論文の概要: Deep Learning Based Behavioral Drift Modeling for Continuous Biometric Authentication
- arxiv url: http://arxiv.org/abs/2610.40398v1
- Date: Thu, 29 Oct 2026 16:33:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-31 05:25:12.537681
- Title: Deep Learning Based Behavioral Drift Modeling for Continuous Biometric Authentication
- Title（参考訳）: 深層学習に基づく生体認証のための行動ドリフトモデリング
- Abstract要約: 本研究では,2段階のキーストロークダイナミックス認証システムを提案する。
Level 1は、Temporal Convolutional Networks (TCN) を用いた固定テキストパスワード認証を利用する
Level 2は、4-Model Deep Learning Ensembleを使用して、自然な自由テキストセッション中のユーザのタイピングを継続的に監視する。
- 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: This research proposes a two-level keystroke dynamics authentication system that provides defense-in-depth security through continuous behavioral drift monitoring. Level 1 employs fixed-text password authentication using Temporal Convolutional Networks (TCN) with contrastive learning and population-based training (PBT), achieving 3.77% EER for high-security login verification. Upon successful authentication, Level 2 continuously monitors user typing during natural free-text sessions using a 4-Model Deep Learning Ensemble. If suspicious behavioral drift is detected during monitoring, the system re-authenticates the user by returning to Level 1, providing a feedback loop against session hijacking and behavioral anomalies. The system explicitly models long-term behavioral drift through the fixed-text component's PBT mechanism, which adapts to temporal variations in password typing patterns. This research leverages free-text (Buffalo dataset) and fixed-text (GREYC dataset) keystroke dynamics datasets, extracting temporal and spatial features including hold times, up-down latencies, down-down intervals, and trigram patterns. The final system achieves 96%+ accuracy for fixed-text authentication (3.77% EER) and 83.53% True Acceptance Rate (TAR) at 5% False Acceptance Rate (FAR) for free-text continuous authentication (10.05% EER), demonstrating superior performance and strong resistance to impostor attacks through continuous behavioral monitoring.
- Abstract（参考訳）: 本研究では,2段階のキーストロークダイナミックス認証システムを提案する。
レベル1は、Temporal Convolutional Networks (TCN) を用いた固定テキストパスワード認証と、対照的な学習と集団ベースのトレーニング(PBT)を採用し、高いセキュリティログイン認証のために3.77%のEERを達成している。
認証が成功すると、Level 2は4-Model Deep Learning Ensembleを使用して、自然な自由テキストセッション中のユーザのタイピングを継続的に監視する。
監視中に不審な行動漂流が検出されると、システムはレベル1に戻り、セッションハイジャックや行動異常に対するフィードバックループを提供する。
このシステムは、パスワードタイピングパターンの時間変化に適応する固定テキストコンポーネントの PBT メカニズムを通じて、長期的行動ドリフトを明示的にモデル化する。
この研究は、自由テキスト(バッファローデータセット)と固定テキスト(GREYCデータセット)のキーストロークダイナミックスデータセットを活用し、保持時間、アップダウンレイテンシ、ダウンダウン間隔、トリグラムパターンを含む時間的および空間的特徴を抽出する。
最終システムは、固定テキスト認証(3.77% EER)の96%以上の精度と、False Acceptance Rate (FAR)の5% False Acceptance Rate (FAR)における83.53%のTrue Acceptance Rate (TAR)をフリーテキスト連続認証(EER)の10.05% EERで達成し、継続的な行動監視による命令攻撃に対する優れたパフォーマンスと強い耐性を示す。
関連論文リスト
- Auditable Machine Unlearning for Privacy-Compliant Ransomware Detection Using Multi-Shard SISA and Deep Reinforcement Learning [1.8024397171920885]
マルチシャードSISA再学習と深層強化学習を統合した,監査可能なランサムウェア検出およびアンラーニングフレームワークを提案する。
提案システムでは,非対称なセキュリティコスト下での行動特徴から報酬誘導検出ポリシーを学習する。
シングルシャード・アンラーニングは最小限のユーティリティ劣化と低いオラクルの不一致を維持しているのに対し、適度なシャードカウントは最良の効率と性能のトレードオフをもたらすことを示す。
論文 参考訳（メタデータ） (2026-07-07T23:23:52Z) - DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation [69.8840101036735]
投機的復号化はLarge Language Model (LLM)推論を加速させる。
最近の並列起草者は、1つの前方通過で長いトークン列を効率的に提案するが、トークン間の依存関係が欠如しているため、急速に受け入れが低下する。
我々はDSparkという投機的復号化フレームワークを導入し、高いスループットの並列生成を適応的かつロードアウェアな検証と統合する。
論文 参考訳（メタデータ） (2026-07-06T14:28:06Z) - DSIPA: Detecting LLM-Generated Texts via Sentiment-Invariant Patterns Divergence Analysis [13.9689104714669]
DSIPAは、制御されたスタイル変化の下で感情分布の安定性を定量化することにより、大規模言語モデル(LLM)コンテンツを検出する、トレーニング不要のフレームワークである。
ゼロショットのブラックボックス方式で動作し、2つの教師なしメトリクス、感情分布の一貫性と感情分布の保存を活用する。
本フレームワークは, ドメイン間の高度な一般化性と, 敵条件に対する強いレジリエンスを示す。
論文 参考訳（メタデータ） (2026-04-29T06:22:08Z) - 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) - Tracing the Chain: Deep Learning for Stepping-Stone Intrusion Detection [7.981257687111937]
ステッピングストーン侵入(SSI)は一般的なネットワーク回避手法である。
効果的なSSI検出には、各リレーホストの入出力フローを極めて低い偽陽性率で関連付ける必要がある。
ESPRESSOは、トランスフォーマーベースの特徴抽出ネットワーク、タイムアラインな多チャンネル間隔特徴、オンライントリプレットメトリック学習を組み合わせたフロー相関モデルである。
論文 参考訳（メタデータ） (2026-04-09T22:26:52Z) - Evaluating Prompt Injection Defenses for Educational LLM Tutors: Security-Usability-Latency Trade-offs [51.56484100374058]
ガードレールの設計には、敵の堅牢性、良質なタスクのユーザビリティ、応答レイテンシの明確なトレードオフが伴う。
決定論的パターンフィルタ,構造検証,コンテキストサンドボックス,セッションレベルの動作チェックを組み合わせた,ドメイン固有のマルチレイヤセーフガードパイプラインの評価を行った。
NeMoは16.22パーセントのFPRと1.5パーセントのレイテンシで0パーセントのバイパスに達し、Prompt Guardは38.48パーセントのFPRと3.60パーセントのバイパスを実現している。
論文 参考訳（メタデータ） (2026-03-29T18:52:01Z) - 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) - PULL: Reactive Log Anomaly Detection Based On Iterative PU Learning [58.85063149619348]
本稿では,推定故障時間ウィンドウに基づくリアクティブ異常検出のための反復ログ解析手法PULLを提案する。
我々の評価では、PULLは3つの異なるデータセットで10のベンチマークベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2023-01-25T16:34:43Z) - Temporal Pyramid Network for Action Recognition [129.12076009042622]
本稿では,2次元あるいは3次元のバックボーンネットワークに柔軟に統合可能な汎用時間ピラミッドネットワーク(TPN)を提案する。
TPNは、いくつかのアクション認識データセット上で、他の困難なベースラインよりも一貫して改善されている。
論文 参考訳（メタデータ） (2020-04-07T17:17:23Z)
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。