Метод нейромережевого аналізу клавіатурного почерку.

Л. Терейковська

doi:10.36910/6775-2524-0560-2019-37-8

Л. Терейковська Київський національний університет будівництва і архітектури

DOI: https://doi.org/10.36910/6775-2524-0560-2019-37-8

Ключові слова: розпізнавання емоцій, аутентифікація, клавіатурний почерк, згорткова нейронна мережа, вхідний параметр, метод розпізнавання.

Анотація

Стаття присвячена питанням вдосконалення засобів розпізнавання емоцій і аутентифікації користувачів інформаційно-управляючих систем. Обґрунтовано можливість впровадження в засоби розпізнавання сучасних нейромережевих рішень на базі згорткових нейронних мереж. Розроблено метод нейромережевого аналізу клавіатурного почерку, який за рахунок запропонованих принципів адаптації і процедури кодування параметрів клавіатурного почерку, дозволяє впровадити в засоби розпізнавання згорткову нейронну мережу, архітектура якої адаптована до очікуваних умов використання. Проведені експериментальні дослідження показали, що використання розробленого методу дозволяє забезпечити помилку розпізнавання емоцій і особи користувача на рівні кращих сучасних систем розпізнавання.

Посилання

S. J. Alghamdi and L. A. Elrefaei. Dynamic user verification using touch keystroke based on medians vector proximity. In Computational Intelligence, Communication Systems and Networks (CICSyN), 2015 7th International Conference on, pages 121–126. IEEE, 2015.

Berik Akhmetov, Igor Tereykovsky, Aliya Doszhanova, Lyudmila Tereykovskaya (2018) Determination of input parameters of the neural network model, intended for phoneme recognition of a voice signal in the systems of distance learning. International Journal of Electronics and Telecommunications. Vol 64, No 4 (2018), 425-432. DOI: 10.24425/123541.

C. Bo, L. Zhang, T. Jung, J. Han, X.-Y. Li, and Y. Wang. Continuous user identification via touch and movement behavioral biometrics. In 2014 IEEE 33rd International Performance Computing and Communications Conference (IPCCC), pages 1–8. IEEE, 2014.

Yunbin Deng and Yu Zhong Keystroke Dynamics Advances for Mobile Devices Using Deep Neural Network GCSR Vol. 2, pp. 59-70, 2015 DOI: 10.15579/gcsr.vol2.ch4.

Liu, M., Guan, J. User keystroke authentication based on convolutional neural network, Communications in Computer and Information Science 2019, 971, pp. 157-168.

Lin, C.-H., Liu, J.-C., Lee, K.-Y. On neural networks for biometric authentication based on keystroke dynamics. Sensors and Materials, 2018, 30(3), pp. 385-396.

Saket Maheshwary, Soumyajit Ganguly, Vikram Pudi, Deep Secure: A Fast and Simple Neural Network based approach for User Authentication and Identification via Keystroke Dynamics Conference: IWAISe, International Joint Conference on Artificial Intelligence (IJCAI) - 2017At: Melbourne, Australia pp. 34-40.

Tereykovska L., Tereykovskiy I., Aytkhozhaeva E., Tynymbayev S., Imanbayev A. Encoding of neural network model exit signal, that is devoted for distinction of graphical images in biometric authenticate systems (2017). // News of the national academy of sciences of the republic of kazakhstan series of geology and technical sciences. Volume 6, Number 426 (2017), 217 – 224.

Xiaofeng, L., Shengfei, Z., Shengwei, Y. Continuous authentication by free-text keystroke based on CNN plus RNN Procedia Computer Science 147, 2019, pp. 314-318.