基于行为预测的虚拟现实（VR）身份验证

基于任务的行为生物识别身份验证可通过仅使用身体运动轨迹作为独特签名，实现虚拟现实（VR）环境中无缝连续身份验证。深度学习方法在使用用户轨迹的完整或接近完整部分时表现出高准确率，但在仅使用任务开始的较小片段时表现较低。因此，基于现有技术的系统在等待运动轨迹的未来片段可用时存在安全隐患。本文提出了首个利用基于Transformer的运动预测来预测用户未来行为并进行身份验证的方法。我们的工作基于这样一种观念：鉴于用户在任务环境中的当前轨迹，我们可以预测其未来轨迹，因为用户不太可能发生剧烈行为变化，以免阻碍其成功完成任务目标。我们采用Miller等人公开的41受试者的投掷数据集，展示了使用预测数据的用户身份验证性能提升。与无预测方法相比，我们的方法将身份验证等错误率（EER）平均降低23.85%，最大降低36.14%。