文摘

基于击键力学的身份验证是一种预防机制用于保护帐户从罪犯的非法访问。在这种身份验证机制,击键力学用于捕捉用户输入行为模式。序列比对证明是一个有效的算法基于击键力学的身份验证,通过比较发现冒名顶替者的击键序列数据的异常序列。在先前的研究中,静态因子已经使用击键序列生成的数据,是一个数字用来击键的时差数据划分为一个等长子区间。子区间映射到部门后,字母字母形成序列。这个静态因子的一个主要缺点是,这个子区间的数据量代往往不足,导致过早终止子区间的一代,因此导致不准确的序列比对。为了缓解这个问题,我们引入序列比对的动态因子(大块漂浮植物)。在大块漂浮植物,我们使用的意思是霍纳氏统治技术来生成动态因子,并将它们应用到生产多种不同规格的子区间长度。大块漂浮植物和其他现有算法的对比实验结果表明,大块漂浮植物通常是与和其他通常优于现有算法。

1。介绍

在一个充满了电子服务时代,人们想要更方便和更快的方式来帮助他们的需求。这包括阅读电子邮件,搜索信息通过网络通信,传输文件,并在网上进行支付。例如,在线文件传输涉及存储机制在云系统。为我们的私人使用这些服务的需要,我们必须注册一个登录ID和密码。至于在线账单支付,我们必须与我们的ID和密码才能登录支付或转账到其他用户。然而,它可能发生,犯罪分子检测我们的登录ID和密码和利用凭证偷窃等犯罪重要文件或钱。因此,更强大和更安全的身份验证机制是预防这些问题的设计和实现。

引入了大量的身份验证机制。其中一个例子是一个生物系统(1]。生物识别系统可以分为两个折叠,这是基于生理方法和基于行为的方法。身份验证系统的基于生理方法包括利用虹膜,声音,指纹。相反,基于行为的方法包括击键力学在键盘,鼠标,或智能手机。在本文中,我们更关注行为的方法。基于行为的方法有优势,它是便宜的,很容易实现,不需要额外的硬件操作。基于行为的方法的一个可能的缺点是,它的性能可以低于基于生理的方法,但它可以减少用户的个人风险。例如,在fingerprint-based认证,一个冒名顶替者可以切断了真正的用户的手为了访问安全系统。然而,这种攻击是没有资格对基于行为的方法。如果骗子想要打破一个系统,他的选择可以迫使真正限制用户输入或模拟真实用户的打字练习。 Therefore, there is still a considerable amount of researchers performing behavior-based research because they believe that keystroke dynamics can improve the security and it will be a common approach to be used in the future [2- - - - - -10]。

击键力学问题时机人民输入数据的细节11]。时间细节意味着按一个键之间的持续时间和释放的一个关键,反之亦然。击键力学可以应用机器学习与发现人们的知识类型的行为(8)、情感(12)、性别(3],优势手[4),等等。在本文中,我们将输入行为与身份验证系统。合理使用身份验证系统,因为一些用户的击键力学有特殊的输入模式。例如,有些人只用一只手打字,而其他人却用双手(4]。此外,赛义德·et al。8)在他们的研究中已经证明了三个有趣的假设。证据之一是,用户输入时存在显著不同的模式。另一种假说是关于用户的打字能力之间的关系和事件序列。事件序列被定义为激励和响应按键事件的顺序与实际键值。更多的事件序列可以解释了他们的论文(8]。在他们的结果,结果表明,没有用户的打字技能之间的相关性和事件序列。最后假设讨论习惯的影响用户的事件序列。它揭示了击键力学数据输入后代表比早些时候的数据类型。这意味着冒名顶替者很难模仿合法用户的输入模式。除了打字的行为,我们可以观察到,不同的人有不同的风格走(或步态)。我们可以猜测一个人正确只要听到脚步声没有看到他/她。是可能的,有时候,我们可以猜测一个人正确地通过观察表象和从后面行走方式。总之,我们可以识别一个人很容易通过使用这些特色或所谓的特殊习惯。这些特征或行为习惯包括打字。

