行动胜于（通行）口令：基于深度时序特征的智能手机用户被动认证
计算机视觉与模式识别
2019-01-17 v1 图像与视频处理
摘要
智能手机上主流的用户认证方案依赖显式用户交互，用户需输入口令或提供人脸、指纹、虹膜等生物特征线索。此类认证机制除繁琐且打扰用户外，还存在安全与隐私隐患。被动认证系统可通过频繁且无干扰地监控用户与设备的交互来应对这些挑战。本文中，我们提出一种用于被动认证的连体长短期记忆（Siamese LSTM）网络架构，用户无需任何显式认证步骤即可被验证。我们采集了包含 37 名用户、来自 30 种智能手机传感器模态的测量数据集。我们在 8 种主要模态上评估了该方法，即按键动态、GPS 位置、加速度计、陀螺仪、磁力计、线性加速度计、重力与旋转传感器。实验结果表明，在 3 秒内，真实用户可在 0.1% 错误接受率下以 97.15% 的概率被正确验证。
引用
@article{arxiv.1901.05107,
title = {Actions Speak Louder Than (Pass)words: Passive Authentication of Smartphone Users via Deep Temporal Features},
author = {Debayan Deb and Arun Ross and Anil K. Jain and Kwaku Prakah-Asante and K. Venkatesh Prasad},
journal= {arXiv preprint arXiv:1901.05107},
year = {2019}
}