スマートロックにおける2端末による機械学習を用いた歩行認証に関する研究

• Item type: Journal(1)
• 公開日: 2021-12-15
• タイトル: スマートロックにおける2端末による機械学習を用いた歩行認証に関する研究
• タイトル / 言語: en
• タイトル: A Study of Gait-based Authentication by Using Two Devices in Smart Lock
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集:デジタル社会の情報セキュリティとトラスト] スマートロック，歩行認証，加速度センサ，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
• ID登録: 10.20729/00214243
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 神奈川工科大学
• 著者所属: 神奈川工科大学
• 著者所属: 宮崎大学
• 著者所属: 宮崎大学
• 著者所属(英): en
• 著者所属(英): Kanagawa Institute of Technology
• 著者所属(英): en
• 著者所属(英): Kanagawa Institute of Technology
• 著者所属(英): en
• 著者所属(英): University of Miyazaki
• 著者所属(英): en
• 著者所属(英): University of Miyazaki
• 著者名: 朴, 美娘; 渡辺, 一樹; 油田, 健太郎; 岡崎, 直宣
• 著者名(英): Mirang, Park; Kazuki, Watanabe; Kentaro, Aburada; Naonobu, Okazaki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 電子的に鍵の開閉を行うスマートロックの認証方式として，従来の所持認証方式では通常の鍵と同様に紛失や盗難の危険性があり，指紋認証方式ではドアの前で数秒間立ち止まる必要がある．そこで，本研究ではスマートフォンとウェアラブル端末の2つの端末の合成加速度による歩行認証を提案する．歩行距離の差による影響の少ない19個の特徴量を抽出し，代表的な機械学習アルゴリズムを用いて他人受入れ率（FAR）および本人拒否率（FRR）の観点から認証精度を比較した．その結果，最も良かった認証精度は機械学習アルゴリズムにIsolation Forestを用いた場合のFARが8.3%，FRRが9.5%であった．次に，継続的な歩行認証の評価のため日にちを空け定期的に歩行実験を行った．その結果，FARが18.6%，FRRが13.8%という認証精度となった．さらに，様々な歩行速度での認証精度の確認を行うため，早歩き，普段歩き，遅歩きの3つの速さを学習させ，FARが18.8%でFRRが15.0%という結果となった．また，被験者ごとの認証精度や機械学習アルゴリズムごとの認証精度を分析することで，同じ被験者でも認証精度が良くなる識別器が異なることが確認できた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: As an authentication method for smart locks, the conventional possession authentication method poses the risk of loss or theft, while the fingerprint authentication method requires the user to stand still in front of the door for several seconds. In this paper, we propose a gait-based authentication system based on the acceleration of two devices: a smartphone and a wearable device. The proposed gait-based authentication method extracts 19 features and calculates the authentication rate, that is, the false acceptance rate (FAR) and the false rejection rate (FRR), using some typical machine learning algorithms. As a result, when using Isolation Forest algorithm, FAR and FRR are 8.3% and 9.5%, respectively. Next, in order to evaluate of the continuous gait-based authentication, we conducted walking experiments periodically on different days. In this case, FAR and FRR are 18.6% and 13.8%, respectively. Furthermore, in order to check the authentication rate at various walking speeds, we trained three speeds: fast, normal, and slow. As a result, FAR is 18.8% and FRR is 15.0%. We found that the better algorithm of anomaly detection of FAR and FRR is different depending on the subjects.
• 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 62, 号 12, p. 2011-2023, 発行日 2021-12-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764