論文の概要: A Review of Several Keystroke Dynamics Methods

• arxiv url: http://arxiv.org/abs/2502.16177v1
• Date: Sat, 22 Feb 2025 10:45:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:51:36.237167
• Title: A Review of Several Keystroke Dynamics Methods
• Title（参考訳）: いくつかのキーストロークダイナミクス手法の概観
• Authors: Soykat Amin, Cristian Di Iorio,
• Abstract要約: キーストロークダイナミクス(Keystroke dynamics)は、個人による認証およびセキュリティアプリケーションのためのタイピングパターンをキャプチャする行動バイオメトリックである。 本稿では,Gaussian Mixture Models (GMM), Mahalanobis Distance-based Classification, Gunetti Picardi's Distance Metricsを用いたキーストローク認証モデルの比較分析を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Keystroke dynamics is a behavioral biometric that captures an individual's typing patterns for authentication and security applications. This paper presents a comparative analysis of keystroke authentication models using Gaussian Mixture Models (GMM), Mahalanobis Distance-based Classification, and Gunetti Picardi's Distance Metrics. These models leverage keystroke timing features such as hold time (H), up-down time (UD), and down-down time (DD) extracted from datasets including Aalto, Buffalo and Nanglae-Bhattarakosol. Each model is trained and validated using structured methodologies, with performance evaluated through False Acceptance Rate (FAR), False Rejection Rate (FRR), and Equal Error Rate (EER). The results, visualized through Receiver Operating Characteristic (ROC) curves, highlight the relative strengths and weaknesses of each approach in distinguishing genuine users from impostors.
• Abstract（参考訳）: キーストロークダイナミクス(Keystroke dynamics)は、個人による認証およびセキュリティアプリケーションのためのタイピングパターンをキャプチャする行動バイオメトリックである。 本稿では,Gaussian Mixture Models (GMM), Mahalanobis Distance-based Classification, Gunetti Picardi's Distance Metricsを用いたキーストローク認証モデルの比較分析を行った。 これらのモデルは、Aalto、Buffalo、Nanglae-Bhattarakosolといったデータセットから抽出された、保持時間(H)、アップダウン時間(UD)、ダウンダウン時間(DD)などのキーストロークタイミング機能を活用する。 各モデルは、FAR(False Acceptance Rate)、FRR(False Rejection Rate)、EER(Equal Error Rate)によって評価される。 結果は、受信者操作特性(ROC)曲線を通して可視化され、実際のユーザとインポスタを区別するアプローチの相対的な長所と短所を強調します。

関連論文リスト

• LOCKEY: A Novel Approach to Model Authentication and Deepfake Tracking [26.559909295466586]
  本稿では,未許可のディープフェイクを検知し,生成モデルにおけるユーザ追跡を可能にする新しい手法を提案する。 本手法では,ユーザ固有のキーを伴って,モデルパラメータをユーザに提供する。 ユーザ追跡では、生成されたコンテンツにユーザのユニークなキーを透かしとして埋め込む。
  論文  参考訳（メタデータ） (2024-09-12T04:28:22Z)
• DECIDER: Leveraging Foundation Model Priors for Improved Model Failure Detection and Explanation [18.77296551727931]
  本稿では,大規模言語モデル (LLM) と視覚言語モデル (VLM) の先行情報を利用した画像モデルの故障検出手法であるDECIDERを提案する。 DECIDERは一貫して最先端の故障検出性能を達成し、マシューズ相関係数全体のベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2024-08-01T07:08:11Z)
• PASA: Attack Agnostic Unsupervised Adversarial Detection using Prediction & Attribution Sensitivity Analysis [2.5347892611213614]
  分類のためのディープニューラルネットワークは、サンプル入力に対する小さな摂動が誤った予測につながる敵攻撃に対して脆弱である。 本研究では, モデル予測と特徴属性のこの特性の実用的手法を開発し, 対向サンプルを検出する。 本手法は,敵が防御機構を認識した場合でも,競争性能を示す。
  論文  参考訳（メタデータ） (2024-04-12T21:22:21Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Free-text Keystroke Authentication using Transformers: A Comparative Study of Architectures and Loss Functions [1.0152838128195467]
  キーストロークバイオメトリックスは、個人のタイピング行動におけるユニークなパターンを活用する、ユーザ識別と検証のための有望なアプローチである。 本稿では,キーストロークシーケンスから情報的特徴を抽出する自己注意型トランスフォーマーネットワークを提案する。 我々のモデルは、フリーテキストキーストローク認証における従来の最先端技術を上回る。
  論文  参考訳（メタデータ） (2023-10-18T00:34:26Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Watermarking for Out-of-distribution Detection [76.20630986010114]
  Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。 本稿では,透かしという一般的な手法を提案する。 我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
  論文  参考訳（メタデータ） (2022-10-27T06:12:32Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Taming Self-Supervised Learning for Presentation Attack Detection: De-Folding and De-Mixing [42.733666815035534]
  各種提示攻撃装置(PAI)を用いた提示攻撃に対して生体認証システムは脆弱である DF-DMと呼ばれる自己教師型学習手法を提案する。 DF-DMは、PDDのタスク固有の表現を導出するために、De-FoldingとDe-Mixingと結合したグローバルローカルビューに基づいている。
  論文  参考訳（メタデータ） (2021-09-09T08:38:17Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)

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。