常见的时间的细节,我们可以获得来自击键力学的停留时间和飞行时间。停留时间,也被称为持续时间(9之间的时间),当一个键被按下时,当一个关键。飞行时间,也被称为间隔时间(9),然而,一个键时,之间的时间释放,当按下键。节中讨论更多的细节4。

有大量的机器学习算法等击键力学的介绍了朴素贝叶斯(13),支持向量机(SVM) [10)、近邻(2),和欧氏距离度量14]。在本文中,我们选择序列比对算法。序列比对算法从根本上关心测量多个序列之间的相似性。假设一个用户登录一个账户在任何平台,系统必须检查存在的识别信息之前,检查她的密码。众所周知,这个密码匹配涉及复杂的纯文本加密对称密码系统(15)或非对称密码系统的模块化的算术运算(16]。然而,在一个更抽象的观点,这是字符串匹配。当系统检查密码,首先从当前插入密码检查第一个字母的第一个字母的密码存储在数据库中,其次是第二个字母,第三封信,等等,直到所有的信件都证实。序列比对是一个更普遍和更强的算法衡量对象之间的相似性。因此,我们考虑到序列比对算法是一个适当的算法中使用。

当前的研究我们知道,目前还没有具体的算法作为击键力学研究中常用的算法。然而,在Revett的研究(7),他表明,序列比对算法表现充分应用时击键力学。除此之外,一些研究人员提供新想法击键力学。Giot和罗桑伯格(3]研究引入了一个新的基于性别识别的击键力学的软生物特征。Idrus et al。4)也引入更多有价值的信息,如手使用的类型,年龄和占主导地位的手。这些额外的信息可以作为参考,以帮助提高算法在算法的性能应用到击键力学。此外,赛义德·et al。8]显示事件序列中使用击键力学的概念。这事件序列有助于区分输入用户的行为。

下一节描述序列比对算法。部分3讨论了该方法。部分4和5解释了实验方法和实验结果,分别。最后一部分提出了一些结论和未来的研究问题。

2。序列比对算法

序列比对是一种算法,计算两个或多个序列之间的相似性17]。这个算法被广泛用于生物信息学等领域的脱氧核糖核酸(DNA)序列,核糖核酸(RNA)序列或蛋白质序列。在Revett [7)研究,序列比对算法应用到击键力学,取得了令人鼓舞的结果。在本文中,我们展示了我们方法的性能比较,Revett的序列比对算法,和其他以前的工作。

击键力学生成时间戳格式(毫秒)。因为时间戳格式的值不同,可以无穷,它是不合适的击键力学应用于直接序列比对算法。因此,我们必须使离散时间戳进小区间。每个子区间将代表一个不同的类别。例如,这一过程类似于一个问卷。我们通常允许用户选择一些选项,例如“强烈反对”,“不同意”,“既不反对也不同意”,“同意”和“强烈同意。“有时,我们也只是让它短三个选项“不同意,”“既不反对也不同意,”和“同意。”,但通常我们把最大选项5或6个选项。我们不要把太多的类别进入问卷以后因为很难进行分析。Revett [7)(即使用二十类别。在他的研究中,20箱)。这些二十类别提取氨基酸的信件。这些字母代表“ACDEFGHIKLMNPQRSTVWY。“使用击键力学的20箱,它变成了适合多序列比对算法。

我们解释序列比对的算法设计在以下段落。首先,我们必须得到不同时间间隔的一个特性,例如,停留时间。这个时间间隔的区别是获得最大和最小时间之间的差异。停留时间的最长时间意味着用户按下一个键的最长时间和释放的关键。停留时间的最短时间,另一方面,最短的时间为用户按下一个键并释放一个关键。定义的公式 在哪里的数量列(属性)。

