본문 바로가기
KERD
논문KCI 등재

사용자의 손가락별 Stroke 특성을 이용한 PC 기반 사용자 지속적 인증 방법 및 시스템

PC-based User Continuous Authentication Method and System Using The User's Finger Stroke Characteristics

이형동|정문권|남기효|이희웅
한국차세대컴퓨팅학회 (KINGComputing)|2023.04|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제19권 제2호|pp. 114-130|DOI 10.23019/kingpc.19.2.202304.010

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

SVMCNNBiometrics키보드 스트로크지속적 인증생체인식학Continuous AuthenticationKeyboard Stroke
주제분류컴퓨터학

초록

사용자의 행동을 기반으로 지속적 인증을 수행 하는 생체인식 기술은 디바이스 종류와 입력장치, 센서의 종류에 따라 다양한 연구가 진행되어왔다. 모바일 디바이스에서의 지속적 인증은 다양한 센서를 이용하여 사용자 행동을 인식하고 인증하는 방식으로 연구되어 왔다. 이에 반해, 센서가 다양하지 않은 PC 기반의 지속적 인증은 키보드나 마우스의 입력 패턴에서 피처를 추출하여 분석하는 방식으로 연구가 진행되고 있다. 본 논문에서는 PC에서 qwerty 키보드로 입력하는 사용자의 손가락 별로 피처를 추출하여 지속적 인증에 사용한다. 키보드는 일반적으로 각각의 키를 누르는 양손의 손가락들이 할당되어 있다. 이에, 1개의 키를 누를 때 발생하는 key hold(key1 Down – key 1 Up) latency와 손가락과 손가락 사이의 상호작용에 의해 발생하는 key press(key1 Down - key2 Down latency) latency, key interval(key1 UP – key2 Down latency) latency를 피처로 추출하여 지속적 인증의 정확도를 높였다. 지속적 인증 모델은 SVDD, Decision Tree, CNN을 이용했다. 실험데이터는 각각의 실험자들이 랜덤하게 나타나는 문장을 입력하는 행위를 통해 수집하고 데이터베이스에 저장했다. 마지막으로 저장된 데이터에서 일반 피처를 추출해 학습한 지속적 인증 모델과 손가락 기반 피처를 추출해 학습한 지속적 인증 모델을 비교하는 실험을 진행했고, 각 모델의 분류 정확도(ACC), ROC Curve와 FRR, FAR의 임계치인 EER를 산출했다. 실험결과 손가락 기반 피처를 학습한 모델이 일반 피처만을 학습한 모델보다 정확도가 더 높게 나타난 것으로 확인되었다.

Abstract

Continuous authentication using biometric technology based on user behavior has been studied using various types of devices, input devices, and sensors. Continuous authentication on mobile devices has been studied by recognizing and authenticating user behavior using various sensors. In contrast, continuous authentication on PC-based devices with limited sensors has been studied by extracting and analyzing features from keyboard and mouse input patterns. In this paper, features are extracted based on finger-specific input patterns of users typing on a qwerty keyboard on a PC. The keyboard is typically allocated to the fingers of both hands when pressing each key. Therefore, key hold (key1 Down - key1 Up) latency, key press (key1 Down - key2 Down latency) latency caused by interaction between fingers, and key interval (key1 UP - key2 Down latency) latency are extracted as characteristics to improve the accuracy of continuous authentication. The continuous authentication model uses SVDD, Decision Tree, and CNN, and raw data is collected by conducting experiments where users input random sentences. The verification of the continuous authentication model was conducted by comparing the classification accuracy (ACC), EER which is the threshold of ROC curve and FRR, FAR, and the result showed that using finger-specific input characteristics of the user yielded higher accuracy than the existing research that utilized only general key input characteristics.

참고문헌 (27)

