基于多视角深度学习的移动用户序贯击键行为生物特征识别
密码学与安全
2017-11-16 v2
摘要
随着智能手机使用的快速增长，越来越多组织开始专注于为移动用户提供更好的服务。用户识别可帮助这些组织辨识其客户，进而提供为其定制的服务。当前，使用 cookie 是最常用的用户识别形式。然而，cookie 不易迁移（例如，当用户使用不同登录账户时，cookie 不随用户转移）。这一局限催生了利用行为生物特征进行用户识别的需求。本文中，我们提出 DEEPSERVICE，一种基于特殊键盘或网页浏览器捕获的用户击键信息来识别移动用户的新技术。我们的评估结果表明，DEEPSERVICE 在识别移动用户方面高度准确（准确率超过 93%）。该技术亦高效，识别耗时不足 1 ms。
引用
@article{arxiv.1711.02703,
title = {Sequential Keystroke Behavioral Biometrics for Mobile User Identification via Multi-view Deep Learning},
author = {Lichao Sun and Yuqi Wang and Bokai Cao and Philip S. Yu and Witawas Srisa-an and Alex D Leow},
journal= {arXiv preprint arXiv:1711.02703},
year = {2017}
}
备注
2017 Joint European Conference on Machine Learning and Knowledge Discovery in Databases