在我们获得不同时间间隔的一个属性,我们必须把不同的时间间隔为20个子区间。小区间的长度定义为 在哪里列的数量。为什么我们必须得到rangeDiff是因为我们需要知道每个类别的长度。如果一个新的居住时间已接近最低停留时间,它将归类为字母a。下一个类别是C, D,等等。如果一个新的居住时间接近最大停留时间,那么它会被归类为y的计算,每个类别都有相同的长度,rangeDiff,因为使用的是静态因子。标签(映射)可以制定一个新的时间 在哪里的数量的行(也称为条目)和列的数量。如果功能的新的时间小于最小的特性或大于的最长时间的特性(它主要发生在测试阶段),它将归类为一个不同的字母字母和排除在对齐。方程(1),(2)和(3)方程用于按键映射到适当的字母字母。

一旦一行数据(条目)改为相应的字母字母,我们运行序列比对算法。有一点是如果一个属性的标签相匹配。否则,没有计分。分数被描述为 在哪里列的数量。当一个条目被完全验证,我们和所有的分数。然后通过定义 在哪里的行数,列的数量,列的总数。最后得分与指定的阈值进行比较。最终得分越高,越高的可能性的新数据被认为是真正的用户。为了呈现一个清晰的描述整个算法设计,我们显示该算法在算法的伪代码1。

在算法1,我们可以看到,有训练阶段和测试阶段。在训练阶段,该算法首先计算每个属性的最大值和最小值。计算范围差异(rangeDiff)为每一个属性。最后,它计算标签来构造模型。

在测试阶段,该算法将给定的测试数据转换成字母字母格式基于获得的最小值点在步骤3和步骤7的范围不同的算法1。之后,它执行所描述的转换循环步骤9到14次的测试数据。这是在步骤1中描述的转换过程在测试阶段。

转换后,对于实际的识别,对于模型中的每一行,算法计算分数(Final_Score)行和测试数据。这个得分是比赛得分的总和(分数的算法1)之间的属性的连续模型和属性的测试数据。最后,统计汇总的信息包括最大、最小值,中位数,意思是,和模式计算分数的比较与相应的阈值。

3所示。序列比对与动态因子生成算法

在本文中,我们提出了序列比对与动态因子生成(大块漂浮植物)算法。大块漂浮植物检查数据集的充足程度,然后提供一个适当的因子,而不是静态因子所示(2为每个属性)。我们展示的步骤检查数据集的充足程度和原因我们使用动态因子,而不是静态因子在接下来的段落。

作为人类,我们不熟悉新事物立即从一开始。我们必须练习几次习惯新事物。例如,考虑一个运动员谁想在10秒100米的轨道运行。然而,这几乎是不可能的,如果她是一个新手。她经常刻苦训练和实践。从第一天的时间记录直到她设法跑100米的轨道在10秒可以说明图如图所示1。值得注意的是,几个月的训练后,她会发现很难(即减少时间。,不到10秒)完成100米。这是因为有一个限制点,我们可以达到甚至尽管我们有多么努力训练和练习。我们将这种现象称为“领域的观点。“领域点是指时间或空间点当用户习惯于某事或用户有一些习惯。这也是为什么目前保持在100米的世界纪录9.58秒。

这种现象(即。,realm point) that we have discussed previously can be applied for most activities including the typing speed of a password. Unfortunately, it is difficult to know how many hours, days, weeks, months, or years needed to reach the realm point of typing speed. Every user will have different time to reach realm point even with all the other conditions fixed. We do not know if the users are reaching the realm point or not in the beginning of the experiment, and real authentication systems do not know this either. For the best case, the data we collected cover from the beginning of the day to the realm point (or after realm point). For the worst case, it can be from the beginning of the day until the middle of the days, as shown in Figure2。

(1)和(2),我们必须找到每个类别在每个子区间。数据3(一个)和3 (b)现在图形应用最好情况和最坏情况时(1)和(2)。请注意,红色矩形框内的间隔高亮显示的映射到字母字母和作为一个模型存储在数据库中。这个构造的模型将被用来验证新数据。特别是,对最坏的情况下,可以看出,不覆盖整个信息生成的类别。因此,如果真正的用户习惯了密码输入,然后她插入新数据的最小时间低于最低时间在数据库中。因此,反过来,这些新数据具有较高的概率被拒绝的冒名顶替者,因为它的类别。为了避免这个问题,我们提出本文大块漂浮植物。我们使用字母表中字母的一个子集(例如,15箱)并把它应用到数据集,如果其内容是不充分的。见图4。我们指出这个问题,以确保我们使用的模型,在数据库中总是完美的,还可以用作回放用户生病的时候和她打字速度变得比平时慢但她打字的行为还是一样的。

