論文の概要: Know Me by My Pulse: Toward Practical Continuous Authentication on Wearable Devices via Wrist-Worn PPG

• arxiv url: http://arxiv.org/abs/2508.13690v1
• Date: Tue, 19 Aug 2025 09:46:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.881106
• Title: Know Me by My Pulse: Toward Practical Continuous Authentication on Wearable Devices via Wrist-Worn PPG
• Title（参考訳）: Me by My Pulse:Wrist-Worn PPGによるウェアラブルデバイスにおける実用的連続認証に向けて
• Authors: Wei Shao, Zequan Liang, Ruoyu Zhang, Ruijie Fang, Ning Miao, Ehsan Kourkchi, Setareh Rafatirad, Houman Homayoun, Chongzhou Fang,
• Abstract要約: 本稿では,低周波(25Hz)マルチチャネルPSG信号を用いたスマートウォッチWe-Be Band上での連続認証システムの実装について述べる。 提案手法は,4チャンネルPSGの短い(4秒)ウィンドウから,個人性固有の特徴を抽出するための注意機構を備えたBi-LSTMを用いている。 その結果,25Hzのサンプリングでは認証精度が保たれるのに対して,20Hzでは性能が著しく低下することがわかった。
• 参考スコア（独自算出の注目度）: 11.399895387051329
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biometric authentication using physiological signals offers a promising path toward secure and user-friendly access control in wearable devices. While electrocardiogram (ECG) signals have shown high discriminability, their intrusive sensing requirements and discontinuous acquisition limit practicality. Photoplethysmography (PPG), on the other hand, enables continuous, non-intrusive authentication with seamless integration into wrist-worn wearable devices. However, most prior work relies on high-frequency PPG (e.g., 75 - 500 Hz) and complex deep models, which incur significant energy and computational overhead, impeding deployment in power-constrained real-world systems. In this paper, we present the first real-world implementation and evaluation of a continuous authentication system on a smartwatch, We-Be Band, using low-frequency (25 Hz) multi-channel PPG signals. Our method employs a Bi-LSTM with attention mechanism to extract identity-specific features from short (4 s) windows of 4-channel PPG. Through extensive evaluations on both public datasets (PTTPPG) and our We-Be Dataset (26 subjects), we demonstrate strong classification performance with an average test accuracy of 88.11%, macro F1-score of 0.88, False Acceptance Rate (FAR) of 0.48%, False Rejection Rate (FRR) of 11.77%, and Equal Error Rate (EER) of 2.76%. Our 25 Hz system reduces sensor power consumption by 53% compared to 512 Hz and 19% compared to 128 Hz setups without compromising performance. We find that sampling at 25 Hz preserves authentication accuracy, whereas performance drops sharply at 20 Hz while offering only trivial additional power savings, underscoring 25 Hz as the practical lower bound. Additionally, we find that models trained exclusively on resting data fail under motion, while activity-diverse training improves robustness across physiological states.
• Abstract（参考訳）: 生理的信号を用いた生体認証は、ウェアラブルデバイスにおける安全でユーザフレンドリなアクセス制御への有望な道を提供する。 心電図(ECG)信号は高い識別性を示したが、その侵入的検知条件と不連続な獲得限界は実用性を示した。 一方、PPG(Photoplethysmography)は、手首に装着したウェアラブルデバイスにシームレスに統合された継続的かつ非侵入的な認証を可能にする。 しかし、これまでのほとんどの研究は高周波PSG(例えば75 - 500Hz)と複雑なディープモデルに依存しており、エネルギーと計算のオーバーヘッドが大きくなり、電力制約された現実世界システムへの展開を妨げている。 本稿では,低周波(25Hz)マルチチャネルPPG信号を用いたスマートウォッチWe-Be Band上での連続認証システムの実装と評価について述べる。 提案手法は,4チャンネルPSGの短い(4秒)ウィンドウから,個人性固有の特徴を抽出するための注意機構を備えたBi-LSTMを用いている。 公開データセット (PTTPPG) とWe-Beデータセット (26名) の双方に対する広範な評価を通じて, 平均テスト精度88.11%, マクロF1スコア0.88, False Acceptance Rate(FAR)0.48%, False Rejection Rate(FRR)11.77%, EER2.76%の強い分類性能を示した。 当社の25Hzシステムでは、性能を損なうことなく、センサの消費電力を512Hzと19%と比較して53%削減しています。 25Hzでのサンプリングは認証精度を保ち、性能は20Hzで急激に低下する一方で、簡単な追加の省電力しか提供せず、25Hzを実用的な下限として強調している。 さらに、静止データのみに訓練されたモデルが動作中に失敗するのに対し、活動多様性トレーニングは生理状態全体の堅牢性を改善する。

