智能手机在日常生活中无处不在。由于许多敏感数据存储在智能手机上,因此访问智能手机需要身份验证。然而,传统的用户名和密码并不适合移动设备,因为智能手机没有触觉键盘,这使得数据输入繁琐且容易出错。因此,有人提出了锁定图案来代替智能手机上的打字,但它容易受到分析油性残留物的反射特性的涂抹攻击(Aviv 等人,2010 年)。此外,用户名/密码和锁定图案都容易受到肩窥攻击。为了解决上述问题,智能手机上已经实现了指纹或人脸识别。然而,这些生物特征认证需要一些专门的传感器/软件,
摘要 — 我们提出了 MusicID,这是一种智能设备的身份验证解决方案,它使用音乐诱导的脑波模式作为行为生物识别方式。我们通过实验使用从真实用户那里收集的数据来评估 MusicID,当时他们正在听两种形式的音乐;一首流行的英文歌曲和个人最喜欢的歌曲。我们表明,使用从 4 电极商品脑波耳机收集的数据可以实现超过 98% 的用户识别准确率和超过 97% 的用户验证准确率。我们进一步表明,单个电极能够提供大约 85% 的准确率,而使用两个电极可以提供大约 95% 的准确率。正如用于冥想应用的商品脑感应耳机已经展示的那样,我们相信在智能耳机中加入干 EEG 电极是可行的,并且 MusicID 有可能为即将到来的智能设备浪潮提供切入点和持续的身份验证框架,这些智能设备主要由增强现实 (AR)/虚拟现实 (VR) 应用驱动。
摘要:我们的研究分析了与某些无线通信功能有关的基于认证的公共密钥基础架构(PKI)的安全效应。在基于无线通信的汽车功能的情况下,本文的第一部分侧重于量化服务质量(QOS)参数的安全效应。基于此概念,本文讨论了两种情况:在第一种情况下,在通信过程中没有应用身份验证过程,在第二种情况下,通信是通过PKI身份验证确保的。这个概念使我们能够评估由与身份验证过程相关的其他计算需求引起的安全开销的安全效应。考虑到我们的研究结果,就可以在操作情况下定义要求和预期条件。
DevSecOps 是一套软件开发实践,它将软件开发 (Dev)、安全 (Sec) 和信息技术操作 (Ops) 结合起来,以确保成果并缩短开发生命周期。软件功能、补丁和修复更频繁地以自动化方式出现。安全性应用于软件生命周期的所有阶段。下图 1-1 显示了 DevSecOps 流程的示例。本文档将重点介绍保护放入公共存储库供所有人使用的容器的过程。此存储库可在 https://repo1.dsop.io/dsop 找到(见图 1-2)。注意:本文档重点介绍容器安全性。据了解,任何应用程序代码或库在集成到 DoD 使用的容器中之前都必须通过静态/动态代码分析工具扫描并通过或已减轻/接受风险。如果该应用程序已获得 IC/NSA/DoD CIO/DISA 的批准使用(和扫描),则互惠可以生效。本文档未描述该过程。
DevSecOps 是一套软件开发实践,它将软件开发 (Dev)、安全 (Sec) 和信息技术操作 (Ops) 结合起来,以确保成果安全并缩短开发生命周期。软件功能、补丁和修复更频繁地以自动化方式出现。安全性应用于软件生命周期的所有阶段。下图 1-1 显示了 DevSecOps 流程示例。本文档将重点介绍保护放入公共存储库供所有人使用的容器的过程。此存储库可在 https://repo1.dsop.io/dsop 找到(见图 1-2)。注意:本文档重点介绍容器安全性。众所周知,任何应用程序代码或库在集成到 DoD 使用的容器之前都必须经过静态/动态代码分析工具的扫描,并通过或减轻/接受风险。如果应用程序已经获得 IC/NSA/DoD CIO/DISA 的批准使用(和扫描),则互惠可以生效。本文档未描述该过程。
