論文の概要: Adversarial Vulnerabilities of Neural Biomarker Identification Systems

• arxiv url: http://arxiv.org/abs/2609.01856v1
• Date: Tue, 01 Sep 2026 20:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.98468
• Title: Adversarial Vulnerabilities of Neural Biomarker Identification Systems
• Title（参考訳）: ニューラルバイオマーカー同定システムの敵対的脆弱性
• Abstract要約: 我々は,盗難された脳波記録のターゲット変更を通じて,認証システムを騙すための適応攻撃アルゴリズムのコレクションを開発する。 その結果,スプーフィング攻撃に対する脆弱性は記録条件に大きく影響し,記録時のタスクによって大きく異なることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is growing interest in the proposed use of EEG signals as biometric credentials, but thus far there has been little research on the reliability and security of such biometrics. Prior adversarial tests have focused on deep-learning classifiers and assumed attackers have full access to the classifier model. This has left unexamined other, more popular categories of neural signature methods as well as the more realistic case of an adversary having only black-box access to a classifier. In this paper we develop a collection of adaptive attack algorithms which learn to fool an authentication system via targeted alterations of stolen EEG recordings, without requiring any knowledge of the authentication system itself. Tested on 6 public datasets spanning three recording conditions (reacting to visual stimuli, imagining hand movements, and resting), it reveals that different signaturing approaches vary significantly in their degrees of vulnerability to adversarial attacks. We show that vulnerability to spoofing attack is greatly impacted by the recording conditions, with significant variation depending on task at time of recording. Finally, we provide recommendations for improving neural signature biometrics based on the results of our adversarial testing.
• Abstract（参考訳）: 生体認証としてEEG信号を使うことへの関心が高まっているが、これまでそのような生体認証の信頼性と安全性についてはほとんど研究されていない。 以前の敵対的テストでは、ディープラーニングの分類器に焦点が当てられており、想定される攻撃者は分類器モデルに完全にアクセスすることができる。 このことは、他の、より一般的なニューラルシグネチャメソッドのカテゴリや、より現実的な例として分類器へのブラックボックスアクセスしか持たない敵のケースを残している。 本稿では,盗難された脳波記録のターゲット変更を通じて,認証システム自体の知識を必要とせず,認証システムを騙すことを学習する適応攻撃アルゴリズムのコレクションを開発する。 3つの記録条件(視覚刺激、手の動きの想像、休息など)にまたがる6つの公開データセットでテストした結果、異なるシグナリングアプローチが敵の攻撃に対する脆弱性の度合いに大きく異なることが判明した。 その結果,スプーフィング攻撃に対する脆弱性は記録条件に大きく影響し,記録時のタスクによって大きく異なることがわかった。 最後に、敵検定の結果に基づいて、神経署名バイオメトリックスを改善するための推奨事項を提示する。

関連論文リスト

• Scalable Secure Biometric Authentication without Auxiliary Identifiers [54.032594016239926]
  本稿では,データ漏洩に対するセキュリティ保証を保証できる生体認証システムを提案する。 私たちの研究は、補助的な識別子を使わずに、現実のスケーラブルなプライバシー保護バイオメトリック認証が実現可能であることを示す最初のものです。
  論文  参考訳（メタデータ） (2026-04-27T23:55:09Z)
• 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)
• From Detection to Correction: Backdoor-Resilient Face Recognition via Vision-Language Trigger Detection and Noise-Based Neutralization [2.661968537236039]
  バックドア攻撃はディープニューラルネットワーク(DNN)を利用した顔認識システムを覆す そこで我々はTrueBiometric: Trustworthy Biometricsを提案する。 実験の結果,TrueBiometricはクリーンな画像の精度を損なうことなく,100%の精度で有毒な画像を検出し,修正することを示した。
  論文  参考訳（メタデータ） (2025-08-07T14:02:34Z)
• Support Vector Machine for Person Classification Using the EEG Signals [0.4419843514606336]
  本稿では,この課題に対処するために,脳波信号を用いた個人識別を提案する。 脳波信号は、有望な認証可能性を提供し、活力検出のための新しい手段を提供し、それによって偽造攻撃を緩和する。 本研究では8チャンネルのOpenBCIヘルメットを用いて記録された12人の被験者の脳波データを特徴付ける疲労解析のために最初にコンパイルされたパブリックデータセットを用いる。
  論文  参考訳（メタデータ） (2024-11-26T14:03:58Z)
• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Biometrics Employing Neural Network [0.0]
  指紋、虹彩、網膜パターン、顔認識、手形、手のひら印刷、音声認識はバイオメトリックスの形式としてよく用いられる。 システムが効果的で広く受け入れられるためには、認識と検証におけるエラー率はゼロに近づかなければならない。 人間の脳の動作をシミュレートする人工ニューラルネットワークは、自身を有望なアプローチとして提示する。
  論文  参考訳（メタデータ） (2024-02-01T03:59:04Z)
• Data-driven behavioural biometrics for continuous and adaptive user verification using Smartphone and Smartwatch [0.0]
  行動バイオメトリックスと多要素認証(MFA)をブレンドするアルゴリズムを提案する。 本研究では,モーションベースバイオメトリックスを用いてユーザの身元を検証するための2段階のユーザ検証アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-07T02:46:21Z)
• 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)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
  このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。 生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。 実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
  論文  参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。