Jan, 2024
利用动作预测进行基于行为的虚拟现实（VR）认证
Using Motion Forecasting for Behavior-Based Virtual Reality (VR) Authentication
Mingjun Li, Natasha Kholgade Banerjee, Sean Banerjee
TL;DR该论文提出了一种基于任务行为生物特征认证的方法，利用个体的运动轨迹作为唯一签名，在虚拟现实环境中实现无缝的持续认证。通过使用深度学习方法进行行为生物特征认证，准确率较高，但在使用任务开始时的较小片段时性能较低。因此，现有技术设计的系统在等待未来运动轨迹片段可用时是易受攻击的。为了解决这个问题，该研究首次使用基于 Transformer 的预测方法，预测未来用户行为并用于用户认证。根据用户当前的任务环境下的轨迹，我们的方法可以预测用户未来的运动轨迹，因为用户不太可能在任务期间大幅改变其行为。我们使用 Miller 等人公开的 41 个被试的投掷球数据集来展示使用预测数据进行用户认证的改进效果。与不进行预测相比，我们的方法平均将认证等错误率（EER）降低了 23.85％，最大降低 36.14％。