Soft Biometrics for Keystroke Dynamics
Biométrie douce pour la dynamique de frappe au clavier
Résumé
At present, there are a variety of usages of biometric techniques for a lot of distinct purposes including physical access control, attendance monitoring, e-payment and others. In order to avoid password-based authentication problems, this research focuses on biometric authentication and we propose to use keystroke dynamics. The reduced performances of keystroke dynamics could be revealed by the higher intra-class variability in the users’ habits. One way to take care of this variability is to take into consideration additional information in the determination process.
We propose several contributions in order to enhance the performance recognition of keystroke dynamics systems with our novel methods. For starters, we made our personal dataset, which is a new biometric benchmark database known as ‘GREYC-NISLAB Keystroke’ to satisfy the goal of the thesis, where we had made our own data collection of 110 users, both France and Norway. This new benchmark database is accessible to the international scientific community and features some profiling information about end users: the way of typing (one hand or two hands), gender, age and handedness. In order to increase the system performance, subsequently, we study the biometric fusion with keystroke dynamics. Finally, we present an improvement of user recognition, by combining the authentication process with soft criteria. The outcomes of the experiments display the benefits of the proposed approaches.
A l’heure actuelle, il ya une grande variété d’usages des techniques biométriques pour plusieurs fins, y compris le contrôle d’accès physique, contrôle de présence, paiement électronique et autres. Afin d’éviter des problèmes d’authentification par mot de passe, cette recherche se concentre sur l’authentification biométrique et nous proposons d’utiliser la dynamique de frappe au clavier. Les performances limitées de la dynamique de frappe au clavier pourraient sont liées à par la variabilité intra-classe supérieure associées aux habitudes des utilisateurs. Une façon de prendre soin de cette variabilité est de prendre en considération des informations supplémentaires dans le processus de décision.
Nous vous proposons plusieurs contributions dans cette thèse afin d’améliorer la reconnaissance des performances des systèmes de dynamique de frappe au clavier avec de nouvelles méthodes. Pour commencer, nous avons créé un jeu de données personnelles, qui est une nouvelle base de données de référence biométrique connu comme ‘GREYC-NISLAB Keystroke’ pour répondre aux objectifs de la thèse, où nous avions à notre disposition des données de 110 utilisateurs en France et en Norvège. Cette nouvelle base de données de réfèrence est accessible à la communauté scientifique internationale et propose des informations de profilage sur les utilisateurs finaux : la façon de taper (une ou deux mains), le sexe, l’âge et la latéralité. Afin d’augmenter les performances du système, par la suite, nous étudions la fusion biométrique avec la dynamique de frappe au clavier. Enfin, nous présentons une amélioration de la reconnaissance de l’utilisateur, en combinant le processus d’authentification avec les critères mous. Les résultats de ces expériences montrent les avantages des approches proposées.
Loading...