相关实验视频
Updated: Jun 27, 2025
14:05
One Dimensional Turing-Like Handshake Test for Motor Intelligence
Published on: December 15, 2010
26.8K
ONE3A:使用GAN网络和优化技术的智能手机的一对一身份验证模型
Mohamed Meselhy Eltoukhy1, Tarek Gaber2,3, Abdulwahab Ali Almazroi1
1Department of Information Technology, College of Computing and Information Technology at Khulais, University of Jeddah, Jeddah, Saudi Arabia.
PeerJ. Computer science
|May 3, 2024
概括
本研究介绍了智能手机的高效隐式身份验证模型,使用合成数据生成和鱼优化算法 (WOA) 进行功能选择. WOA-RF模型显著提高了准确性,同时降低了移动安全计算成本.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 机器学习 机器学习
背景情况:
- 智能手机面临着影响认证效率的计算限制.
- 现有的身份验证方法可能需要额外的硬件或产生高计算成本.
- 小数据集对开发强大的身份验证模型构成挑战.
研究的目的:
- 为智能手机提出一个高效的隐式身份验证模型,克服计算限制.
- 解决智能手机身份验证中的一对一分类问题.
- 通过使用有限的资源来提高认证准确性.
主要方法:
- 整合条件表式生成对抗网络 (CTGAN) 进行合成数据生成,以处理不平衡的数据集.
- 开发一种基于鱼优化算法 (WOA) 的新型特征选择技术.
- 使用RHU触摸移动按键数据集进行评估,将WOA与哈里斯·霍克斯优化 (HHO) 和随机森林 (RF) 分类器进行比较.
主要成果:
- 在基于触摸行为的移动用户身份验证中,WOA-RF模型实现了最高的分类准确性 (99.62%±0.40%).
- 与HHO算法相比,WOA显示出更高的减少率 (87.85%).
- 拟议的模型有效地解决了一个对所有分类挑战,提高了效率.
结论:
- 集成CTGAN和WOA-RF的新型隐式身份验证模型对于智能手机用户身份验证非常有效.
- 这种方法克服了数据集限制和计算限制,为移动安全提供了实用的解决方案.
- 在资源有限的设备上,WOA-RF模型在提高身份验证准确性和效率方面取得了重大进展.
