Core Concepts
Type2Branchモデルは、注意機構と Set2set損失関数を用いた双方向のアーキテクチャにより、大規模なキーストロークバイオメトリクスデータベースに対して高精度な本人認証を実現する。
Abstract
本研究では、Type2Branchと呼ばれる新しいキーストロークバイオメトリクスモデルを提案している。Type2Branchの主な特徴は以下の通りである:
入力特徴として、ユーザーの打鍵タイミングに加えて、一般ユーザープロファイルから合成した打鍵タイミング特徴を使用することで、ユーザー固有の打鍵パターンを強調する。
畳み込みネットワークと再帰ネットワークの2つのブランチを持つ双方向アーキテクチャを採用し、ユーザーの打鍵決定プロセスと打鍵動作プロセスを効果的にモデル化する。
従来のトリプレット損失関数を拡張した Set2set 損失関数を提案し、ユーザー間の距離を最大化しつつ、ユーザー内の距離を最小化する。
徐々に難易度の高いユーザーを提示するカリキュラム学習を導入し、モデルの汎化性能を向上させる。
実験の結果、Type2Branchは大規模キーストロークバイオメトリクスデータベースに対して、従来手法を大幅に上回る本人認証精度を達成した。デスクトップ環境では平均ユーザーEER 0.77%、モバイル環境では1.03%を実現し、統一閾値を用いた場合でも3.25%、3.61%のEERを達成した。これらの結果は、KVC-onGoingコンペティションにおいて最高位を獲得したことからも裏付けられる。
Stats
1人あたり5つの登録サンプルを用いた場合、デスクトップ環境で平均EER 0.77%、モバイル環境で平均EER 1.03%を達成した。
統一閾値を用いた場合、デスクトップ環境でEER 3.25%、モバイル環境でEER 3.61%を達成した。
Quotes
"Type2Branchは、注意機構と Set2set損失関数を用いた双方向のアーキテクチャにより、大規模なキーストロークバイオメトリクスデータベースに対して高精度な本人認証を実現する。"
"Type2Branchは、KVC-onGoingコンペティションにおいて最高位を獲得した。"