More Related Content More from Takenori Nakagawa More from Takenori Nakagawa (20) 機械学習を用いたパターンロック認証の強化手法9. Deep Learning
• Deep Neural Network
• 中間層が 2 層以上 Neural Network
• 多層になるほど Backpropagation により誤差が
伝播されにくくなり過学習が起こる
• 様々な対策が施されている (Dropout など)
9
24. 実験条件
• 筆跡画像 64x64 pixels グレースケール
• 特定の 1 人のデータとそれ以外のデータそれぞれ 2028 枚
• 4056 枚の筆跡データ
訓練データ 2556
試験データ 1500
• 学習率は 0.00001 (1e-5)
• バッチサイズは 10
24
32. 正答率の内訳
• 訓練データ 4000 枚 (本人 2000 枚, 他人 2000 枚)
• 試験データに対する正答率 (accuracy) : 85%
パターン数 正答数 正答率
本人 366 330 0.9016
他人 366 291 0.7951
32
33. 正答率の内訳
• 訓練データ 5000 枚 (本人 2000 枚, 他人 3000 枚)
• 試験データに対する正答率 (accuracy) : 86%
パターン数 正答数 正答率
本人 366 310 0.8470
他人 366 318 0.8689
33
34. 正答率の内訳
• 訓練データ 6000 枚 (本人 2000 枚, 他人 4000 枚)
• 試験データに対する正答率 (accuracy) : 87%
パターン数 正答数 正答率
本人 366 301 0.8224
他人 366 337 0.9208
34
40. 参考文献
• DEF CON 23: Tell me who you are and I will tell
you your lock screen pattern
https://blog.kaspersky.com/lock-screen-patterns-
predictability/9528/
• 君塚悠, 岡本剛, パスワード認証とパターン認証
の安全性に関する比較評価
• 石黑司, 福島和英, 清本晋作, 三宅優, モバイル端
末のロック解除向けパターン認証の安全性評価
40
41. 付録
研究に際して筆者が書いた全てのコードは GitHub 上で
MIT License の下に公開する
• 研究環境の構築:
https://github.com/ww24/docker-deep-learning
• データ収集用サーバ: https://github.com/ww24/kis
• データ収集用アプリ: https://github.com/ww24/pattern
• 学習テスト用コード: https://github.com/ww24/train-patterns
41