基于XGBoost的自由文本击键认证性能分析
1. 引言
随着互联网的不断发展,人们对不引人注意且可用的安全系统的兴趣日益浓厚。击键动力学作为一种行为生物特征认证方式,利用用户的打字模式和键盘交互作为区分输入,在过去十年中成为了事实上的解决方案。然而,由于一些内在挑战,基于击键动力学的认证系统尚未得到大规模应用,例如需要对其进行广泛分析以确定系统是否足够准确。
许多研究探讨了击键动力学作为用户连续认证的独特或附加手段的可行性。研究发现,与特定文本(如用户名和密码)相比,自由文本击键动力学的认证性能通常较差,因为输入的可变性对准确性有显著影响。本文旨在研究通过为自由文本击键动力学引入一组新特征,能否提高自由文本击键认证的性能。
2. 相关工作
相关研究的总结如下表所示,展示了研究人员用于分类的机器学习算法、使用的数据集以及实验所采用的击键类型(自由文本或固定文本)。
| 研究 | 数据集,受试者数量 | 类型 | 分类器 | 指标 | 准确率,% |
|---|---|---|---|---|---|
| A. Lo 等人 2020 | 133 | 固定 | RF, SVM, Manhattan, Euclidian | 准确率 | 74.4 - 95.6 |
| S |
XGBoost提升自由文本击键认证性能
超级会员免费看
订阅专栏 解锁全文
24

被折叠的 条评论
为什么被折叠?



