論文の概要: Neural Network-Powered Finger-Drawn Biometric Authentication

• arxiv url: http://arxiv.org/abs/2511.11235v1
• Date: Fri, 14 Nov 2025 12:39:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.587145
• Title: Neural Network-Powered Finger-Drawn Biometric Authentication
• Title（参考訳）: ニューラルネットワークを用いたフィンガードローバイオメトリック認証
• Authors: Maan Al Balkhi, Kordian Gontarska, Marko Harasic, Adrian Paschke,
• Abstract要約: 本稿では,タッチスクリーンデバイス上での指引きディジットを用いたニューラルネットワークによる生体認証について検討する。 指入力で追跡した単純な桁パターンを用いて,ユーザ認証のためのCNNとオートエンコーダアーキテクチャを評価した。 その結果,指で描画したシンボル認証は,タッチスクリーンデバイスに対して,実用的で,セキュアで,ユーザフレンドリな生体認証ソリューションを提供することがわかった。
• 参考スコア（独自算出の注目度）: 0.9624643581968987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates neural network-based biometric authentication using finger-drawn digits on touchscreen devices. We evaluated CNN and autoencoder architectures for user authentication through simple digit patterns (0-9) traced with finger input. Twenty participants contributed 2,000 finger-drawn digits each on personal touchscreen devices. We compared two CNN architectures: a modified Inception-V1 network and a lightweight shallow CNN for mobile environments. Additionally, we examined Convolutional and Fully Connected autoencoders for anomaly detection. Both CNN architectures achieved ~89% authentication accuracy, with the shallow CNN requiring fewer parameters. Autoencoder approaches achieved ~75% accuracy. The results demonstrate that finger-drawn symbol authentication provides a viable, secure, and user-friendly biometric solution for touchscreen devices. This approach can be integrated with existing pattern-based authentication methods to create multi-layered security systems for mobile applications.
• Abstract（参考訳）: 本稿では,タッチスクリーンデバイス上での指引きディジットを用いたニューラルネットワークによる生体認証について検討する。 指入力で追跡した単純な桁パターン (0-9) を用いて, ユーザ認証のためのCNNとオートエンコーダアーキテクチャを評価した。 20人の参加者が、それぞれ2000本の指で描かれた数字をパーソナルタッチスクリーンデバイスに提供した。 我々は2つのCNNアーキテクチャを比較した: 修正されたInception-V1ネットワークと、モバイル環境用の軽量なCNNである。 さらに,異常検出のための畳み込みおよび完全連結オートエンコーダについて検討した。 どちらのCNNアーキテクチャも認証精度はおよそ89%で、浅いCNNではパラメータが少なかった。 オートエンコーダのアプローチは75%の精度を達成した。 その結果,指で描画したシンボル認証は,タッチスクリーンデバイスに対して,実用的で,セキュアで,ユーザフレンドリな生体認証ソリューションを提供することがわかった。 このアプローチは、既存のパターンベースの認証手法と統合して、モバイルアプリケーションのための多層セキュリティシステムを作成することができる。

関連論文リスト

• 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)
• 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)
• Presentation Attack Detection with Advanced CNN Models for Noncontact-based Fingerprint Systems [5.022332693793425]
  我々は,7500枚以上の4指画像の提示攻撃検出(PAD)データセットを開発した。 攻撃提示分類誤り率(APCER)0.14%とボナフィド提示分類誤り率(BPCER)0.18%のPAD精度について検討した。
  論文  参考訳（メタデータ） (2023-03-09T18:01:10Z)
• 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)
• 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)
• A Contactless Fingerprint Recognition System [5.565364597145569]
  距離から指紋をキャプチャする非接触指紋認識システムを開発するためのアプローチを提案する。 キャプチャされたフィンガー写真はさらに処理され、グローバルおよびローカルな機能(ミニチュアベース)が取得される。 提案システムはNvidia Jetson Nano開発キットを用いて開発され,非接触指紋認識をリアルタイムで行うことができる。
  論文  参考訳（メタデータ） (2021-08-20T08:21:55Z)
• GAN pretraining for deep convolutional autoencoders applied to Software-based Fingerprint Presentation Attack Detection [0.0]
  本研究は,ソフトウェアを用いた指紋提示アタッチメント検出のための単一クラス分類に対する新しいアプローチを提案する。 この手法は、ワッサーシュタインGANを用いて、深い畳み込みオートエンコーダに転写学習を適用する。
  論文  参考訳（メタデータ） (2021-05-21T09:08:34Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• 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)

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。