TempCharBERT：基于预训练语言模型的击键动力学持续访问控制
密码学与安全
2024-11-12 v1 计算与语言
摘要
随着数字环境的普及，可靠的身份认证和持续访问控制变得至关重要，可最大限度减少网络攻击并防止欺诈，尤其是与身份盗窃相关的欺诈。击键动力学（KD）因能基于个体独特的打字风格识别身份而备受关注。本文提出利用预训练语言模型（PLM）识别此类模式。尽管 PLM 在多个 NLP 基准上表现优异，但将其应用于特定任务仍需定制。例如 BERT 和 RoBERTa 依赖子词分词，无法直接用于需要时序字符信息的 KD。近期的字符感知 PLM 能同时处理子词与字符级信息，可作为替代方案，但它们未针对用户的时序打字信息（如按键按住时间和飞行时间）进行优化，仍不适合直接微调用于 KD。为克服这一限制，我们提出 TempCharBERT，一种在 CharBERT 的嵌入层中融入时序字符信息的架构，从而为用户识别和认证建模击键动力学。实验结果显示该定制带来显著提升。我们还证明了在联邦学习设置下训练 TempCharBERT 的可行性，以促进数据隐私。
引用
@article{arxiv.2411.07224,
title = {TempCharBERT: Keystroke Dynamics for Continuous Access Control Based on Pre-trained Language Models},
author = {Matheus Simão and Fabiano Prado and Omar Abdul Wahab and Anderson Avila},
journal= {arXiv preprint arXiv:2411.07224},
year = {2024}
}
备注
Accepted at WIFS 2024