行为前置：基于时空双重注意力转换器的IMU增强键入动力学框架
摘要：基于行为生物特征的持续认证（Continuous Authentication, CA）是一种基于个体独特行为特征（如键入风格）识别个体的生物特征识别技术。然而，现有使用按键或触摸击打数据的系统准确性和可靠性有限。为了改进这一点，可以利用智能手机的惯性测量单元（Inertial Measurement Unit, IMU）传感器，包括加速度计、陀螺仪和磁力计，收集用户的行为模式数据，比如他们如何握住手机。将这些IMU数据与按键数据结合可以提高基于行为生物特征的CA的准确性。本文提出了一种名为BehaveFormer的新框架，利用按键和IMU数据创建了一个可靠而准确的行为生物特征CA系统。该框架包括两个空间-时间双重注意力变换器（Spatio-Temporal Dual Attention Transformer, STDAT），这是我们引入的一种新型变换器，用于从按键动态中提取更具区分性的特征。对三个公开可用数据集（Aalto DB、HMOG DB和HuMIdb）进行的实验结果表明，BehaveFormer优于现有的基于行为生物特征的CA系统。例如，在HuMIdb数据集上，BehaveFormer的等误识别率（Equal Error Rate, EER）为2.95％。此外，实验结果表明，即使只使用按键数据，所提出的STDAT也可以改进BehaveFormer系统。例如，在Aalto DB数据集上，BehaveFormer的EER为1.80％。这些结果表明了所提出的STDAT和IMU数据在行为生物特征认证中的有效性。
作者：Dilshan Senerath, Sanuja Tharinda, Maduka Vishwajith, Sanka Rasnayaka, Sandareka Wickramanayake, Dulani Meedeniya
论文ID：2307.11000
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-07-21