論文の概要: Advancing Brainwave-Based Biometrics: A Large-Scale, Multi-Session Evaluation

• arxiv url: http://arxiv.org/abs/2501.17866v1
• Date: Tue, 14 Jan 2025 15:42:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-02 08:51:08.213517
• Title: Advancing Brainwave-Based Biometrics: A Large-Scale, Multi-Session Evaluation
• Title（参考訳）: 脳波に基づく生体計測の高度化:大規模マルチセッション評価
• Authors: Matin Fallahi, Patricia Arias-Cabarcos, Thorsten Strufe,
• Abstract要約: 345名の被験者と6000名以上のセッション(被験者17名)を3つのヘッドセットで5年間にわたって記録した。 EER(Equal Error Rates)における古典的特徴抽出法を16.4%向上させる深層学習手法 脳波計測センサーの使用は少なく、EERの増大は許容できる。
• 参考スコア（独自算出の注目度）: 4.114205202954365
• License:
• Abstract: The field of brainwave-based biometrics has gained attention for its potential to revolutionize user authentication through hands-free interaction, resistance to shoulder surfing, continuous authentication, and revocability. However, current research often relies on single-session or limited-session datasets with fewer than 55 subjects, raising concerns about generalizability and robustness. To address this gap, we conducted a large-scale study using a public brainwave dataset of 345 subjects and over 6,000 sessions (averaging 17 per subject) recorded over five years with three headsets. Our results reveal that deep learning approaches outperform classic feature extraction methods by 16.4\% in Equal Error Rates (EER) and comparing features using a simple cosine distance metric outperforms binary classifiers, which require extra negative samples for training. We also observe EER degrades over time (e.g., 7.7\% after 1 day to 19.69\% after a year). Therefore, it is necessary to reinforce the enrollment set after successful login attempts. Moreover, we demonstrate that fewer brainwave measurement sensors can be used, with an acceptable increase in EER, which is necessary for transitioning from medical-grade to affordable consumer-grade devices. Finally, we compared our findings with prior work on brainwave authentication and industrial biometric standards. While our performance is comparable or superior to prior work through the use of Supervised Contrastive Learning, standards remain unmet. However, we project that achieving industrial standards will be possible by training the feature extractor with at least 1,500 subjects. Moreover, we open-sourced our analysis code to promote further research.
• Abstract（参考訳）: 脳波に基づく生体計測の分野は、ハンズフリーインタラクション、肩サーフィンへの抵抗、継続的な認証、無効化を通じてユーザー認証に革命をもたらす可能性を注目されている。 しかしながら、現在の研究はしばしば、55人未満の被験者を持つシングルセッションまたはリミテッドセッションデータセットに依存し、一般化可能性と堅牢性に関する懸念を提起している。 このギャップに対処するために,345名の被験者と6,000名以上のセッション(被験者17名)を3つのヘッドセットで5年間にわたって記録した公開脳波データセットを用いて大規模研究を行った。 以上の結果から,EER(Equal Error Rates)の16.4\%で古典的特徴抽出法より優れた深層学習手法が得られた。 EERは時間とともに劣化する(例:1日後に7.7\%、1年後には19.69\%)。 そのため、ログインを成功させた後に設定した登録を補強する必要がある。 さらに、医療用から安価な消費者用デバイスへの移行に必要なEERの増加を許容できるほど、脳波計測センサーを使用できなくなることを実証した。 最後に,脳波認証と産業バイオメトリック標準に関する先行研究と比較した。 私たちのパフォーマンスは、Supervised Contrastive Learningによる事前の作業に匹敵するか、あるいは優れているものの、標準は未完成のままです。 しかし, 1500人以上の被験者を対象に, 特徴抽出器を訓練することで, 産業標準の達成が期待できる。 さらに、さらなる研究を促進するために分析コードをオープンソース化した。

