抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,タッチダイナミックスに基づく認証システムの評価に影響する一般的な落とし穴を調査した。誤表示性能につながる異なる因子を考察し,記述システムと脅威モデル,あるいは,以前の仕事との再現性と比較可能性を妨げる。特に,(i)小さなサンプルサイズ(ユーザと記録セッションの両方),(ii)訓練データにおける異なる電話モデル,(iii)訓練データにおける攻撃者サンプル,および(v)スワイプ集合の選択,(iii),(ii)訓練データの選択,および(v)swipe集合の影響,(ii)。30のタッチダイナミックス論文の系統的レビューを行い,それらの全てがこれらの落とし穴の少なくとも1つを見落としていることを示す。各落とし穴の影響を定量化するため,一連の実験を設計し,1,194,451のユニークなストロークから成る31日間にわたる515人のユーザからのタッチ相互作用の新しい縦データセットを収集した。このデータの一部を,AndroidデバイスとiOSデバイスによる残りの遠隔でラボで収集し,詳細な比較を可能にした。このデータセットと著者らのコードをオンラインで利用できる。結果は,攻撃者データ(2.55%),非コンティグリティ訓練データ(3.8%)および電話モデル混合(3.2%~5.8%)を含む,いくつかの落とし穴に対する報告された平均EERにおける有意なパーセント点変化を示した。一般的な評価設定において,これらの評価選択の累積効果は,8.9%EERの複合差をもたらすことを示す。ROC曲線全体にわたってこれらの効果も大きく観察した。落とし穴を,4つの異なる分類器-SVM,ランダムフォレスト,ニューラルネットワーク,およびkNNで評価した。さらに,タッチベース認証システムを構築し,それらの影響を定量化するとき,公正な評価のための付加的考察を検討した。これらの洞察に基づいて,著者らは,現場における結果のより現実的で比較可能な報告につながる一連の最良の実践を提案した。【JST・京大機械翻訳】