Обзор характеристик производительности наборов данных, используемых для обеспечения информационной безопасности на основе клавиатурного почерка

Довгаль Виталий Анатольевич

ТЕХНИЧЕСКИЕ НАУКИ TECHNICAL SCIENCES

УДК 004.056.53 ББК 32.973.26-018.2 Д 58

Довгаль В.А.

Кандидат технических наук, доцент кафедры автоматизированных систем обработки информации и управления инженерно-физического факультета Адыгейского государственного университета, Майкоп, тел. (8772) 593911, e-mail: [email protected]

Обзор характеристик производительности наборов данных, используемых для обеспечения информационной безопасности на основе клавиатурного почерка

(Рецензирована)

Аннотация. Рассматриваются характеристики наборов данных клавиатурного почерка и анализируются их преимущества и особенности.

Ключевые слова: клавиатурный почерк, система клавиатурного почерка, оценка биометрической производительности.

Dovgal V.A.

Candidate of Technical Sciences, Associate Professor of the Department of Automated Systems of Processing Information and Control of Engineering-Physics Faculty, Adyghe State University, Maikop, ph. (8772) 593911, email: [email protected]

A review of characteristics of productivity of datasets used to provide information security on the basis of keystroke dynamics

Abstract. The paper explores the characteristics of keystroke dynamics datasets and analyzes their advantages and features.

Keywords: keystroke dynamics, system of keystroke dynamics, biometric performance evaluation.

Клавиатурный почерк (КП) [1] является поведенческой биометрической модальностью, идентифицирующей пользователя персонального компьютера на основе его индивидуальных характеристик, вычисляемых в процессе набора им своего пароля на клавиатуре. Преимущество этого вида поведенческой биометрии проявляется:

• в отсутствии необходимости использования дополнительного датчика, кроме имеющейся клавиатуры;

• в возможности осуществлять проверку подлинности в реальном времени (онлайн аутентификация).

Возможно, это самая дешевая биометрическая методика, доступная на персональном компьютере.

Система клавиатурного почерка (СКП) состоит из двух основных модулей - регистрации и проверки. Работа пользователя с СКП начинается с обязательной регистрации, в ходе которой вычисляется биометрическая ссылка на основе нескольких образцов (то есть нескольких вводов пароля пользователем). При этом каждый раз захватывается тайминговая последовательность ввода информации (то есть времени, в течение которого каждая клавиша нажата или отпущена), предназначенная для извлечения некоторых функций (например, времени ожидания и времени продолжительности), и затем они используются для создания модели, характеризующей каждого пользователя. В дальнейшем, на этапе проверки, претендент, выполняя запрос верификации, набирает свой пароль, а система вычисляет аналогичные функции и сравнивает их с биометрической ссылкой претендента. Если полученное рассогласование находится ниже порогового значения, то пользователь будет принят, в противном случае он отвергается. Дополнительный модуль может использоваться для автоматиче-

ского обновления модели пользователя [1], что является важным моментом эксплуатации СКП ввиду вариативности данных КП во времени.

Известно, что на производительность любой системы распознавания КП оказывают значительное влияние несколько факторов: (а) процедуры сбора; (б) распределение участников и образцов; (в) специфика пароля и (г) выполнение методов эталонной идентификации на наборе данных. Целью настоящей статьи является рассмотрение и анализ перечисленных характеристик наборов данных клавиатурного почерка.

Ход процедуры сбора набора данных может повлиять на качество распознавания. Первая особенность указанной процедуры - непостоянство поведенческой биометрической модели в течение долгого времени. Только наборы данных с долгосрочным промежутком по времени сбора могут быть использованы для исследований по обновлению шаблона. Заметим, что эта информация не зависит от количества сеансов, так как несколько сеансов могут быть собраны в короткий промежуток времени. Эта информация может быть выражена в количестве дней между первым и последним сбором (например, 128 дней).

