BriefGPT - AI 论文速递
·
利用动作预测进行基于行为的虚拟现实（VR）认证
💡
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任务行为生物特征认证的方法，利用个体的运动轨迹作为唯一签名，在虚拟现实环境中实现无缝的持续认证。通过使用深度学习方法进行行为生物特征认证，准确率较高。该研究首次使用基于 Transformer 的预测方法，解决了性能较低的问题，并显著改进了使用预测数据进行用户认证的效果。
🎯
关键要点
- 该论文提出了一种基于任务行为生物特征认证的方法。
- 利用个体的运动轨迹作为唯一签名，在虚拟现实环境中实现无缝的持续认证。
- 通过使用深度学习方法进行行为生物特征认证，准确率较高。
- 在使用任务开始时的较小片段时性能较低，现有技术易受攻击。
- 首次使用基于 Transformer 的预测方法，预测未来用户行为用于用户认证。
- 根据用户当前任务环境下的轨迹预测未来运动轨迹。
- 使用Miller等人公开的41个被试的投掷球数据集展示改进效果。
- 与不进行预测相比，认证等错误率（EER）平均降低23.85%，最大降低36.14%。
🏷️
标签
➡️
