#keystroke-dynamics

共收录 1 条相关安全情报。

← 返回所有主题
👥 作者: Simon Parkinson, Saad Khan, Na Liu, Qing Xu

行为生物特征(如击键动力学)的模板被普遍认为会随注册与验证之间时间间隔的拉长而退化,即所谓“模板老化”(template ageing),但此前很少有研究在受控条件下直接测量这一效应。本文构建了一个纵向数据集:40 个固定密码,连续八周、每周一次会话、每次输入 4 次,从而可以联合变化两类因素——匹配机制与注册到查询的时间间隔(0 至 7 周)。作者对比了四种认证机制:M1 为缩放曼哈顿距离匹配器,M2 为梯度提升分类器,M3 为 TypeNet 风格的循环嵌入模型,M4 为 TypeFormer 风格的 Transformer,并采用 5 折 subject-disjoint(受试者不相交)评估协议来避免身份泄漏带来的虚高结果。 实验结论主要有三点。第一,模板老化效应大且系统化:四种机制的误差都随间隔单调上升,EER 从间隔为 0 时的 14.6%–27.2% 上升到 7 周时的 25.5%–37.1%,即每周约 1.7% 的决策错误增量(p < 0.001)。第二,机制选择比老化速率更重要:四种机制的基线精度跨度达 12.6 个百分点,而七周内各自累计退化幅度的跨度只有 2.3 个百分点,并且老化从未改变四种机制的相对排序。因此可以按同会话(零间隔)精度来选型,而把老化问题交给重注册调度去管理,而不是靠换匹配器解决。第三,两者仍是可分离的属性:M3 是精度最低的机制,但在所有测试设定下其老化速度都显著慢于 M1;同时训练随机性的影响因架构而异,循环模型折间方差的 58% 可归因于随机种子噪声,而 Transformer 只有 19%。 作者据此提出方法论建议:由于较小的老化率差异对建模选择敏感,而精度差异和老化效应本身不敏感,因此任何“机制间老化速率比较”的结论都应辅以种子级分数融合、独立复现以及替代的结果模型规范来支撑。适合从事生物特征认证、持续认证、身份验证系统设计与评估的安全研究者与工程人员阅读。

💡 推荐理由: 击键动力学常用于持续认证与二次认证,其模板会随周数退化。本文量化了退化率(约每周 1.7% 决策错误)并指出“选型决定基线精度、重注册决定老化”,可帮助安全团队合理设定重注册周期与评估方法。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.4)