Improving the Security of Smartwatch Payment with Deep Learning

要約

スマートウォッチを使用した非接触型決済の人気が高まっていますが、この決済媒体には顔認証や指紋認証などの従来の生体認証セキュリティ対策が欠けています。
2022 年に、スタージェスらは
WatchAuth は、決済端末に手を伸ばす物理的なジェスチャーを使用してスマートウォッチ決済を認証するシステムを提案しました。
このシステムは効果的ではありますが、許容可能なエラー レベルに達するまでに面倒な登録期間をユーザーに要求します。
この論文では、深層学習のアプリケーションによって、ユーザーがスマートウォッチ支払いの認証システムに登録するために必要なジェスチャーの数を削減できるかどうかを検討します。
まず、ターゲット ユーザーが限られた数のジェスチャを提供したシナリオを含め、現在の最先端技術を上回る深層学習された認証システムを構築します。
次に、ユーザー固有の合成ジェスチャーを生成するための正規化されたオートエンコーダー モデルを開発します。
これらのジェスチャをトレーニングで使用すると、認証システムの分類能力が向上することを示します。
この手法により、エラー率に悪影響を与えることなく、WatchAuth のようなシステムにユーザーを登録するために必要なジェスチャの数を減らすことができます。

要約(オリジナル)

Making contactless payments using a smartwatch is increasingly popular, but this payment medium lacks traditional biometric security measures such as facial or fingerprint recognition. In 2022, Sturgess et al. proposed WatchAuth, a system for authenticating smartwatch payments using the physical gesture of reaching towards a payment terminal. While effective, the system requires the user to undergo a burdensome enrolment period to achieve acceptable error levels. In this dissertation, we explore whether applications of deep learning can reduce the number of gestures a user must provide to enrol into an authentication system for smartwatch payment. We firstly construct a deep-learned authentication system that outperforms the current state-of-the-art, including in a scenario where the target user has provided a limited number of gestures. We then develop a regularised autoencoder model for generating synthetic user-specific gestures. We show that using these gestures in training improves classification ability for an authentication system. Through this technique we can reduce the number of gestures required to enrol a user into a WatchAuth-like system without negatively impacting its error rates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google