摘要 - 近年来,上肢障碍的人(UEI)一直使用可穿戴的物联网(Wiot)设备,例如头部安装的设备(HMD),例如康复,辅助技术和游戏等各种目的。这种Wiot设备经常收集和显示敏感信息,例如与医疗和康复有关的信息。因此,HMD可以验证戴着它们的人,以便可以为他们管理的敏感信息实施适当的访问控制。在本文中,我们为Wiot设备的上肢设备(HMDS)探索了一种新的身份验证方法(UEI)。该方法通过杠杆式ballistarcardiogonmon(心律的表示)来起作用,该方法源自加速度计和陀螺仪,安装在HMD上以进行身份验证。然后将派生的ballistaragartiongrogongon送入六个参与者特定的卷积神经网络(CNN),这些神经网络(CNN)充当我们的身份验证模型。对我们方法的分析显示其可行性。使用来自UEI的6位参与者的数据(和22名健全的参与者,进行评估),我们表明我们可以在4秒内验证参与者,平均误差率分别为4.02%和10.02%,分别在培训后和2个月后立即对参与者进行身份验证。索引术语 - 授权,生物识别技术,物联网,可穿戴计算机,辅助技术
摘要 — 生物特征认证因其对个人用户的独特性而在各种应用中变得流行起来。在这种情况下,来自用户的脑电图 (EEG) 信号是身份验证的一个有趣候选。在这项工作中,我们特别关注与人类眨眼相对应的 EEG 信号,以创建一个身份验证系统,该系统可用于准确有效地区分多个用户,同时减轻用户的负担和方便。我们使用从 20 位用户收集的与眨眼相关的 EEG 信号数据集来研究我们的解决方案。我们的结果表明,眨眼信号可用于准确区分不同的用户,因此可用于身份验证。索引词 —EEG、眨眼、身份验证、生物特征
摘要:Metaverses实质上是一个虚拟吸引人的世界,试图合并(物理和最近数字化)现实。用于构建元模型的核心组件是最近的时尚技术,人工智能和区块链。所有域中的元应用程序引起了变体个人行为的注意,因此,安全问题变得更加更广泛,组织不受组织。因此,迫切需要使用机器学习和最新的深度学习技术对元式安全身份验证方法进行全面的需求。在本文中,我们介绍了与上述研究主题相关的最新技术的调查,并制定了问题陈述和模型的主要目标。预期的模型应能够分析数据和不同程度的严重程度的攻击。
Q1 2024 IAA中的生成AI趋势:在2023年,AI在新闻和活动中仍然是人们的头脑。 在身份空间,组织,供应商和服务提供商中,正在尝试弄清生成AI如何帮助现代,强大和精简的身份安全计划。 它还将在未来12到18个月内洞悉生成AI的初始身份用例。 Q2 2024市场格局:身份编排:身份编排是一种基于标准的,用于管理分布式身份和访问管理(IAM)的新型软件方法。 身份编排提供了一种在混合云环境中确保身份的方法。 本报告将提供技术概述,市场分析以及在这个新兴领域玩耍的供应商。Q1 2024 IAA中的生成AI趋势:在2023年,AI在新闻和活动中仍然是人们的头脑。在身份空间,组织,供应商和服务提供商中,正在尝试弄清生成AI如何帮助现代,强大和精简的身份安全计划。它还将在未来12到18个月内洞悉生成AI的初始身份用例。Q2 2024市场格局:身份编排:身份编排是一种基于标准的,用于管理分布式身份和访问管理(IAM)的新型软件方法。身份编排提供了一种在混合云环境中确保身份的方法。本报告将提供技术概述,市场分析以及在这个新兴领域玩耍的供应商。
有效的用户身份验证是确保物联网 (IoT) 系统中设备安全、数据隐私和个性化服务的关键。然而,传统的基于模式的身份验证方法(例如密码和智能卡)可能容易受到各种攻击(例如窃听和旁道攻击)。因此,人们尝试设计基于生物特征的身份验证解决方案,这些解决方案依赖于生理和行为特征。行为特征需要持续监控和特定的环境设置,这在实践中可能具有挑战性。然而,我们也可以利用人工智能 (AI) 从物联网设备处理中提取和分类生理特征,以促进身份验证。因此,我们回顾了 2015 年之后发表的关于人工智能在生理特征识别中的应用的文献。我们使用物联网的三层架构(即感知层、特征层和算法层)来指导对现有方法及其局限性的讨论。我们还确定了一些未来的研究机会,希望这些机会能够指导下一代解决方案的设计。