TypeFormer: Transformers for Mobile Keystroke Biometrics

要約

今日のモバイル デバイスの広範な使用、それらに含まれる情報の機密性、および現在のモバイル ユーザー認証方法の欠点により、ユーザーの身元を確認するための斬新で安全で目立たないソリューションが求められています。
この記事では、ユーザー認証の目的でモバイル デバイスで実行されるフリーテキスト キーストロークのダイナミクスをモデル化する新しい Transformer アーキテクチャである TypeFormer を提案します。
提案されたモデルは、2 つの Long Short-Term Memory (LSTM) リカレント レイヤー、Gaussian Range Encoding (GRE)、マルチヘッド Self-Attention メカニズム、および Block-Recurrent 構造を囲む時間モジュールとチャネル モジュールで構成されます。
これまでで最大の公開データベースの 1 つである Aalto モバイル キーストローク データベースで実験を行った TypeFormer は、現在の最先端のシステムよりも優れており、それぞれ 50 回のキーストロークの 5 つの登録セッションのみを使用して 3.25% の EER (Equal Error Rate) 値を達成しています。
このようにして、私たちは、デスクトップおよび固定テキストの対応物に関して、挑戦的なモバイル フリーテキスト シナリオの従来のパフォーマンス ギャップを減らすことに貢献します。
さらに、キーストローク シーケンスの長さや登録セッションの量など、さまざまな実験構成でモデルの動作を分析し、より多くの登録データで改善の余地を示します。
最後に、既存のアプローチと比較して、TypeFormer によって抽出された機能の堅牢性を示すクロス データベース評価が実行されます。

要約(オリジナル)

The broad usage of mobile devices nowadays, the sensitiveness of the information contained in them, and the shortcomings of current mobile user authentication methods are calling for novel, secure, and unobtrusive solutions to verify the users’ identity. In this article, we propose TypeFormer, a novel Transformer architecture to model free-text keystroke dynamics performed on mobile devices for the purpose of user authentication. The proposed model consists in Temporal and Channel Modules enclosing two Long Short-Term Memory (LSTM) recurrent layers, Gaussian Range Encoding (GRE), a multi-head Self-Attention mechanism, and a Block-Recurrent structure. Experimenting on one of the largest public databases to date, the Aalto mobile keystroke database, TypeFormer outperforms current state-of-the-art systems achieving Equal Error Rate (EER) values of 3.25% using only 5 enrolment sessions of 50 keystrokes each. In such way, we contribute to reducing the traditional performance gap of the challenging mobile free-text scenario with respect to its desktop and fixed-text counterparts. Additionally, we analyse the behaviour of the model with different experimental configurations such as the length of the keystroke sequences and the amount of enrolment sessions, showing margin for improvement with more enrolment data. Finally, a cross-database evaluation is carried out, demonstrating the robustness of the features extracted by TypeFormer in comparison with existing approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google