特徴の再訓練を必要としない変更可能な筆記

• Item type: Journal(1)
• 公開日: 2022-04-15
• タイトル: 特徴の再訓練を必要としない変更可能な筆記
• タイトル / 言語: en
• タイトル: Changeable Scripts without Retraining of Handwriting Features
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 深度センサ，リープモーション，生体認証，筆記認証，機械学習，畳み込みニューラルネットワーク
• 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: 10.20729/00217612
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 東京工科大学大学院
• 著者所属: 東京工科大学大学院
• 著者所属(英): en
• 著者所属(英): Tokyo University of Technology Graduate School
• 著者所属(英): en
• 著者所属(英): Tokyo University of Technology Graduate School
• 著者名: 釜石, 智史; 宇田, 隆哉
• 著者名(英): Satoshi, Kamaishi; Ryuya, Uda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 一般的な文字列パスワードは任意に変更可能であるという利点を持つが，推測された場合には攻撃者にも入力可能である．パスワードを複雑にすればするほど覚えておくことが困難になり，簡単にすればするほど攻撃耐性が低くなる．近年，一部のスマートフォンで用いられているように，指紋や顔の情報をパスワードの代わりに使用することも可能であるが，これらは変更できない情報であり，漏洩した場合の問題は大きい．そこで本研究では，パスワード入力に単語の筆記を組み合わせることで，パスワードによる本人確認を強化するシステムを提案する．もちろん，筆記による本人確認を行う研究は多数存在するが，大人数の利用者がいることや利用者の増加が考慮されていない．また，入力した署名そのものを登録しているため，再登録なしに署名の変更が行えない．一方，本システムで使用される手法においては，利用者が増えた場合でも機械学習による再訓練を必要としない．また，利用者が非常に多い場合でも，機械学習の計算コストを一定に保つことが可能である．筆記に関しては，攻撃者による覗き見を考慮し，筆記の痕跡が残らないよう，Leap Motionを用いてシステムを実装した．11人の被験者による評価を行い，登録者の本人拒否率を0.067とする閾値0.6で未登録者による他人受入率を0.068に，登録者の本人拒否率を0.109とする閾値0.7で未登録者による他人受入率を0.045にできることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: General text password has an advantage that it can be freely changed, but also has a disadvantage that it can be inputted by attackers when it is presumed. The more complicated the password is, the more difficult it is remembered. On the other hand, the simpler it is, the easier it is presumed. As it is used for some kinds of smart phones in recent years, fingerprint or face can be used instead of password. However, their leakage causes serious problems since they are unchangeable information. Therefore, in this paper, we propose a system for enhancing password identification by combining passwords and scripting of words. Of course, there are many researches for personal identification by handwriting, but huge number of users and increasing the number are not considered. Moreover, handwritten signatures cannot be changed without retraining since the signatures are directly trained. On the other hand, in our method of the system, no retraining of machine learning is required even when the number of users increases. Moreover, the cost for machine learning can be kept in constant when the system has huge number of users. In implementation of the system, we chose Leap Motion not to remain handwriting trajectory against copying by attackers. We evaluated the system with 11 examinees and showed that false acceptance rate of unregistered users was able to decrease to 0.068 when false rejection rate was equal or under 0.067 by setting threshold to 0.6, and false acceptance rate of unregistered users was able to decrease to 0.045 when false rejection rate was equal or under 0.109 by setting threshold to 0.7.
• 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 63, 号 4, p. 1094-1114, 発行日 2022-04-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764