现在,我们解释了该算法的设计。首先,(1)是相同的。大块漂浮植物的主要过程是找到正确的和合适的因子(2)。找到一个合适的因子在每个属性,我们利用霍纳氏法则18)的意思。图5显示了我们的插图用霍纳氏法则来计算的意思。灰色的线表示2(称为第2行)右边的意思是第一点(最大值点)和第二点。的意思是第3行第2行和第三点。然而,4号线3号线的均值和第四点。重复计算,总结前面的产出和新数据然后数目减半。终止重复如果它达到的数据。如图5线11的意思是10和11点。我们还可以观察到,第11行领域点关闭。通过获得第11行,我们可以得出这样的结论:该用户已达到领域。每个属性的计算是通过使用霍纳氏规则定义为 在哪里行和的数量吗列的数量。

从第11行图5,我们观察到的意思是接近最小值点(即计算。领域点),最大值点(即。,开始点)。得到适当的因子,我们必须找到的比例意味着从最小点和最大点的意思。公式被描述为 在哪里列的数目和吗。

一旦我们获得比,我们计算的因子 在哪里列的数量,是20 20箱,然后呢。

之后,我们把20个值(2这个新的因子。这是计算的 在哪里列的数量。

考虑最坏的情况下,如图3 (b)。注意第一个字母不应该被贴上“一个”,但某些字母中间的字母。因此,我们修改(3)如下: 在哪里的行数,列的数量,是20箱。这意味着接近最大值点的新数据将被归类为“Y”,其次是“W”“V”,“T”等等。分数的计算最后得分是相同的(4)和(5)。为了清楚地解释我们的算法,我们提供的算法2。

在训练阶段的算法2,我们计算意思霍纳的规则在步骤5到9。我们计算比例(7在第11步),除数(8在步骤12),范围不同(913)步骤。标签描述的任务(10)16步的实现算法2。

4所示。实验方法

4.1。培训和测试阶段

击键力学,有六个常见时间之间的元素,我们可以使用两种不同的按键。他们是如下。(我)持有(H):这是一个持续时间(按一个键或停留时间):(一)第一个键的占用时间,H1;(b)第二个关键的占用时间,H2。(2)上下(UD):这是一个持续时间(或飞行时间)提高之间的第一个响应按键的键和第二个关键。(3)当当(DD):这是第一个键的响应按键之间的持续时间和响应按键的第二个关键;这是H1和UD的总和。(iv)向上(UU):这是一个持续时间提高之间的第一个键和第二个关键的激励;这是UD和H2的总和。(v)Down-up (DU):这是一个持续时间响应按键之间的第一个键和第二个关键的激励;DD和H2的总和。

在我们的实验中,我们使用中央结算基准数据集(5]。这个数据集由四个元素组成,H1, H2,特拉华大学,和弟弟。然而,我们怀疑DD元素不是一个适当的元素用于序列比对或类似的算法。这是因为序列比对算法比较属性由属性。在这种情况下,它是检查元素的元素。因为弟弟是H1和UD的总和,有可能获得相同的值的DD H1和UD的不同价值。例如,考虑下面的示例有两个不同的实例如图7。