  1. Frank, Mario, "Touchalytics : On the applicability of touchscreen input as a behavioral biometric for continuous authentication", IEEE transactions on information forensics and security, 8(1), pp.136~148 (2012)
  2. 정복문, "멀티유저의 공유화면 상호작용과 네트워크 트래픽 감소를 위한 화상회의 시스템 설계 및 구현", 한국차세대컴퓨팅학회 논문지, 17(3), pp.58~66 (2021), 한국차세대컴퓨팅학회[DOI]
  3. 김점구, "스마트홈 보안을 위한 역할 기반 다중 인증 시스템 구현", 한국차세대컴퓨팅학회 논문지, 17(4), pp.59~68 (2021), 한국차세대컴퓨팅학회[DOI]
  4. 유동현, "비대면 시대의 신 융합보안 위협과 대응 방안에 대한 고찰", 한국융합학회논문지, 12(1), pp.1~9 (2021), 한국융합학회[DOI]
  5. 김대순, "SIP 세션 기반의 IoT 플랫폼 보안 향상 방법", 한국차세대컴퓨팅학회 논문지, 17(1), pp.73~82 (2021), 한국차세대컴퓨팅학회[DOI]
  6. National Institute of Standards and Technology, "Zero Trust Architecture", NIST SP 800-207, 510~512 (2020)
  7. A. Abdulaziz, "Authentication of smartphone users using behavioral biometrics", IEEE Communications Surveys & Tutorials, 18(3), pp.1998~2026 (2019)
  8. M. Abuhamad, "AUToSen : Deep-learning-based implicit continuous authentication using smartphone sensors", IEEE Internet of Things Journal, 7(6), pp.5008~5020 (2020)
  9. R. H. C. Yap, "Physical access protection using continuous authentication", 2008 IEEE Conference on Technologies for Homeland Security (2008), IEEE
  10. Continuous authentication by analysis of keyboard typing characteristics, In European Convention on Security and Detection, "Shepherd, S. J", IET, ~ (1995)
  11. Obaidat, M. S., "Biometrics", pp.213~229 (1996), Springer
  12. Giot, Romain, "Analysis of template update strategies for keystroke dynamics", 2011 IEEE Workshop on Computational Intelligence in Biometrics and Identity Management (CIBIM) (2011), IEEE
  13. Lee, Jae-Wook, "An evolutionary keystroke authentication based on ellipsoidal hypothesis space", Proceedings of the 9th annual conference on Genetic and evolutionary computation (2007)
  14. E. Flior, "Continuous Biometric User Authentication in Online Examinations", 2010 Seventh International Conference on Information Technology: New Generations, pp.488~492 (2010)
  15. Kaneko, Yoshihiro, "A hamming distance-like filtering in keystroke dynamics", 2011 Ninth Annual International Conference on Privacy, Security and Trust (2011), IEEE
  16. M. S. Hossain, "New impostor score based rejection methods for continuous keystroke verification with weak templates", 2012 IEEE Fifth International Conference on Biometrics:Theory, Applications and Systems (BTAS), pp.251~258 (2012)
  17. Md Shafaeat Hossain, "Continuous Authentication Using Creative Writing", 2020 International Symposium on Networks, Computers and Communications (ISNCC), pp.1~6 (2020), IEEE
  18. Nonaka, Hidetoshi, "Sensing pressure for authentication system using keystroke dynamics", International Journal of Computational Intelligence, 1(1), pp.19~22 (2004)
  19. Kotani, Kentaro, "Evaluation on a keystroke authentication system by keying force incorporated with temporal characteristics of keystroke dynamics", Behaviour & Information Technology, 24(4), pp.289~302 (2005)
  20. Loy, Chen Change, "Pressure-based typing biometrics user authentication using the fuzzy ARTMAP neural network", Proceedings of the Twelfth International Conference on Neural Information Processing(ICONIP 2005) (2005)
  21. Grabham, N. J., "Use of a novel keypad biometric for enhanced user identity verification", 2008 IEEE Instrumentation and Measurement Technology Conference (2008), IEEE
  22. Tax, David MJ, "Support vector data description", Machine learning, 54(1), pp.45~66 (2004)
  23. Song, Yan-Yan, "Decision tree methods : applications for classification and prediction", Shanghai archives of psychiatry, 27(2), pp.130~ (2015)
  24. Albawi, Saad, "Understanding of a convolutional neural network", international conference on engineering and technology (ICET) (2017), Ieee
  25. Almalki, Sultan, "An empirical evaluation of online continuous authentication and anomaly detection using mouse clickstream data analysis", Applied Sciences, 11(13), pp.6083~ (2021)
  26. Seong-Ho An, "A Study on the Detect Method of Ransomware using Multi-level learning SVDD", Doctor, pp.2018
  27. 윤태복, "Support Vector Data Description(SVDD) 가중치를 이용한 개선된 학습자 모델링", 정보과학회논문지 : 소프트웨어 및 응용, 40(1), pp.45~52 (2013), 한국정보과학회

관련 논문AI추천

행동학적 특성을 이용한 사용자 인증 방법 설계박진섭, 서희석, 최요한한국지식정보기술학회 · 한국지식정보기술학회 논문지2014 · 제9권 제2호Feature Subset for Improving Accuracy of Keystroke Dynamics on Mobile Environment김수형, 노종혁, 이성훈, 진승헌한국정보처리학회 · JIPS(Journal of Information Processing Systems)2018 · 제14권 제2호거리기반 키스트로크 다이나믹스 스마트폰 인증과 임계값 공식 모델김동인, 신지선, 이성훈, 이신철, 이현구, 황정연한국정보보호학회 · 정보보호학회논문지2018 · 제28권 제2호키스트로크 다이나믹스가 적용된 볼륨버튼 기반의 패스워드 인증 기법선아영, 정일용사단법인 인문사회과학기술융합학회 · 예술인문사회 융합 멀티미디어 논문지2019 · 제9권 제5호머신러닝을 이용한 사용자 행동 인식 기반의 PIN 입력 기법 연구양대헌, 이경희, 장룡호, 정창훈, Zayabaatar Dagvatur한국정보처리학회 · 정보처리학회논문지. 컴퓨터 및 통신시스템2018 · 제7권 제5호모바일 웹에서 제조사 및 원격 제어 앱 입력 식별에 관한 실증적 연구박영식, 설수진, 이남용한국IT정책경영학회 · 한국IT정책경영학회 논문지2020 · 제12권 제2호

이 간행물의 다른 논문 (9건)

인코더-디코더 모델에서 잠재 벡터의 분류 성능 분석배창석, 강규창pp. 7-23LSTM을 활용한 일반주택의 실내온도 예측 사례 연구김덕환, 이희원pp. 24-34NFT를 이용한 멤버십 웹 시스템 개발김태영, 풍기훈pp. 35-43건식 뇌파 데이터를 활용한 경도인지장애 진단 인공지능 모델에 관한 연구김재영, 이기원, 한구현, 안단태, 임승의, 문기욱, 이시현, 서진욱, 김보형pp. 44-54oneM2M IoT 플랫폼 기반 객체 감지 데이터 수집 및 활용 서비스 시스템이종은, 임승호pp. 55-66
원문 보기