論文の概要: HandPass: A Wi-Fi CSI Palm Authentication Approach for Access Control
- arxiv url: http://arxiv.org/abs/2510.22133v1
- Date: Sat, 25 Oct 2025 03:13:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:14.832744
- Title: HandPass: A Wi-Fi CSI Palm Authentication Approach for Access Control
- Title（参考訳）: HandPass: アクセス制御のためのWi-Fi CSI Palm認証アプローチ
- Authors: Eduardo Fabricio Gomes Trindade, Felipe Silveira de Almeida, Gioliano de Oliveira Braga, Rafael Pimenta de Mattos Paixão, Pedro Henrique dos Santos Rocha, Lourenco Alves Pereira Jr,
- Abstract要約: Wi-Fi Channel State Information (CSI) は、センシング活動のために広く研究されている。
本研究では, ヤシ認識のためのWi-Fi Channel State Information (CSI)データを用いた生体認証の新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.24629531282150877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wi-Fi Channel State Information (CSI) has been extensively studied for sensing activities. However, its practical application in user authentication still needs to be explored. This study presents a novel approach to biometric authentication using Wi-Fi Channel State Information (CSI) data for palm recognition. The research delves into utilizing a Raspberry Pi encased in a custom-built box with antenna power reduced to 1dBm, which was used to capture CSI data from the right hands of 20 participants (10 men and 10 women). The dataset was normalized using MinMax scaling to ensure uniformity and accuracy. By focusing on biophysical aspects such as hand size, shape, angular spread between fingers, and finger phalanx lengths, among other characteristics, the study explores how these features affect electromagnetic signals, which are then reflected in Wi-Fi CSI, allowing for precise user identification. Five classification algorithms were evaluated, with the Random Forest classifier achieving an average F1-Score of 99.82\% using 10-fold cross-validation. Amplitude and Phase data were used, with each capture session recording approximately 1000 packets per second in five 5-second intervals for each User. This high accuracy highlights the potential of Wi-Fi CSI in developing robust and reliable user authentication systems based on palm biometric data.
- Abstract（参考訳）: Wi-Fi Channel State Information (CSI) は、センシング活動のために広く研究されている。
しかし、ユーザ認証の実践的な応用はいまだに検討する必要がある。
本研究では, ヤシ認識のためのWi-Fi Channel State Information (CSI)データを用いた生体認証の新しい手法を提案する。
この研究は、アンテナの電力を1dBmに減らしたカスタムメイドの箱に収められたRaspberry Piを、20名(男性10名、女性10名)の右手からCSIデータをキャプチャするために利用した。
データセットはMinMaxスケーリングを使用して正規化され、均一性と精度が保証された。
手の大きさ、形状、指間の角ばった広がり、指骨の長さなどの生体物理学的な側面に注目し、これらの特徴が電磁信号にどのように影響するかを調査し、Wi-Fi CSIで反映され、正確なユーザ識別を可能にする。
5つの分類アルゴリズムが評価され、ランダムフォレスト分類器は10倍のクロスバリデーションを用いて平均F1スコア99.82\%を達成した。
振幅と位相データを使用し、各キャプチャセッションはユーザ毎に5秒間隔で1秒あたり約1000パケットを記録している。
この高い精度は、手のひらバイオメトリックスデータに基づく堅牢で信頼性の高いユーザ認証システムの開発において、Wi-Fi CSIの可能性を強調している。
関連論文リスト
- CSI-Bench: A Large-Scale In-the-Wild Dataset for Multi-task WiFi Sensing [13.709208651007167]
CSI(Channel State Information)のきめ細かい変化を捉えたWiFiセンシングは、人間の活動監視のための説得力のある非接触モードとして登場した。
既存のWiFiセンサーシステムは、均一なハードウェアで制御された環境で収集されたデータセットと、日々のアクティビティを反映しない断片化されたセッションベースの記録のために、現実世界の設定を一般化するのに苦労している。
CSI-Benchは,35名の実ユーザを抱えた26の屋内環境において,商用WiFiエッジデバイスを用いて収集した大規模Wildベンチマークデータセットである。
論文 参考訳（メタデータ） (2025-05-28T01:29:29Z) - Your device may know you better than you know yourself -- continuous
authentication on novel dataset using machine learning [0.0]
本研究は,行動バイオメトリックスを用いた連続的認証の分野におけるさらなる理解を目的としている。
われわれは、Samsung TabletでMinecraftをプレイする15人のユーザのジェスチャーデータを含む、新しいデータセットを15分間提供しています。
論文 参考訳（メタデータ） (2024-03-06T16:22:49Z) - SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via
Filter Pruning [55.84746218227712]
我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。
性能を損なうことなく、さらに(最大40%)削減できることを示す。
論文 参考訳（メタデータ） (2023-07-20T08:38:50Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。
ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。
この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2022-11-25T05:10:39Z) - Machine and Deep Learning Applications to Mouse Dynamics for Continuous
User Authentication [0.0]
この記事では,3つの機械学習アルゴリズムとディープラーニングアルゴリズムを使用して,40人のユーザのデータセットを評価することで,これまでの公開作業に基づいています。
トップパフォーマーは1次元畳み込みニューラルネットワークであり、トップ10ユーザーの平均テスト精度は85.73%である。
また, 92.48%のピーク精度に達する人工ニューラルネットワークを用いて, マルチクラス分類についても検討した。
論文 参考訳（メタデータ） (2022-05-26T21:43:59Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。
この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
論文 参考訳（メタデータ） (2022-04-13T16:27:27Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。
提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
論文 参考訳（メタデータ） (2020-06-09T16:38:09Z) - Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition [0.9239657838690226]
本研究では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,行動認識システムのための半教師付き学習手法を提案する。
実験の結果,分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
論文 参考訳（メタデータ） (2020-04-23T15:22:05Z)
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。