.png){kind=icon}
返回
Continuous User Identification Across Devices Using Keystroke Dynamics
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10486-1_6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
击键动力学是一种用于持续用户识别的成熟行为生物特征。然而，现有的大多数模型都是设备特定的，导致用户在桌面键盘和触摸式设备之间切换时性能下降。这在当今的多设备环境中构成挑战，其中无缝且安全的识别至关重要。在本工作中，我们提出了一种统一的基于Transformer的模型，用于跨设备用户识别的击键动力学。借助迁移学习，我们的方法学习来自桌面和移动输入的打字模式的共享表示，从而能够在无需单独模型的情况下实现跨异构设备的稳健识别。在Keystroke 136M和Aalto Mobile数据集上的实验表明，我们的模型在桌面设备上达到2.45的等错误率（EER），在移动设备上达到1.76，在跨设备场景中达到2.63。这些结果证实了我们的方法在实现可靠、设备无关识别方面的有效性，同时提高了现实世界多平台环境中的可用性和安全性。
Keyword:
Keystrokes
Cross-devices
Mobile
Desktop
Biometrics
Transformer
Cybersecurity
期刊
I
IF:
0
论文数:
50
被引数:
0
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Cross-device free-text keystroke dynamics authentication using federated learning基于联邦学习的跨设备自由文本击键动态认证
PREAI
分享收藏Statistical median-based classifier model for keystroke dynamics on mobile devices基于移动设备击键动态的统计中位数分类器模型2016 Sixth International Conference on Digital Information Processing and Communications (ICDIPC)
2016 Sixth International Conference on Digital Information Processing and Communications (ICDIPC)IF0
PREAI
分享收藏Freely typed keystroke dynamics-based user authentication for mobile devices based on heterogeneous featuresPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容