論文の概要: Multimodal User Authentication Method via Fusion of Keystroke Dynamics and Glove-Based Hand Kinematics
- arxiv url: http://arxiv.org/abs/2607.24747v1
- Date: Tue, 19 May 2026 02:41:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:39.033517
- Title: Multimodal User Authentication Method via Fusion of Keystroke Dynamics and Glove-Based Hand Kinematics
- Title（参考訳）: キーストロークダイナミクスとグローブハンドキネマティクスの融合によるマルチモーダルユーザ認証法
- Abstract要約: 従来のキーストローク力学を19次元手動解析を用いて強化する,ロバストな認証フレームワークを提案する。
10個の圧圧センサと9軸IMUを備えたベスポークデータグローブで特徴を捉えている。
平均5回の試験で、600ミリ秒単位の認証イベントの平均誤差レート(EER)は2.12%に達した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although keystroke dynamics are cost-effective behavioral biometrics, their practical deployment is hindered by susceptibility to environmental variations. To address this, we propose a robust multimodal authentication framework that augments traditional keystroke dynamics using 19-dimensional hand kinematics. Features are captured using a bespoke data glove equipped with 10 piezoresistive pressure sensors and a 9-axis IMU. A hybrid CNN-LSTM architecture effectively fuses these heterogeneous time-series streams. To ensure real-world applicability, we implemented a rigorous "unseen" evaluation protocol: the model was trained on a desktop keyboard using data from 1 target user and 8 "known" impostors, but evaluated on a laptop keyboard (cross-domain) against the target and an "unknown" impostor excluded from training. Averaged over five trials, the multimodal method achieved a mean Equal Error Rate (EER) of 2.12% for individual 600-ms authentication events (Window 1). Crucially, aggregating scores over 10 events (6 seconds) using a temporal smoothing window yielded perfect authentication (0.00% EER). While our ablation study showed IMU kinematics alone achieved equivalent performance in a static laboratory, error analysis confirmed that pressure and IMU sensors, despite strong physical correlation, possess distinct sensitivities to error factors. Fusing these modalities establishes a vital fail-safe against real-world vulnerabilities like spatial spoofing and environmental noise, highlighting that combined physical traits provide much stronger biometric discrimination than timing features alone.
- Abstract（参考訳）: キーストローク力学はコスト効率のよい行動バイオメトリックスであるが、その実践的展開は環境変動への感受性によって妨げられている。
そこで本研究では,従来のキーストローク力学を19次元手動解析を用いて拡張する,堅牢なマルチモーダル認証フレームワークを提案する。
10個の圧圧センサと9軸IMUを備えたベスポークデータグローブで特徴を捉えている。
ハイブリッドCNN-LSTMアーキテクチャは、これらの異種時系列ストリームを効果的に融合させる。
実世界の適用性を確保するため,ターゲット1ユーザと8インポスタのデータを用いてデスクトップキーボード上でトレーニングを行ったが,ターゲットに対してラップトップキーボード(クロスドメイン)とトレーニングから除外された「未知」インポスタで評価を行った。
平均5回の試験で、600msの個別認証イベント(Window 1)で平均2.12%のEER(Equal Error Rate)を達成した。
重要な点として、時間スムーズなウィンドウを使用して10イベント(6秒)以上のスコアを集約すると、完全な認証(0.00% EER)が得られる。
我々のアブレーション研究では、静的実験室でIMUキネマティクスのみが同等の性能を示したが、誤差解析により、強い物理的相関にもかかわらず、圧力とIMUセンサがエラー要因に対して異なる感度を持つことが確認された。
これらのモダリティを融合させることで、空間スプーフィングや環境騒音といった現実世界の脆弱性に対して重要なフェイルセーフが確立される。
関連論文リスト
- UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction [42.532335022354545]
バッチプロセスにおける異常検出は、過渡的ダイナミクス、欠陥ラベルの不足、単一モードセンサデータへの依存によって妨げられる。
本研究は, バッチ蒸留における異常検出, 時系列予測, 位相分類を共同で扱うマルチモーダルフレームワークUTOPYAを紹介する。
本研究で導入された物理インフォームド正規化スキームは、時間的滑らかさと熱力学的モノトニクスを強制する。
論文 参考訳（メタデータ） (2026-05-18T10:28:15Z) - 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) - Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。
本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-16T10:20:05Z) - PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。
PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。
7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
論文 参考訳（メタデータ） (2026-02-02T17:57:37Z) - Telling Human and Machine Handwriting Apart [7.418311309442571]
手書き動作は、実際のユーザがデバイスやアプリケーションを操作しているかどうかを確認するために、行動バイオメトリクスのユニークな形式として活用することができる。
このタスクは、コンピュータが人間または人工的に入力インスタンスが生成されたかどうかを検知しなければならない逆チューリングテストとしてフレーム化することができる。
浅いリカレントニューラルネットワークをトレーニングして、優れたパフォーマンス(ROC曲線(AUC)スコアで98.3%、すべてのシンセサイザーとデータセットの平均で1.4パーセントのエラー率を実現しています。
論文 参考訳（メタデータ） (2026-01-16T18:45:16Z) - Synheart Emotion: Privacy-Preserving On-Device Emotion Recognition from Biosignals [0.0]
ほとんどの感情認識システムはクラウドベースの推論に依存しており、リアルタイムアプリケーションには適さないプライバシーの脆弱性とレイテンシの制約を導入している。
本研究は、手首型フォトプレソグラフィーからデバイス上での感情認識のための機械学習アーキテクチャの包括的な評価を行う。
ONNX変換によって最適化された手首のみのExtraTreesモデルをデプロイし,4.08MBのフットプリント,0.05msの推論遅延,オリジナル実装よりも152倍のスピードアップを実現した。
論文 参考訳（メタデータ） (2025-11-09T05:15:04Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - An Agent-Based Modeling Approach to Free-Text Keyboard Dynamics for Continuous Authentication [0.0]
フリーテキストキーボードのダイナミクスを活用する継続的認証システムは、多要素認証設定において有望なセキュリティ層を提供する。
本研究では, エージェントベースモデル(ABM)を用いて, メカニカルキーボードおよび膜キーボード間の多様なタイピングプロファイルをシミュレートし, 行動バイオメトリックスの有効性について検討した。
論文 参考訳（メタデータ） (2025-05-08T07:42:05Z) - Generative Active Adaptation for Drifting and Imbalanced Network Intrusion Detection [14.728689487990836]
生成能動適応フレームワークは、モデルロバスト性を高めながらラベリング作業を最小化する。
我々は、シミュレーションIDSデータと実世界のISPデータセットの両方に基づいて、エンドツーエンドフレームワークNetGuardを評価した。
論文 参考訳（メタデータ） (2025-03-04T21:49:42Z) - 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)
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。