BehaveFormer：一种基于时空双注意力Transformer融合IMU增强击键动态的持续认证框架
密码学与安全
2023-07-21 v1
摘要
使用行为生物特征的持续认证（CA）是一种基于个人独特行为特征（如打字风格）进行识别的生物特征识别方式。然而，现有使用击键或触摸笔迹数据的系统准确性和可靠性有限。为此，可利用智能手机的惯性测量单元（IMU）传感器（包括加速度计、陀螺仪和磁力计）收集用户行为模式数据（如持机方式）。将IMU数据与击键数据结合可提升基于行为生物特征的CA准确性。本文提出BehaveFormer，一种利用击键与IMU数据构建可靠且准确的行为生物特征CA系统的新框架。它包含两个时空双注意力Transformer（STDAT）——我们提出的一种新型transformer，用于从击键动态中提取更具判别性的特征。在三个公开数据集（Aalto DB、HMOG DB和HuMIdb）上的实验表明，BehaveFormer优于最先进（SOTA）的基于行为生物特征的CA系统。例如在HuMIdb数据集上，BehaveFormer实现了2.95%的EER。此外，所提STDAT即使在仅使用击键数据时也能提升BehaveFormer系统；例如在Aalto DB数据集上，BehaveFormer实现了1.80%的EER。这些结果证明了所提STDAT及融合IMU数据用于行为生物特征认证的有效性。
引用
@article{arxiv.2307.11000,
title = {BehaveFormer: A Framework with Spatio-Temporal Dual Attention Transformers for IMU enhanced Keystroke Dynamics},
author = {Dilshan Senerath and Sanuja Tharinda and Maduka Vishwajith and Sanka Rasnayaka and Sandareka Wickramanayake and Dulani Meedeniya},
journal= {arXiv preprint arXiv:2307.11000},
year = {2023}
}