Characterizing Composite User-Device Touchscreen Physical Unclonable Functions (PUFs) for Mobile Device Authentication
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mobile systems have unique authentication requirements. A composite user-device identity that is computationally difficult to decompose into its user and device contribution is better suited for mobile context authentication for services such as Google wallet. We base such a composite identity in a composition of human user biometric and device silicon biometric realized as a user-device (UD-) physical unclonable function (PUF). This UD-PUF is derived from the touch screen of a mobile device. Challenge is a shape drawn on the screen, which the human user traces. The pressure values generated in the resulting touch events reflect the device level variability of the underlying transistor array. These pressure sequences can be quantized into an appropriate response. We characterize such a composite PUF for both its variability and reproducibility. We illustrate 0 bits of error in reproducibility for the (same device, same user, same challenge) scenario with the use of an innovative statistical concentrator serving the role of ECC (error correcting codes) in traditional PUFs. For the (same device, same user, different challenge), (same device, different user, same challenge), (different device, same user, same challenge), we benefit from as large a variability in the response as possible. We show 60+ bits Hamming distance in the composite UD-PUF responses of length 128 bits when variability is expected. We also demonstrate the promise of these PUFs to serve as biometric hardware pseudorandom number generators (PRGs) by putting them through Montreal TESTU01 suite of tests. Our best PUFs pass all the tests except occasionally failing 3. This PUF was implemented on Nexus 7 devices running Android.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle