眼部认证：注视与眼周模态的融合

本文研究了在一个无校准认证系统中融合两种以眼睛为中心的身份验证模态——眼动和眼周图像的可行性。虽然每种模态独立地已显示出用于用户身份验证的前景，但它们在统一的注视估计流水线中的组合尚未在大规模上得到充分探索。在本报告中，我们提出了一种多模态认证系统，并使用一个包含9202名受试者的大规模内部数据集对其进行评估，该数据集的眼动追踪信号质量等同于面向消费者的虚拟现实设备。我们的结果表明，多模态方法在所有场景下始终优于两种单模态系统，超越了FIDO基准。最先进的机器学习架构的集成显著提升了整体认证性能，这得益于该模型捕捉认证表征以及融合模态互补判别特征的能力。