Другим важным фактором, определяющим ход процедуры сбора набора данных, является вероятность осуществления ошибки пользователем во время печатания при захвате параметров КП. Исправление ошибки изменяет способ набора текста, поскольку используется больше нажатий клавиш, чтобы исправить его. Таким образом, захваченная информация вообще перестает соответствовать модели. Поскольку управление аутентификацией клавиатурного почерка с вводом поправок является недавно открытой областью исследований [2], большинство инструментов сбора вынуждает пользователей печатать текст правильно. Если пользователь делает опечатку, процесс захвата должен быть перезапущен.

На корректность сбора данных оказывает также влияние и обстановка процесса захвата. Очевидно, что более устойчивые образцы будут получены в тихой обстановке, а не в возмущенной (то есть тем лучше производительность). Это может быть выражено с помощью слов (например, шумная комната с говорящими людьми, но тем же самым компьютером с клавиатурой в том же самом месте каждый раз). Кроме того, сбор, контролируемый оператором, с четким и правильным соблюдением протокола сбора данных содержит меньше ошибок ввода пользователем. Обычно в наборе данных эта информация выражается с помощью логического значения (например, «да, сбор контролируется»).

На корректность собранных параметров модели влияет и предоставление пользователям единого пароля, используемого для аутентификации. Сбор данных с достаточным количеством пользователей является сложным и трудоемким процессом с предоставлением им разных паролей. Именно поэтому большинство наборов данных КП использует только один общий пароль. При использовании только одного пароля неподдельный набор пользователем также может быть использован человеком, выдающим себя за другое лицо, для ввода за других пользователей. Так, пользователи, вероятно, печатают пароль для обманов чаще, чем при наборе данных с различными паролями, и они делают это более быстро, печатая его. Аналогично предыдущей особенности, эта информация определяется с использованием: (а) булевого значения (например, «да, все пользователи используют тот же самый пароль»), (б) последовательности или (в) списка последовательностей, представляющих пароль (пароли) для печати.

Важную роль в точности времени захвата играет операционная система [3]. В наборе эта информация может быть указана: (а) строкой, указывающей имя операционной системы (например, Ubuntu 13.10), (б) числом, символизирующим заданное значение в списке возможных операционных систем (например, ОС #2), или (в) гистограммой, если каждый пользователь может начать эксперимент на другой ОС.

Существующие различия в строении клавиатур (форма клавиатуры, расположение клавиш для разных языков, механическая технология клавиш и т.д.) могут оказывать влияние на производительность (хотя это не было доказано для всех этих различий). Данное утверждение логично в силу того, что движения пальцев пользователей при использовании разных типов клавиатур будут различны. Эта информация может быть указана словами (например,

QWERTY-клавиатура с эргономичной формой) или с помощью изображения.

Когда пользователь неправильно печатает пароль и должен исправить его, в процессе проведения захвата может произойти отказ в сборе данных из-за темпа набора (failure to acquire rate, FTAR). Указанный параметр может дать общее представление о трудности набора пароля, так как люди, не привыкшие к печати на клавиатуре, делают больше ошибок печати на сложных паролях. Слишком высокий уровень FTAR раздражает пользователя и увеличивает ошибочно отклоняющий темп (false rejection rate, FRR). Эта ошибка может происходить из-за сложности пароля, или если форма клавиатуры отлична от той, что обычно использует пользователь. Информация определена коэффициентом ошибок (например, FTAR составляет 12%).

Большое влияние на результат оказывает разрешение временного интервала в используемом методе захвата временных характеристик набора. Именно поэтому эта информация очень важна для трека. Обеспечить качество захвата можно с использованием точности интервала, выражаемого в миллисекундах (например, разрешение временного интервала -100 миллисекунд ± 10 миллисекунд).

