近年、ドライバー識別はデータ駆動型アプリケーションにおいて重要な分野となっており、特にバイオメトリクス技術によるプライバシーの問題がある。この研究では、少ないモデルパラメータでドライバー識別を行うための注意機構に基づくエンコーダ（AttEnc）を用いた深層学習のニューラルネットワークアーキテクチャを提案している。提案されたプロトタイプネットワークと注意機構エンコーダを組み合わせたアーキテクチャ（P-AttEnc）は、振る舞いが不明なドライバーの識別やデータ不足問題を解決するためにファインチューニングされた。実験により、当モデルは異なる3つのデータセットで99.3%、99.0%、99.9%の精度でドライバーを特定できることが示され、予測時間は44%から79%短縮された。また、P-AttEncは、1ショットシナリオにおいて69.8%の精度でドライバーを特定でき、未知のドライバーを平均65.7%の精度で分類することもできることが確認された。