関連論文リスト

• ASDA: Audio Spectrogram Differential Attention Mechanism for Self-Supervised Representation Learning [57.67273340380651]
  実験の結果,ASDAモデルは複数のベンチマークでSOTA(State-of-the-art)性能を達成できた。 これらの結果は、ASDAの音声タスクにおける有効性を強調し、より広範なアプリケーションへの道を開いた。
  論文  参考訳（メタデータ） (2025-07-03T14:29:43Z)
• Uncertainty-aware Long-tailed Weights Model the Utility of Pseudo-labels for Semi-supervised Learning [50.868594148443215]
  本研究では,不確かさを意識したアンサンブル構造(UES)を提案する。 UESは軽量でアーキテクチャに依存しないため、分類や回帰を含む様々なコンピュータビジョンタスクに容易に拡張できる。
  論文  参考訳（メタデータ） (2025-03-13T02:21:04Z)
• Intelligent Fault Diagnosis of Type and Severity in Low-Frequency, Low Bit-Depth Signals [0.6144680854063939]
  この研究は、高パフォーマンスと低リソース消費のバランスをとることを目的として、不均衡なMaFaulDaデータセットの音声データを活用する。 精度は99.54%、F-Betaスコアは99.52%で、わずか6本の隆起木が8kHz、8ビット構成であった。
  論文  参考訳（メタデータ） (2024-11-09T22:01:11Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• A Tiny Transformer for Low-Power Arrhythmia Classification on Microcontrollers [10.203375838335935]
  心電図(ECG)信号のリアルタイム解析と不整脈などの心臓状態の検出に対する有望なアプローチは、トランスフォーマー機械学習モデルによって表現される。 我々は、MIT-BIH Arrhythmiaデータベースから最も一般的な5つの不整脈クラスを認識する際に、わずか6kパラメータしか必要とせず、98.97%の精度でECG信号を解析するための小さなトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-16T15:14:16Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• ECG-TCN: Wearable Cardiac Arrhythmia Detection with a Temporal Convolutional Network [14.503893070243585]
  シングルリード心電図信号は、心不整脈を検出、分類、予測する能力を提供する。 ウェアラブルプラットフォームでの利用が可能でありながら、高い精度を実現する新しい時間的畳み込みネットワーク(TCN)を提案します。
  論文  参考訳（メタデータ） (2021-03-25T10:39:54Z)
• 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)
• Optimised Convolutional Neural Networks for Heart Rate Estimation and Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
  低サンプリングレートで心拍数と人的活動認識を同時に行う。 これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。 深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
  論文  参考訳（メタデータ） (2020-03-30T11:44:58Z)
• Improving Efficiency in Large-Scale Decentralized Distributed Training [58.80224380923698]
  通信コストを最小化しつつ、スペクトルギャップを改善して(A)D-PSGDに基づくトレーニングを加速する手法を提案する。 提案手法の有効性を示すために,2000時間Switchboard音声認識タスクとImageNetコンピュータビジョンタスクの実験を行った。
  論文  参考訳（メタデータ） (2020-02-04T04:29:09Z)

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。