Последним важным обстоятельством, влияющим на качество сбора, является использование в каждом наборе одних и тех же понятий. Например, существует несколько типов времени ожидания нажатия клавиши, и создатели набора данных не всегда используют те же самые понятия или не объясняют, какой вид времени ожидания используется ими. Поскольку известно, что результаты могут немного отличаться от одного типа извлеченных особенностей (времени ожидания и продолжительности) к другому, важно объяснить, какие особенности доступны в наборе данных, или какие функции использованы в исследовании. Необходимо также отметить, что некоторые клавиши могут быть проигнорированы в процессе сбора (например, мета-клавиши, подобные клавише SHIFT), что дает неправильную информацию. Эта информация может быть предоставлена с использованием списка доступных выделенных признаков (например, доступны следующие разновидности времени: RP, PR9).

Второе важное обстоятельство, влияющее на производительность любой системы распознавания КП, - распределение участников и образцов. Здесь исследователи систем клавиатурного почерка выделяют несколько факторов, первый из которых - гендерное распределение. В работах некоторых исследователей утверждается, что мужчины и женщины могут быть распознаны по способу набора текста с помощью клавиатурного почерка [4, 5]. В исследовательских целях можно задаться вопросом, имеется ли разница между мужчинами и женщинами в производительности верификации пользователя. Эта информация может быть указана с использованием соотношения мужчин, участвующих в наборе данных (например, участвовали 26,2% мужчин).

Освоение клавиатуры - следующий важный фактор из ранее указанной категории. Люди, не привыкшие использовать клавиатуру, могут ухудшить производительность распознавания, так как не все люди используют управление компьютерами и клавиатурами. Эта информация может быть предоставлена в виде списка производительности набора символов, специфицирующего указанного пользователя (хотя это слишком субъективные данные, чтобы быть надежными). Например, все пользователи являются профессиональными машинистками. Кроме того, также могут быть интересны данные о количестве используемых в процессе набора пальцев, а также наличие или отсутствие координации между двумя руками.

Существуют исследования влияния на скорость набора текста левшами и правшами [5]. В них утверждается, что правой или левой рукой люди могут набирать по-разному. Соответственно, сложность печатания может быть различной для этих двух групп людей. Эта информация может быть обеспечена с помощью соотношения правшей, участвующих в наборе данных (например, участвовали 85,3% правшей).

Кроме того, на скорость печатания может оказывать влияние и возраст участников -пожилые люди могут набирать хуже, чем более молодые, потому что они позже изучают компьютер или могут иметь заболевания рук. Исследование, проведенное в 1984 году (в этот момент люди не использовали компьютеры так активно, как сегодня), показывает, что пове-

дение при печати отличается между молодыми и пожилыми людьми [6]. Таким образом, возраст может повлиять на производительность распознавания. Эта информация может быть предоставлена с помощью:

• перечня возраста вовлеченных людей;

• гистограммы;

• среднего возраста участников.

Следующий важный фактор - количество участвующих в наборе лиц: чем больше их количество, тем более надежны результаты. Производительность может уменьшиться, когда число участников увеличивается, но уверенность в результатах выше. Эта информация может быть представлена целым числом (например, участвовало 135 добровольцев). Кроме того, имея дело с людьми в процессе захвата характеристик, нелишне вспомнить, что клавиатурный почерк - это поведенческая методика, а значит, способ набора сильно зависит от внешних неконтролируемых параметров, таких как: настроение человека [7], положение клавиатуры и т.д.

Еще один статистический фактор - количество сессий. Использование только одной сессии радикально уменьшает изменчивость проб и неоправданно повышает уровень распознавания. Обычно принимается, что лучше использовать, по меньшей мере, три сессии [8], но чем больше, тем лучше. Конечно, производительность уменьшается, когда число сессий возрастает. Эта информация может быть представлена:

• целым числом (то есть было 8 сессий);

• действительным числом (то есть было в среднем 5,3 сессии на пользователя).

Последний из факторов этой группы обстоятельств, влияющих на производительность, - количество образцов для каждого пользователя. При отсутствии достаточного количества образцов для каждого пользователя невозможно проверить внутригрупповую изменчивость. Конечно, производительность снижается, когда число выборок на одного пользователя увеличивается. Эта информация может быть представлена:

• целым числом (например, 400 образцов на одного пользователя);

• действительным (например, имеется 98,5 образцов в среднем на одного пользователя).

