するのが困難である。
安全の文脈において、信頼に値する合理的な生成のために外部知識を活用する新しいフレームワークであるFARMを提案する。
実験の結果,FARMはSafeTextデータセットの最先端結果を得ることができ,安全性の分類精度が5.9%向上したことがわかった。
論文 参考訳（メタデータ） (2022-12-19T17:51:47Z) - A Survey of Risk-Aware Multi-Armed Bandits [84.67376599822569]
我々は、様々な利害リスク対策をレビューし、その特性についてコメントする。
我々は,探索と探索のトレードオフが現れる,後悔の最小化設定のためのアルゴリズムを検討する。
今後の研究の課題と肥大化についてコメントし、締めくくりに締めくくります。
論文 参考訳（メタデータ） (2022-05-12T02:20:34Z) - Reliability of Decision Support in Cross-spectral Biometric-enabled
Systems [2.278720757613755]
本稿では,顔表情バイオメトリックスを用いた意思決定支援システムの性能評価について述べる。
関連する応用としては、個人やチーム、状況認識システムにおける人間の行動監視とストレス検出がある。
論文 参考訳（メタデータ） (2020-08-13T07:43:14Z) - Assessing Risks of Biases in Cognitive Decision Support Systems [5.480546613836199]
この論文は、偏見の集合を管理する方法に関する挑戦的な研究課題に対処する。
本稿では,認知的意思決定支援システムの運用環境をバイアスの観点から予測する。
また,チェックポイントシステムの顔バイオメトリック成分を用いたモチベーション実験を行い,バイアスの集合の発見を強調した。
論文 参考訳（メタデータ） (2020-07-28T16:53:45Z) - Watchlist Risk Assessment using Multiparametric Cost and Relative
Entropy [0.0]
リスク検知器として多パラメータコスト評価と相対エントロピー尺度を提案する。
様々な監視リストスクリーニングシナリオと制約下での誤識別と偽造の効果を実験的に実証した。
論文 参考訳（メタデータ） (2020-07-22T10:27:53Z) - SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。
我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。
アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
論文 参考訳（メタデータ） (2020-06-12T10:40:46Z)
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。