Item type |
SIG Technical Reports(1) |
公開日 |
2022-03-03 |
タイトル |
|
|
タイトル |
Deep One Class Neural Networkを用いて作成した偽の署名に対する攻撃耐性の評価 |
タイトル |
|
|
言語 |
en |
|
タイトル |
Evaluation of Tolerance against Fake Signatures by Deep One Class Neural Networks |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
個人識別 |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
著者所属 |
|
|
|
東京工科大学 |
著者所属 |
|
|
|
東京工科大学 |
著者所属 |
|
|
|
東京工科大学 |
著者所属 |
|
|
|
東京工科大学 |
著者所属 |
|
|
|
東京工科大学 |
著者所属 |
|
|
|
東京工科大学 |
著者名 |
中嶋, 優貴
新井, 瑠月
宮島, 将
金山, 匠之介
西山, 雄貴
宇田, 隆哉
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
筆跡を真似することで署名を偽造する攻撃があり,この攻撃によって,クレジットカードの不正利用などの被害が生じる可能性がある.既存研究に,アナログ手法で収集した筆跡の鑑定や,本人判定を入力リズムで行うもの等があるが,機械学習による判定や GAN などの機械によって生成された文字の鑑定は行っていない.本稿では筆跡のなりすまし防止の一環として,入力された文字が機械によるものか人間によるものかの判別を機械学習により行った.評価した結果,すべての被験者において分類精度が高いという結果になった.これは,筆跡の太さに依存していると考えられ,筆跡の太さを知らない攻撃者は筆跡のなりすましに成功しない可能性があることが分かった. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10116224 |
書誌情報 |
研究報告マルチメディア通信と分散処理(DPS)
巻 2022-DPS-190,
号 50,
p. 1-5,
発行日 2022-03-03
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8906 |
Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |