Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019028089) APPRENTISSAGE PROFOND POUR AUTHENTIFICATION MULTIFACTORIELLE INVISIBLE BASÉE SUR LE COMPORTEMENT
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/028089 N° de la demande internationale : PCT/US2018/044722
Date de publication : 07.02.2019 Date de dépôt international : 01.08.2018
CIB :
G06F 21/31 (2013.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
21
Dispositions de sécurité pour protéger les calculateurs, leurs composants, les programmes ou les données contre une activité non autorisée
30
Authentification, c. à d. détermination de l’identité ou de l’habilitation des responsables de la sécurité
31
Authentification de l’utilisateur
Déposants :
TWOSENSE, INC. [US/US]; 415 Madison Avenue, 4th Floor New York, New York 10017, US
Inventeurs :
GORDON, Dawud; US
TANIOS, John; US
LEVKOVSKYI, Oleksii; US
Mandataire :
KOFFSKY, Mark I.; US
Données relatives à la priorité :
62/539,77701.08.2017US
62/648,88427.03.2018US
Titre (EN) DEEP LEARNING FOR BEHAVIOR-BASED, INVISIBLE MULTI-FACTOR AUTHENTICATION
(FR) APPRENTISSAGE PROFOND POUR AUTHENTIFICATION MULTIFACTORIELLE INVISIBLE BASÉE SUR LE COMPORTEMENT
Abrégé :
(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
États désignés : 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
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)