基于隐马尔可夫模型的遥操作系统连续操作者认证
密码学与安全
2022-02-25 v3
摘要
在本文中，我们提出了一种基于隐马尔可夫模型（HMM）的遥操作机器人过程连续操作者认证新方法。尽管 HMM 最初是为语音识别开发并广泛用于该领域，但其在人体运动与活动建模方面已展现出优异性能。我们将人类语言与遥操作机器人过程进行类比（即词语类比于遥操作者的手势，句子类比于整个遥操作任务或过程），并实现 HMM 对遥操作任务进行建模。为测试所提方法的连续认证性能，我们进行了两组分析。我们使用商用 VR 头显（HTC Vive）与支持触觉反馈的控制器（Sensable PHANToM Omni）构建了虚拟现实（VR）实验环境，以模拟真实遥操作任务，随后对 10 名受试者开展了实验研究。我们还利用 JHU-ISI 手势与技能评估工作集（JIGSAWS）进行了模拟连续操作者认证。模型性能基于连续（实时）操作者认证准确率以及对模拟冒充攻击的抵抗能力进行评估。结果表明，所提方法在短至 1 秒的采样窗口下，能够实现 70%（VR 实验）和 81%（JIGSAWS 数据集）的连续分类准确率，并能够实时检测冒充攻击。
引用
@article{arxiv.2010.14006,
title = {Continuous Operator Authentication for Teleoperated Systems Using Hidden Markov Models},
author = {Junjie Yan and Kevin Huang and Kyle Lindgren and Tamara Bonaci and Howard Jay Chizeck},
journal= {arXiv preprint arXiv:2010.14006},
year = {2022}
}