TypeNet：键击生物特征识别的规模化扩展
计算机视觉与模式识别
2020-06-11 v2 密码学与安全
摘要
我们研究了键击动态特征在认证10万用户自由文本输入的适用性。为此，我们首先分析了基于连体循环神经网络(RNN)的方法在每用户数据稀少（自由文本键击认证中的常见场景）时的用户认证能力。以1K用户测试网络（该用户规模与先前工作相当），TypeNet仅使用每用户5条注册序列与1条测试序列、每序列50次键击，即获得4.8%的等错误率。在使用相同每用户数据量下，当测试用户数扩展至100K时，相较于1K的性能相对衰减小于5%，展示了TypeNet在大规模用户数下良好扩展的潜力。我们的实验基于阿尔托大学键击数据库进行。据我们所知，这是最大的自由文本键击数据库，采集自16.8万用户的超过1.36亿次键击。
引用
@article{arxiv.2004.03627,
title = {TypeNet: Scaling up Keystroke Biometrics},
author = {Alejandro Acien and John V. Monaco and Aythami Morales and Ruben Vera-Rodriguez and Julian Fierrez},
journal= {arXiv preprint arXiv:2004.03627},
year = {2020}
}