Очередное важное обстоятельство, влияющее на производительность любой системы

распознавания КП, - это особенности пароля. Некоторые авторы, например [9], утверждают, что сложные пароли вообще трудно запомнить и это может повлиять на производительность системы клавиатурного почерка. Другие факторы, специфичные для пароля, также могут повлиять на производительность распознавания.

Прежде всего, необходимо уточнить, является ли пароль предложенным протоколом, или выбранным пользователем. Если пароль выбран пользователем, то обычно ожидается его лучшее восприятие и более стабильный и быстрый способ набора текста, чем предложенный пароль. Эта информация может быть предоставлена логическими значениями (например, пароль, выбранный пользователем).

Еще один фактор из этой группы - сложность пароля, которая является хорошим индикатором безопасности аутентификации, так как сложный пароль трудно взломать. Тем не менее, такой пароль трудно запомнить и набрать. Различные методы могут вычислять сложность пароля. Например, метод, представленный в работе [10]. Эта информация может быть предоставлена оценкой (например, сложность пароля составляет 25) или средним значением и стандартным отклонением для случая, когда каждый пользователь имеет отдельный пароль.

Интересную информацию о соответствующем количестве информации дает энтропия пароля [10]. Эта информация может быть предоставлена оценкой (например, энтропия пароля 0,25) или средним значением и стандартным отклонением, когда каждый пользователь имеет отдельный пароль.

На эффективность распознавания может оказать влияние сложность способа ввода пароля. Относительно недавно был опубликован метод в отношении этого аспекта [11]. В этом методе необходимо принять во внимание использование чисел или пунктуации. Эта инфор-

мация может быть представлена оценкой (например, сложность печати пароля 0,6), или средним и стандартным отклонением, когда у каждого пользователя есть различный пароль.

Последнее важное обстоятельство, определяющее характеристики наборов данных клавиатурного почерка, связано с производительностью методов эталонной идентификации на наборе данных. Чтобы вычислить производительность, необходимо выбрать определенное количество данных для набора и других величин для тестирования. Поскольку все наборы данных отличаются, почти невозможно использовать то же самое число образцов обучения и проверки в наборе данных. Для облегчения сравнения с небольшим расхождением используется первая сессия для регистрации образцов, а последующие сессии - для проверки достоверности данных (обычно в этой процедуре сохраняется 50% образцов для обучения и 50% для тестирования на наборе данных, не имеющих сессий). Это сопоставление будет оказывать значительное влияние между наборами данных, имеющими огромную разницу в количестве образцов в сессии. Еще лучше, чтобы процедура делила бы набор данных на три под-набора данных: первый поднабор забывается (считается, что он состоит из пробных действий пользователя), две другие части служат для обучения и тестирования. Тем не менее, это приведет к уменьшению количества образцов, доступных для обучения и тестирования, что весьма проблематично, поскольку большинство наборов данных достаточно малы.

Соблюдение биометрических свойств осуществляется на основе вычисления различных показателей повышения качества образцов КП и производительности распознавания, представленных в работе [12]. Авторы для каждого пользователя вычисляют три меры. Обозначим через х, y, z соответственно, образцы, используемые для регистрации выбранного пользователя, подлинные образцы запросов и образцы запросов самозванцев. Параметр

Nx

m = 2 X / Nx

i

будет являться средним вектором из зарегистрированных образцов выбранного пользователя; NX, Ny и Nz соответственно представляют число выборок в х, y, z . На их основе

вычисляются следующие показатели:

1) уникальность, основанная на отличии образцов самозванцев от зарегистрированных (чем выше, тем лучше),

Na \\zk - mil N^ IK - mil Uniqueness = 2 --- 2 --11; (1)

k=1 Nz i=1 nx

2) несогласованность, основанная на сходстве между запросными и зарегистрированными образцами и зависящая от концентрации и ловкости пользователя (чем ниже, тем лучше),

N^ ||y; - mil E^ IK - mil Inconsistency = 2 --- - 2 ---; (2)

j=1 Ny i=1 NX

3) различимость, основанная на отличии между самым близким образцом самозванца к средним из подлинных образцов и поздним подлинным образцом (чем выше, тем лучше)

Discriminability = min||zk - - ma^||yj - m||. (3)

Хотя эти три показателя были опубликованы в 2006 году, насколько нам известно, они никогда не использовались их создателями. Эта информация может быть предоставлена:

• списком результатов;

• их гистограммой;

• средним значением среди пользователей.

