Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019028089) DEEP LEARNING FOR BEHAVIOR-BASED, INVISIBLE MULTI-FACTOR AUTHENTICATION
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/028089 International Application No.: PCT/US2018/044722
Publication Date: 07.02.2019 International Filing Date: 01.08.2018
IPC:
G06F 21/31 (2013.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
F
ELECTRIC DIGITAL DATA PROCESSING
21
Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
30
Authentication, i.e. establishing the identity or authorisation of security principals
31
User authentication
Applicants:
TWOSENSE, INC. [US/US]; 415 Madison Avenue, 4th Floor New York, New York 10017, US
Inventors:
GORDON, Dawud; US
TANIOS, John; US
LEVKOVSKYI, Oleksii; US
Agent:
KOFFSKY, Mark I.; US
Priority Data:
62/539,77701.08.2017US
62/648,88427.03.2018US
Title (EN) DEEP LEARNING FOR BEHAVIOR-BASED, INVISIBLE MULTI-FACTOR AUTHENTICATION
(FR) APPRENTISSAGE PROFOND POUR AUTHENTIFICATION MULTIFACTORIELLE INVISIBLE BASÉE SUR LE COMPORTEMENT
Abstract:
(EN) Biometric behavior-based authentication may be enhanced by using convolutional deep neural networks to learn subject-specific features for each subject. The advantage is two-fold. First the need for a domain expert is eliminated, and the search space can be algorithmically explored. Second, the features that allow each subject to be differentiated from other subjects may be used. This allows the algorithm to learn the aspects of each subject that make them unique, rather than taking a set of fixed aspects and learning how those aspects are differentiated across subjects. The combined result is a far more effective authentication in terms of reduction of errors. Behavior-based, invisible multi-factor authentication (BIMFA) mays also automate the responses to authentication second and third factor requests (something you have and something you are). BIMFA leverages continuous, invisible behavioral biometrics on user devices to gain a continuous estimate of the authorization state of the user across multiple devices without requiring any explicit user interaction or input for authentication. As a result, BIMFA can demonstrate that a device is under the control of the authorized user without requiring any direct user interaction.
(FR) L'invention vise à améliorer l'authentification basée sur un comportement biométrique en utilisant des réseaux neuronaux profonds convolutionnels pour apprendre des caractéristiques spécifiques à un sujet pour chaque sujet. L'avantage est double. Premièrement, le besoin d'un expert du domaine est éliminé et l'espace de recherche peut être exploré de manière algorithmique. Deuxièmement, les caractéristiques qui permettent à chaque sujet d'être différencié d'autres sujets peuvent être utilisées. Ceci permet à l'algorithme d'apprendre les aspects de chaque sujet qui le rendent unique plutôt que de prendre un ensemble d'aspects fixes et d'apprendre comment ces aspects sont différenciés entre les sujets. Le résultat combiné est une authentification nettement plus efficace en termes de réduction des erreurs. L'authentification multifactorielle invisible basée sur le comportement (BIMFA) permet également d'automatiser les réponses à l'authentification de deuxième et troisième demandes de facteurs (quelque chose que vous avez et quelque chose que vous êtes). La BIMFA tire profit de la biométrie comportementale invisible continue sur des dispositifs d'utilisateur pour obtenir une estimation continue de l'état d'autorisation de l'utilisateur parmi de multiples dispositifs sans nécessiter une quelconque interaction explicite d'utilisateur ou entrée pour une authentification. Par conséquent, la BIMFA peut démontrer qu'un dispositif est sous le contrôle de l'utilisateur autorisé sans nécessiter aucune interaction directe de l'utilisateur.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)