首页/论文/2201.13077

arXiv 2201.130772022-01-31cs.CR

生物特征识别方法综述：ECG的特点之一

An Overview of Various Biometric Approaches: ECG One of its Trait

Kavyashree U, K N Deeksha, Suma Ballal, Vitina Mary Dsouza, Rama Moorthy H

备注：: Accepted and Published in the International Journal of Emerging Trends & Technology in Computer Science (IJETTCS). Volume 4, Issue 1, January-February 2015

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

生物计量系统实际上是一种模式识别系统，它利用虹膜、视网膜等各种模式以及指纹、话音识别、面部几何形状和手部几何形状等生物特征。生物计量学真正吸引人的是，各种安全代码，如密码和身份证，可以互换，被盗或复制。为了提高系统的安全性和可靠性，可以使用生理特征。本文综述了生物测量的关键技术和基本技术及其存在的问题。然后介绍了心电图机的工作原理，并指出了心电图机的各种应用机会。

英文摘要：

A Bio-metrics system is actually a pattern recognition system that utilizes various patterns like iris, retina and biological traits like fingerprint, voice recognition, facial geometry and hand geometry. What makes Bio-metrics really attractive is that the various security codes like passwords and ID cards can be interchanged, stolen or duplicated. To enhance the security and reliability of the system, physiological traits can be used. This paper gives the overview of key bio-metric technologies and basic techniques involved and their drawbacks. Then the paper illustrates the working of ECG and the various opportunities for ECG are also mentioned.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于ECG的生物认证中身份事件的优化

Runtime Optimization of Identification Event in ECG Based Biometric Authentication

生物特征认证已经成为一种非常流行的方法，用于不同的国家的最先进的安全体系结构。尽管指纹、掌纹、视网膜扫描等琐碎的生物特征认证方法被普遍接受并不断发展，仍然存在从稍微不太流行的方法产生高度竞争性性能的可能性。基于心电图（ECG）的生物特征认证就是这样一种方法，尽管其在早期的研究工作中的出现有限，但目前被观察到与其他普通流行方法具有同等的高性能。在本文中，我们提出了一个模型，以优化运行时间的识别事件在心电图的生物特征认证，我们已经取得了最大的79.26%的时间减少与100%的准确性。

2018-05-15cs.CR

打开你心灵的钥匙：基于ECG信号的生物特征认证

A Key to Your Heart: Biometric Authentication Based on ECG Signals

近年来，人们的兴趣已经转向生物特征认证领域，该领域使用用户的生物特征来证明用户的身份。我们探索了一种新的生物特征的基础上的电活动的人的心脏的心电图（ECG）信号的形式。为了探索ECG作为生物特征的稳定性，我们收集了55名参与者在两次会议上的数据，中间间隔4个月。我们还使用消费级ECG监护仪，比医疗级监护仪更经济实惠，更实用。使用标准的方法来评估我们的分类器，我们得到的出错率为2.4%的数据收集在一个会话和9.7%的数据收集在两个会话。实验结果表明，使用消费级监视器收集的ECG信号可以成功地用于用户认证。

2019-06-21cs.CRcs.SYeess.SY

基于离散余弦变换提取ECG基准特征的IoT实时的生物认证系统

An IoT Real-Time Biometric Authentication System Based on ECG Fiducial Extracted Features Using Discrete Cosine Transform

AlNahrain University（纳赫赖因大学）

传统的认证技术，如RFID标签和认证卡/徽章，遭受不同的弱点，因此，应立即使用生物识别认证方法来代替。指纹、语音和ECG信号等生物特征是可用于身份验证处理的唯一人类字符。在这项工作中，我们提出了一个物联网实时的【形】认证系统的基础上使用提取的心电图特征来识别未知的人。采用离散余弦变换（DCT）作为ECG特征提取，具有更好的实时的【形】系统实现特性。目前已有大量的研究对身份认证的准确性进行了研究，但大多数研究都忽略了身份认证的实时的【形】能力。在大约1.21秒的处理时间下，该系统的准确率为97.78%，更适合于需要快速可靠的认证处理需求的许多应用。

