该论文提出了一种面向虚拟现实（VR）环境的知识型身份认证方法——自适应方向认证（Adaptive Direction-Based Authentication, ADBA）。其核心设计思路是将用户的需求按时间阶段解耦：在创建密码阶段，强制要求用户基于虚拟环境中的上下文（如空间方位、物体朝向等）设置方向序列；而在后续认证阶段，则同时支持基于上下文的方向输入和基于数字的输入方式。这种设计旨在优先保障新密码的可记忆性，同时为不同使用阶段的用户提供高效且易记的认证选项。作者开展了一项包含66名参与者的远程纵向研究，历时2至3周，将ADBA与传统的6位PIN码进行对比。实验结果表明，ADBA在记忆保持率上显著优于PIN码，且用户报告的任务感知负荷更低。有趣的是，尽管研究中没有参与者实际选择数字输入方式，但用户仍然认为ADBA具有很高的效率，尽管其客观输入时间更长。在安全性方面，ADBA通过随机生成数字表征提供了额外优势，但在特定虚拟环境中观察到一定程度的密码同质性（即不同用户倾向于选择相似的方向序列）。总体而言，研究发现在其所考虑的使用场景下，ADBA相比传统PIN码具有明显优势，并有效权衡了效率、可记忆性与安全性之间的矛盾。该研究主要面向VR安全与人机交互领域的研究人员，以及关注VR应用身份认证方案设计与评估的技术人员。

该研究评估了虚拟现实（VR）头显中眼动追踪数据的生物特征识别性能，并与高端眼动仪在相同采样率下的数据进行对比。眼动生物特征识别利用个体独特的眼球运动模式进行身份验证，此前研究多基于实验室级眼动仪（如1000 Hz采样率）取得高精度。本研究使用的数据集GazeBaseVR来自集成眼动追踪的VR头显（采样率较低），并对比了从高端眼动仪降采样至相同频率的数据。实验采用单眼配置，基于注视、扫视等眼动特征进行认证。结果显示，GazeBaseVR数据集在错误接受率（FAR）为10^-4时，达到等错误率（EER）1.92%、错误拒绝率（FRR）16.65%，可判定指数为3.43。这表明尽管VR头显的眼动追踪精度低于实验室设备，但其数据仍具备足够的区分度用于生物特征认证。研究的主要贡献是验证了消费级VR设备在安全认证中的潜力，为VR环境下的无密码身份验证提供了依据。适合VR安全、生物特征识别及人机交互领域的研究人员阅读。