[論文レビュー] Biometric-Based Wearable User Authentication During Sedentary and Non-sedentary Periods

Sudip Vhaduri, Christian Poellabauer|arXiv (Cornell University)|Nov 16, 2018

User Authentication and Security Systems参考文献 17被引用数 25

ひとこと要約

本稿では、分単位の間隔で収集された粗い粒度のバイオメトリクス（行動的：歩数、生理的：心拍数、ハイブリッド：カロリー消費量/MET）を用いた、暗黙的ウェアラブルユーザー認証システムを提案する。2年間にわたり421名のFitbitユーザーを対象に評価した結果、座っている状態では92%、非座っている状態では88%の精度を達成し、ハイブリッドバイオメトリクスが他のタイプを上回った。

ABSTRACT

The Internet of Things (IoT) is increasingly empowering people with an interconnected world of physical objects ranging from smart buildings to portable smart devices such as wearables. With the recent advances in mobile sensing, wearables have become a rich collection of portable sensors and are able to provide various types of services including health and fitness tracking, financial transactions, and unlocking smart locks and vehicles. Existing explicit authentication approaches (i.e., PINs or pattern locks) suffer from several limitations including limited display size, shoulder surfing, and recall burden. Oftentimes, users completely disable security features out of convenience. Therefore, there is a need for a burden-free (implicit) authentication mechanism for wearable device users based on easily obtainable biometric data. In this paper, we present an implicit wearable device user authentication mechanism using combinations of three types of coarse-grained minute-level biometrics: behavioral (step counts), physiological (heart rate), and hybrid (calorie burn and metabolic equivalent of task). From our analysis of 421 Fitbit users from a two-year long health study, we are able to authenticate subjects with average accuracy values of around 92% and 88% during sedentary and non-sedentary periods, respectively. Our findings also show that (a) behavioral biometrics do not work well during sedentary periods and (b) hybrid biometrics typically perform better than other biometrics.

研究の動機と目的

• PINやパターンロックなどの明示的認証の限界（使いやすさの問題、肩のぞき、負担感によるユーザーの回避）を解消する。
• 特に座っている状態での性能の低さやセンサー・エネルギーコストの高さといった、既存のバイオメトリクス手法の欠点を、粗い粒度で低コストなバイオメトリクスデータを用いることで克服する。
• 広く利用可能なウェアラブルセンサデータを用いて、多様なユーザーの活動状態においても効果を発揮する汎用的で暗黙的な認証メカニズムを開発する。
• 現実的で長期的な環境下において、行動的、生理的、ハイブリッドの複数のバイオメトリクスタイプを組み合わせることで、強固なユーザー識別を実現する有効性を調査する。

提案手法

• 2年間の健康研究において、421名のFitbitユーザーから分単位のバイオメトリクスデータを収集し、歩数（行動的）、心拍数（生理的）、カロリー消費量/MET（ハイブリッド）を含む。
• 最も識別性の高いバイオメトリクス特徴量を特定するために、COV（変動係数）およびKS（カルバック・ライブラー発散）の2つの特徴選択手法を用いる。
• 選択されたバイオメトリクス特徴量に基づいてユーザーを認証する分類器を適用し、精度（ACC）および誤認証率（FAR）を用いて性能を評価する。
• データを座っている状態（l=0）と非座っている状態（l=1）に分けて、異なる活動状態におけるモデル性能を評価する。
• 各特徴選択手法のパラメータ閾値（例：xσt）を、グラフィカル分析を用いて最適化し、精度と誤認証率のバランスを取る。
• バイオメトリクスタイプやその組み合わせの性能を比較し、各活動状態および特徴選択手法ごとに最も優れた特徴量セットを同定する。

実験結果

リサーチクエスチョン

• RQ1 ウェアラブル機器から得られる粗い粒度の分単位バイオメトリクスデータは、座っている状態と非座っている状態の両方で、信頼性の高い暗黙的ユーザー認証を可能にするか？
• RQ2 行動的、生理的、ハイブリッドの異なるバイオメトリクスタイプは、活動状態が異なる条件下で、認証精度にどのように影響を与えるか？
• RQ3 計算およびエネルギー消費を最小限に抑えるとともに、認証精度を最大化する最適なバイオメトリクス特徴量と特徴選択手法の組み合わせは何か？
• RQ4 現実のウェアラブル環境において、ハイブリッドバイオメトリクス（例：カロリー消費量とMET）は、純粋な行動的または生理的バイオメトリクスをどれほど上回るか？
• RQ5 認証システムの性能は、座っている状態と非座っている状態でどのように変化するか。また、行動的バイオメトリクスが機能しない状況でも、高い精度を維持できるか？

主な発見

• 提案されたシステムは、分単位のバイオメトリクスデータを用いて、座っている状態では平均92%、非座っている状態では88%の認証精度を達成した。
• ハイブリッドバイオメトリクス（特にカロリー消費量（C）とタスクの代謝当量（M））は、両方の活動状態において他のバイオメトリクスタイプを常に上回り、最高の精度を達成した。
• 行動的バイオメトリクス（歩数）は、座っている状態で性能が著しく低下し、ユーザーが不動の状態にあると精度が著しく低下した。
• KS特徴選択手法はCOVよりも高い平均精度（座っている状態で76.26%、非座っている状態で73.89%）を達成したが、座っている状態では誤認証率（FAR）も高くなった。
• 座っている状態で最も優れた性能を示したバイオメトリクスの組み合わせは、C、M、H（カロリー消費量、MET、心拍数）であり、COV手法を用いた場合の精度は55.46%であった。
• 非座っている状態では、CとM（カロリー消費量とMET）の組み合わせが、COV手法を用い、わずか27の特徴量で88.00%の精度を達成し、高い効率性と頑健性を示した。