2017-08-28cs.CRcs.CV

综合综述：生物特征用户认证应用、评估与讨论

Comprehensive Survey: Biometric User Authentication Application, Evaluation, and Discussion

本文综述生物特征用户认证文献，系统比较生理与行为特征、应用适配性、安全便利鲁棒性、网络攻击对策及准确性改进方向。

2024-01-20cs.CR

资源受限系统的安全可靠生物特征访问控制与IoT

Secure and Reliable Biometric Access Control for Resource-Constrained Systems and IoT

随着物联网（IoT）的出现，对低功耗、普适设备的访问控制和数据保护的需求日益增长。基于生物特征的身份验证由于其方便的性质和较低的攻击敏感性而有希望用于物联网。然而，对于灵巧卡、密钥卡等，与生物识别处理和模板保护相关联的成本是不小的。在本文中，我们讨论了生物识别系统的安全性，成本和实用性，并开发了两个主要的框架来改善它们。首先，我们介绍了一个新的框架，用于实现生物识别系统的基础上物理不可克隆功能（PUF）和硬件混淆，与传统的软件方法，不需要非易失性存储的生物识别模板/密钥。除了降低危及生物特征的风险之外，混淆的性质还提供了针对通过恶意软件和故障注入规避访问控制的保护。PUF提供不可逆性和不可链接性。其次，所提出的PUF/混淆方法的主要要求是从用户输入的生物特征生成可靠的（鲁棒的）密钥。我们提出了一个噪声感知的生物量化框架，能够生成独特的，可靠的密钥，减少注册时间和去噪成本。最后，我们进行了几个案例研究。在第一，提出的噪声感知的方法相比，我们以前的方法，多个生物识别模式，包括流行的（指纹和虹膜）和新兴的心血管（ECG和PPG）。结果表明，ECG提供了可靠性，密钥长度，熵和成本之间的最佳权衡。在第二和第三个案例研究中，我们演示了如何通过对ECG的受试者内变异进行建模来同时提高可靠性、去噪成本和注册时间。

2018-03-26cs.CR

基于指纹和虹膜的多模态生物特征识别的硬件实现

Hardware Implementation of Multimodal Biometric using Fingerprint and Iris

Macquarie University（麦考瑞大学）

在本文中，多模态生物识别系统的硬件架构，大规模利用固有的并行性。该系统是基于多个生物特征融合，使用两个生物特征，指纹和虹膜。每个生物特征首先在软件层面进行优化，解决一些直接影响FAR和FRR的问题。然后，这两个生物特征的硬件架构，其次是最后的多模态硬件架构。据作者所知，没有其他基于FPGA的设计使用这两个特性。

2022-01-16cs.CRcs.CV

更多相关论文收起更多论文

智能手机行为生物认证研究综述

A Survey on Behavioral Biometric Authentication on Smartphones

最近的研究表明，使用智能手机的传感器和配件来提取一些行为属性的可能性，如触摸动态，触觉动态和步态识别。这些属性被称为行为生物识别，可用于在智能手机上隐式和连续地验证或识别用户。基于这些行为生物特征构建的认证系统被称为主动或连续认证系统。本文对主动认证系统进行了综述。我们提出了一般的主动认证系统的组件和操作过程，然后概述了用于开发主动认证系统的最先进的行为生物特征及其在智能手机上的评估。我们讨论了与每个行为生物特征相关的问题，优势和局限性。并对它们进行了比较总结。最后，提出了该研究领域面临的挑战和有待解决的问题。

2018-01-28cs.CR

基于心电图的生物特征认证的机器学习框架

A Machine Learning Framework for Biometric Authentication using Electrocardiogram

Khalifa University（哈利法大学）；National Taiwan University of Science and Technology（台湾科技大学）

