滑动动态作为认证手段：一种贝叶斯无监督方法的结果

从用户视角看，行为生物特征识别因其易用性以及对呈现攻击潜在的鲁棒性，成为比更传统生物识别系统更具吸引力的替代方案。本文将注意力集中于一种特定类型的行为生物特征，即利用滑动动态（也称为触摸手势）。在触摸手势认证中，用户在移动设备的触摸屏上滑动以执行一次认证尝试。触摸手势认证以及一般新型行为生物特征的一个关键特征，是缺乏可用于训练和验证模型的数据。从机器学习角度看，这带来了经典的维数灾难问题，本文提出的方法聚焦于贝叶斯无监督模型，因为它们非常适用于此类条件。本文给出了一组实验的结果，该实验包含38个会话，带有标记的受害者以及盲区与肩窥呈现攻击。使用该数据集比较了三种模型：两种单模态模型——收缩协方差估计和贝叶斯高斯分布，以及建模为狄利克雷过程的贝叶斯非参数高斯无限混合模型。比较了三种模型的等错误率（EER），并关注这些等错误率在两种单模态模型于不同注册样本数量下如何变化。