BriefGPT - AI 论文速递
·
基于 Transformer 的自由文本按键身份验证：架构和损失函数的比较研究
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
该论文提出了一种基于Transformer的网络模型，用于敲击身份验证。研究探索了两种不同的网络架构，并比较了它们在敲击身份验证中的效果。结果表明采用批量全三元组损失和余弦距离的双编码器架构取得了最佳性能，等错误率仅为0.0186%。
🎯
关键要点
-
该论文研究基于敲击行为的生物特征识别与验证方法。
-
提出了一种基于Transformer的网络模型，通过自注意机制提取敲击序列中的信息特征。
-
探索了双编码器和交叉编码器两种不同的网络架构，并比较了它们的效果。
-
研究了不同的损失函数和距离度量方法，优化了训练过程，提高了模型性能。
-
使用Aalto桌面敲击数据集进行评估，双编码器架构的等错误率为0.0186%。
-
尝试使用一类支持向量机等替代算法计算相似度得分，等错误率进一步降低至0.0163%。
-
研究结果表明该模型超越了自由文本敲击身份验证领域的最新技术水平，具有实际意义。
➡️
