JP2024528362A - ユーザ検証方法、システム、プログラム - Google Patents

ユーザ検証方法、システム、プログラム Download PDF

Info

Publication number
JP2024528362A
JP2024528362A JP2023561247A JP2023561247A JP2024528362A JP 2024528362 A JP2024528362 A JP 2024528362A JP 2023561247 A JP2023561247 A JP 2023561247A JP 2023561247 A JP2023561247 A JP 2023561247A JP 2024528362 A JP2024528362 A JP 2024528362A
Authority
JP
Japan
Prior art keywords
user
processors
computer
global
interaction data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023561247A
Other languages
English (en)
Inventor
レヴィ、マタン
アザン、イタイ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2024528362A publication Critical patent/JP2024528362A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2139—Recurrent verification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Image Analysis (AREA)
  • User Interface Of Digital Computer (AREA)
  • Debugging And Monitoring (AREA)

Abstract

Figure 2024528362000001
ユーザ検証方法が提供される。まずモバイル・デバイス上で動作するアプリケーションのユーザに関連するインタラクション・データを受信し、ここでインタラクション・データはモバイル・デバイス上でのユーザとアプリケーションとのインタラクティブ・セッション中に生成され、インタラクション・データから複数の特徴が抽出され複数の特徴から１つまたは複数の特徴ベクトルが生成される。そして複数の特徴が１つまたは複数の特徴ベクトルに集約され、各特徴ベクトル内に埋め込まれる。次いで、グローバル・トレーニング・データセットを生成するために、ユーザに関連付けられたインタラクティブ・セッションの履歴と、複数の異なるユーザに関連付けられたインタラクティブ・セッションの履歴とを比較することによって、埋め込まれた複数の特徴がグローバル特徴空間に投影される。最後に、グローバル・トレーニング・データセットを使用して検証モデルがグローバル２値分類モデルとして生成される。