本文介绍了一个框架，如何适当地采用和调整机器学习（ML）技术用于构建基于心电图（ECG）的生物认证方案。该框架可以帮助基于ECG的生物特征认证机制的研究者和开发者定义所需数据集的边界，并获得高质量的训练数据。为了确定数据集的边界，采用用例分析。基于基于ECG的认证的各种应用场景，开发了三种不同的用例（或认证类别）。通过为相应的机器学习方案提供更多合格的训练数据，从而提高了基于ML的ECG生物特征认证机制的精度。该框架采用R峰锚定的ECG时间分片技术，以获得高质量的ML训练数据。在所提出的框架中，引入了四个新的度量指标来评估ML训练和测试数据的质量。此外，还开发了一个Matlab工具箱，其中包含所有提出的机制、指标和样本数据，以及使用各种ML技术进行的演示，并将其公开以供进一步研究。为了开发基于ML的ECG生物特征认证，所提出的框架可以指导研究人员准备适当的ML设置和ML训练数据集以及三个已识别的用户案例场景。对于采用ML技术在其他研究领域设计新方案的研究人员来说，所提出的框架对于生成基于ML的高质量训练和测试数据集以及利用新的度量指标仍然是有用的。

2019-08-05cs.CRcs.LG

EDITH：深度学习辅助的ECG生物识别技术，用于可靠的个人auTHentication

EDITH :ECG biometrics aided by Deep learning for reliable Individual auTHentication

Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）；Qatar University（卡塔尔大学）；University of Dhaka（达卡大学）

近年来，基于生理信号的身份认证因其固有的鲁棒性而显示出巨大的应用前景。心电图（ECG）信号是研究最广泛的生物信号，在这方面也受到了最高级别的关注。许多研究已经证明，通过分析来自不同人的ECG信号，可以以可接受的精度识别他们。在这项工作中，我们提出了EDITH，一个基于深度学习的ECG生物识别认证系统的框架。此外，我们假设并证明，暹罗体系结构可以使用在典型的距离指标，以提高性能。我们使用4个常用的数据集对EDITH进行了评估，并使用较少的节拍数超越了之前的作品。EDITH仅使用单次心跳即可实现竞争性性能（96-99.75%的准确度），并可通过融合多次心跳（3至6次心跳的100%准确度）进一步增强。此外，所提出的暹罗体系结构管理，以减少身份验证等出错率（EER）为1.29%。一个有限的案例研究EDITH与现实世界的实验数据也表明其作为一个实用的认证系统的潜力。

2021-11-14cs.AIcs.CRcs.LG

行为生物特征数据的隐私保护技术：综述

Privacy-Protecting Techniques for Behavioral Biometric Data: A Survey

TU Dresden（德累斯顿工业大学）；KASTEL Security Research Labs, KIT（卡尔斯鲁厄理工学院卡斯特安全研究实验室）；Paderborn University（帕德博恩大学）

本文综述了保护行为生物特征数据隐私的匿名化技术，分析了不同行为特征的隐私保护方法及存在的不足。

2023-01-05cs.CR

基于机器学习的心电生物认证系统

An Enhanced Electrocardiogram Biometric Authentication System Using Machine Learning

Khalifa University of Science and Technology（哈利法科技大学）；Emirates ICT Innovation Centre (EBTIC)（阿联酋信息通信技术创新中心）；Università degli Studi di Milano（米兰大学）；Birkbeck College, University of London（伦敦大学伯克贝克学院）；Defence Academy of the United Kingdom（英国国防学院）