假设实例1号是我们收集的数据从一个真正的用户和使用模型和实例2号是一个新数据插入一个冒名顶替者。因为它是一个简短的示例中,我们忽略的过程时间戳格式转换成共识序列(标签格式)。正如我们以上解释,序列比对算法检查元素的元素。它检查第一个元素是H1。基于(4),因为实例2号的H1是不匹配的H1实例1号,零分。接下来,该算法检查UD元素。他们也不匹配,所以零分。最后,算法检查最后一个元素,弟弟。因为他们相互匹配,给出一个分数。如果从一个系统是一个给定的阈值,那么实例2号将预测作为一个真正的用户。否则,它将被拒绝作为一个冒名顶替者。如果系统预测实例2号作为一个真正的用户,那么它将真正的用户造成很大的损失。除此之外,我们显示的例子是一个简短的例子。然而,在现实生活中,会有大量的DD元素。如果太幸运的整整一个冒名顶替者的DD元素匹配(由于DD元素之和H1和UD)与一些真正用户的条目存储模型和给定的阈值的总数DD元素,那么系统将接受这个实例作为一个真正的用户。 Then, the imposter can access the system.

因此,为了发现DD元素的有效性验证,我们创建另一个数据集从基准数据集没有DD元素(通过删除所有DD来自原始数据集的属性)。除此之外,我们还需要评估如何有效使用身份验证中的所有元素。因此,我们创建另一个数据集从基准数据集有额外的UU和杜元素(通过UU和杜属性添加到原始数据集)。基本上,这三个数据集之间的差异是实验中使用的属性的数量。第一个数据集(数据集1号)由31个属性,第二个数据集(数据集2号)由21属性,和最后一个数据集(数据集3号)51属性。

至于基准数据集,我们创建了两个数据集,每个数据集都包含20400输入密码条目。在每个数据集,它包含51受试者参与了这个实验。每个主题有400个条目。在我们的实验中,在训练阶段,我们选择一个主题作为真正的用户,剩下的50个主题是冒名顶替者。前200个条目的选择作为训练数据。然而,剩下的200个条目选择主题作为测试数据。除此之外,我们从剩下的50获得前五项主题作为测试数据。总共有450个条目用于测试阶段。基于Killourhy和Maxion [5)的研究中,他们使用前五名的原因从剩下的50个主题是因为他们认为冒名顶替者是陌生的密码。在我们的实验中,我们将每个数据集操作至少51次,因此总运行三个数据集的数量将达到153。

4.2。使用ROC曲线评价的性能

评估的主要表现在我们的实验中使用接受者操作特征(ROC)曲线。我们比较算法和其他方法通过展示ROC曲线的图。的一个例子ROC曲线如图6。的标签设在真阳性。真阳性率是检测到当一个冒名顶替者。和设在标签的假阳性,即率作为一个冒名顶替者检测到当一个真正的用户。我们可以计算平等错误率(曾经)ROC曲线。曾经是由对角线交叉线和曲线。我们可以得出结论,一个算法的性能高于其他如果曲线接近于1.0点设在或曲线下的面积(AUC)比其他算法。

5。实验结果

正如上面提到的,我们三个不同的数据集在我们的实验中运行。第一个数据集是CMU基准数据集,第二个数据集是没有DD元素,和最后一个数据集是额外的UU和杜元素。表1显示了我们的算法的性能(大块漂浮植物),序列比对,矢量中值接近6),Mahalanobis距离,曼哈顿距离和欧几里得距离。表1表明我们的算法比其他先前的工作产生了更高的性能。虽然结果数据集3号不是最好的六种算法中,我们的算法,大块漂浮植物,显示只有0.001的区别,无论何时,相比之下,中值矢量距离算法。基于研究结果,可以看出,我们的算法相当或优于在任何情况下,要么有或没有一些元素(即。UU, DD、UD和杜元素)。

为了观察每个主题中的每个算法的性能,我们生产曲线下的面积(AUC)表2,3,4数据集与数据集1号,2号,3号数据集,分别。如果总AUC值1,就意味着特定的分类算法是可取的。这些结果与表有关1。我们可以从表2和3大块漂浮植物由最高AUC的价值。因此,大块漂浮植物表现出了最高的性能数据集与数据集1号和2号表1。然而,表4表明,矢量中值接近AUC的最高价值,这就是为什么矢量中值接近最高的性能与数据集3号表1。从表3值得注意的是,尽管矢量中值接近显示整体精度高,大块漂浮植物(即有更多的获胜。,20胜)比中值矢量距离(即。3号,19胜)数据集。