Description

本発明は一般にサイバー・セキュリティの分野に関し、より詳細にはモバイル・デバイスにおけるユーザ検証に関する。
銀行口座およびソーシャル・メディア・アカウントなど、今日の機密性の高いシステムのほとんどは、モバイル・デバイス経由でアクセスすることができる。機密性の高いシステムによって典型的に使用される認証方式には、パスワード（第２要素認証（second factor authentication）ありまたはなし）、指紋、およびワンタイム・パスワードなどがある。現在、これらの方法はまだ資格情報の盗難を効率的に防ぐことができていない。さらに、認証されたセッションは、Ｃｏｏｋｉｅの盗難、中間者（MitM:man in the middle）攻撃、ソーシャル・エンジニアリングなどを通じてハイジャックされ得る。さらに、ユーザが認証されると、ほとんどの認証メカニズムはセッション全体を通じてユーザの同一性（identity）を継続的に認証することができないので、最初の認証後の攻撃の発生を防げない場合がある。モバイル・インタラクションに基づくユーザ検証システムは、セッション全体を通じてユーザの同一性を検証することを可能にし得、資格情報の盗難を防ぎ得る。
本開示は、モバイル・デバイスにおけるユーザ検証に関連する欠点および問題を認識している。具体的には、システム内でユーザごとに１つのモデルを構築する必要がある現在のユーザ検証方式に関連する問題は、メモリの過負荷を引き起こし、多くの異なる検証モデルを並行してデバッグ、更新、および分析することに関連する問題を発生させ得る。そこで、本開示の実施形態は、ユーザごとに１つのモデルを構築する必要のない、モバイル・デバイスにおけるユーザ検証のための方法およびシステムを提供する。これは、全てのユーザ用の単一のモデルのアプローチの利点を有する、モバイル行動検証方法で実装することができる埋め込みシステムを使用することで実現される。
モバイル・デバイスにおけるユーザ検証のためのコンピュータ実装方法を提供することによって、従来技術の欠点を克服し、追加の利点を提供する。この方法は、１つまたは複数のプロセッサによって、モバイル・デバイス上で動作するアプリケーションのユーザに関連するインタラクション・データを受信することであって、インタラクション・データは、モバイル・デバイス上でのユーザとアプリケーションとのインタラクティブ・セッション中に生成される、受信することと、１つまたは複数のプロセッサによって、インタラクション・データから複数の特徴を抽出することと、１つまたは複数のプロセッサによって、１つまたは複数の特徴ベクトルを生成することと、１つまたは複数のプロセッサによって、複数の特徴を１つまたは複数の特徴ベクトルに集約することと、１つまたは複数のプロセッサによって、複数の特徴を各特徴ベクトル内に埋め込むことと、グローバル・トレーニング・データセットを生成するために、ユーザに関連付けられたインタラクティブ・セッションの履歴と、複数の異なるユーザに関連付けられたインタラクティブ・セッションの履歴とを比較することによって、埋め込まれた複数の特徴をグローバル特徴空間に投影することと、１つまたは複数のプロセッサによって、グローバル・トレーニング・データセットを使用して検証モデルをグローバル２値分類モデルとして生成することと、を含む。
本開示の他の実施形態は、上述の方法に基づく、モバイル・デバイスにおけるユーザ検証のためのコンピュータ・プログラム製品を提供する。
本開示の他の実施形態は、上述の方法に基づく、モバイル・デバイスにおけるユーザ検証のためのコンピュータ・システムを提供する。
以下の詳細な説明は、例として与えられており、本発明をそれだけに限定するものではないが、添付の図面と併せて最もよく理解されよう。
本開示の一実施形態による、ネットワーク化されたコンピュータ環境を示すブロック図である。 本開示の一実施形態による、モバイル・デバイスにおけるユーザ検証のための行動埋め込み（behavioral embedding）システムのコンポーネントを示す図である。 本開示の一実施形態による、グローバル検証モデルをトレーニングするための埋め込まれたデータセットへのユーザのタッチ・データの変換を示す図である。 本開示の一実施形態による、行動埋め込みを使用したユーザ検証のためのコンピュータ実装方法のステップを示すフローチャートである。 本開示の一実施形態による、コンピュータ・システムの内部および外部コンポーネントのブロック図である。 本開示の一実施形態による、例示的なクラウド・コンピューティング環境のブロック図である。 本開示の一実施形態による、図５の例示的なクラウド・コンピューティング環境の機能レイヤのブロック図である。
図面は必ずしも縮尺通りではない。図面は単なる概略図であり、本発明の特定のパラメータを表現することを意図したものではない。図面は本発明の典型的な実施形態のみを描写することを意図したものである。図面において、同様の番号付けは同様の要素を表す。
特許請求する構造および方法の詳細な実施形態を本明細書に開示するが、開示した実施形態が、様々な形態で具現化される特許請求する構造および方法を単に例示するものであることは理解されよう。しかしながら、本発明は多くの異なる形態で具現化され、本明細書に記載した例示的な実施形態に限定されるものと解釈されるべきではない。本説明では、提示した実施形態を不必要に曖昧にしないように、よく知られている特徴および技術の詳細を省略し得る。
一例では、行動バイオメトリクス（behavioral biometrics）などのインタラクション履歴は、ユーザが電子システムとインタラクションを行っている間にユーザを検証またはプロファイリングする方法を提供する。具体的には、行動バイオメトリクスは、モバイル・デバイスで動作するアプリケーションとのセッション中に、ユーザとモバイル・デバイスとのインタラクション・パターンに基づいてユーザの同一性を継続的に検証するのに役立ち得る。モバイル・デバイス向けのほとんどの行動バイオメトリクス技術は、モバイル・デバイスで利用可能な様々なセンサ、たとえば、タッチ・スクリーン・インタラクション・センサ、モーション・センサなどから取得されたデータに基づいて、各ユーザのモデルを構築する。このデータから、ユーザの行動を学習およびモデル化するために有意義な特徴を抽出することができる。例示的な特徴には、平均速度、最大加速度、総移動距離、または圧力標準偏差、あるいはそれらの組合せがある。次いで、これらの特徴を使用して、ユーザごとに、その特定のパターンをモデル化するためのモデルを生成する。しかしながら、個人向けの行動バイオメトリクスモデルを大規模なリアルタイム・システムで実装すると、過度のメモリ消費、処理利用が発生し、ストレージおよび実行時間の遅延が発生し得る。
以前のグローバル・モデルは、行動バイオメトリクスにおいて、たとえば、人間とボットとを区別するために使用することはできるが、ユーザの検証には使用することができなかった。グローバル・モデルには多くの利点があり、複数の異なるユーザからのデータに基づいて特定のユーザを継続的に検証するためのグローバル・モデルをトレーニングすることは望ましいであろう。この検証を行うことにより、行動バイオメトリクスに基づくシステムは、メモリ消費およびストレージが限られたモデルを利用することができる。
しかしながら、ユーザ検証のための行動データはユーザごとに大きく異なる。したがって、多数の異なるユーザからの行動データに適合するグローバル検証モデルを使用すると、特定のユーザの行動に関連する重要な個々の特性が無視され得る。「行動データ」という用語は、ユーザのタッチ・パターンをモデル化するために使用することができる、モバイル・デバイス上でユーザによって実行されたタッチ・ベースまたはモーション・ベースのインタラクションの履歴に対応するデータを指すことに留意されたい。
そこで、本発明の実施形態は、タッチ・ベースの行動埋め込みを使用してモバイル・デバイスのユーザを継続的に検証するための方法、システム、およびコンピュータ・プログラム製品を提供する。以下に説明する例示的な実施形態は、とりわけ、モバイル・デバイス上のタッチセンサからユーザ固有のインタラクション・データを抽出し、ユーザ固有のインタラクション・データを特徴ベクトル内に埋め込み、ユーザの履歴からのユーザ固有のインタラクション・データを含む埋め込まれた特徴ベクトルに基づいてユーザ検証のためのモデルを生成するためのシステム、方法、およびコンピュータ・プログラム製品を提供する。本開示の実施形態は、従来のモデル構築プロセス（すなわち、データ収集、特徴抽出、モデル・トレーニング、およびモデル・テスト）に前処理ステップ（すなわち、行動埋め込み）を追加し、ここで、インタラクション・データは、必ずしもこれまでに見たことのないユーザを含めて、特定のユーザを検証するようにグローバル分類モデルをトレーニングするために使用できるように埋め込まれる。埋め込まれたデータセットが生成されると、任意の統計モデル、機械学習モデル、または深層学習モデルを２値分類モデルとしてトレーニングすることができる。
したがって、本実施形態は、ユーザ・ベースのモデルをトレーニングおよび維持することなく、各ユーザに関連する個々の行動パターンを保存する継続的なユーザ検証のためのコスト効率の高いセミ・グローバル検証モデルを導出することによって、サイバー・セキュリティの技術分野を改善する能力を有する。これにより、リソース消費が大幅に削減され、モデルのメンテナンス、評価、デバッグ、および監視が容易になり得る。さらに、提案する検証モデルは、モデルがトレーニングされたユーザだけでなく、システム内の任意のユーザ（すなわち、トレーニング・データセットのユーザまたは新しいユーザ）にも機能することができる。
ここで図１を参照すると、本開示の一実施形態による、例示的なネットワーク化されたコンピュータ環境１００が示されている。図１は一実施形態の例示を提供しているにすぎず、異なる実施形態が実装される環境に関していかなる制限も示唆していない。特許請求の範囲に記載した本発明の範囲から逸脱することなく、図示した環境への多くの変更が当業者によって加えられ得る。
ネットワーク化されたコンピュータ環境１００は、クライアント・コンピュータ１０２と、通信ネットワーク１１０とを含み得る。クライアント・コンピュータ１０２は、行動埋め込みプログラム１０８を実行可能なプロセッサ１０４と、データ・ストレージ・デバイス１０６と、を含み得る。クライアント・コンピュータ１０２は、たとえば、モバイル・デバイス、スマートフォン、パーソナル・デジタル・アシスタント、ネットブック、ラップトップ・コンピュータ、タブレット・コンピュータ、またはネットワークにアクセス可能な任意のタイプのモバイル・コンピューティング・デバイスであり得る。