传统的身份验证系统使用字母数字或图形密码，或基于令牌的技术，这些技术需要“你知道的东西和你拥有的东西”。这些系统的缺点包括健忘、丢失和被盗的风险。为了解决这些缺点，生物识别认证正在迅速取代传统的认证方法，并正在成为日常生活的一部分。心电图（ECG）是最近被认为是生物识别目的的特征之一。在这项工作中，我们描述了一个基于心电图的认证系统，适用于安全检查和医院环境。该系统将有助于研究人员研究基于心电图的生物特征认证技术，以定义数据集的边界，并获得高质量的训练数据。我们评估了所提出的系统的性能，发现它可以达到高达92%的识别准确率。此外，通过应用MATLAB中的Amang ECG（amgecg）工具箱，对直接影响认证准确性的两个参数：ECG切片时间（滑动窗口）和采样时间周期进行了研究，并找到了它们的最佳值。

2019-09-24cs.CRcs.LGeess.SP

轻量级MobileNetV1+GRU用于ECG生物特征认证：联邦与对抗性评估

Lightweight MobileNetV1+GRU for ECG Biometric Authentication: Federated and Adversarial Evaluation

Department of Computer Science \& Information Technology IoST, Tribhuwan University, Nepal；Department of Electronics；Computer Engineering Institute of Engineering, Dharan, Nepal

本文提出轻量级MobileNetV1+GRU模型用于ECG生物特征认证，在四个数据集上取得高准确率，并评估了联邦学习与对抗攻击下的鲁棒性。

2025-09-21cs.AIcs.CRcs.LG

基于注意力引导的1D和2D CNN融合用于鲁棒的基于ECG的生物识别

Attention-Guided Fusion of 1D and 2D CNNs for Robust ECG-Based Biometric Recognition

PIMIS Laboratory, Electronics and Telecommunications Department（PIMIS实验室，电子与电信系）；Université du 8 Mai 1945（8月1945大学）；Electrical Engineering Department, University of 20 August 1955（电子工程系，20 August 1955大学）；Department of Electrical Engineering, Faculty of Science and Applied Sciences（电子工程系，科学与应用科学学院）；Larbi Ben M'hidi University（拉比·本·迈迪大学）；Department of Electronics and Communications, University of Larbi Tebessi（电子与通信系，拉比·塔贝西大学）

本文提出了一种结合1D和2D CNN的混合框架，通过注意力引导融合机制提升ECG生物识别的鲁棒性和性能，实验表明该方法在多个数据集上均取得了较高的识别准确率。

2026-05-17cs.AIcs.CRcs.CV

基于增强型机器学习的RR间期帧心电图生物认证系统

An Enhanced Machine Learning-based Biometric Authentication System Using RR-Interval Framed Electrocardiograms

本文的研究对象是基于机器学习的生物特征数据安全系统。传统认证系统的缺点包括遗忘、丢失和被盗的风险。因此，生物识别认证正在迅速取代传统的认证方法，并正在成为日常生活的一部分。心电图（ECG）最近被引入作为适合于安全检查的生物特征认证系统。所提出的认证系统帮助研究人员研究基于ECG的生物特征认证技术，重塑输入数据的切片的基础上RR间隔，并定义了整体性能（OP），这是多个认证措施的组合性能指标。我们评估了所提出的系统使用混淆矩阵的性能，并通过紧凑的数据分析达到了95%的准确率。我们还使用MATLAB中的Amang ECG（amgecg）工具箱来研究基于均方误差的上限控制限（UCL），它直接影响三个身份验证性能指标：准确度、可接受样本的数量和OP。使用这种方法，我们发现可以通过使用0.0028的UCL来优化OP，其指示70个中的61个被接受的样本，并且确保所提出的认证系统实现95%的准确度。

2019-12-01cs.CRcs.LGeess.SP

基于多码生物认证的肌电开放获取数据集

Open Access Dataset for Electromyography based Multi-code Biometric Authentication

