Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж
Проведено експериментальне дослідження можливості використання дворівненої нейромережі з вбудованою сигмоїдною активаційною функцією для покращення точності ідентифікації користувача за клавіатурним почерком, а також проведено порівняння запропонованого методу ідентифікації з існуючими. Отримані рез...
Збережено в:
| Дата: | 2018 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Інститут проблем реєстрації інформації НАН України
2018
|
| Назва видання: | Реєстрація, зберігання і обробка даних |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/168700 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж / І.І. Данилюк, В.В. Карпінець, А.В. Приймак, Ю.Є. Яремчук, О.І. Костюченко // Реєстрація, зберігання і обробка даних. — 2018. — Т. 20, № 2. — С. 68–76. — Бібліогр.: 11 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-168700 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-1687002020-05-09T01:26:26Z Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. Експертні системи та підтримка прийняття рішень Проведено експериментальне дослідження можливості використання дворівненої нейромережі з вбудованою сигмоїдною активаційною функцією для покращення точності ідентифікації користувача за клавіатурним почерком, а також проведено порівняння запропонованого методу ідентифікації з існуючими. Отримані результати показали, що запропонований метод має кращу точність ідентифікаціїна 1-15 %. Проведено экспериментальное исследование возможности использования двухуровневой нейросети с встроенной сигмоидной активационной функцией для улучшения точности идентификации пользователя по клавиатурному почерку и предложен метод на основе данного математического аппарата, а также проведено сравнение предложенного метода идентификации с существующими. Полученные результаты показали, что предложенный метод имеет лучшую точность идентификации на 1–15 %. With the development of advanced technologies, the problem of information security is becoming increasingly relevant. Given the development of spyware and digital technology allow more effective attacks on computer systems, including corporate networks, confidentiality can only be achieved through the creation of comprehensive information security. And one of the main elements of such a security system is the subsystem, which provides the identification of the user of the computer. Traditional identification and authentication methods based on the use of cards, electronic keys or other portable identifiers, as well as passwords and access codes, have significant disadvantages. The main disadvantage of such methods is the ambiguity of the identified person. Existing methods of user identification by keyboard handwriting are accurate from 78 % to 93,59 % and built on multilevel neural networks, which affects the speed of their learning and as a result of the cost of more resources, so it is actual to increase the accuracy of identification and reduce the time to train the neural network and design the appropriate method. An experimental study was made of the possibility of using a two-level neural network with a built-in sigmoid activation function to improve the accuracy of user identification by keyboard handwriting and proposed a method based on this mathematical apparatus. A comparison of the proposed identification method with existing ones was also performed, which showed an increase in the accuracy of user identification by 1–15 %. The method of Saket Maheshwari and Vikram Pudi has similar accuracy indicators, but there are several significant differences between the proposed and the existing method: in their work Saket Maheshwari and Wikam Pudi used a five-level neural network; it took 9 minutes to study their neural network. In the proposed method, the time of training the neural network is 6 minutes, which is faster for 3 minutes and, as a result, is much more effective when used, since the user's identification time is reduced and high identification accuracy is on the same high level. 2018 Article Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж / І.І. Данилюк, В.В. Карпінець, А.В. Приймак, Ю.Є. Яремчук, О.І. Костюченко // Реєстрація, зберігання і обробка даних. — 2018. — Т. 20, № 2. — С. 68–76. — Бібліогр.: 11 назв. — укр. 1560-9189 DOI: https://doi.org/10.35681/1560-9189.2018.20.2.142913 http://dspace.nbuv.gov.ua/handle/123456789/168700 621.384.3 uk Реєстрація, зберігання і обробка даних Інститут проблем реєстрації інформації НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Ukrainian |
