2021 Fiscal Year Research-status Report
Research on Advanced IoT security flatform based on Decentralized Machine Learning Model
Project/Area Number |
20K11801
|
Research Institution | Kanagawa Institute of Technology |
Principal Investigator |
岡崎 美蘭 神奈川工科大学, 情報学部, 教授 (00545155)
|
Co-Investigator(Kenkyū-buntansha) |
岡崎 直宣 宮崎大学, 工学部, 教授 (90347047)
|
Project Period (FY) |
2020-04-01 – 2023-03-31
|
Keywords | 個人認証 / 機械学習 / IoT機器 / 加速度センサー |
Outline of Annual Research Achievements |
本研究の目的は,誰もが安心して暮らせる超スマート社会を実現するためにフィジカル空間とサイバー空間を融合したすべての部分で安全性と信頼性を確保することができる高度かつ堅牢なIoTセキュリティ統合対策技術を確立することである.具体的には,超スマート社会実現におけるサイバー攻撃の脅威を明確に分析し,フィジカル空間からサイバー空間まで一貫して安全性を提供可能となる高度なIoTセキュリティシステム構築技術の確立について検討する.そして,不正デバイスと不正アプリケーションを見分けることができるデバイス認証技術とユーザ認証技術を研究開発するとともに,不正データ・異常データをより早く検知することができる信頼性の高い分散機械学習モデルの構築手法について研究開発を行うことである. 今年度は,昨年度提案・構築したIoTデバイスを用いたスマートロックの個人認証システムの有効性を確認するためのシステムの実装と提案手法の有効性確認実験を行った.提案システムでは加速度センサが搭載されたスマートフォンとスマートウォッチの二つの端末の合成加速度を用いることでユーザが意識することなくスマートロックの個人認証が可能となる.また,歩行認証では歩行距離の差による影響の少ない19 個の特徴量を抽出し,機械学習を用いて本人認証率を計算する.本研究では,継続的な歩行認証の有効性を確認するため日にちを開け定期的に歩行実験を行った.その結果,平均FAR が18.6%, 平均FRR が13.8%という認証率となった.さらに,様々な歩行速度での認証率の確認を行うため,早歩き,普段歩き,遅歩きの三つの速さを学習させ,平均FAR が18.8%で平均FRR が15.0%という結果となった 従って、歩行という行動的な特徴を用いた認証では,常に同じ歩き方を実現するのは難しく,認証率の精度が大きな課題になることが分かった.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は昨年度の構築システムの実装・実験を行いながらその有効性をある程度確認し,その結果を学会などで発表したので,おおむね順調に進展していると言える.
|
Strategy for Future Research Activity |
今までの実験では認証精度があんまりよくなかったので,認証精度の向上に向けた特徴量の抽出方法や速度処理について検討する.また,実験データの数をさらに増やして分析を行う予定である. さらに,認証精度の向上のため,他の機械学習モデルへの適用についても検討を行う予定である.また,眼鏡型のウェアラブル端末など様々なウェアラブル端末から歩行状態の加速度データを取得した場合でも高い精度で認証を行うことができるか確認する予定である.
|
Causes of Carryover |
次年度使用額が生じた理由は,コロナ禍で学生の登校自粛により今年度購入予定としていた設備備品とデバイス認証用のIoT機器を使った実験の遅れに伴い,一部設備備品の購入を見合わせたためである. また,当初予定していてた研究動向調査のための学会参加や研究打ち合わせ,学会発表などがすべてコロナ禍で中止やオンラインで行ったためである. 今後の使用計画は,学生の登校が進む中,実験のための機器・備品を購入し実験を行う予定である.また,コロナが収まってから,学会などに参加する予定である.
|