3種の活動量計の比較による活動量認証モデルの評価

• Item type: Journal(1)
• 公開日: 2018-03-15
• タイトル: 3種の活動量計の比較による活動量認証モデルの評価
• タイトル / 言語: en
• タイトル: Evaluation of Activity Behavioral Authentication Model by Comparison between Three Activity Trackers
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：若手研究者] 行動認証，活動量計，ウェアラブル端末，機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 東京大学
• 著者所属: 東京大学
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者名: 鈴木, 宏哉; 山口, 利恵
• 著者名(英): Hiroya, Susuki; Rie, Shigetomi Yamaguchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，オンラインサービスの増加に加え，モバイルデバイスの普及にともない，個人認証技術の重要性が増している．多要素認証技術の導入などによる安全性の向上が推奨されているが，一方で認証要素の増加は利便性の低下という課題も含んでいる．利便性を考慮した認証手法として，ユーザ自身による明示的な操作を必要としない活動量計を用いた認証手法が提案されている．しかし，市場には多種多様な活動量計が販売されており，機種ごとに認証手法を作成することは困難である．活動量計に依存しない認証手法の研究が必要となるが，先行研究では1種類の活動量計に対して単一の活動量尺度を用いたモデルの有効性が示されているだけである．そこで本稿では，先行研究の認証モデルが活動量計の種類，活動量の尺度によらず有効な手法かを評価した．評価実験では，先行研究のFuelBandを用いた被験者70人の活動履歴データ42日分よりFRR 11.51%，FAR 12.03%（活動量の尺度：Fuel）の結果を得た．2種類の活動量計JawboneとFitbitを用いて新たにデータ収集を行い，被験者14人の各30日分の活動履歴データから，JawboneでFRR 10.00%，FAR 12.31%，FitbitでFRR 9.22%，FAR 12.92%（いずれも活動量の尺度：歩数）という結果を得た．3種類の活動量計を用い，先行研究の70人の被験者データでの実験に加え，新たに2種類の活動量計を用い同一の被験者14人で実験することで，他種の活動量計や他の活動量の尺度でも利用可能な認証モデルであることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The growing popularity of multi-factor authentication necessitates a more easy-to-use approach. The more authentication factors the system uses, the more difficult it is to use the system. We considered behavioral authentication as one of the authentication factors. This authentication factor can make the system easy to use by taking advantage of unconscious user behavior. In this paper, we propose a behavioral authentication model that can adapt to various activity trackers for general use using machine learning. The motivation for using an activity tracker as behavioral authentication is that the user simply needs to wear an activity tracker for authentication. However, existing studies are applicable only to the specific activity tracker. For the evaluation of our model, we compared the difference between activity measures, such as Fuel and steps, and the difference between three activity trackers. The results showed that it is possible to apply our model to various activity measures and various activity trackers. Our model achieved a false rejection rate (FRR) of 10.83% and a false acceptance rate (FAR) of 10.30% with the FuelBand activity tracker, an FRR of 10.00% and an FAR of 12.31% with Jawbone, and an FRR of 9.22% and an FAR of 12.92% with Fitbit.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 59, 号 3, p. 845-858, 発行日 2018-03-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764