BioTouchPass2：基于时间对齐循环神经网络的触屏密码生物特征识别
计算机视觉与模式识别
2020-02-18 v1 人机交互
摘要
密码仍每日用于各类应用。然而在许多情况下它们本身不够安全。本工作通过双因素认证增强密码场景，要求用户像往常一样绘制密码的每个字符而非键入。本研究的主要贡献如下：i) 我们提出新颖的 MobileTouchDB 公共数据库，该库在无位置、姿态和设备限制的非监督移动场景下采集。该数据库包含 217 名用户执行的超过 64K 个在线字符样本，涉及 94 种不同智能手机型号，最多 6 次采集会话。ii) 我们考虑传统认证系统（如动态时间规整 (DTW)）与基于循环神经网络 (RNNs) 的新方法，对所提方法进行了完整分析。此外，我们提出一种名为时间对齐循环神经网络 (TA-RNNs) 的新方法。该方法结合 DTW 与 RNNs 的潜力以训练对攻击更鲁棒的系统。使用 MobileTouchDB 与 e-BioDigitDB 数据库对所提方法进行了完整分析。我们提出的 TA-RNN 系统仅需 4 位密码且每字符一个训练样本，即达到最终 2.38% 的等错误率，优于当前最优水平。这些结果鼓励部署我们所提方法，相较传统键入式密码系统在相同冒用场景下攻击成功率达 100%。
引用
@article{arxiv.2001.10223,
title = {BioTouchPass2: Touchscreen Password Biometrics Using Time-Aligned Recurrent Neural Networks},
author = {Ruben Tolosana and Ruben Vera-Rodriguez and Julian Fierrez and Javier Ortega-Garcia},
journal= {arXiv preprint arXiv:2001.10223},
year = {2020}
}