Author:
Cruz Marco Aurélio da Silva,Goldschmidt Ronaldo Ribeiro
Abstract
Em geral, as análises comparativas feitas em trabalhos que estudam a tarefa de reconhecimento de usuários baseada na dinâmica da digitação utilizando algoritmos de Aprendizado de Máquina (AM) se restringem à avaliação considerando apenas um único conjunto de dados específico, em geral não público, o que torna difícil generalizar quais são, de fato, os algoritmos mais indicados para realizar tal tarefa. Assim, o presente trabalho tem como objetivo apresentar um estudo comparativo acerca do desempenho de alguns dos mais populares algoritmos de AM aplicados a tal tarefa utilizando cinco conjuntos de dados públicos compostos por amostras estáticas (textos fixos, como senhas, por ex.). Os experimentos realizados mostraram que o Random Forest foi capaz de superar os demais algoritmos em todos os conjuntos de dados analisados.
Publisher
Sociedade Brasileira de Computação - SBC
Reference66 articles.
1. Ali, H., Wahyudi, and Salami, M. J. E. (2009). Keystroke pressure based typing biometrics authentication system by combining ANN and ANFIS-based classifiers. In 2009 5th International Colloquium on Signal Processing Its Applications, pages 198–203.
2. Ali, M. L., Monaco, J. V., Tappert, C. C., and Qiu, M. (2017). Keystroke Biometric Systems for User Authentication. Journal of Signal Processing Systems, 86(2):175–190.
3. Alpar, O. (2017). Frequency spectrograms for biometric keystroke authentication using neural network based classifier. Knowledge-Based Systems, 116:163–171.
4. Alpar, O. (2018). Biometric touchstroke authentication by fuzzy proximity of touch locations. Future Generation Computer Systems, 86:71–80.
5. Alshanketi, F., Traore, I., and Ahmed, A. A. (2016). Improving Performance and Usability in Mobile Keystroke Dynamic Biometric Authentication. In 2016 IEEE Security and Privacy Workshops (SPW), pages 66–73.