論文の概要: BioMoTouch: Touch-Based Behavioral Authentication via Biometric-Motion Interaction Modeling

• arxiv url: http://arxiv.org/abs/2604.07071v1
• Date: Wed, 08 Apr 2026 13:25:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.551747
• Title: BioMoTouch: Touch-Based Behavioral Authentication via Biometric-Motion Interaction Modeling
• Title（参考訳）: BioMoTouch:バイオメトリック・モーション・インタラクション・モデリングによるタッチによる行動認証
• Authors: Zijian Ling, Jianbang Chen, Hongwei Li, Hongda Zhai, Man Zhou, Jun Feng, Zhengxiong Li, Qi Li, Qian Wang,
• Abstract要約: モバイルデバイス上のマルチモーダルタッチ認証フレームワークであるBioMoTouchを提案する。 タッチ操作の間、慣性センサーはユーザー固有の行動力学を捉えるが、容量型スクリーンは生理的特性を同時に捉える。 独立した決定を組み合わせるのではなく、BioMoTouchは、コーディネートされたインタラクションを明示的に学習し、タッチ動作の統一的な表現を形成する。
• 参考スコア（独自算出の注目度）: 34.56269598075443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Touch-based authentication is widely deployed on mobile devices due to its convenience and seamless user experience. However, existing systems largely model touch interaction as a purely behavioral signal, overlooking its intrinsic multidimensional nature and limiting robustness against sophisticated adversarial behaviors and real-world variations. In this work, we present BioMoTouch, a multi-modal touch authentication framework on mobile devices grounded in a key empirical finding: during touch interaction, inertial sensors capture user-specific behavioral dynamics, while capacitive screens simultaneously capture physiological characteristics related to finger morphology and skeletal structure. Building upon this insight, BioMoTouch jointly models physiological contact structures and behavioral motion dynamics by integrating capacitive touchscreen signals with inertial measurements. Rather than combining independent decisions, the framework explicitly learns their coordinated interaction to form a unified representation of touch behavior. BioMoTouch operates implicitly during natural user interactions and requires no additional hardware, enabling practical deployment on commodity mobile devices. We evaluate BioMoTouch with 38 participants under realistic usage conditions. Experimental results show that BioMoTouch achieves a balanced accuracy of 99.71% and an equal error rate of 0.27%. Moreover, it maintains false acceptance rates below 0.90% under artificial replication, mimicry, and puppet attack scenarios, demonstrating strong robustness against partial-factor manipulation.
• Abstract（参考訳）: タッチベースの認証は、利便性とシームレスなユーザーエクスペリエンスのために、モバイルデバイスに広くデプロイされている。 しかし、既存のシステムはタッチ操作を純粋に振舞いの信号としてモデル化し、その本質的な多次元的な性質を見越し、高度な敵の振る舞いや実世界の変動に対する堅牢性を制限する。 本研究では, タッチ操作中, 慣性センサがユーザ固有の動作動態を, キャパシタスクリーンは指の形態や骨格構造に関連する生理的特徴を同時に捉えるという, 重要な経験的発見を基礎として, モバイルデバイス上のマルチモーダルタッチ認証フレームワークであるBioMoTouchを提案する。 この知見に基づいて、BioMoTouchは、静電容量タッチスクリーン信号と慣性測定を統合することで、生理的接触構造と行動運動のダイナミクスを共同でモデル化する。 独立した決定を組み合わせるのではなく、このフレームワークは、協調した相互作用を明示的に学習し、タッチ動作の統一的な表現を形成する。 BioMoTouchは、自然なユーザインタラクション中に暗黙的に動作し、追加のハードウェアを必要としない。 実使用条件下でのBioMoTouchを38名を対象に評価した。 実験の結果、BioMoTouchの精度は99.71%、エラー率は0.27%であることがわかった。 さらに、人工複製、模倣、人形攻撃のシナリオ下では、0.90%以下の偽の受け入れ率を維持し、部分的要素操作に対して強い堅牢性を示す。

関連論文リスト

• Tactile Memory with Soft Robot: Robust Object Insertion via Masked Encoding and Soft Wrist [10.982180941605256]
  我々は,ソフトハンドと検索制御を統合し,安全で堅牢な操作を可能にするシステムであるTactile Memory with Soft Robot (TaSo-bot)を紹介した。 このシステムの中核はMasked Tactile Trajectory Transformer (MATtext3$) で、ロボットの動作、触覚フィードバック、力トルク測定、および受容性信号の相互作用を共同でモデル化する。 MATtext3$は、すべての条件に対するベースラインよりも高い成功率を実現し、目に見えないペグや条件に適応する顕著な能力を示している。
  論文  参考訳（メタデータ） (2026-01-27T07:04:01Z)
• OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction [93.88239833545623]
  OpenTouchは、最初のインザワイルドなエゴセントリックなフルハンド触覚データセットです。 触覚信号は,理解のためのコンパクトで強力なキューを提供する。 我々は,マルチモーダルな自我中心の知覚,具体的学習,接触に富むロボット操作の促進を目指す。
  論文  参考訳（メタデータ） (2025-12-18T18:18:17Z)
• 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)
• Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
  本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。 我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。 この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
  論文  参考訳（メタデータ） (2021-09-09T16:04:14Z)
• Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
  触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。 EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。 さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-11T03:49:59Z)
• Mobile Touchless Fingerprint Recognition: Implementation, Performance and Usability Aspects [13.664130356074052]
  本研究は,スマートフォン用タッチレス指紋自動認識システムを提案する。 認識パイプライン全体を包括的に記述し,完全自動化したキャプチャシステムにおける重要な要件について考察する。
  論文  参考訳（メタデータ） (2021-03-04T13:56:16Z)

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。