KeyDetect——基于击键动力学的异常与用户检测
计算机视觉与模式识别
2023-04-11 v1 密码学与安全
摘要
网络攻击一直备受关注。安全防护层薄弱的网站和服务最容易受到此类网络攻击。攻击者可以轻易地从这类薄弱服务中获取信用卡信息和社保号码等敏感数据。目前，为阻止网络攻击，采用了多种不同的方法，从使用一次性密码和推送通知等两步验证方法，到使用指纹读取器和虹膜扫描仪等高端生物识别设备作为安全层。这些现有安全措施存在诸多缺点，其中最糟糕的是用户始终需要随身携带认证设备才能访问其数据。为克服这一点，我们提出一种利用用户击键动力学（打字模式）来认证真实用户的技术。该方法中，我们采用了一个包含51名用户的数据集，这些用户在隔日进行的8次会话中键入密码，以记录用户的情绪波动。基于距离度量和人工神经网络（ANN）、卷积神经网络（CNN）等机器学习算法开发并实现了异常检测算法，以对用户进行分类。在ANN中，由于数据具有相关性，我们采用一维卷积实现多类分类，并构建了含负类的多类分类，将全体用户合并用于基于负类判断异常。使用含负类的ANN，我们达到了95.05%的准确率。从所得结果可以看出，该模型运行良好，可作为安全层及使用外部设备的两步验证的良好替代方案推向市场。该技术将使用户无需担心携带认证设备即可拥有两步安全层。
引用
@article{arxiv.2304.03958,
title = {KeyDetect --Detection of anomalies and user based on Keystroke Dynamics},
author = {Soumyatattwa Kar and Abhishek Bamotra and Bhavya Duvvuri and Radhika Mohanan},
journal= {arXiv preprint arXiv:2304.03958},
year = {2023}
}