除了第9步算法的测试阶段1和2,我们的评论,我们可以使用统计汇总信息,比如最小最大,意思是,中位数,或当我们计算模式检查评分。为了显示统计的有效性指标在实验中,我们提供结果的形式与不同的统计指标的平均值曾经标准差在表5。有趣的是,结果与平均指标性能高于其他统计指标如中值或模式。此外,我们的算法在三个数据集显示了最高的性能。

此外,我们操作一个实验与不同数量的垃圾箱(不同数量的类别)测试的有效性的容器数量向我们提出算法和序列比对算法与静态因子。我们在表显示结果6。我们使用的统计指标,在本实验的意思。表6表明,20箱或30箱几乎相同的性能。然而,根据不同的数据集,我们必须使用不同数量的垃圾箱,以产生最佳性能。如表中所示的结果6数据集1号和2号数据集,使用20箱执行大块漂浮植物的最高结果算法,但是30箱必须在3号数据集用于大块漂浮植物算法为了获得最高的结果。同时,30箱更适合用于SA算法在数据集1号和3号数据集和20箱,另一方面,更适合于数据集2号。

6。相关工作

在Revett的研究7),他表明,序列比对算法执行时有效地应用到击键力学。他还提供了应用序列比对的击键力学的步骤。然而,仍有更多的改善我们所描述的部分3。因此,我们提出了我们的方法命名序列比对与动态因子生成(大块漂浮植物)算法检查数据集的充足程度和为每个属性提供一个适当的因子。我们的结果证明,大块漂浮植物有更高的性能比使用静态因子序列比对算法在每一个属性。

Al-Jarrah [6]在他的论文中提出了平均距离向量。他提供了一个很好的性能,该算法通过使用中值,而不是意味着在他的实验中。在我们的算法中,我们应用各种统计指标在实验中找到最合适的措施。

Giot和罗桑伯格(3]研究引入了一个新的基于性别识别的击键力学的软生物特征。除此之外,类似的研究从Idrus et al。4]介绍了更有价值的信息,如手的数量(即使用。,一只手或两只手),年龄和优势手(即。(左或右)。这些额外的信息可以作为参考,以帮助改善算法的性能。虽然我们不包括这额外的信息到我们的实验由于限制从卡耐基-梅隆的基准数据集,我们可以获得的信息,我们相信未来这个额外的信息将是有益的工作。

Syed et al。8]显示事件序列中使用击键力学的概念。这些事件序列有助于区分输入用户的行为。大多数击键力学响应按键和提高实际使用键值。然而,引入太多的维度可以导致维度的诅咒。因此,有趣的是扩展我们的算法,以适应这些事件序列未来的工作。

7所示。结论

在本文中,我们提出了序列比对与动态因子生成(大块漂浮植物)用户身份验证使用击键力学。基于实验的进行,我们的算法产生的有前景的结果,也大多是优于其他以前的工作。我们也经验表明,动态因子通常优于静态因子。我们认为,动态因子在序列比对算法需要一个重要的角色,因为它计算数据集的充分性度(通过使用均值霍纳氏规则),然后它为一个适当的因子提供了完美的计算每个属性中使用。这些动态因子有助于防止准备好的讲稿,真正的用户数据的法律类别。

基于Giot和罗桑伯格的3)的研究,他们引入一个新的基于性别识别的击键力学的软生物特征。他们已经做了有趣的工作在击键力学引入这种新的信息。此外,Idrus et al。4)也引入更多有价值的信息,如手的类型(即使用。,一只手或两只手),年龄和优势手(即。(左或右)。然而,他们只是研究使用信息的有效性。因此,这将是有趣的这个额外的信息应用于我们的未来研究。我们也想发现更多有价值的信息除了我们上面讨论的信息。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项工作是由韩国国家研究基金会(NRF)授予由韩国政府资助(最高明的)(没有。nrf - 2013 r1a1a2013401)。