keystroke dynamics 用于对抗 LLM 时代的学术不端行为
计算机视觉与模式识别
2024-06-24 v1 计算机与社会
摘要
随着线上考试和作业的转变，学术诚信面临着重大关切。传统的抄袭检测系统往往难以识别智能作弊行为，尤其是当学生利用先进的生成式 AI 工具来构建其回答时。本研究提出了一种基于 keystroke dynamics 的方法，用于区分正式书写与辅助书写。为此，开发了一个数据集，捕获了从事书写任务的个人的 keystroke 模式，既有也没有生成式 AI 的帮助。该检测器采用修改后的 TypeNet 架构进行训练，在特定情境下的准确率为 74.98% 至 85.72%，在通用情境下的准确率为 52.24% 至 80.54%。本研究的发现突显了正式书写与辅助书写之间在 keystroke dynamics 方面的显著差异。本研究的结果增进了我们对用户如何与生成式 AI 交互的理解，并对提高数字教育平台的可靠性具有启示。
引用
@article{arxiv.2406.15335,
title = {Keystroke Dynamics Against Academic Dishonesty in the Age of LLMs},
author = {Debnath Kundu and Atharva Mehta and Rajesh Kumar and Naman Lal and Avinash Anand and Apoorv Singh and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:2406.15335},
year = {2024}
}
备注
Accepted for publication at The IEEE International Joint Conference on Biometrics (IJCB2024), contains 9 pages, 3 figures, 3 tables