Они могут также зависеть от времени (по нашим сведениям, это никогда не было проверено). Таким образом, может быть полезным также вычисление показателей сеанс за сеансом, а также вычисление их среднего значения.

Несколько слов необходимо сказать о производительности базового классификатора.

Целью сбора набора данных компьютерного почерка является сравнение производительности различных классификаторов в различных условиях. Поэтому важно представить производительность базового классификатора с использованием набора данных. Индикаторами могут быть такие характеристики, как равная скорость ошибок (Equal Error Rate, EER) и область под кривой (Area Under the Curve, AUC). ROC-кривая сама по себе вряд ли интерпретируема с помощью инструментов автоматического сравнения. EER дает функциональную точку, часто используемую в литературе для сравнения классификаторов, даже если она не является оперативной функциональной точкой алгоритма (чем ниже, тем лучше). AUC - это область под ROC-кривой, которая дает более глобальную информацию о производительности классификатора (чем выше, тем лучше). Так как мы характеризуем набор данных, а не метод распознавания, мы не считаем, что необходимо использовать несколько показателей. Тем не менее, даже было бы лучше вычислять доверительный интервал EER, потому что он может быть весьма широк. Следует обратить внимание, что эта мера производительности зависит от выбранного базового алгоритма.

Интересной также представляется информация о степени деградации производительности набора данных в течение долгого времени [1]:

• вычисляется производительность (EER) каждой сессии с использованием образцов первой из них для регистрации;

• вычисляется наклон линии регресса EER среди сессий (чем больше наклон, тем больше деградация в течение долгого времени).

Вышеописанные критерии можно применять для сравнения эталонных наборов данных, приводимых в работах различных авторов, связанных с исследованием наборов данных компьютерного почерка. В качестве примера можно привести работу [13].

Примечания:

1. Giot R., Dorizzi B., Rosenberger C. Analysis of template update strategies for keystroke dynamics: IEEE symposium series in computational intelligence 2011 (SSCI 2011) // Workshop on computational intelligence in biometrics and identity management (CI-BIM). Special session on adaptive classification systems for biometric recognition., Paris, France. 21-28. URL: http://hal.archives-ouvertes.fr/hal-00587106/

2. Bours P., Komanpally V. Performance of keystroke dynamics when allowing typing corrections // Biometrics and forensics (IWBF). 2014 international workshop on, IEEE (2014). P. 1-6. URL: http://dx.doi.org/10.1109/iwbf.2014.6914254

3. Narainsamy P., Sunjiv S., Shrikaant N. Investigating & improving the reliability and repeatability of keystroke dynamics timers // International Journal of Network Security & Its Applications (IJNSA). July, 2010. Vol. 2, No. 3. P. 70-85. URL: http://www.airccse.org/journal/nsa/0710ijnsa05.pdf

4. Giot R., Rosenberger C. A new soft biometric approach for keystroke dynamics based on gender recognition // International Journal of Information Technology and Management. 2012. Vol. 11, Iss. 1-2. P. 35-49. URL: http://www.refhub.elsevier.com/S0167-4048(15)000094-2/sr0050

5. Soft biometrics for keystroke dynamics / S.Z.S. Idrus, E. Cherrier, C. Rosenberger [et al.] // Image analysis and recognition. Springer, 2013. P. 11-18. URL: http://www.refhub.elsevier.com/S0167-4048(15)000094-2/sr0085

6. Salthouse T. Effects of age and skill in typing. // Journal of Experimental Psychology: General/ Sep., 1984. Vol. 113(3). P. 345-371. URL: http://dx.doi.org/10.1037/0096-3445.113.3.345