ネットワーク化されたコンピュータ環境１００はまた、ソフトウェア・プログラム１１２を実行可能なプロセッサ１１８を有するサーバ・コンピュータ１１４と、データ・ストレージ・デバイス１２０と、を含み得る。いくつかの実施形態では、サーバ・コンピュータ１１４は、リソース管理サーバ、Ｗｅｂサーバ、または通信ネットワーク１１０を介してデータを送受信可能な他の任意の電子デバイスであり得る。他の実施形態では、サーバ・コンピュータ１１４は、クラウド・コンピューティング環境などで複数のコンピュータをサーバ・システムとして利用するサーバ・コンピューティング・システムを表し得る。いくつかの実施形態では、行動埋め込みプログラム１０８によって実行される行動埋め込みプロセスは、サーバ・コンピュータ１１４上で実施できることに留意されたい。他の実施形態では、行動埋め込みプログラム１０８によって実行される行動埋め込みプロセスは、クライアント・コンピュータ１０２上で実施することができる。また、ほとんどの（生）データの収集がクライアント・コンピュータ１０２上で実施されることにも留意されたい。
クライアント・コンピュータ１０２上で動作する行動埋め込みプログラム１０８は、通信ネットワーク１１０を介して、サーバ・コンピュータ１１４上で動作するソフトウェア・プログラム１１２と通信し得る。図４を参照して説明するように、クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４は、内部コンポーネントおよび外部コンポーネントを含み得る。
ネットワーク化されたコンピュータ環境１００は、複数のクライアント・コンピュータ１０２およびサーバ・コンピュータ１１４を含み得、そのうちの１つのみを示している。通信ネットワーク１１０は、本開示の実施形態による様々なタイプの通信ネットワーク、たとえば、ローカル・エリア・ネットワーク（ＬＡＮ）、インターネットなどのワイド・エリア・ネットワーク（ＷＡＮ）、公衆交換電話網（PSTN:public switched telephone network）、セルラーもしくはモバイル・データ・ネットワーク（たとえば、第３もしくは第４世代の携帯電話移動通信によって提供される無線インターネット）、構内電話交換機（PBX:private branch exchange）、それらの任意の組合せ、またはクライアント・コンピュータ１０２とサーバ・コンピュータ１１４との間の通信をサポートする接続およびプロトコルの任意の組合せなどを含み得る。通信ネットワーク１１０は、有線、無線、または光ファイバ接続を含み得る。当業者に知られているように、ネットワーク化されたコンピュータ環境１００は、図示していない追加のコンピューティング・デバイス、サーバ、または他のデバイスを含み得る。
本明細書で単一のインスタンスとして説明しているコンポーネント、動作、または構造に関して、複数のインスタンスが提供され得る。様々なコンポーネント、動作、およびデータ・ストア間の境界は多少恣意的なものであり、特定の動作は特定の例示的な構成のコンテキストで示している。機能の他の割り当てが想定され、本発明の範囲内に入り得る。一般に、例示的な構成において別個のコンポーネントとして提示している構造および機能は、結合された構造またはコンポーネントとして実装され得る。同様に、単一のコンポーネントとして提示している構造および機能は、別個のコンポーネントとして実装され得る。これらおよび他の変形、修正、追加、および改良は、本発明の範囲内に入り得る。
ここで図２Ａを参照すると、本開示の一実施形態による、インタラクション履歴に基づくモバイル・デバイスにおけるユーザ検証のためのシステム２００のコンポーネントが示されている。図に示すように、システム２００は、データ収集モジュール２２０、特徴抽出モジュール２３０、１人または複数のユーザに関連付けられた過去のセッション（historical session）２６０を記憶するデータベース２５０、行動埋め込みモジュール２４０、およびモデル生成モジュール２７０を含む。
一実施形態によれば、データ収集モジュール２２０は、モバイル・デバイス２１０からデータを収集する。データ収集モジュール２２０によって収集されるデータは、モバイル・デバイス２１０のユーザ（図示せず）に関連する。より具体的には、データ収集モジュール２２０は、モバイル・デバイス２１０上のタッチセンサからインタラクション・データを抽出し、インタラクション・データは、モバイル・デバイス２１０上で動作するアプリケーションとのインタラクティブ・セッション中にユーザによって実行された動作、ジェスチャ、またはタッチ・イベントに関連する。この実施形態では、タッチ・イベントには、たとえば、モバイル・デバイス２１０上でユーザによって実行されるスワイプ動作またはプレス／プッシュ／クリック動作が含まれる。記録されたタッチ・イベントごとに、データ収集モジュール２２０は、タイムスタンプ付きの未加工のＸ、Ｙ座標、ユーザの指の大きさ、およびモバイル・デバイス２１０上でユーザの指によって加えられた圧力のうちの少なくとも１つを抽出する。
モバイル・デバイス２１０からのデータ収集は、たとえばオプトインおよびオプトアウト機能を用いて、ユーザの同意を得て行われることに留意されたい。さらに、ユーザは自身の情報の収集または使用の停止を選択することができる。いくつかの実施形態では、データが収集されるたびにユーザに通知することができる。収集されたデータは保護され、事前の同意なしに誰とも共有されないことが想定される。説明のみの目的で、限定を意図せずに、ただ１つのモバイル・デバイス２１０を図示している。システム２００が、１人または複数のユーザに関連付けられた任意の数のモバイル・デバイスからデータを受信し得ることは理解されよう。
モバイル・デバイス２１０からユーザのタッチ・インタラクション・データを収集した後、特徴抽出モジュール２３０は、収集されたインタラクション・データを分析し、抽出される特徴を定義する。一実施形態では、収集されたインタラクション・データから抽出される特徴には、たとえば、スワイプ方向、勾配、ユークリッド距離、平均速度、最大加速度、曲率、および同様の特徴が含まれる。抽出された特徴は、モバイル・デバイス２１０とのインタラクティブ・セッション中のユーザのタッチ行動に関連するものであるので、モバイル・デバイス２１０のユーザに固有のものであることに留意されたい。一実施形態によれば、タッチ・イベント（たとえば、スワイプまたはプレス）ごとに、特徴抽出モジュール２３０は、当技術分野でよく知られている方法を使用して特徴ベクトルを構築する。
続いて、特徴ベクトルが行動埋め込みモジュール２４０に供給され、ここで、埋め込み層を使用して、ユーザ固有の特徴が特徴ベクトル内に埋め込まれ、埋め込まれた特徴がグローバル特徴空間（すなわち、グローバル・データセット）に投影される。一実施形態によれば、埋め込みプロセスは、トレーニング・フェーズ中に以下の２つのステップで実施される。
最初のステップでは、行動埋め込みモジュール２４０は、各ユーザ・セッションをユーザ自身の過去のセッション２６０と交差（ｃｒｏｓｓ）させる。行動埋め込みモジュール２４０は、このデータを、ポジティブ・ラベルを付けて新しいグローバル特徴空間に投影する。より具体的には、行動埋め込みモジュール２４０は、抽出されたユーザ固有の特徴ごとにモバイル・デバイス２１０上のユーザの現在のセッションをユーザに対応する過去のセッション２６０と比較して、ユーザ固有のデータセットを作成し、これは他のユーザ固有のデータセットと共にモデルをトレーニングするために、または特定のユーザの同一性を検証するために使用することができる。
第２のステップでは、行動埋め込みモジュール２４０は、各ユーザ・セッション２６０からのデータを他の（異なる）ユーザのセッションと交差させる。次いで、このデータは、異例のアクティビティを示すために使用することができるネガティブ・ラベルを付けて、新しいグローバル特徴空間に投影される。セッションごとに、特徴ベクトルを抽出し、他の（異なる）ユーザに関連付けられた過去のセッション２６０と比較した現在のセッションを使用して、新しいグローバル特徴空間に変換することができる。
一実施形態によれば、グローバル・トレーニング・セットのポジティブ・データを生成するために、アプリケーションにおけるｎ個のセッション［ｓ１，ｓ２，．．．，ｓｎ］、ｓｊ∈ＲＤを有するユーザｕｉを仮定し、ここで、Ｄは特徴ベクトルの次元であり、［ｓ１，ｓ２，．．．，ｓｎ］は作成日順にソートされている。まず、異なるセッションをユーザの履歴の全ての行動セッションと交差させる。たとえば、ｓｊが［ｓ１，ｓ２，．．．，ｓｊ－１］に対して取得され、過去のセッション２６０に対するｓｊの統計的特徴が計算される。統計的特徴には、たとえば、ｓｊの特徴を［ｓ１，ｓ２，．．．，ｓｊ－１］内の過去の値に対するパーセンタイルに変換したものが含まれる。いくつかの実施形態では、平均、分散など、統計的特徴に加えて、追加の集合的特徴が計算されてもされなくてもよい。
同様に、行動埋め込みモジュール２４０は、グローバル・トレーニング・セットのネガティブ・データを生成する。具体的には、ユーザのセットＸを考えると、Ｘ内のユーザｘｉごとに、ユーザのランダムなサブセットＫが選択され（｜Ｋ｜＜｜Ｘ｜）、Ｋ内の別のユーザｘｍごとに、ユーザｘｉからのセッションを偽者（impostor）セッションとし、過去のセッション２６０を別のユーザｘｍに対応するセッションとして、ネガティブ・データを構築するための上述のステップが適用される。このプロセスにより、Ｘ内のユーザごとにＫ個の偽者特徴ベクトルが生成され、合計で｜Ｘ｜＊｜Ｋ｜個のネガティブ特徴ベクトルが生成される。上記のステップを実行することにより、特徴抽出モジュール２３０によって生成された特徴ベクトル内にユーザ固有のデータを埋め込むことができる。
図２Ｂは、上述のデータセットを作成するプロセスを示している。この図では、３人の異なるユーザが行動埋め込みモジュール２４０によって識別され、３人の異なるユーザ（ユーザ１、ユーザ２、およびユーザ３）のそれぞれが４つのセッションに関連付けられている。２つのポジティブ特徴ベクトル（破線の矢印の線で示す）が構築され、すなわち、ｓ１４がその以前の３つの特徴ベクトルに対して構築され、ｓ３３がその過去の２つの特徴ベクトルに対して構築される。また、２つのネガティブ・セッション（連続した矢印の線で示す）、すなわち、ユーザ１のｓ１４がユーザ２に対する偽者セッションとして選択され、ユーザ２のｓ２３がユーザ３に対する第２の偽者セッションとして選択される。したがって、ｓ１４およびｓ２３は、他のユーザのデータに対して計算される統計的特徴（たとえば、パーセンタイル）内に埋め込まれる。行動埋め込み用のデータセットの作成には、任意の数のユーザを使用できることに留意されたい。説明のみの目的で、限定を意図せずに、説明した例では３人のユーザを選択した。
上記の埋め込みプロセスにより、ユーザ固有のインタラクティブな特徴をユーザ履歴に埋め込み、モデル生成モジュール２７０がグローバル・モデルを２値分類モデルとしてトレーニングするために使用することが可能になる。グローバル検証モデルには、たとえば、統計モデル、機械学習モデル、または深層学習モデルが含まれ得る。一実施形態によれば、グローバル検証モデルは、ユーザ－同じユーザのアクティビティ（良性（benign））とユーザ－他のユーザのアクティビティ（偽者）とを区別するように自身をトレーニングすることが可能である。
