18、隐私感知键盘与基于显著性的梯度方向直方图检测方法优化研究

隐私感知键盘与基于显著性的梯度方向直方图检测方法优化研究

隐私感知键盘

在当今计算机共享使用和动态分配 IP 地址的环境下，准确唯一地识别用户变得困难。然而，基于用户的击键动态，仍有可能区分同一计算机（或同一 IP 地址）的不同用户。击键动态可以通过在网页浏览器中运行的脚本轻松捕获，而用户往往难以察觉这些脚本的激活。

为了保护用户的私人信息，研究人员提出了隐私感知键盘的概念。这种键盘在传输键盘事件（如按键按下或释放）时会引入小的随机延迟，从而使攻击者难以从用户的打字动态中推断出其身份。

问题提出

假设存在一个攻击者，其目标是识别输入特定文本的用户。攻击者具备以下能力：
- 能够在网页浏览器中运行捕获击键动态的脚本。
- 可以使用基于相似度的模型来比较击键动态。

我们的目标有两个方面：一方面，通过使用带有随机延迟的键盘，使攻击者难以实现其识别用户的目标；另一方面，要让被干扰的击键动态数据看起来“自然”，使攻击者认为仍可基于这些数据识别用户，从而不采用其他身份识别技术。

隐私感知键盘模型

研究人员定义了两种隐私感知键盘模型：均匀随机延迟键盘和高斯键盘。

在每次键盘事件 e（如按键按下或释放）发生后，这两种键盘都会选择一个随机数 de，并在等待 de 毫秒后再传输表示事件 e 发生的信号。同时，键盘会保持事件的顺序，即如果事件 e1 在时间 t1 发生，事件 e2 在时间 t2 发生，且为事件 e1 生成的随机延迟为 d1，那么为事件 e2 生成的随机延迟 d2 必须满足 t1 + d1 < t2 + d2，即 d2 > t1 - t2 + d1。