Keystroke Verification Challenge (KVC): Biometric and Fairness Benchmark Evaluation

要約

生体認証のためのキーストローク ダイナミクス (KD) の分析には、いくつかの利点があります。
キーボードは最も一般的な人間とコンピュータのインターフェイスの 1 つであり、ユーザーがテキスト データを入力するための主な手段です。
その取得には追加のハードウェアは必要なく、その処理は比較的軽量です。
被写体を透過的に認識できるようになります。
しかし、実験プロトコルと測定基準の異質性、および文献で採用されているデータベースのサイズの制限により、異なるシステム間の直接比較が妨げられ、キーストローク生体認証の進歩の障害となっています。
この側面を軽減するために、デスクトップおよびモバイルのキーボードを通じて取得され、アアルト キーストローク データベースから抽出された、185,000 人を超える被験者からの可変転写テキストのツイート長シーケンスに基づいて、KD ベースの生体認証検証パフォーマンスと公平性をベンチマークするための新しい実験フレームワークを紹介します。
このフレームワークは、キーストローク検証チャレンジ (KVC) の形式で CodaLab 上で実行されます。
さらに、検証スコアにおける人口統計上のグループ内および人口統計上のグループ内のバイアス パターンを捕捉するために、新しい公平性指標である Skewed Impostor Ratio (SIR) も導入します。
我々は、TypeNet と TypeFormer という 2 つの最先端のキーストローク検証システムを採用して、入力特徴の異なるセットを比較することで、提案されたフレームワークの有用性を実証します。テキスト コンテンツの分析を破棄することで、プライバシーへの侵入が少ないシステムを実現します (
押されたキーの ASCII コード)をタイム ドメインでの拡張機能を優先します。
私たちの実験では、このアプローチにより満足のいくパフォーマンスを維持できることがわかりました。

要約(オリジナル)

Analyzing keystroke dynamics (KD) for biometric verification has several advantages: it is among the most discriminative behavioral traits; keyboards are among the most common human-computer interfaces, being the primary means for users to enter textual data; its acquisition does not require additional hardware, and its processing is relatively lightweight; and it allows for transparently recognizing subjects. However, the heterogeneity of experimental protocols and metrics, and the limited size of the databases adopted in the literature impede direct comparisons between different systems, thus representing an obstacle in the advancement of keystroke biometrics. To alleviate this aspect, we present a new experimental framework to benchmark KD-based biometric verification performance and fairness based on tweet-long sequences of variable transcript text from over 185,000 subjects, acquired through desktop and mobile keyboards, extracted from the Aalto Keystroke Databases. The framework runs on CodaLab in the form of the Keystroke Verification Challenge (KVC). Moreover, we also introduce a novel fairness metric, the Skewed Impostor Ratio (SIR), to capture inter- and intra-demographic group bias patterns in the verification scores. We demonstrate the usefulness of the proposed framework by employing two state-of-the-art keystroke verification systems, TypeNet and TypeFormer, to compare different sets of input features, achieving a less privacy-invasive system, by discarding the analysis of text content (ASCII codes of the keys pressed) in favor of extended features in the time domain. Our experiments show that this approach allows to maintain satisfactory performance.

arxiv情報

著者 Giuseppe Stragapede,Ruben Vera-Rodriguez,Ruben Tolosana,Aythami Morales,Naser Damer,Julian Fierrez,Javier Ortega-Garcia
発行日 2023-12-12 17:19:07+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク