面向健康追踪物联网可穿戴设备的机会式多模态用户认证
人机交互
2021-10-12 v2 机器学习
摘要
随着技术进步，市售可穿戴设备因提供一系列服务而日益普及，包括访问银行账户、解锁汽车、远程监测患者等。然而，这些可穿戴设备常收集各种敏感个人信息，却几乎没有或仅有有限的认证，例如基于知识的外部认证技术（如 PIN）。尽管大多数此类外部认证技术存在多种局限，包括回忆负担、人为错误或偏差，研究者已开始利用可穿戴设备收集的各种生理与行为数据（如步态和心率）来隐式认证可穿戴用户，但由于可穿戴设备的感知与计算限制，其精度有限。本工作中，我们探究了利用血氧仪设备采集的血氧饱和度 SpO2 值来区分用户与其他人的效用。在 25 名受试者的队列中，我们发现 92% 的情况下 SpO2 可区分用户对。通过详细建模与性能分析，我们观察到虽然单独的 SpO2 可获得 0.69 的平均准确率和 0.69 的 F1 分数，但加入心率（HR）可将平均识别准确率提高 15%、F1 分数提高 13%。这些结果显示了将 SpO2 与其他生物特征结合以开发可穿戴设备隐式持续认证的前景。
引用
@article{arxiv.2109.13705,
title = {Opportunistic Multi-Modal User Authentication for Health-Tracking IoT Wearables},
author = {Alexa Muratyan and William Cheung and Sayanton V. Dibbo and Sudip Vhaduri},
journal= {arXiv preprint arXiv:2109.13705},
year = {2021}
}
备注
Accepted to publish in the 5th EAI International Conference on Safety and Security in Internet of Things (SaSeIoT 2021). (The previous version of this paper had an incorrect title due to a mistake. Aside from the title, all contents of this manuscript remain the same and match the version accepted at SaSeIoT 2021)