arrow
返回

A decision-making framework for user authentication using keystroke dynamics

delete2025-05-01
delete0
PRE
AI
V
Viktor Medvedev *
A
Arnoldas Budžys
O
Olga Kurasova
DOI:10.1016/j.cose.2025.104494delete
delete原文链接
delete分享
delete收藏
摘要

摘要

En 中文
日益复杂的网络攻击威胁着关键基础设施,需要更值得信赖的用户认证机制。本研究提出了一种基于深度学习的用户认证框架,该框架结合了击键动力学与Siamese神经网络,用于区分合法用户与冒充者。该领域的一个关键挑战是密码长度的可变性,这导致特征尺寸不同,并使模型训练复杂化。我们的方法采用基于插值的数据融合策略来标准化击键特征的数目,确保不同数据集和密码长度之间的特征一致性。通过在融合的CMU和KeyRecs数据集上的实验,我们评估了所提出的具有自适应阈值策略的决策框架的有效性。该阈值策略决定了最终决策边界如何根据用户的基准打字行为进行设定。我们在融合数据上对框架进行了实证评估,实现了低至0.11-0.12的等错误率,表明其在检测内部威胁方面具有强大的有效性。我们展示了如何使用带有三元组损失函数的Siamese神经网络,即使在不同的输入条件下也能区分真实用户与冒充者,从而为更稳健和可扩展的入侵检测系统做出贡献。
Keyword:
Cybersecurity
Keystroke dynamics
User authentication
Deep learning
Intrusion detection
Data fusion

期刊

C
Computers and Security
IF:
5.4
论文数:
4.6K
被引数:
1.8W

机构

暂无机构信息
引用论文

引用论文

err分享
err收藏
KeyRecs: A keystroke dynamics and typing pattern recognition dataset
err2023-10-01
err0
errOAAI
errTiago Dias; João Vitorino; Eva Maia; Orlando Sousa; Isabel Praça
err分享
err收藏
Geometric MDS Performance for Large Data Dimensionality Reduction and Visualization
err2022-06-14
err4
errOAAI
errDzemyda, Gintautas; Sabaliauskas, Martynas; Medvedev, Viktor
err分享
err收藏
CKDAN: Content and keystroke dual attention networks with pre-trained models for continuous authentication
err2023-05-01
err3
PREAI
errYang, Haitian; Meng, Xiang; Zhao, Xuan; Wang, Yan; Liu, Yuejun; Kang, Xiaoyu; Shen, Jiahui; Huang, Weiqing
err分享
err收藏
学者 查看更多内容