.png){kind=icon}
返回
Client-Side Continuous Authentication Using Keystroke Dynamics: A Lightweight Pipeline and Cross-Session Evaluation
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15112325.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
登录后威胁（如设备共享和会话劫持）促使使用行为信号进行持续认证。本文研究了一种为严格跨会话评估和浏览器端评分设计的轻量级击键动力学流水线。使用公开KeyRecs数据集中的固定文本和自由文本轨道，我们提取紧凑的重复级和滑动窗口双图时序特征，并在会话1（S1）上训练每个用户的一对多逻辑回归验证器。阈值仅在S1上选择，并保持不变地转移到会话2（S2），以防止测试集调整并暴露在会话漂移下的操作点不稳定性。固定文本在S2上达到AUC均值/中位数0.895/0.918，半总错误率（HTER）约为0.19，而自由文本达到AUC均值/中位数0.884/0.899，转移阈值的HTER相似。个人阈值和聚合-S1全局阈值在平均上表现相似，表明全局阈值化可以在不替换每个用户的评分模型的情况下简化部署。仅缩放的预热更新带来有限的且不一致的增益，表明均值/方差自适应本身不足。最后，紧凑的JSON工件和基于回放浏览器的基准测试展示了确定性的客户端评分，每样本延迟非常小。总体而言，结果表明有用的无阈值可分离性本身并不能保证在跨会话漂移下的稳定操作点转移。
Keyword:
keystroke dynamics
continuous authentication
behavioral biometrics
cross-session evaluation
threshold transfer
client-side inference
logistic regression
browser-based deployment
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Double serial adaptation mechanism for keystroke dynamics authentication based on a single password.png)
COMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏Client threshold prediction in biometric signature recognition by means of Multiple Linear Regression and its use for score normalizationPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容