基于击键动力学的用户识别
机器学习
2023-07-13 v1 密码学与安全
摘要
在先前研究中，基于固定文本与自由文本数据的击键动力学已展现出用于用户认证的前景。在本研究中，我们考虑基于自由文本数据更具挑战性的多类用户识别问题。我们尝试了一种复杂的类图像特征，该特征此前已用于实现自由文本数据上最先进的认证结果。利用此类图像状特征与多类卷积神经网络（Convolutional Neural Networks），我们能在 148 名用户集合上获得 0.78 的分类（即识别）准确率。然而，我们发现，训练于该同一特征稍作修改版本的随机森林（Random Forest）分类器取得了 0.93 的准确率。
引用
@article{arxiv.2307.05529,
title = {Keystroke Dynamics for User Identification},
author = {Atharva Sharma and Martin Jureček and Mark Stamp},
journal= {arXiv preprint arXiv:2307.05529},
year = {2023}
}