いくつかの実施形態では、グローバル検証モデルは、共通のユーザ特性に基づいて有限の（少ない）数のモデルに分割することができる。たとえば、タッチ・イベントは、スワイプ・イベントおよびクリック・イベントの２つのカテゴリに分けることができる。これら２つのカテゴリは異なる特徴分布を有し得るので、上記のステップは２つの異なるセミ・グローバル・モデル、すなわち、クリック用の１つのグローバル検証モデルとスワイプ用のもう１つのグローバル検証モデルとに適用することができる。いくつかの実施形態では、ｉＯＳデバイスとＡｎｄｒｏｉｄデバイスとの間に違いがあり得ることに留意されたい。したがって、そのような実施形態では、上記のステップを適用して、ｉＯＳデバイス用のグローバル検証モデルとＡｎｄｒｏｉｄデバイス用の別のグローバル検証モデルとを作成することができる。
他の実施形態によれば、クラスタリング方法を使用して、グローバル検証モデルをいくつかのモデルに分割することができる。具体的には、クラスタリング技術（たとえば、ｋ平均法、ＤＢＳＣＡＮなど）を使用して、システム内のユーザをそれらの行動特性に基づいてｋ個のグループにクラスタリングすることができる。ユーザをｋ個のクラスタにクラスタリングした後、ｋ個のグローバル・モデル、すなわち、システム内のユーザのクラスタごとに１つのグローバル・モデルを構築することができる。この実施形態では、たとえば、データセット全体に対して合計ｋ個のセミ・グローバル・モデルを使用することができる。しかしながら、分割しても、モデルの数は固定のままであり、ユーザの数よりもはるかに少ない。セミ・グローバル・モデルには、ランダム・フォレスト、勾配ブースティング、ＳＶＭなどを含む、任意の統計モデル、機械学習モデル、または深層学習モデルが含まれ得る。
したがって、この実施形態では、行動データを埋め込み、セミ・グローバル・モデルのそれぞれをトレーニングした後、トレーニング済みのセミ・グローバル・モデルを次のように使用することができ、すなわち、ユーザがアプリケーションに入ると、データ収集モジュール２２０がインタラクション・データの収集を開始する。このデータは、データベース２５０に保存されているユーザの履歴データ（すなわち、過去のセッション２６０）と共に、セミ・グローバル・モデル（または、複数ある場合には、関連するセミ・グローバル・モデル）に送信される。次いで、生データ（未加工のデータ）は、特徴抽出モジュール２３０および行動埋め込みモジュール２４０に通すことができる。最後の前処理段階は、ユーザの過去のセッション２６０に対する現在のセッションに関する統計的特徴を計算することである。このプロセスの出力は、トレーニング済みのセミ・グローバル・モデルに供給される特徴ベクトルとすることができる。セミ・グローバル・モデルは、テストされたデータが良性または偽者である確率と相関するスコアまたは予測を生成し、これによりサービス・プロバイダはユーザを制限または利用停止（ban）することが可能になる。
ここで図３を参照すると、本開示の一実施形態による、行動埋め込みのためのコンピュータ実装方法のステップを示すフローチャート３００が示されている。
この方法は、ステップ３０２において、図２Ａのモバイル・デバイス２１０などのモバイル・デバイス上で動作するアプリケーションのユーザに関連するインタラクション・データを受信することによって開始する。インタラクション・データは、モバイル・デバイス上でのユーザとアプリケーションとのインタラクティブ・セッション中に生成される。一実施形態によれば、インタラクション・データは、モバイル・デバイス上でユーザによって実行されるスワイプ動作およびプレス動作に対応する複数のタッチ・イベントを含む。複数のタッチ・イベントのそれぞれについて、タイムスタンプ付きの未加工のＸ、Ｙ座標、ユーザの指の大きさ、およびモバイル・デバイス上でユーザの指によって加えられた圧力のうちの少なくとも１つが抽出される。
ステップ３０４において、インタラクション・データから複数の特徴が抽出される。一実施形態によれば、インタラクション・データから抽出される複数の特徴のうちの例示的な特徴は、スワイプ方向、勾配、ユークリッド距離、平均速度、最大加速度、および曲率を含む。ステップ３０６において、１つまたは複数の特徴ベクトルが生成され、複数の特徴が１つまたは複数の特徴ベクトルに集約される。
この方法は、複数の特徴を各特徴ベクトル内に埋め込み、グローバル・トレーニング・データセットを生成するために、ユーザに関連付けられたインタラクティブ・セッションの履歴と、複数の異なるユーザに関連付けられたインタラクティブ・セッションの履歴とを比較することによって、埋め込まれた複数の特徴をグローバル特徴空間に投影することによって、ステップ３０８に進む。図２Ａを参照して上記で説明したように、第１のステップにおいて、行動埋め込みプロセスは、ユーザのインタラクティブ・セッションに関連付けられたインタラクション・データを、ユーザに関連付けられた過去のセッションのデータベースと比較することと、ユーザのインタラクティブ・セッションに関連付けられたインタラクション・データを、ポジティブ・ラベルを付けて、グローバル特徴空間に投影することと、を含む。第２のステップにおいて、行動埋め込みプロセスは、ユーザのインタラクティブ・セッションに関連付けられたインタラクション・データを、複数の異なるユーザに関連付けられた過去のセッションのデータベースと比較することと、ユーザに関連付けられた各インタラクティブ・セッションからのデータを、複数の異なるユーザに関連付けられた過去のセッションのデータベースと共に、ネガティブ・ラベルを付けて、グローバル特徴空間に投影することと、を含む。いくつかの実施形態では、追加の集約計算をグローバル特徴空間に実行して、変換された特徴空間を生成することができる。
ステップ３１０において、生成されたグローバル・トレーニング・データセットを使用して検証モデルをグローバル（ユーザ非依存）２値分類モデルとして生成する。最後に、ステップ３１２において、トレーニングされた検証モデルを使用してアプリケーションの１人または複数のユーザの同一性を継続的に検証することができる。
いくつかの実施形態では、追加のシステム関連の特性に基づいて検証モデルを有限の数のモデルに分割することができる。検証モデルを分割するために使用することができる例示的なシステム関連の特性には、共通の行動バイオメトリクス特徴、オペレーティング・システム、画面ｄｐｉ、画面の高さなどが含まれる。一般に、検証システムを分割するために任意のメタデータを使用することができる。他の実施形態では、クラスタリング技術を使用して行動特性に基づいて複数のユーザをｋ個のクラスタにクラスタリングし、ｋ個のクラスタのそれぞれに対して検証モデルを構築することによって、検証モデルを複数の検証モデルに分割することができる。他の実施形態では、デバイス・タイプ（たとえば、ｉＯＳ／Ａｎｄｒｏｉｄまたはプレス／スワイプ）に基づいて分割することができる。
したがって、提案した実施形態は、検証モデルをトレーニングするために使用することができる特徴ベクトル内にタッチ・イベントから導出されるユーザ固有のデータを埋め込むための方法、システム、およびコンピュータ・プログラム製品を提供する。検証モデルは、大規模なリアルタイム・システムに適応可能であり、個々のユーザの行動および特性を保存しながら、毎日数百万のユーザをサポートすることが可能な１クラス／２値／多クラス分類モデルとして構築される。さらに、提案した実施形態は、ユーザ・ベースのデータをグローバル・データセットに埋め込むための、既存の学習パイプラインに統合することができる埋め込み層を導入し、そしてこれを使用して、行動バイオメトリクス・データを使用したモバイルの継続的な検証のためのグローバル・モデルを構築することができる。投影されたデータに基づいてグローバル・モデルが構築され、これはデータの内外から多くのユーザの同一性を検証することができる。
ここで図４を参照すると、本開示の一実施形態による、図１のネットワーク化されたコンピュータ環境１００のクライアント・コンピュータ１０２およびサーバ・コンピュータ１１４のコンポーネントのブロック図が示されている。図４は一実装形態の例示を提供しているにすぎず、異なる実施形態が実装される環境に関していかなる制限も示唆していないことを理解されたい。図示した環境への多くの変更が加えられ得る。
クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４は、１つまたは複数のプロセッサ４０２、１つまたは複数のコンピュータ可読ＲＡＭ４０４、１つまたは複数のコンピュータ可読ＲＯＭ４０６、１つまたは複数のコンピュータ可読記憶媒体４０８、デバイス・ドライバ４１２、読み取り／書き込みドライブまたはインターフェース４１４、ネットワーク・アダプタまたはインターフェース４１６を含み得、これらは全て通信ファブリック４１８を介して相互接続される。通信ファブリック４１８は、プロセッサ（たとえば、マイクロプロセッサ、通信およびネットワーク・プロセッサなど）、システム・メモリ、周辺デバイス、およびシステム内の他の任意のハードウェア・コンポーネントの間でデータまたは制御情報あるいはその両方を受け渡しするために設計された任意のアーキテクチャで実装され得る。
１つまたは複数のオペレーティング・システム４１０および１つまたは複数のアプリケーション・プログラム４１１は、プロセッサ４０２のうちの１つまたは複数によって、それぞれのＲＡＭ４０４（典型的にはキャッシュ・メモリを含む）のうちの１つまたは複数を介して実行するために、コンピュータ可読記憶媒体４０８のうちの１つまたは複数に記憶される。図示の実施形態では、コンピュータ可読記憶媒体４０８のそれぞれは、内蔵ハード・ドライブの磁気ディスク・ストレージ・デバイス、ＣＤ－ＲＯＭ、ＤＶＤ、メモリー・スティック（Ｒ）、磁気テープ、磁気ディスク、光ディスク、半導体ストレージ・デバイス、たとえば、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、フラッシュ・メモリ、またはコンピュータ・プログラムおよびデジタル情報を記憶できる他の任意のコンピュータ可読有形ストレージ・デバイスであり得る。
クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４はまた、１つまたは複数のポータブル・コンピュータ可読記憶媒体４２６に対して読み書きを行うためのＲ／Ｗドライブまたはインターフェース４１４を含み得る。クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４上のアプリケーション・プログラム４１１は、ポータブル・コンピュータ可読記憶媒体４２６のうちの１つまたは複数に記憶され、それぞれのＲ／Ｗドライブまたはインターフェース４１４を介して読み取られ、それぞれのコンピュータ可読記憶媒体４０８にロードされ得る。
クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４はまた、ネットワーク４２８への接続のために、ネットワーク・アダプタまたはインターフェース４１６、たとえば、ＴＣＰ／ＩＰアダプタ・カードまたは無線通信アダプタなど（ＯＦＤＭＡ技術を使用する４Ｇ無線通信アダプタなど）を含み得る。クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４上のアプリケーション・プログラム４１１は、ネットワーク（たとえば、インターネット、ローカル・エリア・ネットワーク、または他のワイド・エリア・ネットワークもしくは無線ネットワーク）およびネットワーク・アダプタまたはインターフェース４１６を介して、外部コンピュータまたは外部ストレージ・デバイスからコンピューティング・デバイスにダウンロードされ得る。プログラムは、ネットワーク・アダプタまたはインターフェース４１６からコンピュータ可読記憶媒体４０８にロードされ得る。ネットワークは、銅線、光ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはそれらの組合せを含み得る。
クライアント・コンピュータ１０２およびサーバ・コンピュータ１１４はまた、ディスプレイ画面４２０、キーボードまたはキーパッド４２２、およびコンピュータ・マウスまたはタッチパッド４２４を含み得る。デバイス・ドライバ４１２は、画像化のためにディスプレイ画面４２０に、キーボードもしくはキーパッド４２２に、コンピュータ・マウスもしくはタッチパッド４２４に、または英数字入力およびユーザ選択の圧力感知のためにディスプレイ画面４２０に、あるいはそれらの組合せにインターフェースする。デバイス・ドライバ４１２、Ｒ／Ｗドライブまたはインターフェース４１４、およびネットワーク・アダプタまたはインターフェース４１６は、（コンピュータ可読記憶媒体４０８またはＲＯＭ４０６あるいはその両方に記憶された）ハードウェアおよびソフトウェアを含み得る。
本開示はクラウド・コンピューティングに関する詳細な説明を含むが、本明細書に列挙した教示の実装形態はクラウド・コンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在知られているまたは今後開発される他の任意のタイプのコンピューティング環境と共に実装することが可能である。
クラウド・コンピューティングは、最小限の管理労力またはサービスのプロバイダとのやりとりによって迅速にプロビジョニングおよび解放することができる、設定可能なコンピューティング・リソース（たとえば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、およびサービス）の共有プールへの便利なオンデマンドのネットワーク・アクセスを可能にするためのサービス配信のモデルである。このクラウド・モデルは、少なくとも５つの特徴と、少なくとも３つのサービス・モデルと、少なくとも４つのデプロイメント・モデルとを含み得る。
特徴は以下の通りである。
オンデマンド・セルフ・サービス：クラウド・コンシューマは、サービスのプロバイダとの人的な対話を必要とせずに、必要に応じて自動的に、サーバ時間およびネットワーク・ストレージなどのコンピューティング能力を一方的にプロビジョニングすることができる。
ブロード・ネットワーク・アクセス：能力はネットワークを介して利用することができ、異種のシン・クライアント・プラットフォームまたはシック・クライアント・プラットフォーム（たとえば、携帯電話、ラップトップ、およびＰＤＡ）による使用を促進する標準的なメカニズムを介してアクセスされる。
リソース・プーリング：プロバイダのコンピューティング・リソースをプールして、様々な物理リソースおよび仮想リソースが需要に応じて動的に割り当ておよび再割り当てされるマルチ・テナント・モデルを使用して複数のコンシューマにサービス提供する。一般にコンシューマは、提供されるリソースの正確な位置に対して何もできず、知っているわけでもないが、より高い抽象化レベル（たとえば、国、州、またはデータセンターなど）では位置を特定可能であり得るという点で位置非依存の感覚がある。
迅速な弾力性：能力を迅速かつ弾力的に、場合によっては自動的にプロビジョニングして素早くスケール・アウトし、迅速に解放して素早くスケール・インすることができる。コンシューマにとって、プロビジョニング可能な能力は無制限であるように見えることが多く、任意の時間に任意の数量で購入することができる。
測定されるサービス：クラウド・システムは、サービスのタイプ（たとえば、ストレージ、処理、帯域幅、およびアクティブ・ユーザ・アカウント）に適したある抽象化レベルでの計量機能を活用して、リソースの使用を自動的に制御し、最適化する。リソース使用量を監視、管理、および報告して、利用されるサービスのプロバイダおよびコンシューマの両方に透明性を提供することができる。
サービス・モデルは以下の通りである。
ソフトウェア・アズ・ア・サービス（ＳａａＳ）：コンシューマに提供される能力は、クラウド・インフラストラクチャ上で動作するプロバイダのアプリケーションを使用することである。アプリケーションは、Ｗｅｂブラウザ（たとえば、Ｗｅｂベースの電子メール）などのシン・クライアント・インターフェースを介して様々なクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を可能性のある例外として、ネットワーク、サーバ、オペレーティング・システム、ストレージ、さらには個々のアプリケーション機能を含む、基盤となるクラウド・インフラストラクチャを管理も制御もしない。
プラットフォーム・アズ・ア・サービス（ＰａａＳ）：コンシューマに提供される能力は、プロバイダによってサポートされるプログラミング言語およびツールを使用して作成された、コンシューマが作成または取得したアプリケーションをクラウド・インフラストラクチャ上にデプロイすることである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、またはストレージを含む、基盤となるクラウド・インフラストラクチャを管理も制御もしないが、デプロイされたアプリケーションおよび場合によってはアプリケーション・ホスティング環境構成を制御する。
インフラストラクチャ・アズ・ア・サービス（ＩａａＳ）：コンシューマに提供される能力は、オペレーティング・システムおよびアプリケーションを含むことができる任意のソフトウェアをコンシューマがデプロイして動作させることが可能な、処理、ストレージ、ネットワーク、および他の基本的なコンピューティング・リソースをプロビジョニングすることである。コンシューマは、基盤となるクラウド・インフラストラクチャを管理も制御もしないが、オペレーティング・システム、ストレージ、デプロイされたアプリケーションを制御し、場合によっては選択したネットワーキング・コンポーネント（たとえば、ホスト・ファイアウォール）を限定的に制御する。
デプロイメント・モデルは以下の通りである。
プライベート・クラウド：クラウド・インフラストラクチャは組織専用に運用される。これは組織または第三者によって管理され、構内または構外に存在し得る。
コミュニティ・クラウド：クラウド・インフラストラクチャはいくつかの組織によって共有され、共通の懸念（たとえば、ミッション、セキュリティ要件、ポリシー、およびコンプライアンスの考慮事項など）を有する特定のコミュニティをサポートする。これは組織または第三者によって管理され、構内または構外に存在し得る。
パブリック・クラウド：クラウド・インフラストラクチャは、一般大衆または大規模な業界団体に対して利用可能にされ、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド：クラウド・インフラストラクチャは、固有のエンティティのままであるが、データおよびアプリケーションの移植性を可能にする標準化技術または独自技術（たとえば、クラウド間の負荷分散用のクラウド・バースティング）によって結合された２つ以上のクラウド（プライベート、コミュニティ、またはパブリック）を合成したものである。
クラウド・コンピューティング環境は、ステートレス性、低結合性、モジュール性、および意味論的相互運用性に重点を置いたサービス指向型である。クラウド・コンピューティングの中核にあるのは、相互接続されたノードのネットワークを含むインフラストラクチャである。
ここで図５を参照すると、例示的なクラウド・コンピューティング環境５０が示されている。図示のように、クラウド・コンピューティング環境５０は１つまたは複数のクラウド・コンピューティング・ノード１０を含み、これらを使用して、たとえば、パーソナル・デジタル・アシスタント（ＰＤＡ）もしくは携帯電話５４Ａ、デスクトップ・コンピュータ５４Ｂ、ラップトップ・コンピュータ５４Ｃ、または自動車コンピュータ・システム５４Ｎ、あるいはそれらの組合せなどの、クラウド・コンシューマによって使用されるローカル・コンピューティング・デバイスが通信し得る。ノード１０は相互に通信し得る。これらは、たとえば、上述のプライベート・クラウド、コミュニティ・クラウド、パブリック・クラウド、もしくはハイブリッド・クラウド、またはそれらの組合せなどの１つまたは複数のネットワークにおいて、物理的または仮想的にグループ化され得る（図示せず）。これにより、クラウド・コンピューティング環境５０は、クラウド・コンシューマがローカル・コンピューティング・デバイス上にリソースを維持する必要がない、インフラストラクチャ・アズ・ア・サービス、プラットフォーム・アズ・ア・サービス、またはソフトウェア・アズ・ア・サービス、あるいはそれらの組合せを提供することが可能になる。図５に示したコンピューティング・デバイス５４Ａ～Ｎのタイプは例示的なものにすぎないことを意図しており、コンピューティング・ノード１０およびクラウド・コンピューティング環境５０は、任意のタイプのネットワークまたはネットワーク・アドレス指定可能接続（たとえば、Ｗｅｂブラウザを使用）あるいはその両方を介して任意のタイプのコンピュータ化デバイスと通信できることを理解されたい。
ここで図６を参照すると、クラウド・コンピューティング環境５０（図５）によって提供される機能的抽象化レイヤのセットが示されている。図６に示したコンポーネント、レイヤ、および機能は例示的なものにすぎないことを意図しており、本発明の実施形態はこれらに限定されないことを事前に理解されたい。図示のように、以下のレイヤおよび対応する機能が提供される。
ハードウェアおよびソフトウェア・レイヤ６０は、ハードウェア・コンポーネントおよびソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例には、メインフレーム６１、ＲＩＳＣ（縮小命令セット・コンピュータ）アーキテクチャ・ベースのサーバ６２、サーバ６３、ブレード・サーバ６４、ストレージ・デバイス６５、ならびにネットワークおよびネットワーキング・コンポーネント６６が含まれる。いくつかの実施形態では、ソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア６７およびデータベース・ソフトウェア６８を含む。
