基于内置传感器与深度学习的智能手机冒名者检测
密码学与安全
2020-02-11 v1 信号处理
摘要
本文中，我们表明基于传感器的冒名者检测结合深度学习，相较于过去使用更传统机器学习算法、针对传感器用户认证（逆问题）的研究，能以更低硬件成本实现优异的冒名者检测准确率。尽管这些方法利用其他智能手机用户的传感器数据来构建（用户，非用户）分类模型，我们进一步表明仅使用合法用户的传感器数据仍可在保护用户传感器数据（行为生物特征）隐私的同时达到非常好的准确率。针对该用例，一项关键贡献是表明通过比较预测误差分布可显著提升循环神经网络（RNN）深度学习模型的检测准确率。这需要生成并比较经验概率分布，我们在一高效硬件设计中予以展示。另一新颖贡献在于设计了 SID（智能手机冒名者检测），一种可被集成至未来智能手机中以针对不同场景进行高效冒名者检测的极简硬件加速器。我们的 SID 模块可实现多种常见机器学习与深度学习算法。SID 在并行性与性能上可扩展且易于编程。我们展示了 SID 的 FPGA 原型，其可为实时冒名者检测提供绰绰有余的性能，且硬件复杂度与功耗极低（比相关面向性能的 FPGA 加速器低一至两个数量级）。我们还表明 SID 的 FPGA 实现比采用 CPU 加 GPU 的实现节能 64.41 倍。
引用
@article{arxiv.2002.03914,
title = {Smartphone Impostor Detection with Built-in Sensors and Deep Learning},
author = {Guangyuan Hu and Zecheng He and Ruby Lee},
journal= {arXiv preprint arXiv:2002.03914},
year = {2020}
}