論文の概要: Stochastic Modeling of Human-Machine Authentication Channels under Partial Information Leakage

• arxiv url: http://arxiv.org/abs/2605.02102v1
• Date: Sun, 03 May 2026 23:51:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.080892
• Title: Stochastic Modeling of Human-Machine Authentication Channels under Partial Information Leakage
• Title（参考訳）: 部分的情報漏洩下における人間・機械認証チャネルの確率的モデリング
• Authors: Nilesh Chakraborty, Mohammad Zulkernine, Burak Kantarci,
• Abstract要約: 部分暴露条件下での信頼性損失と品質・オブ・サービス劣化を定量化するための文脈条件確率推論フレームワークを提案する。 実世界の4桁の4桁のPINサンプルを100万以上使用して、単一、二重、三桁のリークシナリオを評価し、位置依存の信頼性指標を導出する。
• 参考スコア（独自算出の注目度）: 5.3858355266642794
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reliable and secure human-machine communication is fundamental to IoT and cyber-physical ecosystems, where smartphones and wearables commonly serve as authentication controllers. PIN-based authentication can be viewed as a low-bandwidth communication channel through which users transmit numeric credentials under practical constraints. However, conventional evaluations adopt a binary view of security-treating such channels as either fully secure or fully compromised-thereby overlooking the progressive reliability degradation caused by partial information leakage in real-world IoT settings. In this paper, we model the PIN entry process as a stochastic human-IoT communication system and propose a context-conditioned probabilistic inference framework to quantify reliability loss and Quality-of-Service degradation under partial symbol exposure. The proposed approach treats missing digits as latent variables and estimates them using smoothed conditional probability distributions with fallback priors. Unlike traditional sequential models that assume contiguous positional dependencies, the method does not explicitly parameterize hidden-state transitions or emissions; instead, it performs context-driven probabilistic inference to approximate latent dependencies across digit positions. Using over one million real-world four-digit PIN samples, we evaluate single-, double-, and triple-digit leakage scenarios and derive position-dependent reliability metrics. The proposed model achieves up to 55.31% prediction accuracy for one missing digit and 12.12% for three missing digits, while consistently outperforming a standard sequence-model baseline and classical machine learning models in terms of precision, recall, and F1-score. These results formalize PIN entry as a noisy human--IoT communication channel and demonstrate substantial reliability degradation under realistic partial exposure conditions.
• Abstract（参考訳）: 信頼性とセキュアなヒューマンマシン通信は、スマートフォンやウェアラブルが一般的に認証コントローラとして機能する、IoTおよびサイバー物理エコシステムの基本である。 PINベースの認証は、ユーザが実用的な制約の下で数値認証を送信する低帯域通信チャネルと見なすことができる。 しかし、従来の評価では、セキュリティ処理チャネルのバイナリビューが採用されており、実際のIoT設定で部分的な情報漏洩によって生じる進行的な信頼性低下を見越して、完全に安全か完全に損なわれている。 本稿では,PIN入力プロセスを確率的ヒューマン・IoT通信システムとしてモデル化し,部分的なシンボル露光下での信頼性損失と品質劣化を定量化するためのコンテキスト条件付き確率的推論フレームワークを提案する。 提案手法は、欠落した桁を潜伏変数として扱い、フォールバック前のスムーズな条件付き確率分布を用いてそれらを推定する。 連続的な位置依存を仮定する従来のシーケンシャルモデルとは異なり、この手法は隠された状態遷移や放出を明示的にパラメータ化せず、代わりに、数字の位置をまたいだ遅延依存を近似するためにコンテキスト駆動の確率的推論を実行する。 実世界の4桁の4桁のPINサンプルを100万以上使用して、単一、二重、三桁のリークシナリオを評価し、位置依存の信頼性指標を導出する。 提案したモデルは、1つの欠落した桁に対して最大55.31%の予測精度と3つの欠落した桁に対して12.12%の予測精度を達成し、精度、リコール、F1スコアの点で標準的なシーケンスモデルベースラインと古典的な機械学習モデルより一貫して優れている。 これらの結果は、PINエントリをノイズの多い人間-IoT通信チャネルとして定式化し、現実的な部分露光条件下ではかなりの信頼性低下を示す。

