論文の概要: Investigating Gender Bias in Touch Biometrics

• arxiv url: http://arxiv.org/abs/2606.11457v1
• Date: Tue, 09 Jun 2026 21:19:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 15:01:43.716586
• Title: Investigating Gender Bias in Touch Biometrics
• Title（参考訳）: タッチバイオメトリックスにおけるジェンダーバイアスの調査
• Authors: Joshua Lee, Ben Khant, Rajesh Kumar,
• Abstract要約: 本稿では,BBMAS (117ユーザ) とANTAL (71ユーザ) のデータセットを用いたスワイプ型認証における性別バイアスについて検討する。 XGBoostは、それぞれBBMASとANTALデータセットで92%と94%の認証精度を達成した。 ほとんどすべての実験的な設定で認証エラー率に有意な差はない。
• 参考スコア（独自算出の注目度）: 2.2228471493209994
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Behavioral biometrics offer a promising approach for continuous authentication, but their fairness across demographic groups remains largely unexplored. This paper investigates gender bias in swipe-based authentication using the BBMAS (117 users) and ANTAL (71 users) datasets and evaluates XGBoost and DenseNet classifiers through False Acceptance Rate (FAR) and False Rejection Rate (FRR). XGBoost achieved authentication accuracies of 92% and 94% on the BBMAS and ANTAL datasets, respectively, while statistical tests (Kolmogorov-Smirnov, Mann-Whitney, and Wasserstein permutation) found no significant gender differences in authentication error rates across almost all experimental settings. These findings suggest that swipe-based authentication can achieve high accuracy while maintaining comparable performance for male and female users, supporting its potential as a fair and reliable behavioral biometric modality.
• Abstract（参考訳）: 行動バイオメトリックスは、連続的な認証に有望なアプローチを提供するが、人口統計学的グループ間での公平性はほとんど解明されていない。 本稿では,BBMAS (117ユーザ) とANTAL (71ユーザ) のデータセットを用いたスワイプによる認証における性別バイアスを調査し,False Acceptance Rate (FAR) とFalse Rejection Rate (FRR) を用いてXGBoostとDenseNetの分類器を評価する。 XGBoostは、BBMASデータセットとANTALデータセットでそれぞれ92%と94%の認証精度を達成し、統計テスト(Kolmogorov-Smirnov、Mann-Whitney、Wasserstein permutation)では、ほぼすべての実験環境で認証エラー率に有意な差は見出さなかった。 以上の結果から, スワイプによる認証は, 男女で同等の性能を維持しつつ, 公正かつ信頼性の高い生体情報モダリティの可能性が示唆された。

関連論文リスト

• Gender Fairness in Audio Deepfake Detection: Performance and Disparity Analysis [2.000890150701116]
  我々は,音声ディープフェイク検出モデルにおいて,ジェンダー依存のパフォーマンスと公平性について,徹底的に分析を試みた。 以上の結果から,男女間のEER差が小さくても,公平性を考慮した評価では,誤差分布の相違が明らかとなった。 この研究は、より公平で堅牢で信頼性の高いオーディオディープフェイク検出システムを開発する上で、公平性を考慮した評価の重要性を強調している。
  論文  参考訳（メタデータ） (2026-03-09T22:52:12Z)
• Bias in Gender Bias Benchmarks: How Spurious Features Distort Evaluation [116.86965910589775]
  対象物の10%だけをマスクしたり、背景が弱くぼやけたりといった、最小限の摂動でさえ、バイアススコアを劇的に変える可能性がある。 これは、現在のバイアス評価がモデル応答を、性別バイアスよりも刺激的な特徴に反映していることを示唆している。
  論文  参考訳（メタデータ） (2025-09-09T11:14:11Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• Finger Biometric Recognition With Feature Selection [20.58839604333332]
  バイオメトリックスは、機械学習やパターン認識の様々な分野において、安全な自動化された人間の認証のために、現代のデジタル時代には不可欠である。 ハンドジオメトリは有望な生理的バイオメトリック特性であり、アイデンティティ検証に十分な応用領域が配置されている。 親指の複雑な解剖学的基礎と実質的な指間姿勢変化のため、親指が接触のない環境に含まれている間は満足なパフォーマンスが得られない。
  論文  参考訳（メタデータ） (2023-12-16T13:39:52Z)
• Automated Identification of Sexual Orientation and Gender Identity Discriminatory Texts from Issue Comments [3.134071086568746]
  本研究の目的は、ソフトウェア開発者のコミュニケーションから性指向と性同一性識別(SGID)テキストを識別する自動メカニズムを開発することである。 SGID4SEには6つの前処理ステップと10の最先端アルゴリズムが組み込まれている。
  論文  参考訳（メタデータ） (2023-11-14T19:24:31Z)
• Counter-GAP: Counterfactual Bias Evaluation through Gendered Ambiguous Pronouns [53.62845317039185]
  バイアス測定データセットは、言語モデルのバイアスされた振る舞いを検出する上で重要な役割を果たす。 本稿では, 多様な, 自然な, 最小限のテキストペアを, 対物生成によって収集する新しい手法を提案する。 事前学習された4つの言語モデルは、各グループ内よりも、異なる性別グループ間でかなり不整合であることを示す。
  論文  参考訳（メタデータ） (2023-02-11T12:11:03Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Probing Fairness of Mobile Ocular Biometrics Methods Across Gender on VISOB 2.0 Dataset [0.8594140167290097]
  本研究は,男女間での認証・性別分類手法の公正性を検討することを目的とする。 実験結果から, 眼球を用いたモバイル・ユーザ・オーセンティケーションにおいて, 男女の同等の性能が示唆された。 深層学習に基づく性別分類モデルでは、男性は眼領域に基づく女性よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-11-17T19:32:56Z)

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。