UserBoost：用于加快行为生物识别系统注册的生成用户专属合成数据
密码学与安全
2024-07-15 v1 机器学习
摘要
行为生物识别身份验证系统的注册阶段对用户来说负拐较大。本文探讨了如何使用生成式深度学习从少量真实用户手势中生成合成手势，以用于训练简单的（即非深度学习）身份验证模型。具体而言，我们展示了在训练中利用合成数据和真实数据可降低用户必须提供的数据点数量，从而实现更高效的注册。为验证我们的方法，我们使用2022年提出的 WatchAuth 数据集进行测试，WatchAuth 是一种使用物理动作（向支付终端伸手）对智能手表支付进行身份验证的系统。我们开发了一个带正则化的自编码器模型，用于生成表示这些物理动作的用户专属手腕动作数据，并展示了合成手势的多样性和保真度。我们表明，在训练中使用合成手势可提高实际系统的分类能力。通过这一技术，我们可将用户注册到类似 WatchAuth 的系统所需的手势数量减少超过40%，而不会影响其错误率。
引用
@article{arxiv.2407.09104,
title = {UserBoost: Generating User-specific Synthetic Data for Faster Enrolment into Behavioural Biometric Systems},
author = {George Webber and Jack Sturgess and Ivan Martinovic},
journal= {arXiv preprint arXiv:2407.09104},
year = {2024}
}