基于加速度计的手势认证中深度学习模型与对抗攻击的评估
密码学与安全
2021-10-28 v1 机器学习
摘要
基于手势的认证已成为移动设备上对用户进行认证的一种非侵入式、有效的手段。通常，此类认证技术依赖于经典的机器学习技术，但近来深度学习技术已被应用于该问题。尽管先前的研究表明深度学习模型易受对抗攻击，但针对行为生物特征的对抗领域研究相对较少。在本研究中，我们从 46 名用户收集三轴加速度计手势数据（TAGD），并使用经典机器学习和深度学习模型进行分类实验。具体而言，我们训练并测试了支持向量机（SVM）和卷积神经网络（CNN）。随后我们考虑一种现实的对抗攻击，假设攻击者能访问真实用户的 TAGD 数据，但无法访问认证模型。我们使用深度卷积生成对抗网络（DC-GAN）生成对抗样本，并表明我们的深度学习模型对此类攻击场景出奇地鲁棒。
引用
@article{arxiv.2110.14597,
title = {Evaluating Deep Learning Models and Adversarial Attacks on Accelerometer-Based Gesture Authentication},
author = {Elliu Huang and Fabio Di Troia and Mark Stamp},
journal= {arXiv preprint arXiv:2110.14597},
year = {2021}
}