関連論文リスト

• Tri-LLM Cooperative Federated Zero-Shot Intrusion Detection with Semantic Disagreement and Trust-Aware Aggregation [5.905949608791961]
  本稿では,言語に基づくセマンティック管理をフェデレーション最適化に組み込んだ,セマンティックス駆動のフェデレーションIDSフレームワークを提案する。 このフレームワークは、目に見えない攻撃パターンに対して80%以上のゼロショット検出精度を達成し、類似性に基づくベースラインと比較してゼロデイ識別を10%以上改善する。
  論文  参考訳（メタデータ） (2026-01-30T16:38:05Z)
• PaTAS: A Parallel System for Trust Propagation in Neural Networks Using Subjective Logic [1.8485970721272895]
  本稿では,ニューラルネットワークの信頼をモデル化し,伝播するフレームワークであるPaTASを紹介する。 実世界および敵対的データセットの実験は、PaTASが解釈可能、対称性、収束信頼推定を生成することを示した。
  論文  参考訳（メタデータ） (2025-11-25T18:15:36Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Network Inversion for Generating Confidently Classified Counterfeits [11.599035626374409]
  視覚分類において、自信のある予測をもたらす入力を生成することは、モデルの振る舞いと信頼性を理解するための鍵となる。 我々はネットワーク・インバージョン・テクニックを拡張してCCC(Confidently Classified Counterfeits)を生成する。 CCCは信頼性に関するモデル中心の視点を提供し、モデルが完全に合成されたアウト・オブ・ディストリビューション・インプットに高い信頼を割り当てることを明らかにする。
  論文  参考訳（メタデータ） (2025-03-26T03:26:49Z)
• Secure and Confidential Certificates of Online Fairness [8.681039636447865]
  MLサービスの合法的かつ責任を負うためには、信頼性が不可欠である。 モデルフェアネスを評価する既存の方法は、(i)静的なデータセットに対してフェアネスを証明するため、秘密裏に信頼性を欠いている。 OATH(OATH)は,オンライングループフェアネス認定のための,デプロイ性が高くスケーラブルなゼロ知識証明プロトコルである。
  論文  参考訳（メタデータ） (2024-09-17T16:00:35Z)
• Reliable Federated Disentangling Network for Non-IID Domain Feature [62.73267904147804]
  本稿では、RFedDisと呼ばれる新しい信頼性のあるフェデレーション・ディエンタングリング・ネットワークを提案する。 我々の知る限り、提案するRFedDisは、明らかな不確実性と特徴の混在に基づくFLアプローチを開発する最初の試みである。 提案するRFedDisは,他の最先端FL手法と比較して信頼性の高い優れた性能を提供する。
  論文  参考訳（メタデータ） (2023-01-30T11:46:34Z)
• Reliability-Aware Prediction via Uncertainty Learning for Person Image Retrieval [51.83967175585896]
  UALは、データ不確実性とモデル不確実性を同時に考慮し、信頼性に配慮した予測を提供することを目的としている。 データ不確実性はサンプル固有のノイズを捕捉する」一方、モデル不確実性はサンプルの予測に対するモデルの信頼を表現している。
  論文  参考訳（メタデータ） (2022-10-24T17:53:20Z)
• High-Robustness, Low-Transferability Fingerprinting of Neural Networks [78.2527498858308]
  本稿では,ディープニューラルネットワークを効果的にフィンガープリントするための特性例を提案する。 モデルプルーニングに対するベースモデルへの高いロバスト性、無関係モデルへの低透過性などが特徴である。
  論文  参考訳（メタデータ） (2021-05-14T21:48:23Z)
• Trust but Verify: Assigning Prediction Credibility by Counterfactual Constrained Learning [123.3472310767721]
  予測信頼性尺度は統計学と機械学習において基本的なものである。 これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。 この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
  論文  参考訳（メタデータ） (2020-11-24T19:52:38Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。