基于鼠标移动、机器学习与 Minecraft 的持续身份认证
机器学习
2021-10-22 v1 人工智能
信号处理
摘要
鼠标动态作为一种新颖且不可复现的行为生物特征已日益受到关注。当前文献中包含用户无限制常规鼠标移动的数据集十分稀少。2016 年发布的 Balabit 鼠标动态数据集是为数据科学竞赛而制作，尽管存在某些不足，仍被视为首个公开可用的鼠标动态数据集。像 Balabit 那样以枯燥的管理方式收集鼠标移动可能无意中使数据同质化，且也无法代表真实应用场景。本文提出一种新颖的鼠标动态数据集，由 10 名用户在桌面电脑上玩电子游戏 Minecraft 时收集。为每位用户构建二值随机森林（RF）分类器，以区分特定用户的移动与冒名者的移动。提出两种评估场景来评价这些分类器的性能；其中一种场景在所有评估指标上均优于以往工作，平均准确率达 92%，另一场景则成功降低了冒名者误认证的次数。
引用
@article{arxiv.2110.11080,
title = {Continuous Authentication Using Mouse Movements, Machine Learning, and Minecraft},
author = {Nyle Siddiqui and Rushit Dave and Naeem Seliya},
journal= {arXiv preprint arXiv:2110.11080},
year = {2021}
}