関連論文リスト

• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [53.539020807256904]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• A Comparative Study of Perceptual Quality Metrics for Audio-driven Talking Head Videos [81.54357891748087]
  4つの生成手法から生成した音声ヘッドビデオを収集する。 視覚的品質、口唇音の同期、頭部運動の自然性に関する制御された心理物理実験を行った。 実験では,モデル予測と人間のアノテーションの整合性を検証し,広く使用されている指標よりも人的意見に整合した指標を同定した。
  論文  参考訳（メタデータ） (2024-03-11T04:13:38Z)
• Efficient Representation Learning for Healthcare with Cross-Architectural Self-Supervision [5.439020425819001]
  この課題に対応するために、クロスアーキテクチャー・セルフスーパービジョン(CASS)を紹介します。 そこで,CASSで訓練されたCNNとTransformerは,4つの多様な医療データセットにおいて,既存の自己教師型学習方法よりも優れていることを示す。 また、CASSはバッチサイズの変化やエポックの事前訓練にかなり堅牢であることを示し、医療アプリケーションにおける機械学習の候補として適している。
  論文  参考訳（メタデータ） (2023-08-19T15:57:19Z)
• Leveraging Unlabelled Data in Multiple-Instance Learning Problems for Improved Detection of Parkinsonian Tremor in Free-Living Conditions [80.88681952022479]
  本稿では,半教師付き学習とマルチスタンス学習を組み合わせた新しい手法を提案する。 本研究は,454被験者の非競合データを活用することにより,物体ごとの震動検出において大きな性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2023-04-29T12:25:10Z)
• Non-Contrastive Learning-based Behavioural Biometrics for Smart IoT Devices [0.9005431161010408]
  振る舞いバイオメトリックスは、従来の認証手法の限界を克服する有効な代替手段として検討されている。 最近のビヘイビアバイオメトリックソリューションは、大量の注釈付きトレーニングデータを必要とするディープラーニングモデルを使用している。 我々は,SimSiamをベースとした非コントラスト型自己教師学習を用いて,行動バイオメトリックシステムのラベル効率を向上させることを提案する。
  論文  参考訳（メタデータ） (2022-10-24T05:56:32Z)
• 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)
• Exploring Deep Learning for Joint Audio-Visual Lip Biometrics [54.32039064193566]
  音声視覚(AV)リップバイオメトリックスは、音声通信における音声と視覚の両方の利点を利用する有望な認証技術である。 大規模なAVデータベースの欠如は、ディープラーニングベースのオーディオビジュアルリップバイオメトリックの探索を妨げる。 我々は、畳み込みニューラルネットワーク(CNN)ベースのビデオモジュール、時間遅延ニューラルネットワーク(TDNN)ベースのオーディオモジュール、マルチモーダル融合モジュールで実現されたDeepLip AVリップバイオメトリックスシステムを確立する。
  論文  参考訳（メタデータ） (2021-04-17T10:51:55Z)
• EDITH :ECG biometrics aided by Deep learning for reliable Individual auTHentication [4.572194444732638]
  私たちは、ECGバイオメトリックス認証システムのためのディープラーニングベースのフレームワークであるEDITHを紹介します。 4つの一般的なデータセットを用いてEDITHを評価し、少ないビートで前作を上回りました。 Siameseアーキテクチャは、アイデンティティ検証のEqual Error Rate(EER)を1.29%に削減する。
  論文  参考訳（メタデータ） (2021-02-16T08:45:17Z)
• A Machine Learning Early Warning System: Multicenter Validation in Brazilian Hospitals [4.659599449441919]
  臨床劣化の早期認識は、入院患者の死亡率と死亡率を減らすための主要なステップの1つである。 Intensive Care Unit, ICUと比較して, 病院病棟は注目度が低いため, プラットフォームがERHのストリームに接続されている場合, 危険な状況に対する意識が大幅に改善する可能性が示唆された。 機械学習の適用により、システムは患者のすべての履歴を考慮し、高いパフォーマンスの予測モデルを使用することで、インテリジェントな早期警告システムを実現することができる。
  論文  参考訳（メタデータ） (2020-06-09T21:21:38Z)
• A Framework for Behavioral Biometric Authentication using Deep Metric Learning on Mobile Devices [17.905483523678964]
  バッテリー駆動のモバイルデバイス上でのトレーニングを取り入れた新しいフレームワークを提案する。これにより、プライベートデータはデバイスを離れることなく、実行時の動作パターンに柔軟に適応するようにトレーニングをスケジュールすることができる。 実験では、3つの公開データセットで95%以上の認証精度が示され、データが少ないマルチクラスの分類では15%の精度が向上し、それぞれ99%と90%が成功したブルートフォース攻撃とサイドチャネル攻撃に対する堅牢性が向上した。 その結果,トレーニングはビデオ視聴よりも低エネルギーを消費し,ゲームよりも若干高いエネルギーを消費していることがわかった。
  論文  参考訳（メタデータ） (2020-05-26T17:56:20Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。