基于肌电的多码生物特征认证开放访问数据集
密码学与安全
2022-12-02 v2 信号处理
机器学习
摘要
近来，表面肌电图（EMG）被提出作为一种新型生物特征，以解决当前生物特征的一些关键局限，例如欺骗攻击与活体检测。EMG 信号具有独特特性：它们对个体而言天然不同（生物特征），并且可定制以实现多长度码或密码（例如，通过执行不同手势）。然而，当前基于 EMG 的生物特征研究存在两个关键局限：1）与其他更成熟的生物特征相比，受试者样本量小；2）仅限于单会话或单日数据集。在本研究中，从 43 名参与者采集前臂和手腕 EMG 数据，他们在三天内间隔较长时间执行静态手部和手腕手势。多日生物特征认证的前臂装置中位等错误率（EER）为 0.017，手腕装置为 0.025，与成熟生物特征相当，表明多日性能一致。所提供的大样本多日数据集与发现可促进基于 EMG 的生物特征及其他基于手势识别应用的研究。
引用
@article{arxiv.2201.01051,
title = {Open Access Dataset for Electromyography based Multi-code Biometric Authentication},
author = {Ashirbad Pradhan and Jiayuan He and Ning Jiang},
journal= {arXiv preprint arXiv:2201.01051},
year = {2022}
}
备注
manuscript for open access dataset (paper and appendix)