基于机器学习与多指移动触摸动态及新型数据集的连续用户认证
人机交互
2022-07-28 v1 密码学与安全
摘要
随着技术的快速成长与演进，移动设备比以往更常用于敏感事务已愈发明显。由于单因子或多因子认证可能仅在初始时验证用户，若冒名者能绕过该初始验证则无济于事，因此持续认证用户的需求日益凸显。触摸动态作为一个明确途径崭露头角，它以非侵入方式收集用户及其行为的数据，以便实时制定至关重要的安全相关决策。在本文中，我们提出一个新型数据集，包含追踪 25 名用户各玩 10 分钟移动游戏 Snake.io 和 Minecraft 的相关手势数据。基于该数据，我们运行了随机森林（Random Forest）和 K 近邻（K Nearest Neighbor）等机器学习二分类器，试图认证特定用户行为样本是否真实。我们最强的模型在两款游戏中均返回约 93% 的平均准确率，表明触摸动态能有效区分用户，是认证方案的可行考量。我们的数据集可在 https://github.com/zderidder/MC-Snake-Results 查看。
引用
@article{arxiv.2207.13648,
title = {Continuous User Authentication Using Machine Learning and Multi-Finger Mobile Touch Dynamics with a Novel Dataset},
author = {Zachary Deridder and Nyle Siddiqui and Thomas Reither and Rushit Dave and Brendan Pelto and Naeem Seliya and Mounika Vanamala},
journal= {arXiv preprint arXiv:2207.13648},
year = {2022}
}