Core Concepts
キーストロークダイナミクスのイメージ表現を用いることで、ユーザの入力パターンを効果的に捉え、パッシブ認証を実現する。
Abstract
本研究では、キーストロークダイナミクスのデータをイメージ化することで、ユーザの入力パターンを効果的に捉え、パッシブ認証を実現する手法を提案している。
データ収集では、タイミング情報に加えて、タッチ位置情報も取得している。これにより、従来のタイミング情報のみでは検出が困難だった攻撃に対しても、より強固な認証が可能となる。
データの前処理では、標準化を用いることで、ユーザの入力パターンをより安定して表現できるようにしている。また、バッファリングによってデータ量を増やすことで、モデルの汎化性能を向上させている。
キーストロークダイナミクスのイメージ化では、タッチ位置を拡大して表現することで、より詳細な分析が可能となる。さらに、主成分分析を用いて、イメージの安定性を高めている。
提案手法では、ワンクラス分類モデルの一種であるDeep SVDDを用いて、ユーザの正常入力パターンを学習し、異常を検出する。実験の結果、従来手法を大きく上回る性能を示した。
Stats
ユーザ0の等誤り率は0.029で、真受容率は0.994、正確率は0.971である。
ユーザ7の等誤り率は0.013で、真受容率は0.984、正確率は0.987である。
Quotes
"キーストロークダイナミクスのイメージ表現を用いることで、ユーザの入力パターンを効果的に捉えることができる。"
"標準化によるデータ前処理と、主成分分析を用いたイメージ生成により、より安定した入力パターンの表現が可能となる。"