References:

1. Giot R., Dorizzi B., Rosenberger C. Analysis of template update strategies for keystroke dynamics: IEEE symposium series in computational intelligence 2011 (SSCI 2011) // Workshop on computational intelligence in biometrics and identity management (CI-BIM). Special session on adaptive classification systems for biometric recognition., Paris, France. 21-28. URL: http://hal.archives-ouvertes.fr/hal-00587106/

2. Bours P., Komanpally V. Performance of keystroke dynamics when allowing typing corrections // Biometrics and forensics (IWBF). 2014 international workshop on, IEEE (2014). P. 1-6. URL: http://dx.doi.org/10.1109/iwbf.2014.6914254

3. Narainsamy P., Sunjiv S., Shrikaant N. Investigating & improving the reliability and repeatability of keystroke dynamics timers // International Journal of Network Security & Its Applications (IJNSA). July, 2010. Vol. 2, No. 3. P. 70-85. URL: http://www.airccse.org/journal/nsa/0710ijnsa05.pdf

4. Giot R., Rosenberger C. A new soft biometric approach for keystroke dynamics based on gender recognition // International Journal of Information Technology and Management. 2012. Vol. 11, Iss. 1-2. P. 35-49. URL: http://www.refhub.elsevier.com/S0167-4048(15)000094-2/sr0050

5. Soft biometrics for keystroke dynamics / S.Z.S. Idrus, E. Cherrier, C. Rosenberger [et al.] // Image analysis and recognition. Springer, 2013. P. 11-18. URL: http://www.refhub.elsevier.com/S0167-4048(15)000094-2/sr0085

6. Salthouse T. Effects of age and skill in typing. // Journal of Experimental Psychology: General/ Sep., 1984. Vol. 113(3). P. 345-371. URL: http://dx.doi.org/10.1037/0096-3445.113.3.345

7. Epp C. Identifying emotional states through keystroke dynamics: Master's thesis; University of Saskatchewan. Saskatoon, Canada, 2010. URL: http://hci.usask.ca/uploads/203-p715-epp.pdf

8. Performance evaluation of behavioral biometric systems / F. Cherifi, B. Hemery, R. Giot [et al.] // Behavioral biometrics for human identification: intelligent applications, IGI global. 2009. P. 57-74. URL: https://hal.archives-ouvertes.fr/hal-

00990311/document

9. The memorability and security of passwords-some empirical results / J. Yan, A. Blackwell, R. Anderson [et al.] // Journal IEEE Security and Privacy. September, 2004. Vol. 2, Iss. 5. P. 2531. URL: https://www.cl.cam.ac.uk/techreports/UCAM-CL-TR-500.pdf

10. Giot R., El-Abed M., Rosenberger C. Web-based benchmark for keystroke dynamics biometric systems: a statistical analysis // The Eighth International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIHMSP 2012), 3 July 2012. URL: https://arxiv.org/pdf/1207.0784v1.pdf

11. Mondal S., Bours P., Syed Idrus S.Z. Complexity measurement of a password for keystroke dynamics: preliminary study // 6-th International Conference on Security of Information and Networks (SIN). 2013. P. 301-305. URL:

https://www.researchgate.net/publication/259783476 _Complexity_Measurement_of_a-_Password_for_Keystroke_Dynamics_Preliminary_S tudy

12. Cho S., Hwang S. Artificial rhythms and cues for keystroke dynamics based authentication // Proceedings of the International Conference on Biometrics (ICB). 2006. P. 626-632. URL:

http ://link. springer.com/chapter/10. 1007-%2F11608288_83#page-1

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

13. Сапиев А.З. О методах аутентификации пользователей на основе анализа компьютерного почерка // Информатика: проблемы, методология, технологии: материалы XVI Междунар. науч.-метод. конф., Воронеж, 11-12 февраля 2016 г. / под ред. Н.А. Тюкачева. Воронеж: Научно-исследовательские публикации, 2016. С.251-256.