マルチセンサベース暗黙ユーザ同定【JST・京大機械翻訳】

Ahmad Muhammad; Bashir Ali Kashif; Khan Adil Mehmood; Mazzara Manuel; Distefano Salvatore; Sarfraz Shahzad

プレプリント

J-GLOBAL ID：202202208917725297 整理番号：22P0040996

マルチセンサベース暗黙ユーザ同定【JST・京大機械翻訳】

Multi Sensor-based Implicit User Identification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2017年06月06日プレプリントサーバーでの情報更新日： 2020年09月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

スマートフォンは,著者らの家庭と作業環境に普遍的に統合されているが,ユーザは,通常,制御環境における明示的だが非効率的な同定プロセスに依存する。したがって,デバイスがストレンであるときに,チフは,貯蔵パスワードに対して所有者の個人情報とサービスへのアクセスを行うことができる。この潜在的シナリオの結果として,本研究はスマートフォンにより捉えられたユーザ歩行パターンから抽出した歩行バイオメトリックに基づく自動レジイマートユーザ識別システムを提案した。一組の前処理方式を適用して,雑音と無効サンプルを較正して,歩行誘導時間と周波数領域特性を強化して,非線形教師なし特徴選択法を用いてさらに最適化した。選択された特徴は,個人間で識別できる基本的な歩行バイオメトリック表現を生成し,それらを一意的に同定する。異なる分類器(即ち,サポートベクトルマシン(SVM),K最近傍(KNN),Bagging,および極端学習機械(ELM))を採用して,正確な正当なユーザ識別を達成した。屋内環境における16個体のグループに関する広範な実験は,提案した解決策の有効性を示す:ウィンドウ当たり5から70サンプル,KNNおよびバギング分類器は,87-99%の精度,ELMに対して82-98%,およびSVMに対して81-94%を達成した。提案したパイプラインは,ほぼすべての分類器に対して100%の真の正と0%の偽陰性率を達成した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , データ保護

前のページに戻る