仮想化レイヤ７０は抽象化レイヤを提供し、抽象化レイヤから、仮想エンティティの以下の例、すなわち、仮想サーバ７１、仮想ストレージ７２、仮想プライベート・ネットワークを含む仮想ネットワーク７３、仮想アプリケーションおよびオペレーティング・システム７４、ならびに仮想クライアント７５が提供され得る。
一例では、管理レイヤ８０は、下記の機能を提供し得る。リソース・プロビジョニング８１は、クラウド・コンピューティング環境内でタスクを実行するために利用されるコンピューティング・リソースおよび他のリソースの動的調達を提供する。計量および価格決定８２は、クラウド・コンピューティング環境内でリソースが利用されたときの費用追跡と、これらのリソースの消費に対する会計または請求とを提供する。一例では、これらのリソースはアプリケーション・ソフトウェア・ライセンスを含み得る。セキュリティは、クラウド・コンシューマおよびタスクの同一性検証だけでなく、データおよび他のリソースに対する保護も提供する。ユーザ・ポータル８３は、コンシューマおよびシステム管理者にクラウド・コンピューティング環境へのアクセスを提供する。サービス・レベル管理８４は、要求されたサービス・レベルが満たされるような、クラウド・コンピューティング・リソースの割り当ておよび管理を提供する。サービス・レベル合意（ＳＬＡ）の計画および履行８５は、ＳＬＡに従って将来要求されると予想されるクラウド・コンピューティング・リソースの事前手配および調達を提供する。
ワークロード・レイヤ９０は、クラウド・コンピューティング環境が利用される機能性の例を提供する。このレイヤから提供されるワークロードおよび機能の例は、マッピングおよびナビゲーション９１、ソフトウェア開発およびライフサイクル管理９２、仮想教室教育配信９３、データ分析処理９４、取引処理９５、ならびに行動埋め込みを使用したユーザ検証のためのシステム９６、を含む。
本明細書に記載のプログラムは、それらが本発明の特定の実施形態で実装される場合の用途に基づいて識別されている。しかしながら、本明細書のいかなる特定のプログラム名称も便宜上使用しているにすぎず、したがって、本発明が、そのような名称によって識別または含意あるいはその両方が行われる任意の特定の用途での使用のみに限定されるべきではないということを理解されたい。
図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実装形態のアーキテクチャ、機能、および動作を示している。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理的機能を実装するための１つまたは複数の実行可能命令を含むモジュール、セグメント、またはコードの一部を表し得る。いくつかの代替的実装形態では、ブロックに記載した機能は、図示した順序以外で行われることにも留意されたい。たとえば、関与する機能に応じて、連続して示した２つのブロックは、実際には実質的に同時に実行され、またはそれらのブロックは、場合により逆の順序で実行され得る。ブロック図またはフローチャート図あるいはその両方の各ブロック、およびブロック図またはフローチャート図あるいはその両方におけるブロックの組合せは、指定された機能もしくは行為を実行するか、または専用ハードウェアおよびコンピュータ命令の組合せを実行する専用のハードウェア・ベースのシステムによって実装できることにも気付くであろう。
本発明は、任意の可能な技術的詳細レベルの統合におけるシステム、方法、またはコンピュータ・プログラム製品、あるいはそれらの組合せであり得る。コンピュータ・プログラム製品は、本発明の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読記憶媒体（または複数の媒体）を含み得る。
コンピュータ可読記憶媒体は、命令実行デバイスによる使用のために命令を保持および記憶可能な有形のデバイスとすることができる。コンピュータ可読記憶媒体は、たとえば、限定はしないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光学ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組合せであり得る。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラム可能読み取り専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリー・スティック（Ｒ）、フロッピー（Ｒ）・ディスク、命令が記録されたパンチ・カードまたは溝の隆起構造などの機械的にコード化されたデバイス、およびこれらの任意の適切な組合せが含まれる。コンピュータ可読記憶媒体は、本明細書で使用する場合、たとえば、電波または他の自由に伝搬する電磁波、導波管もしくは他の伝送媒体を伝搬する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または有線で伝送される電気信号などの一過性の信号自体であると解釈されるべきではない。
本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング／処理デバイスに、あるいは、たとえば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくは無線ネットワーク、またはそれらの組合せなどのネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはそれらの組合せを含み得る。各コンピューティング／処理デバイスのネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶する。
本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路の構成データ、あるいは、Ｓｍａｌｌｔａｌｋ（Ｒ）、Ｃ＋＋などの物体指向プログラミング言語、および「Ｃ」プログラミング言語または類似のプログラミング言語などの手続き型プログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組合せで書かれたソース・コードまたは物体コードであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上かつ部分的にリモート・コンピュータ上で、あるいは完全にリモート・コンピュータまたはサーバ上で実行され得る。最後のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され、または（たとえば、インターネット・サービス・プロバイダを使用してインターネットを介して）外部コンピュータへの接続がなされ得る。いくつかの実施形態では、たとえば、プログラマブル・ロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実行するために、コンピュータ可読プログラム命令の状態情報を利用してコンピュータ可読プログラム命令を実行することによって、電子回路を個人向けにし得る。
本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図またはブロック図あるいはその両方を参照して本明細書で説明している。フローチャート図またはブロック図あるいはその両方の各ブロック、およびフローチャート図またはブロック図あるいはその両方におけるブロックの組合せが、コンピュータ可読プログラム命令によって実装できることは理解されよう。
これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能なデータ処理装置のプロセッサを介して実行される命令が、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックに指定される機能／動作を実施する手段を作り出すべく、汎用コンピュータ、専用コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサに提供されてマシンを作り出すものであってよい。これらのコンピュータ可読プログラム命令は、命令が格納されたコンピュータ可読ストレージ媒体がフローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックに指定される機能／動作の態様を実施する命令を含む製品を備えるように、コンピュータ可読ストレージ媒体に格納され、コンピュータ、プログラム可能なデータ処理装置、または他のデバイス、あるいはその組合せに特定の方式で機能するように指示できるものであってもよい。
コンピュータ可読プログラム命令は、コンピュータ、他のプログラム可能な装置、または他のデバイスで実行される命令が、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックに指定される機能／動作を実施するように、コンピュータ実装プロセスを作り出すべく、コンピュータ、他のプログラム可能なデータ処理装置、または他のデバイスにロードされ、コンピュータ、他のプログラム可能な装置、または他のデバイス上で一連の動作ステップを実行させるものであってもよい。
図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実装形態のアーキテクチャ、機能、および動作を示している。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理的機能を実装するための１つまたは複数の実行可能命令を含むモジュール、セグメント、または命令の一部を表し得る。いくつかの代替的実装形態では、ブロックに記載した機能は、図示した順序以外で行われ得る。たとえば、関与する機能に応じて、連続して示した２つのブロックは、実際には実質的に同時に実行され、またはそれらのブロックは、場合により逆の順序で実行され得る。ブロック図またはフローチャート図あるいはその両方の各ブロック、およびブロック図またはフローチャート図あるいはその両方におけるブロックの組合せは、指定された機能もしくは行為を実行するか、または専用ハードウェアおよびコンピュータ命令の組合せを実行する専用のハードウェア・ベースのシステムによって実装できることにも気付くであろう。
開示した方法のステップならびに開示したシステムおよび環境のコンポーネントは数字および文字を使用して順次的または連続的に識別しているが、そのような番号付けまたは文字付けは、そのようなステップが列挙した順序で実行されなければならないことを示すものではなく、方法のステップの明確な参照を容易にするために提供しているにすぎない。さらに、本方法のステップは、それらの説明した機能を実行するために並行して実行され得る。
本発明の様々な実施形態の説明は、例示の目的で提示してきたが、網羅的であることも、開示した実施形態に限定されることも意図したものではない。記載した実施形態の範囲から逸脱することなく、多くの修正および変形が当業者には明らかになろう。本明細書で使用する用語は、実施形態の原理、実際の適用、または市場に見られる技術に対する技術的改善を最もよく説明するために、または当業者が本明細書に開示した実施形態を理解できるようにするために選んだ。

