Breathing-Based Authentication on Resource-Constrained IoT Devices using Recurrent Neural Networks

Jagmohan Chauhan*, Suranga Seneviratne, Yining Hu, Archan Misra, Aruna Seneviratne, Youngki Lee

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

Abstrakti

Recurrent neural networks (RNNs) have shown promising results in audio and speech-processing applications. The increasing popularity of Internet of Things (IoT) devices makes a strong case for implementing RNN-based inferences for applications such as acoustics-based authentication and voice commands for smart homes. However, the feasibility and performance of these inferences on resource-constrained devices remain largely unexplored. The authors compare traditional machine-learning models with deep-learning RNN models for an end-to-end authentication system based on breathing acoustics.

AlkuperäiskieliEnglanti
Sivut60-67
Sivumäärä8
JulkaisuCOMPUTER
Vuosikerta51
Numero5
DOI - pysyväislinkit
TilaJulkaistu - toukokuuta 2018
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Siteeraa tätä