BehavePassDB: Benchmarking Mobile Behavioral Biometrics

要約

モバイル行動バイオメトリクスは、タッチスクリーンと背景センサーのデータをマルチモーダルに組み合わせて利用し、認証の面で有望な結果を得て、人気のある研究テーマとなっています。しかし、文献にある最新の分類器が、ユーザーとデバイスの概念を区別できるかどうか知る術はない。本稿では、モバイルHCI（Human-Computer Interaction）の最も一般的な側面を模倣するために、別々の取得セッションとタスクに構成された新しいデータベース、BehavePassDBを紹介します。BehavePassDBは、被験者のデバイスにインストールされた専用のモバイルアプリを通じて取得され、評価のために同じデバイス上の異なるユーザーのケースも含まれる。我々は、研究コミュニティが新しいアプローチと最先端の技術を公平に比較するために、標準的な実験プロトコルとベンチマークを提案します。我々は、Long-Short Term Memory (LSTM) アーキテクチャに基づき、トリプレットロスとスコアレベルでのモダリティフュージョンに基づくシステムを提案し、評価する。

要約(オリジナル)

Mobile behavioral biometrics have become a popular topic of research, reaching promising results in terms of authentication, exploiting a multimodal combination of touchscreen and background sensor data. However, there is no way of knowing whether state-of-the-art classifiers in the literature can distinguish between the notion of user and device. In this article, we present a new database, BehavePassDB, structured into separate acquisition sessions and tasks to mimic the most common aspects of mobile Human-Computer Interaction (HCI). BehavePassDB is acquired through a dedicated mobile app installed on the subjects’ devices, also including the case of different users on the same device for evaluation. We propose a standard experimental protocol and benchmark for the research community to perform a fair comparison of novel approaches with the state of the art. We propose and evaluate a system based on Long-Short Term Memory (LSTM) architecture with triplet loss and modality fusion at score level.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL