Conceptos Básicos
제안된 Type2Branch 모델은 대규모 데이터셋을 활용하여 수백만 명의 사용자를 효과적으로 식별할 수 있는 심층 학습 모델을 구축한다.
Resumen
이 연구에서는 Type2Branch라는 새로운 키스트로크 기반 생체 인식 시스템을 제안했다. Type2Branch는 다음과 같은 주요 특징을 가지고 있다:
사용자 행동 편차를 강조하는 합성 타이밍 특징 사용
다양한 주의 메커니즘이 포함된 이중 분기(순환 및 합성곱) 아키텍처
임베딩 공간의 전체 구조를 포착하는 새로운 Set2set 손실 함수
점진적으로 어려워지는 학습 과정
이러한 혁신적인 접근법을 통해 Type2Branch는 기존 방법보다 월등한 성능을 달성했다. 데스크톱 시나리오에서 평균 사용자 EER 0.77%, 모바일 시나리오에서 1.03%를 기록했다. 또한 단일 등록 샘플과 전역 임계값을 사용하는 더 까다로운 평가에서도 데스크톱 3.33%, 모바일 3.61%의 EER을 달성했다.
Estadísticas
키 누름 시간(HT)과 키 누름 간 시간(FT)은 각각 tR
i - tP
i와 tP
i - tP
i-1로 계산된다.
합성 특징 SHT와 SFT는 전체 훈련 집단의 일반적인 타이핑 행동을 반영하도록 생성된다.
Citas
"키스트로크 타이밍은 부분적으로 의식적인 무엇을 타이핑할지에 대한 의사 결정 프로세스와 완전히 무의식적인 어떻게 타이핑할지에 대한 모터 프로세스의 결합으로 나타난다."
"합성 데이터를 사용하면 생체 인식 분야의 과제를 극복하는 데 도움이 될 수 있다."