评估眼动追踪在虚拟现实中用于持续身份验证的长期可行性
密码学与安全
2025-02-28 v1
摘要
传统身份验证方法，如密码和生物特征，在会话开始时进行验证，使系统容易受到会话劫持攻击。持续身份验证则通过监控用户行为来确保持续验证。本研究利用 GazebaseVR 数据集，探讨了眼动追踪作为虚拟现实 (VR) 环境中行为生物特征的长期可行性。我们的方法在短期和长期数据上评估三个架构：Transformer Encoder、DenseNet 和 XGBoost，以确定其在用户识别任务中的效能。初始结果表明，Transformer Encoder 和 DenseNet 模型在短期环境下达到了最高可达 97% 的准确率，有效捕捉独特的凝视模式。然而，在测试 26 个月后的数据时，模型准确率显著下降，部分任务的准确率甚至降至 1.78%。为解决此问题，我们提出了一种方法，即定期更新包括最近数据的最新模型，以恢复准确率超过 95%。这些发现凸显了面向眼动持续身份验证系统所需的适应性，并强调了管理演变用户行为所需的模型重新训练。本研究为眼动作为生物特征用于 VR 身份验证的效能与局限性提供了见解，为开发适应性、安全的 VR 用户体验铺平了道路。
引用
@article{arxiv.2502.20359,
title = {Evaluating the long-term viability of eye-tracking for continuous authentication in virtual reality},
author = {Sai Ganesh Grandhi and Saeed Samet},
journal= {arXiv preprint arXiv:2502.20359},
year = {2025}
}
备注
Accepted at the 12th International Conference on Computer Networks & Communications (CCNET 2025). The paper is available at https://aircconline.com/csit/papers/vol15/csit150302.pdf