Type2Branch：基于结合注意力机制与 Set2set 损失的双分支架构的键盘生物识别
计算机视觉与模式识别
2025-02-11 v2
摘要
2021 年，开创性工作 TypeNet 表明，击键动力学验证可以扩展到数十万用户，且性能下降极小。最近，KVC-onGoing 竞赛为评估这种规模的击键动力学验证系统提供了一个开放且稳健的实验协议。本文介绍了 Type2Branch，即在 KVC-onGoing 中在桌面和移动打字场景下均实现最低错误率的模型和技术。所提 Type2Branch 的创新之处包括：i）合成时序特征，强调用户行为相对于普通人群的偏差；ii）结合循环和卷积路径与各种注意力机制的双分支架构；iii）一种名为 Set2set 的新损失函数，用于捕获嵌入空间的全局结构；iv）难度递增的训练课程。考虑到每个受试者约 50 个字符的 5 个注册样本，所提 Type2Branch 在桌面和移动场景下分别针对 15,000 名和 5,000 名受试者的评估集上实现了最先进的性能，平均每受试者等错误率（EER）分别为 0.77% 和 1.03%。在对所有受试者使用固定全局阈值的情况下，桌面和移动场景的 EER 分别为 3.25% 和 3.61%，以显著优势优于以往方法。数据集生成、模型和训练过程的源代码已公开提供。
引用
@article{arxiv.2405.01088,
title = {Type2Branch: Keystroke Biometrics based on a Dual-branch Architecture with Attention Mechanisms and Set2set Loss},
author = {Nahuel González and Giuseppe Stragapede and Rubén Vera-Rodriguez and Rubén Tolosana},
journal= {arXiv preprint arXiv:2405.01088},
year = {2025}
}
备注
13 pages, 3 figures