論文の概要: AccLock: Unlocking Identity with Heartbeat Using In-Ear Accelerometers
- arxiv url: http://arxiv.org/abs/2605.11901v1
- Date: Tue, 12 May 2026 10:15:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.789931
- Title: AccLock: Unlocking Identity with Heartbeat Using In-Ear Accelerometers
- Title（参考訳）: AccLock: 耳内加速度計を用いた心拍によるアイデンティティのロック解除
- Authors: Lei Wang, Jiangxuan Shen, Xi Zhang, Dalin Zhang, Jingyu Li, Haipeng Dai, Chenren Xu, Daqing Zhang, He Huang,
- Abstract要約: 我々は、AccLockと呼ばれる受動的認証システムを提案し、AccLockは、BCG信号から抽出された特徴を利用して、安全で控えめなユーザ認証を可能にする。
我々のシステムは、デバイスとユーザの両方にとってゼロ・インクルージョンを含む、従来のシステムに対して、ユビキタスで、環境騒音に耐性のあるいくつかの利点を提供している。
我々は33人の参加者による広範な実験を行い、平均FARは3.13%、FRRは2.99%に達し、AccLockの実用可能性を示している。
- 参考スコア（独自算出の注目度）: 28.031813613557073
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The widespread use of earphones has enabled various sensing applications, including activity recognition, health monitoring, and context-aware computing. Among these, earphone-based user authentication has become a key technique by leveraging unique biometric features. However, existing earphone-based authentication systems face key limitations: they either require explicit user interaction or active speaker output, or suffer from poor accessibility and vulnerability to environmental noise, which hinders large-scale deployment. In this paper, we propose a passive authentication system, called AccLock, which leverages distinctive features extracted from in-ear BCG signals to enable secure and unobtrusive user verification. Our system offers several advantages over previous systems, including zero-involvement for both the device and the user, ubiquitous, and resilient to environmental noise. To realize this, we first design a two-stage denoising scheme to suppress both inherent and sporadic interference. To extract user-specific features, we then propose a disentanglement-based deep learning model, HIDNet, which explicitly separates user-specific features from shared nuisance components. Lastly, we develop a scalable authentication framework based on a Siamese network that eliminates the need for per-user classifier training. We conduct extensive experiments with 33 participants, achieving an average FAR of 3.13% and FRR of 2.99%, which demonstrates the practical feasibility of AccLock.
- Abstract（参考訳）: イヤホンの普及により、アクティビティ認識、健康モニタリング、コンテキスト認識コンピューティングなど、さまざまなセンサー応用が可能になった。
その中には、ユニークな生体認証機能を活用することで、イヤホンベースのユーザ認証が重要な技術となっている。
しかし、既存のイヤホンベースの認証システムは、明示的なユーザインタラクションやアクティブなスピーカー出力を必要とするか、あるいは環境騒音に対するアクセシビリティや脆弱性に悩まされているため、大規模なデプロイメントを妨げている。
本稿では,AccLockと呼ばれる受動的認証システムを提案する。AccLockは,BCG信号から抽出した特徴を利用して,セキュアで邪魔にならないユーザ認証を実現する。
我々のシステムは、デバイスとユーザの両方にとってゼロ・インクルージョンを含む、従来のシステムに対して、ユビキタスで、環境騒音に耐性のあるいくつかの利点を提供している。
これを実現するために、我々はまず、固有の干渉と散発的干渉の両方を抑制するための2段階の復調スキームを設計する。
ユーザ固有の特徴を抽出するために,ユーザ固有の特徴を共有ニュアンスコンポーネントから明確に分離する,アンタングルメントに基づくディープラーニングモデルHIDNetを提案する。
最後に,Siameseネットワークに基づくスケーラブルな認証フレームワークを開発した。
我々は33人の参加者による広範な実験を行い、平均FARは3.13%、FRRは2.99%に達し、AccLockの実用可能性を示している。
関連論文リスト
- 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) - Noise-Based Authentication: Is It Secure? [0.0]
我々は、既存の生体認証システムを用いて、個々の人間に属する独特のノイズ指紋を実証する。
次に,各ユーザが生成するユニークなサーマルノイズ振幅を用いるという概念を提案し,無条件でセキュアな認証の堅牢性に関するオープンな質問を探索する。
論文 参考訳（メタデータ） (2024-09-07T23:24:53Z) - Beyond Gaze Points: Augmenting Eye Movement with Brainwave Data for Multimodal User Authentication in Extended Reality [4.114205202954365]
眼球運動と脳波パターンを組み合わせた多モード生体認証システムを提案する。
試作機は30名の被験者で開発,評価し,EER(Equal Error Rate)は0.29%であった。
このシステムは複雑な相互作用を伴わずに視覚刺激によるシームレスな認証を可能にする。
論文 参考訳（メタデータ） (2024-04-29T13:42:55Z) - SCR-Auth: Secure Call Receiver Authentication on Smartphones Using Outer Ear Echoes [14.78387043362623]
スマートフォンのセキュアなコールレシーバ認証方式であるSCR-Authを提案する。
イヤーピーススピーカーを通して難聴の音響信号を送信し、コールレシーバーの外耳構造を積極的に感知する。
その結果、平均平衡精度96.95%、潜在的攻撃に対するレジリエンスが示された。
論文 参考訳（メタデータ） (2024-04-23T13:03:09Z) - Leveraging Machine Learning for Wi-Fi-based Environmental Continuous Two-Factor Authentication [0.44998333629984877]
ユーザの入力を機械学習(ML)による決定に置き換える新しい2FAアプローチを提案する。
本システムは,Wi-Fiアクセスポイント(AP)からのビーコンフレーム特性や受信信号強度指標(RSSI)値など,ユーザに関連するユニークな環境特性を利用する。
セキュリティを強化するため,ユーザの2つのデバイス(ログインデバイスとモバイルデバイス)が,アクセスを許可する前に所定の近くに配置されることを義務付ける。
論文 参考訳（メタデータ） (2024-01-12T14:58:15Z) - Erasing, Transforming, and Noising Defense Network for Occluded Person
Re-Identification [36.91680117072686]
我々は,隠蔽された人物のリIDを解決するために,ETNDNet(Easing, Transforming, and Noising Defense Network)を提案する。
提案するETNDNetでは,特徴マップをランダムに消去し,不完全な情報を持つ逆表現を生成する。
第3に、障害物や歩行者以外の歩行者が導入したノイズ情報に対処するために、ランダムな値で特徴マップを摂動する。
論文 参考訳（メタデータ） (2023-07-14T06:42:21Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - Open-set Adversarial Defense with Clean-Adversarial Mutual Learning [93.25058425356694]
本稿では, オープンセット認識システムは, 対向サンプルに対して脆弱であることを示す。
これらの観測により,我々はオープンセット・ディフェンス(OSAD)機構の必要性を強調した。
本稿では,OSAD問題に対する解決策として,OSDN-CAML(Create-Adversarial Mutual Learning)を用いたオープンセット防衛ネットワークを提案する。
論文 参考訳（メタデータ） (2022-02-12T02:13:55Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - Open-set Adversarial Defense [93.25058425356694]
オープンセット認識システムは敵攻撃に対して脆弱であることを示す。
本研究の目的は,OSAD(Open-Set Adrial Defense, Open-Set Adrial Defense)機構の必要性である。
本稿はOSAD問題に対する解決策として,OSDN(Open-Set Defense Network)を提案する。
論文 参考訳（メタデータ） (2020-09-02T04:35:33Z)
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。