Claims (20)

  1. ユーザ検証のためのコンピュータ実装方法であって、
    １つまたは複数のプロセッサによって、モバイル・デバイス上で動作するアプリケーションのユーザに関連するインタラクション・データを受信することであって、前記インタラクション・データは、前記モバイル・デバイス上での前記ユーザと前記アプリケーションとのインタラクティブ・セッション中に生成される、前記受信することと、
    前記１つまたは複数のプロセッサによって、前記インタラクション・データから複数の特徴を抽出することと、
    前記１つまたは複数のプロセッサによって、１つまたは複数の特徴ベクトルを生成することと、
    前記１つまたは複数のプロセッサによって、前記複数の特徴を前記１つまたは複数の特徴ベクトルに集約することと、
    前記１つまたは複数のプロセッサによって、前記複数の特徴を各特徴ベクトル内に埋め込むことと、グローバル・トレーニング・データセットを生成するために、前記ユーザに関連付けられたインタラクティブ・セッションの履歴と、複数の異なるユーザに関連付けられたインタラクティブ・セッションの履歴とを比較することによって、前記埋め込まれた複数の特徴をグローバル特徴空間に投影することと、
    前記１つまたは複数のプロセッサによって、前記グローバル・トレーニング・データセットを使用して検証モデルをグローバル２値分類モデルとして生成することと、
    を含む、コンピュータ実装方法。
  2. 前記１つまたは複数のプロセッサによって、前記検証モデルを使用して１人または複数のユーザの同一性を継続的に検証すること
    をさらに含む、請求項１に記載のコンピュータ実装方法。
  3. 前記複数の特徴を各特徴ベクトル内に埋め込むことは、
    前記１つまたは複数のプロセッサによって、前記ユーザの前記インタラクティブ・セッションに関連付けられた前記インタラクション・データを、前記ユーザに関連付けられた過去のインタラクティブ・セッションのデータベースと比較することと、
    前記１つまたは複数のプロセッサによって、前記ユーザの前記インタラクティブ・セッションに関連付けられた前記インタラクション・データを、ポジティブ・ラベルを付けて、前記グローバル特徴空間に投影することと、
    をさらに含む、請求項１に記載のコンピュータ実装方法。
  4. 前記１つまたは複数のプロセッサによって、前記ユーザの前記インタラクティブ・セッションに関連付けられた前記インタラクション・データを、前記複数の異なるユーザに関連付けられた過去のインタラクティブ・セッションのデータベースと比較することと、
    前記１つまたは複数のプロセッサによって、前記ユーザに関連付けられた各インタラクティブ・セッションからのデータを、前記複数の異なるユーザに関連付けられた過去のセッションの前記データベースと共に、ネガティブ・ラベルを付けて、前記グローバル特徴空間に投影することであって、追加の集約計算を前記グローバル特徴空間に実行して、変換された特徴空間を生成することができる、前記投影することと、
    をさらに含む、請求項３に記載のコンピュータ実装方法。
  5. 前記インタラクション・データは、前記モバイル・デバイス上で前記ユーザによって実行されるスワイプ動作およびプレス動作のうちの少なくとも１つを含む複数のタッチ・イベントを含む、請求項１に記載のコンピュータ実装方法。
  6. 前記複数のタッチ・イベントのそれぞれについて、前記１つまたは複数のプロセッサによって、タイムスタンプ付きの未加工のＸ、Ｙ座標、ユーザの指の大きさ、および前記モバイル・デバイス上で前記ユーザの指によって加えられた圧力のうちの少なくとも１つを抽出すること
    をさらに含む、請求項５に記載のコンピュータ実装方法。
  7. 前記インタラクション・データから抽出される前記複数の特徴は、スワイプ方向、勾配、ユークリッド距離、平均速度、最大加速度、および曲率を含む、請求項１に記載のコンピュータ実装方法。
  8. 前記１つまたは複数のプロセッサによって、追加のシステム関連の特性に基づいて前記検証モデルを有限の数のモデルに分割すること
    をさらに含む、請求項１に記載のコンピュータ実装方法。
  9. 前記１つまたは複数のプロセッサによって、前記検証モデルを複数のセミ・グローバル検証モデルに分割することであって、
    クラスタリング技術を使用して行動特性に基づいて複数のユーザをｋ個のクラスタにクラスタリングすることと、
    前記ｋ個のクラスタのそれぞれに対してセミ・グローバル検証モデルを構築することと、
    によって行われる、前記分割すること
    をさらに含む、請求項１に記載のコンピュータ実装方法。
  10. ユーザ検証のためのコンピュータ・システムであって、
    １つまたは複数のプロセッサと、１つまたは複数のコンピュータ可読メモリと、１つまたは複数のコンピュータ可読有形ストレージ・デバイスと、プログラム命令と、を含み、前記プログラム命令は前記１つまたは複数のメモリのうちの少なくとも１つを介して前記１つまたは複数のプロセッサのうちの少なくとも１つによって実行するために前記１つまたは複数のストレージ・デバイスのうちの少なくとも１つに記憶され、前記コンピュータ・システムは方法を実行することが可能であり、前記方法は、
    １つまたは複数のプロセッサによって、モバイル・デバイス上で動作するアプリケーションのユーザに関連するインタラクション・データを受信することであって、前記インタラクション・データは、前記モバイル・デバイス上での前記ユーザと前記アプリケーションとのインタラクティブ・セッション中に生成される、前記受信することと、
    前記１つまたは複数のプロセッサによって、前記インタラクション・データから複数の特徴を抽出することと、
    前記１つまたは複数のプロセッサによって、１つまたは複数の特徴ベクトルを生成することと、
    前記１つまたは複数のプロセッサによって、前記複数の特徴を前記１つまたは複数の特徴ベクトルに集約することと、
    前記１つまたは複数のプロセッサによって、前記複数の特徴を各特徴ベクトル内に埋め込むことと、グローバル・トレーニング・データセットを生成するために、前記ユーザに関連付けられたインタラクティブ・セッションの履歴と、複数の異なるユーザに関連付けられたインタラクティブ・セッションの履歴とを比較することによって、前記埋め込まれた複数の特徴をグローバル特徴空間に投影することと、
    前記１つまたは複数のプロセッサによって、前記グローバル・トレーニング・データセットを使用して検証モデルをグローバル２値分類モデルとして生成することと、
    を含む、コンピュータ・システム。
  11. 前記１つまたは複数のプロセッサによって、前記トレーニングされた検証モデルを使用して１人または複数のユーザの同一性を継続的に検証すること
    をさらに含む、請求項１０に記載のコンピュータ・システム。
  12. 前記複数の特徴を各特徴ベクトル内に埋め込むことは、
    前記１つまたは複数のプロセッサによって、前記ユーザの前記インタラクティブ・セッションに関連付けられた前記インタラクション・データを、前記ユーザに関連付けられた過去のインタラクティブ・セッションのデータベースと比較することと、
    前記１つまたは複数のプロセッサによって、前記ユーザの前記インタラクティブ・セッションに関連付けられた前記インタラクション・データを、ポジティブ・ラベルを付けて、前記グローバル特徴空間に投影することと、
    をさらに含む、請求項１０に記載のコンピュータ・システム。
  13. 前記１つまたは複数のプロセッサによって、前記ユーザの前記インタラクティブ・セッションに関連付けられた前記インタラクション・データを、前記複数の異なるユーザに関連付けられた過去のインタラクティブ・セッションのデータベースと比較することと、
    前記１つまたは複数のプロセッサによって、前記ユーザに関連付けられた各インタラクティブ・セッションからのデータを、前記複数の異なるユーザに関連付けられた過去のセッションの前記データベースと共に、ネガティブ・ラベルを付けて、前記グローバル特徴空間に投影することであって、追加の集約計算を前記グローバル特徴空間に実行して、変換された特徴空間を生成することができる、前記投影することと、
    をさらに含む、請求項１２に記載のコンピュータ・システム。
  14. 前記インタラクション・データは、前記モバイル・デバイス上で前記ユーザによって実行されるスワイプ動作およびプレス動作のうちの少なくとも１つを含む複数のタッチ・イベントを含む、請求項１０に記載のコンピュータ・システム。
  15. 前記複数のタッチ・イベントのそれぞれについて、前記１つまたは複数のプロセッサによって、タイムスタンプ付きの未加工のＸ、Ｙ座標、ユーザの指の大きさ、および前記モバイル・デバイス上で前記ユーザの指によって加えられた圧力のうちの少なくとも１つを抽出すること
    をさらに含む、請求項１４に記載のコンピュータ・システム。
  16. 前記インタラクション・データから抽出される前記複数の特徴は、スワイプ方向、勾配、ユークリッド距離、平均速度、最大加速度、および曲率を含む、請求項１０に記載のコンピュータ・システム。
  17. 前記１つまたは複数のプロセッサによって、追加のシステム関連の特性に基づいて前記検証モデルを有限の数のモデルに分割すること
    をさらに含む、請求項１０に記載のコンピュータ・システム。
  18. 前記１つまたは複数のプロセッサによって、前記検証モデルを複数のセミ・グローバル検証モデルに分割することであって、
    クラスタリング技術を使用して行動特性に基づいて複数のユーザをｋ個のクラスタにクラスタリングすることと、
    前記ｋ個のクラスタのそれぞれに対してセミ・グローバル検証モデルを構築することと、
    によって行われる、前記分割すること
    をさらに含む、請求項１０に記載のコンピュータ・システム。
  19. ユーザ検証のためのコンピュータ・プログラム製品であって、
    １つまたは複数のコンピュータ可読記憶媒体と、前記１つまたは複数のコンピュータ可読記憶媒体に集合的に記憶されたプログラム命令と、を含み、前記プログラム命令は、
    １つまたは複数のプロセッサによって、モバイル・デバイス上で動作するアプリケーションのユーザに関連するインタラクション・データを受信するプログラム命令であって、前記インタラクション・データは、前記モバイル・デバイス上での前記ユーザと前記アプリケーションとのインタラクティブ・セッション中に生成される、前記受信するプログラム命令と、
    前記１つまたは複数のプロセッサによって、前記インタラクション・データから複数の特徴を抽出するプログラム命令と、
    前記１つまたは複数のプロセッサによって、１つまたは複数の特徴ベクトルを生成するプログラム命令と、
    前記１つまたは複数のプロセッサによって、前記複数の特徴を前記１つまたは複数の特徴ベクトルに集約するプログラム命令と、
    前記１つまたは複数のプロセッサによって、前記複数の特徴を各特徴ベクトル内に埋め込むプログラム命令と、グローバル・トレーニング・データセットを生成するために、前記ユーザに関連付けられたインタラクティブ・セッションの履歴と、複数の異なるユーザに関連付けられたインタラクティブ・セッションの履歴とを比較することによって、前記埋め込まれた複数の特徴をグローバル特徴空間に投影するプログラム命令と、
    前記１つまたは複数のプロセッサによって、前記グローバル・トレーニング・データセットを使用して検証モデルをグローバル２値分類モデルとして生成するプログラム命令と、
    を含む、コンピュータ・プログラム製品。
  20. 前記１つまたは複数のプロセッサによって、前記トレーニングされた検証モデルを使用して１人または複数のユーザの同一性を継続的に検証するプログラム命令
    をさらに含む、請求項１９に記載のコンピュータ・プログラム製品。
JP2023561247A 2021-06-16 2022-06-09 ユーザ検証方法、システム、プログラム Pending JP2024528362A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/304,184 2021-06-16
US17/304,184 US11880439B2 (en) 2021-06-16 2021-06-16 Enhancing verification in mobile devices using model based on user interaction history
PCT/IB2022/055365 WO2022263977A1 (en) 2021-06-16 2022-06-09 Enhancing verification in mobile devices