最近，表面肌电图（EMG）已被提出作为一种新的生物特征，以解决当前生物特征识别的一些关键限制，如欺骗和活性。EMG信号具有独特的特性：它们对于个体（生物识别）是固有不同的，并且它们可以被定制以实现多长度代码或密码（例如，通过执行不同的手势）。然而，目前基于EMG的生物特征研究有两个关键的局限性：1）与其他更成熟的生物特征相比，受试者池较小，2）仅限于单次会话或单日数据集。在这项研究中，前臂和手腕肌电图数据收集了43名参与者在三个不同的日子，长时间的分离，而他们进行静态的手和手腕的手势。多日生物特征认证导致前臂设置的EER中位数为0.017，手腕设置的EER中位数为0.025，与成熟的生物特征相当，表明多日的性能一致。所提出的大样本多天数据集和研究结果可以促进基于EMG的生物特征识别和其他基于手势识别的应用的进一步研究。

2022-01-05cs.CReess.SPstat.ML

基于掌纹和人脸图像的安全多模态生物特征融合

An Efficient Secure Multimodal Biometric Fusion Using Palmprint and Face Image

J.S.S. research foundation（J.S.S.研究基金会）；Mysore University（迈索尔大学）

基于生物特征的身份识别被认为是一种有效的自动识别方法，具有高置信度的个人身份。多模态生物特征系统整合了多个生物特征源提供的证据，与基于单一生物特征模态的系统相比，通常具有更好的识别性能。提出了一种利用人脸和掌纹两个特征进行多模态生物系统辨识认证的方法。所提出的系统被设计用于其中训练数据包含面部和掌纹的应用。将掌纹和人脸特征相结合，提高了身份认证的鲁棒性。最后的决定是由融合在匹配分数级架构，其中特征向量独立创建查询措施，然后比较注册模板，这是存储在数据库准备。多模态生物特征识别系统是通过融合人脸识别和掌纹识别来实现的。

2009-09-12cs.CRcs.CV

虚假的隐私感：迈向生物特征数据匿名化的可靠评估方法

A False Sense of Privacy: Towards a Reliable Evaluation Methodology for the Anonymization of Biometric Data

本文指出现有面部与步态生物特征匿名化评估因假设弱对手而高估隐私效果，提出知晓匿名化的强对手及改进的数据集选择方法，通过最坏情况性能度量实现可靠评估。

2024-07-09cs.CR

采用神经网络的生物识别技术

Biometrics Employing Neural Network

Syracuse University（雪城大学）

本文综述了基于神经网络的生物识别技术，指出人工神经网络作为精细分类器能提升识别准确率和整体安全性，是解决传统密码认证漏洞的有效方案。

2024-02-01cs.AIcs.CR

MultiLock：基于多种生物特征和行为模式的移动主动认证

MultiLock: Mobile Active Authentication based on Multiple Biometric and Behavioral Patterns

Universidad Autonoma de Madrid（马德里自治大学）

在本文中，我们评估移动主动认证的基础上，生物识别和基于行为的分析信号的合奏。我们考虑七种不同的数据通道及其组合。触摸动态（触摸手势和手势），加速度计，陀螺仪，WiFi，GPS位置和应用程序的使用都是在人机交互过程中收集的，以验证用户。我们评估两种方法：一次性身份验证和主动身份验证。在一次性认证中，我们使用一个会话期间所有可用通道的信息。对于主动身份验证，我们通过更新身份验证分数的置信度值来利用跨多个会话的移动用户行为。我们的实验是在半不受控制的UMDAA-02数据库上进行的。该数据库包括在自然人机交互期间获取的智能手机传感器信号。我们的结果表明，不同的特征可以互补，多模式系统明显提高了性能，准确率范围从82.2%到97.1%，具体取决于身份验证场景。

2019-01-29cs.CRcs.CVcs.CY

生物特征识别的理论极限

The theoretical limits of biometry

Ingenico Innovation Labs（银捷尼科创新实验室）

本文从理论上分析生物特征识别中群体规模与防止碰撞所需独立比特数的关系，给出存储需求的最低下界，并证明全球人口的生物特征可存储在普通磁盘中。

2023-11-06cs.AIcs.CRcs.IT