Tuş Vuruşa Dayalı Biyometrik Doğrulama Keystroke Dynamics Based Biometric Authentication

Hasan Alp Boz, Mert Gürkan, Berrin Yanıkoğlu

semanticscholar(2020)

引用 0|浏览1
暂无评分
摘要
Özetçe—Tuş vuruşu dinamikleri, kullanıcıların dijital cihazlardaki yazma davranışlarına göre kullanıcı kimlik doğrulaması yapmayı amaçlar. Tuş vuruşu dinamikleri, kullanıcı oturumlarından elde edilen serbest metne dayalı sürekli kimlik doğrulama için kullanılabilir. Bu çalışmada, zamanlama ve bölgesel özniteliklerin performansı, serbest metin veri kümesinde çeşitli makine öğrenme teknikleri ile test edilmiştir. Sınıflandırma problemi için en temsili öznitelik setini elde etmek için yönlü çizge, tutma süresi ve klavye mesafesine dayalı öznitelikler çıkarılmış ve farklı yapılandırmalarda kullanılmıştır. Sonuçlar, dikkat mekanizmasına sahip çok katmanlı yapay sinir ağı modelinin, %0.13 FAR ve %2.5 FRR ile en iyi değerlendirme metriklerini verdiğini göstermektedir. Ek olarak, geliştirilen öznitelikler ve modeller sabit metin ile oluşturulmuş veri seti ile de test edilmiştir. Elde edilen sonuçlar oluşturulan öznitelik uzayının serbest metinler üzerindeki sınıflandırma problemine daha uygun olduğunu göstermektedir. Anahtar Kelimeler—Biyometrik, Tuş Vuruşu Dinamikleri, Örüntü Tanıma Abstract—Keystroke dynamics aims to perform user authentication based on users’ typing behaviour on digital devices. Keystroke dynamics can be used for continuous authentication that is based on free-text obtained from users’ sessions. In this study, performance of timing and regional features are tested with a variety of machine learning techniques on a free-text dataset. Di-graph, hold time and keyboard distance based features are extracted and utilized in different configurations to obtain the most representative feature set for the classification problem. The results show that the MLP model with attention mechanism yields the best evaluation metrics, with 0.13% FAR and 2.5% FRR. In addition, the developed features and models were tested with a static-text dataset. The obtained results show that the generated feature space is more suitable for the classification problem on free-text.
更多
查看译文
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要