Publications (1)

Publication Number Publication Date
JP2024528362A true JP2024528362A (ja) 2024-07-30

Family

ID=84489212

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023561247A Pending JP2024528362A (ja) 2021-06-16 2022-06-09 ユーザ検証方法、システム、プログラム

Country Status (6)

Country Link
US (1) US11880439B2 (ja)
JP (1) JP2024528362A (ja)
CN (1) CN117396865A (ja)
GB (1) GB2622540A (ja)
TW (1) TWI792923B (ja)
WO (1) WO2022263977A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11880439B2 (en) 2021-06-16 2024-01-23 International Business Machines Corporation Enhancing verification in mobile devices using model based on user interaction history

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015179428A1 (en) * 2014-05-19 2015-11-26 Kadenze, Inc. User identity authentication techniques for on-line content or access
JP2019008369A (ja) * 2017-06-20 2019-01-17 株式会社リコー 情報処理装置、認証システム、認証方法およびプログラム
US20200275271A1 (en) * 2019-02-21 2020-08-27 Alibaba Group Holding Limited Authentication of a user based on analyzing touch interactions with a device
JP2021531521A (ja) * 2019-06-17 2021-11-18 グーグル エルエルシーGoogle LLC 信頼されたモバイルコンピューティングデバイスに関連してビークル内カメラを使用するシームレスな運転者の認証

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW233288B (en) 1993-03-05 1994-11-01 Ind Tech Res Inst A process for guiding sludge of anaerobic fermenter and its device
US8171298B2 (en) 2002-10-30 2012-05-01 International Business Machines Corporation Methods and apparatus for dynamic user authentication using customizable context-dependent interaction across multiple verification objects
US9495385B2 (en) * 2004-10-01 2016-11-15 Ricoh Co., Ltd. Mixed media reality recognition using multiple specialized indexes
US8156116B2 (en) * 2006-07-31 2012-04-10 Ricoh Co., Ltd Dynamic presentation of targeted information in a mixed media reality recognition system
US20120204257A1 (en) 2006-04-10 2012-08-09 International Business Machines Corporation Detecting fraud using touchscreen interaction behavior
US9817963B2 (en) 2006-04-10 2017-11-14 International Business Machines Corporation User-touchscreen interaction analysis authentication system
US8489987B2 (en) * 2006-07-31 2013-07-16 Ricoh Co., Ltd. Monitoring and analyzing creation and usage of visual content using image and hotspot interaction
US9400879B2 (en) 2008-11-05 2016-07-26 Xerox Corporation Method and system for providing authentication through aggregate analysis of behavioral and time patterns
US8868902B1 (en) * 2013-07-01 2014-10-21 Cryptite LLC Characteristically shaped colorgram tokens in mobile transactions
US9042867B2 (en) * 2012-02-24 2015-05-26 Agnitio S.L. System and method for speaker recognition on mobile devices
US9185095B1 (en) 2012-03-20 2015-11-10 United Services Automobile Association (Usaa) Behavioral profiling method and system to authenticate a user
US9369476B2 (en) * 2012-10-18 2016-06-14 Deutsche Telekom Ag System for detection of mobile applications network behavior-netwise
US9589120B2 (en) 2013-04-05 2017-03-07 Microsoft Technology Licensing, Llc Behavior based authentication for touch screen devices
US10339288B2 (en) 2013-12-12 2019-07-02 Mcafee, Llc User authentication for mobile devices using behavioral analysis
US9531710B2 (en) 2014-05-09 2016-12-27 Behaviometrics Ab Behavioral authentication system using a biometric fingerprint sensor and user behavior for authentication
US10824958B2 (en) 2014-08-26 2020-11-03 Google Llc Localized learning from a global model
WO2016157075A1 (en) 2015-03-29 2016-10-06 Securedtouch Ltd. Continuous user authentication
US9961547B1 (en) 2016-09-30 2018-05-01 EMC IP Holding Company LLC Continuous seamless mobile device authentication using a separate electronic wearable apparatus
US11954461B2 (en) 2018-02-26 2024-04-09 Ukg Inc. Autonomously delivering software features
EP3777272A1 (en) 2018-03-27 2021-02-17 Carrier Corporation Recognizing users with mobile application access patterns learned from dynamic data
US11171937B2 (en) 2018-05-25 2021-11-09 Target Brands, Inc. Continuous guest re-authentication system
EP3647993B1 (en) 2018-10-29 2023-12-13 Onfido Ltd Interactive user verification
US11520819B2 (en) 2019-09-11 2022-12-06 Adeption Limited Systems and methods for context-based content generation
CN111163057B (zh) 2019-12-09 2021-04-02 中国科学院信息工程研究所 一种基于异构信息网络嵌入算法的用户识别系统及方法
US11880439B2 (en) 2021-06-16 2024-01-23 International Business Machines Corporation Enhancing verification in mobile devices using model based on user interaction history

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015179428A1 (en) * 2014-05-19 2015-11-26 Kadenze, Inc. User identity authentication techniques for on-line content or access
JP2019008369A (ja) * 2017-06-20 2019-01-17 株式会社リコー 情報処理装置、認証システム、認証方法およびプログラム
US20200275271A1 (en) * 2019-02-21 2020-08-27 Alibaba Group Holding Limited Authentication of a user based on analyzing touch interactions with a device
JP2021531521A (ja) * 2019-06-17 2021-11-18 グーグル エルエルシーGoogle LLC 信頼されたモバイルコンピューティングデバイスに関連してビークル内カメラを使用するシームレスな運転者の認証

Also Published As

Publication number Publication date
TW202301832A (zh) 2023-01-01
US20220405358A1 (en) 2022-12-22
GB202400112D0 (en) 2024-02-21
GB2622540A (en) 2024-03-20
CN117396865A (zh) 2024-01-12
US11880439B2 (en) 2024-01-23
TWI792923B (zh) 2023-02-11
WO2022263977A1 (en) 2022-12-22

Similar Documents

Publication Publication Date Title
US12093837B2 (en) Building a federated learning framework
US11790231B2 (en) Determining optimal augmentations for a training data set
CN114667507A (zh) 使用基于应用的剖析的机器学习工作负载的弹性执行
US11947570B2 (en) Data augmentation
US11573785B2 (en) Predicting code vulnerabilities using machine learning classifier models trained on internal analysis states
WO2018224940A1 (en) Event relationship analysis in fault management
US20160378201A1 (en) Dynamic alteration of input device parameters based on contextualized user model
US20220108126A1 (en) Classifying documents based on text analysis and machine learning
US12367402B2 (en) Intelligent backup and restoration of containerized environment
JP7702192B2 (ja) キー別の指紋に基づくアクセス制御を行う方法、コンピュータ・プログラム、およびコンピュータ・システム
US11797492B2 (en) Cognitive method to perceive storages for hybrid cloud management
US11928038B2 (en) Managing data sets based on user activity
US10778672B2 (en) Secure biometrics matching with split phase client-server matching protocol
US11893132B2 (en) Discovery of personal data in machine learning models
TWI792923B (zh) 使用基於用戶互動歷史之模型來增強移動設備中之用戶驗證之電腦實施方法、電腦系統及電腦程式產品
US11636345B2 (en) Training generative adversarial networks
US20220291953A1 (en) Dynamically validating hosts using ai before scheduling a workload in a hybrid cloud environment
US11410082B2 (en) Data loss machine learning model update
US20220147852A1 (en) Mitigating partiality in regression models
GB2600551A (en) Detection of associations between datasets
US20210056457A1 (en) Hyper-parameter management
US11335076B1 (en) Virtual reality-based device configuration
US11811520B2 (en) Making security recommendations
US20230024397A1 (en) Classification of mouse dynamics data using uniform resource locator category mapping
US11699082B2 (en) Multi-dimensional record correlations

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231219

RD16 Notification of change of power of sub attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7436

Effective date: 20231113

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20241114

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20251107

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20251112

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20260202