Keystroke dynamics для текста произвольной длины?

Question

[twintwin1003]

Заинтересовался такой штукой, как биометрическая аутентификация. Первое, что привлекло внимание - Keystroke_dynamics
Начал изучать это направление, но столкнулся с проблемой, что большинство исследований было нацелено на анализ ввода паролей + логинов, которые по себе являюся константами (т.е. здесь не составляет труда обучить машину на основе времени, которое клавиша была зажата Dwell time, и времени перехода между клавишами Flight time). Исследований же в области анализа текста произвольной длины так и не нашел.
Еще интересно, какие алгоритмы обучения можно поизучать связанные с этой темой? Ибо как я понял, здесь без машинного обучения никуда :)

Comments

[Александр Скуснов]

А чем отпечатки пальцев не нравятся? Сейчас дешёвые датчики (сканеры).

[twintwin1003]

Александр Скуснов отпечатки требуют определенных действий от пользователя, когда анализ ввода текста (считай поведения) работает в бекграунде. Но в то же время, согласен, что отпечатки - ок. Хотя по мне с биометрией необходимо сразу несколько видов аутентификации: отпечатки, анализ ввода текста, анализ ходьбы (why not) и т.д.

[Александр Скуснов]

twintwin1003: анализ ходьбы это только пример обучения (выделение характерных особенностей из сигнала), здесь не стоит задача, кто именно ходит. А вот если вы добавите анализ видео (лицо), то тут другое дело.

Answer 1

[Александр Скуснов]

Текст произвольной длины, по-видимому, разбиваете на фрагменты и делаете статистический анализ.
Что касается машинного обучения, то выделяются характерные черты (features), которые запоминаются (создаётся словарь). Этот метод применяется для распознавания изображений.
А вот пример, как обрабатываются сигналы акселерометра смартфона, чтобы узнать положение человека (стоит, лежит, идёт, идёт по ступенькам вверх или вниз). Сигнал разбивается на фрагменты (буферы), далее идёт спектральный анализ, особенности спектра запоминаются (обучается нейронная сеть).

Comments

[twintwin1003]

Круто, спасибо!