論文の概要: Detecting Cognitive Signatures in Typing Behavior for Non-Intrusive Authorship Verification

• arxiv url: http://arxiv.org/abs/2603.00177v1
• Date: Thu, 26 Feb 2026 20:02:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.084809
• Title: Detecting Cognitive Signatures in Typing Behavior for Non-Intrusive Authorship Verification
• Title（参考訳）: 非侵入的オーサリング検証のためのタイピング行動における認知信号の検出
• Authors: David Condrey,
• Abstract要約: AI生成テキストの普及により、信頼性の高いオーサシップ検証の必要性が高まっているが、現在のアウトプットベースのメソッドはますます信頼できないものになっている。 通常のタイピングインタフェースは、キーストロークタイミングにおけるリッチな認知的シグネチャ、測定可能なパターンを捉え、実際の構成の計画、翻訳、修正の段階を反映する。 本稿では、既存の書き込みインターフェース内で動作し、プライバシを保護するためにタイミングメタデータのみを収集する非侵入的検証フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The proliferation of AI-generated text has intensified the need for reliable authorship verification, yet current output-based methods are increasingly unreliable. We observe that the ordinary typing interface captures rich cognitive signatures, measurable patterns in keystroke timing that reflect the planning, translating, and revising stages of genuine composition. Drawing on large-scale keystroke datasets comprising over 136 million events, we define the Cognitive Load Correlation (CLC) and show it distinguishes genuine composition from mechanical transcription. We present a non-intrusive verification framework that operates within existing writing interfaces, collecting only timing metadata to preserve privacy. Our analytical evaluation estimates 85 to 95 percent discrimination accuracy under stated assumptions, while limiting biometric leakage via evidence quantization. We analyze the adversarial robustness of cognitive signatures, showing they resist timing-forgery attacks that defeat motor-level authentication because the cognitive channel is entangled with semantic content. We conclude that reframing authorship verification as a human-computer interaction problem provides a privacy-preserving alternative to invasive surveillance.
• Abstract（参考訳）: AI生成テキストの普及により、信頼性の高いオーサシップ検証の必要性が高まっているが、現在のアウトプットベースのメソッドはますます信頼できないものになっている。 通常のタイピングインタフェースは、キーストロークタイミングにおけるリッチな認知的シグネチャ、測定可能なパターンを捉え、実際の構成の計画、翻訳、修正の段階を反映する。 1億3600万以上のイベントからなる大規模キーストロークデータセットに基づいて、認知的負荷相関(CLC)を定義し、実際の合成と機械的転写を区別することを示す。 本稿では、既存の書き込みインターフェース内で動作し、プライバシを保護するためにタイミングメタデータのみを収集する非侵入的検証フレームワークを提案する。 分析評価では, 証拠定量化による生体情報漏洩を抑えつつ, 前提条件下での識別精度を85～95%と推定した。 本研究は,認知チャネルが意味的内容と絡み合っているため,運動レベルの認証を破るタイミングフォージェニー攻撃に抵抗することを示す。 我々は、人間とコンピュータのインタラクション問題としての著者認証が、侵入監視に代わるプライバシー保護を提供すると結論付けている。

関連論文リスト

• Privacy-Preserving Proof of Human Authorship via Zero-Knowledge Process Attestation [0.0]
  ZK-PoPは、検証者が(a)シーケンシャルな作業関数連鎖が正しく計算されたこと、(b)行動特徴ベクトルがヒトの集団内にあること、(c)コンテンツ進化がインクリメンタルな人間の編集と整合していることを確認することができる構造である。 我々は,ZK-PoPが計算上ゼロ知識であり,計算上は音声であり,セッション間の無リンク性を証明した。
  論文  参考訳（メタデータ） (2026-02-26T20:38:19Z)
• Diffusion-Driven Deceptive Patches: Adversarial Manipulation and Forensic Detection in Facial Identity Verification [0.20973843981871568]
  この研究は、顔の生体認証システムに侵入するための敵対パッチの生成、精製、評価のためのエンドツーエンドパイプラインを提供する。 顔画像に修正パッチを適用し、自然な視覚特性を維持しながら認識システムを回避する能力をテストする。 このパイプラインは、対向条件下での顔認証と表情認識におけるアイデンティティ分類、キャプション結果、および脆弱性の変化を評価する。
  論文  参考訳（メタデータ） (2026-01-14T19:12:54Z)
• SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking [58.475471437150674]
  ソフトプロンプト(SWAP)のための逐次透かしを提案する。 SWAPは、特定のディフェンダー指定のアウト・オブ・ディストリビューション・クラスを通じて、透かしを符号化する。 11のデータセットの実験では、SWAPの有効性、無害性、および潜在的適応攻撃に対する堅牢性を示す。
  論文  参考訳（メタデータ） (2025-11-05T13:48:48Z)
• Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
  AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
  論文  参考訳（メタデータ） (2025-10-11T14:09:24Z)
• 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)
• Quantum-Safe Identity Verification using Relativistic Zero-Knowledge Proof Systems [3.8435472626703473]
  金融、医療、オンラインサービスなどの分野では、セキュリティの確保と不正防止のためにアイデンティティの検証が不可欠だ。 現在のパスワード/PINベースのIDソリューションはフィッシングやスキミング攻撃の影響を受けやすい。 グラフカラー化に基づく相対論的ゼロ知識証明によるアイデンティティ検証について検討する。
  論文  参考訳（メタデータ） (2025-07-18T18:59:19Z)
• Confidential Guardian: Cryptographically Prohibiting the Abuse of Model Abstention [65.47632669243657]
  不正直な機関は、不確実性の観点からサービスを差別または不正に否定する機構を利用することができる。 我々は、ミラージュと呼ばれる不確実性誘導攻撃を導入することで、この脅威の実践性を実証する。 本研究では,参照データセット上のキャリブレーションメトリクスを分析し,人工的に抑制された信頼度を検出するフレームワークであるConfidential Guardianを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:47:50Z)
• Privacy-Preserving Biometric Verification with Handwritten Random Digit String [49.77172854374479]
  手書き認証は、何十年もの間、安定したアイデンティティ認証方法として存在してきた。 しかし、この技術は、署名などの手書きバイオメトリックスに個人情報が組み込まれているため、潜在的なプライバシー侵害のリスクがある。 プライバシ保護による手書き文字の検証にRandom Digit String (RDS) を用いることを提案する。
  論文  参考訳（メタデータ） (2025-03-17T03:47:25Z)
• Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification [11.225067563482169]
  銀行チェックの署名検証に特化して設計された新しいデータセットを提案する。 このデータセットには、典型的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれている。 本稿では,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-20T14:42:14Z)
• Token-Level Adversarial Prompt Detection Based on Perplexity Measures and Contextual Information [67.78183175605761]
  大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。 この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。 トークンレベルで敵のプロンプトを検出するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:17:21Z)
• Exploiting Multi-Object Relationships for Detecting Adversarial Attacks in Complex Scenes [51.65308857232767]
  ディープニューラルネットワーク(DNN)をデプロイするビジョンシステムは、敵の例に弱いことが知られている。 近年の研究では、入力データの固有成分のチェックは、敵攻撃を検出するための有望な方法であることが示された。 言語モデルを用いてコンテキスト整合性チェックを行う新しい手法を開発した。
  論文  参考訳（メタデータ） (2021-08-19T00:52:10Z)

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。