論文の概要: Selfie-Capture Dynamics as an Auxiliary Signal Against Deepfakes and Injection Attacks for Mobile Identity Verification

• arxiv url: http://arxiv.org/abs/2605.00218v1
• Date: Thu, 30 Apr 2026 20:46:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.747262
• Title: Selfie-Capture Dynamics as an Auxiliary Signal Against Deepfakes and Injection Attacks for Mobile Identity Verification
• Title（参考訳）: ディープフェイク・インジェクション攻撃に対する補助信号としてのセルフィーキャプチャダイナミクス
• Authors: Erkka Rantahalvari, Olli Silvén, Zinelabidine Boulkenafet, Constantino Álvarez Casado,
• Abstract要約: モバイルリモートID認証(RIdV)システムは、顔のビデオストリームを操作または置換する攻撃にさらされる。 ETSI TS 119 461 や CEN/TS 18099 といったヨーロッパの近年の要求は、カメラベースのプレゼンテーション攻撃検出以上の補完的なエビデンスチャネルを動機付けている。 本稿では,自撮り撮影中に記録された受動運動軌跡が,スプーフスクリーニングとユーザ検証の補助的証拠となるかどうかを検討する。
• 参考スコア（独自算出の注目度）: 4.2958409172092225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile remote identity verification (RIdV) systems are exposed to attacks that manipulate or replace the facial video stream, including presentation attacks, real-time deepfakes, and video injection. Recent European requirements, including ETSI TS 119 461 and CEN/TS 18099, motivate complementary evidence channels beyond camera-based presentation-attack detection. This paper investigates whether passive motion traces recorded during selfie capture provide auxiliary evidence for spoof screening and user verification. We introduce CanSelfie, a dataset of 375 bona fide multi-sensor sequences collected at 50\,Hz from 30 participants using a commercial mobile RIdV application, together with stationary, handheld, and temporally shifted attack-proxy scenarios. We benchmark 7 multivariate time-series classifiers and 8 whole-series anomaly detectors across sensor configurations and temporal windows. For spoof screening, accelerometer-only ROCKAD obtains 0.00\% false rejection rate (FRR) and 43.8\% false acceptance rate (FAR), while QUANT+3-NN obtains the lowest overall FAR of 32.0\% at 2.37\% FRR; both reject all stationary attack proxies. For same-device and same-session user verification, WEASEL+MUSE reaches 1.07\% equal error rate (EER) using 9 sensor channels. The analysis shows that raw accelerometer data, preserving gravity and orientation cues, is the most informative modality, and that closed-set classification accuracy alone does not imply good verification performance because threshold calibration depends on score distributions. The findings suggest that short selfie-capture motion traces contain measurable spoof-related and identity-related information, supporting their use as a low-friction auxiliary signal while also identifying the need for cross-device, cross-session, and real injection-attack evaluation.
• Abstract（参考訳）: モバイルリモートアイデンティティ検証(RIdV)システムは、プレゼンテーションアタック、リアルタイムディープフェイク、ビデオインジェクションを含む、顔のビデオストリームを操作または置換する攻撃にさらされている。 ETSI TS 119 461 や CEN/TS 18099 といったヨーロッパの近年の要求は、カメラベースのプレゼンテーション攻撃検出以上の補完的なエビデンスチャネルを動機付けている。 本稿では,自撮り撮影中に記録された受動運動軌跡が,スプーフスクリーニングとユーザ検証の補助的証拠となるかどうかを検討する。 市販のモバイルRIdVアプリケーションを用いて,50\,Hzで収集した375個のボナファイドマルチセンサーのデータセットCanSelfieと,定常的,ハンドヘルド的,時間的に変化するアタックプロキシシナリオを紹介する。 センサ構成と時間窓にまたがる7つの多変量時系列分類器と8つの全系列異常検出器をベンチマークした。 スプーフスクリーニングでは、加速度計のみのROCKADは0.00\%の偽拒絶率(FRR)と43.8\%の偽受け入れ率(FAR)を、QUINT+3-NNは32.0\%のFRRを2.37\%で、いずれも静止攻撃プロキシをすべて拒否する。 同デバイスおよび同セッションのユーザ検証では、WEASEL+MUSEは9つのセンサーチャネルを使用して1.07\%のエラーレート(EER)に達する。 この分析結果から, 加速度計の生データ, 重力, 方位, は最も有意なモダリティであり, クローズドセットの分類精度だけでは, しきい値のキャリブレーションがスコア分布に依存するため, 良好な検証性能を示さないことがわかった。 その結果,短時間の自撮り動作トレースには,測定可能なスプーフ関連および同一性関連情報が含まれており,低摩擦補助信号としての使用をサポートするとともに,クロスデバイス,クロスセッション,実射出攻撃評価の必要性も確認できた。

関連論文リスト

• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• QUACK! Making the (Rubber) Ducky Talk: A Systematic Study of Keystroke Dynamics for HID Injection Detection [60.105690843777666]
  我々は、タイミング機能のみで動作する軽量モデルを使用して、堅牢でプライバシー保護の検知が達成可能であることを示す。 分析の結果,攻撃者の高度化は単調に回避を改善できないことが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-17T08:53:24Z)
• Interpretable Human Activity Recognition for Subtle Robbery Detection in Surveillance Videos [0.0]
  非暴力的なストリート強盗(スナッチ・アンド・ラン)は、簡潔で微妙で、しばしば良心的な人間との相互作用と区別できないため、自動的に検出することは困難である。 本稿では,リアルタイム認識と解釈可能な分類段階を組み合わせた,スナッチ・アンド・ランイベントのハイブリッド・ポーズ駆動による検出手法を提案する。
  論文  参考訳（メタデータ） (2026-04-15T18:37:28Z)
• Privacy on the Fly: A Predictive Adversarial Transformation Network for Mobile Sensor Data [32.36355095752335]
  本稿では,歴史的信号を利用したリアルタイムなプライバシ保護フレームワークを提案し,対人的摂動を積極的に生成する。 2つのデータセットの実験では、PATNはプライバシ推論モデルのパフォーマンスを著しく低下させる。
  論文  参考訳（メタデータ） (2025-11-10T15:57:17Z)
• Temporal Misalignment Attacks against Multimodal Perception in Autonomous Driving [23.83773255227831]
  DejaVuは車載ネットワークを利用して、センサストリーム間の遅延を誘導し、微妙な時間的ミスアライメントを生成する攻撃である。 包括的攻撃分析により,センサのタスク特異的な不均衡感が明らかになった。 シングルフレームのLiDAR遅延では、攻撃者は車検出のmAPを最大88.5%削減し、3フレームのカメラ遅延、車滴の多重物体追跡精度(MOTA)を73%削減できる。
  論文  参考訳（メタデータ） (2025-07-12T00:44:26Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
  我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。 我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
  論文  参考訳（メタデータ） (2023-03-20T16:28:15Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)

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。