Your device may know you better than you know yourself — continuous authentication on novel dataset using machine learning

要約

本研究は、行動生体認証を用いた継続的認証分野のさらなる理解を目的としています。
私たちは、Samsung タブレットで Minecraft をプレイしている 15 人のユーザーのそれぞれ 15 分間のジェスチャー データを含む新しいデータセットを提供しています。
このデータセットを利用して、ランダム フォレスト (RF)、K 最近傍法 (KNN)、およびサポート ベクター分類子 (SVC) である機械学習 (ML) バイナリ分類器を使用して、特定のユーザー アクションの信頼性を判断しました。
私たちの最も堅牢なモデルは SVC で、平均精度約 90% を達成し、タッチ ダイナミクスがユーザーを効果的に識別できることを実証しました。
ただし、これを認証システムの選択肢として実現するにはさらなる研究が必要です

要約(オリジナル)

This research aims to further understanding in the field of continuous authentication using behavioral biometrics. We are contributing a novel dataset that encompasses the gesture data of 15 users playing Minecraft with a Samsung Tablet, each for a duration of 15 minutes. Utilizing this dataset, we employed machine learning (ML) binary classifiers, being Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Classifier (SVC), to determine the authenticity of specific user actions. Our most robust model was SVC, which achieved an average accuracy of approximately 90%, demonstrating that touch dynamics can effectively distinguish users. However, further studies are needed to make it viable option for authentication systems

arxiv情報

提供元, 利用サービス

arxiv.jp, Google