[論文レビュー] HMOG: A New Biometric Modality for Continuous Authentication of Smartphone Users.

Zdeňka Sitová, Jaroslav Šeděnka+5 more|arXiv (Cornell University)|Jan 6, 2015

User Authentication and Security Systems参考文献 29被引用数 20

ひとこと要約

本稿では、手の動き、姿勢、握りのダイナミクスを組み合わせた新しい行動バイオメトリクス、HMOGを提案する。歩行および座っている状態での入力中に生じる微小な動きを利用することで、タップおよびキーストローク特徴と統合した場合、認証の等誤差率（EER）が6.92％まで低下し、16Hzのサンプリングでエネルギー消費の増加はわずか7.9％にとどまる。

ABSTRACT

In this paper, we introduce Hand Movement, Orientation, and Grasp (HMOG), a behavioral biometric to continuously authenticate smartphone users. HMOG unobtrusively captures subtle micro-movement and orientation dynamics resulting from how a user grasps, holds, and taps on the smartphone. We evaluated the authentication and biometric key generation (BKG) performance of HMOG features on typing data collected from 100 subjects. Data was collected under two conditions: sitting and walking. We achieved authentication EERs as low as 6.92% (walking) and 10.20% (sitting) when we combined HMOG, tap, and keystroke features. We performed additional experiments to investigate why HMOG features perform well during walking. Our results suggest that this is due to the ability of HMOG features to capture distinctive body movements caused by walking, in addition to the hand-movement dynamics from taps. With BKG, we achieved EERs of 13.7% using HMOG combined with taps. In comparison, BKG using tap, key hold, and swipe features led to EERs between 31.3% and 36.7%. We also analyzed the energy consumption of HMOG feature extraction and computation. Our analysis shows that HMOG features extracted at 16Hz sensor sampling rate incurred a minor overhead of 7.9% without sacrificing authentication accuracy.

研究の動機と目的

• 自然なインタラクションのダイナミクスを活用した、スマートフォンユーザー認証のための継続的で、目立たないバイオメトリクスモダリティの開発。
• 歩行中の微細な身体の動きが、行動バイオメトリクスの識別性能を向上させるかどうかの調査。
• 実世界の状況下で、HMOGの認証およびバイオメトリクス・キー生成（BKG）性能の評価。
• 既存の行動バイオメトリクスと比較して、HMOG特徴抽出のエネルギーコストの定量的評価。
• BKGおよび認証タスクにおいて、HMOGの性能を従来のタップ、キーホールド、スワイプベースのバイオメトリクス特徴と比較すること。

提案手法

• HMOGは、ユーザーのインタラクション中にスマートフォンのセンサー（例：加速度計、ジャイロスコープ）から得られる微小な動きと姿勢の変化を捉える。
• 生のセンサデータから16Hzのサンプリングレートで特徴を抽出し、タップおよび入力中の動的パターンに注目する。
• HMOG特徴とタップおよびキーストローク特徴を統合する統合モデルを用いて、認証精度を向上させる。
• バイオメトリクス・キー生成（BKG）はHMOGおよびタップ特徴を用い、等誤差率（EER）を用いて誤り率を測定する。
• エネルギー消費は、HMOG特徴抽出の計算オーバーヘッドをベースラインのセンサ処理と比較することで測定する。
• 実験は、100名の被験者を対象とし、座っている状態および歩行状態の2条件で実施した。

実験結果

リサーチクエスチョン

• RQ1 HMOG特徴は、継続的なインタラクション中に異なるスマートフォンユーザーを効果的に区別できるか？
• RQ2 なぜHMOGの性能は座っている状態よりも歩行中に向上するのか？また、身体の動きはどのような役割を果たしているのか？
• RQ3 バイオメトリクス・キー生成（BKG）において、HMOGは従来のタップ、キーホールド、スワイプ特徴と比較してどう異なるか？
• RQ4 リアルタイムでのHMOG特徴抽出および処理にかかるエネルギーオーバーヘッドはどの程度か？
• RQ5 HMOGは他の行動特徴と統合することで、継続的認証で低いEERを達成できるか？

主な発見

• 歩行中のタップおよびキーストローク特徴と統合したHMOGは、認証の等誤差率（EER）が6.92％にまで低下した。
• 座っている状態ではEERが10.20％であったため、移動状態下でも高い性能を維持していることが示された。
• HMOGを用いたバイオメトリクス・キー生成（BKG）ではEERが13.7％であった。これは、タップ／キーホールド／スワイプベースのBKG（EERが31.3％～36.7％）と比較して顕著に優れていた。
• 歩行中に性能が向上するのは、HMOGが手の動きのダイナミクスに加え、歩行に伴う明確な身体の動きを捉える能力に起因する。
• 16HzでのHMOG特徴抽出は、認証精度を損なわず、エネルギー消費の増加はわずか7.9％にとどまった。
• 結果から、HMOGは動的環境下におけるスマートフォン継続的認証のための実用的で低コストなバイオメトリクスモダリティであることが確認された。