1　新しい本人確認システム「LABBA」は、電話で吹き出す音を使う行動認証と軽量の大規模言語モデル（LLM）を組み合わせたものです。音声からは周波数と時間の特徴を抽出し、これを類似度表現に変換します。LLMはその表現をプロンプトに変換して、文脈をもとに本人確認を行います。 2　実験では50名の被験者を対象に、以下の結果が得られました。ルールベースモードで99.46％、スコアベースモードで99.38％の認証精度が確認され、LLMを使わないベースライン（99.09％）を上回りました。 3　エラー率も改善されました。ルールベースモードで偽拒否率（FRR）18.27％、偽受理率（FAR）0.21％、ベースラインはFRR 43.64％、FAR 0.13％でした。スコアベースモードではFRR 13.80％、FAR 0.38％とさらなる向上です。 4　両モードを統合する「融合」設定では、最小等価誤り率（EER）がルールベースで9.24％、スコアベースで7.09％に低減され、ベースラインの21.89％を大きく下回りました。 5　実験プロトタイプはCPUのみで動作し、ルールベース評価に8.237秒、スコアベース評価に11.604秒かかります。これは特徴抽出よりも遅く、リアルタイム利用には最適化が必要です。 6　LLMを利用しても多くの場合正解になるわけではなく、FARとFRRがゼロではありません。また、構造化プロンプトにより「幻覚」のような誤判定が起こる可能性があります。これらの限界は、将来の研究で解決すべき課題です。 7　総じて、軽量LLMを組み込むことで、シンプルで生活に馴染みやすい行動認証の精度が上がることが示されましたが、処理遅延と決定の正確性は実用化のハードルとなっています。