論文の概要: Deep Learning-Based Multi-Factor Authentication: A Survey of Biometric and Smart Card Integration Approaches
- arxiv url: http://arxiv.org/abs/2510.05163v1
- Date: Sat, 04 Oct 2025 18:34:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-08 17:57:07.87336
- Title: Deep Learning-Based Multi-Factor Authentication: A Survey of Biometric and Smart Card Integration Approaches
- Title（参考訳）: 深層学習に基づく多要素認証:生体情報とスマートカードの統合に関する調査
- Authors: Abdelilah Ganmati, Karim Afdel, Lahcen Koutti,
- Abstract要約: MFA(Multi-Factor Authentication)は、知識に基づく要因(パスワード、PIN)、所有に基づく要因(スマートカード、トークン)、継承に基づく要因(生体特性)を組み合わせる。
近年のディープラーニングのブレークスルーは生体認証システムの能力に変化をもたらした。
スマートカード技術は、オンチップの生体認証、暗号処理、セキュアストレージを含むように進化してきた。
- 参考スコア（独自算出の注目度）: 4.345882429229813
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the era of pervasive cyber threats and exponential growth in digital services, the inadequacy of single-factor authentication has become increasingly evident. Multi-Factor Authentication (MFA), which combines knowledge-based factors (passwords, PINs), possession-based factors (smart cards, tokens), and inherence-based factors (biometric traits), has emerged as a robust defense mechanism. Recent breakthroughs in deep learning have transformed the capabilities of biometric systems, enabling higher accuracy, resilience to spoofing, and seamless integration with hardware-based solutions. At the same time, smart card technologies have evolved to include on-chip biometric verification, cryptographic processing, and secure storage, thereby enabling compact and secure multi-factor devices. This survey presents a comprehensive synthesis of recent work (2019-2025) at the intersection of deep learning, biometrics, and smart card technologies for MFA. We analyze biometric modalities (face, fingerprint, iris, voice), review hardware-based approaches (smart cards, NFC, TPMs, secure enclaves), and highlight integration strategies for real-world applications such as digital banking, healthcare IoT, and critical infrastructure. Furthermore, we discuss the major challenges that remain open, including usability-security tradeoffs, adversarial attacks on deep learning models, privacy concerns surrounding biometric data, and the need for standardization in MFA deployment. By consolidating current advancements, limitations, and research opportunities, this survey provides a roadmap for designing secure, scalable, and user-friendly authentication frameworks.
- Abstract（参考訳）: 広範囲にわたるサイバー脅威とデジタルサービスの指数的な成長の時代において、単一要素認証の不適切さはますます顕在化している。
MFA(Multi-Factor Authentication)は、知識に基づく要因(パスワード、PIN)、所有に基づく要因(スマートカード、トークン)、継承に基づく要因(バイオメトリック特性)を組み合わせて、堅牢な防御機構として登場した。
近年のディープラーニングのブレークスルーは、バイオメトリックシステムの能力を変革し、より高い精度、スプーリングへのレジリエンス、ハードウェアベースのソリューションとのシームレスな統合を可能にしている。
同時に、スマートカード技術は、オンチップの生体認証、暗号処理、セキュアストレージを含むように進化し、コンパクトでセキュアな多要素デバイスを実現している。
本調査は,MFAのための深層学習,バイオメトリックス,スマートカード技術の交差点における最近の研究(2019-2025)を包括的にまとめたものである。
生体計測のモダリティ(顔、指紋、虹彩、音声)を分析し、ハードウェアベースのアプローチ(スマートカード、NFC、TPM、セキュアエンクレーブ)をレビューし、デジタルバンキング、ヘルスケアIoT、クリティカルインフラストラクチャといった現実世界のアプリケーションに対する統合戦略を強調します。
さらに、ユーザビリティのトレードオフ、ディープラーニングモデルに対する敵対的攻撃、生体データを取り巻くプライバシー上の懸念、MFAデプロイメントの標準化の必要性など、オープンなままの課題についても論じる。
現在の進歩、制限、研究の機会を統合することで、この調査はセキュアでスケーラブルでユーザフレンドリな認証フレームワークを設計するためのロードマップを提供する。
関連論文リスト
- Addressing Weak Authentication like RFID, NFC in EVs and EVCs using AI-powered Adaptive Authentication [0.0]
電気自動車(EVs)と電気自動車充電システム(EVCs)の急速な拡張により、新たなサイバーセキュリティの課題が導入された。
RFID(Radio Frequency Identification)やNFC(Near Field Communication)といった従来の認証メカニズムは、静的識別子と弱い暗号化に依存している。
本研究では、機械学習、異常検出、行動分析、コンテキストリスクアセスメントを統合することで、これらの欠点を克服するために設計された、AIを活用した適応型認証フレームワークについて検討する。
論文 参考訳（メタデータ） (2025-08-26T22:54:24Z) - A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
近年の研究では、敵が対象モデルの機能を複製できることが示されている。
モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。
本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
論文 参考訳（メタデータ） (2025-08-20T19:49:59Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。
ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
論文 参考訳（メタデータ） (2025-05-26T06:44:31Z) - AMB-FHE: Adaptive Multi-biometric Fusion with Fully Homomorphic Encryption [3.092212810857262]
完全同相暗号(AMB-FHE)を用いた適応型多生体融合を提案する。
AMB-FHEは、CAIAアイリスとMCYT指紋データセットからなるバイモーダルバイオメトリックデータベースに対してベンチマークされる。
論文 参考訳（メタデータ） (2025-03-31T11:00:08Z) - Multi-modal biometric authentication: Leveraging shared layer architectures for enhanced security [0.0]
本稿では, 顔, 声, 署名データを統合し, セキュリティ対策を強化する新しい生体認証システムを提案する。
我々のモデルアーキテクチャは、包括的な特徴抽出のためのモダリティ固有の拡張とともに、二重共有層を組み込んでいる。
提案手法は,認証精度とロバスト性を大幅に向上させ,高度にセキュアなID認証ソリューションを実現する。
論文 参考訳（メタデータ） (2024-11-04T14:27:10Z) - Blockchain-based Zero Trust on the Edge [5.323279718522213]
本稿では,ブロックチェーンに拡張されたゼロトラストアーキテクチャ(ZTA)に基づく新たなアプローチを提案し,セキュリティをさらに強化する。
ブロックチェーンコンポーネントは、ユーザの要求を格納するための不変データベースとして機能し、潜在的に悪意のあるユーザアクティビティを分析して識別することで、信頼性を検証するために使用される。
スマートシティにおけるその実現可能性と適用性を検証するために,テストベッド上で実施したフレームワーク,アプローチのプロセス,実験について論じる。
論文 参考訳（メタデータ） (2023-11-28T12:43:21Z) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳（メタデータ） (2021-05-14T03:07:25Z) - When Physical Unclonable Function Meets Biometrics [0.5156484100374058]
心電図(ECG)に基づく生体計測は、患者を認証し、患者のバイタルサインを監視することで普及している。
揮発性メモリベース(NVM)PUFは、偽造を避けるためにデバイスに簡単に配置できる。
当社の目標は、ハードウェアセキュリティを可能にする生体認証に基づく最先端の開発論文の包括的な研究を提供することです。
論文 参考訳（メタデータ） (2020-12-14T20:00:40Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z)
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。