身份即行为——基于机器学习和触摸动态特征的持续用户认证
密码学与安全
2023-05-17 v1 机器学习
摘要
本研究论文旨在探讨使用移动触摸动态特征的持续认证，采用了三种不同算法：神经网络（Neural Network）、极端梯度提升（Extreme Gradient Boosting）和支持向量机（Support Vector Machine）。移动设备在全球的普及度持续上升，如今智能手机订阅数已超过 60 亿。移动触摸动态特征是指用户与移动设备交互的独特模式，包括触摸压力、滑动速度和触摸时长等因素。持续认证是指在用户使用设备过程中持续验证其身份，而非仅在初始登录时验证。本研究使用了从 40 名受试者使用 LG V30+ 收集的触摸动态数据集。参与者游玩四款移动游戏：PUBG、Diep.io、Slither 和 Minecraft，每款游戏 10 分钟。三种算法在提取的数据集上进行了训练和测试，并根据准确率、精确率、假负率和假正率等指标评估其性能。研究结果表明，三种算法均能基于个体触摸动态特征有效分类用户，准确率在 80% 至 95% 之间。神经网络算法表现最佳，取得了最高的准确率和精确率分数，紧随其后的是 XGBoost 和 SVC。数据显示，使用移动触摸动态特征的持续认证有潜力成为一种增强安全性、降低个人设备未授权访问风险的有效方法。本研究还指出了针对给定数据集和用例选择正确算法的重要性，因为不同算法在特定任务上的表现水平可能有所差异。
引用
@article{arxiv.2305.09482,
title = {Your Identity is Your Behavior -- Continuous User Authentication based on Machine Learning and Touch Dynamics},
author = {Brendan Pelto and Mounika Vanamala and Rushit Dave},
journal= {arXiv preprint arXiv:2305.09482},
year = {2023}
}