TypeFormer：面向移动端按键生物特征识别的 Transformer 架构
计算机视觉与模式识别
2023-06-01 v2 人机交互
摘要
如今移动设备的广泛使用、其中所含信息的敏感性，以及当前移动用户认证方法的不足，都呼唤着新颖、安全且无侵扰的用户身份核验方案。在本文中，我们提出 TypeFormer，一种新颖的 Transformer 架构，用于建模移动设备上进行的自由文本按键动态以进行用户认证。所提模型由时间与通道模块构成，其中包含两个长短期记忆（LSTM）循环层、高斯范围编码（GRE）、多头自注意力机制以及块循环结构。在迄今最大的公开数据库之一——Aalto 移动按键数据库上进行实验，TypeFormer 优于当前最先进的系统，仅使用每次 50 次按键的 5 个注册会话即取得了 3.25% 的等错误率（EER）。以此方式，我们致力于缩小具有挑战性的移动自由文本场景相对于桌面与固定文本场景的传统性能差距。此外，我们分析了模型在不同实验配置下的行为，如按键序列长度与注册会话数量，显示出在更多注册数据下存在改进空间。最后，进行了跨数据库评估，证明了 TypeFormer 所提取特征相较于现有方法的鲁棒性。
引用
@article{arxiv.2212.13075,
title = {TypeFormer: Transformers for Mobile Keystroke Biometrics},
author = {Giuseppe Stragapede and Paula Delgado-Santos and Ruben Tolosana and Ruben Vera-Rodriguez and Richard Guest and Aythami Morales},
journal= {arXiv preprint arXiv:2212.13075},
year = {2023}
}