| topic |
Експертні системи та підтримка прийняття рішень Експертні системи та підтримка прийняття рішень |
| spellingShingle |
Експертні системи та підтримка прийняття рішень Експертні системи та підтримка прийняття рішень Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж Реєстрація, зберігання і обробка даних |
| description |
Проведено експериментальне дослідження можливості використання дворівненої нейромережі з вбудованою сигмоїдною активаційною функцією для покращення точності ідентифікації користувача за клавіатурним почерком, а також проведено порівняння запропонованого методу ідентифікації з існуючими. Отримані результати показали, що запропонований метод має кращу точність ідентифікаціїна 1-15 %. |
| format |
Article |
| author |
Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. |
| author_facet |
Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. |
| author_sort |
Данилюк, І.І. |
| title |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_short |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_full |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_fullStr |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_full_unstemmed |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_sort |
метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| publisher |
Інститут проблем реєстрації інформації НАН України |
| publishDate |
2018 |
| topic_facet |
Експертні системи та підтримка прийняття рішень |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/168700 |
| citation_txt |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж / І.І. Данилюк, В.В. Карпінець, А.В. Приймак, Ю.Є. Яремчук, О.І. Костюченко // Реєстрація, зберігання і обробка даних. — 2018. — Т. 20, № 2. — С. 68–76. — Бібліогр.: 11 назв. — укр. |
| series |
Реєстрація, зберігання і обробка даних |
| work_keys_str_mv |
AT danilûkíí metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovínejromerež AT karpínecʹvv metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovínejromerež AT prijmakav metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovínejromerež AT âremčukûê metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovínejromerež AT kostûčenkooí metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovínejromerež |
| first_indexed |
2025-07-15T03:28:55Z |
| last_indexed |
2025-07-15T03:28:55Z |
| _version_ |
1837682010840104960 |
| fulltext |
68
621.384.3
. . , . . , . . ,
. . , . .
, 95, 21021 ,
-
-
, -
. ,
1–15 %.
: , , -
, , .
. -
, -
’ , ,
.
, -
’ .
, -
, ,
, . -
. -
. ,
, , -
. ’
, .
-
[1].
© . . , . . , . . , . . , . .
ISSN 1560-9189 , , 2018, . 20, 2 69
, , -
,
, , -
-
,
[2].
, -
— , , , , -
. , ’ -
, . -
-
, -
, ,
,
[3].
. c [4], 1980 . -
.
4 .
. , -
10. , -
, -
.
, [5].
17 , -
, . 1400
, 300
. -
— 89,5%. -
0,5, -
, 60 % -
.
,
[6]. ’
( ), . -
,
, , . ,
.
[7], ,
-
, -
. ,
.
, ( ),
. 1 2 3 , , ... nM m m m m 1 2 3 , , ... nT t t t m , n —
. . , . . , . . , . . , . .
70
, , ,
L1. ,
.
|M – S |, S — , -
, . -
78 %.
. . [8]. -
. — , -
,
— .
:
.
-
. -
, -
. , -
. ,
. -
, -
[9].
[10], -
’ . -
-
( , , -
). ,
85,22–93,59 %. ,
’ ,
( 9 ) .
[11]
-
. -
(MLP)
(BP). -
,
90–92 %.
-
,
( , . .).
90 %. , -
, (85,22–93,59 %), -
, -
, .
-
.
ISSN 1560-9189 , , 2018, . 20, 2 71
, %
, 89,5
78
90
85,22–93,59
90–92
-
, , 78 %
93,59 %, -
.
-
-
-
, -
.
.
,
70- -
10- ,
,
.
, ’ -
-
. -
:
1) ;
2) ;
3) ;
4) ;
5) ;
6) ;
7) ;
8) ;
9) .
, , ’ -
( , « - », « - », « -
- », ), , -
. ’ -
:
. . , . . , . . , . . , . .
72
1) — , -
:
i iKeyDuration R P ,
iR — i- ; iP — i- ;
2) « - » — -
:
1i iUpDownLate P R ;
3) « - » —
:
1i iDownDownaLatency P P ;
4) « - » —
:
1i iUpUpLatency R R ;
5) — , :
1i N iTotalTyping R P ,
N — .
-
.
. -
,
,
2
0 0
1
= , = i i
i
y f u u w x w x ,
f u — ; u — ; iw — ;
ix — ; 0w — ; 0x — .
.
.
- - :
2
1 1
1 log
y
w y x y y
x
N Q QN N N N N
Q N
,
yN — ; Q — -
; wN — ’ ; xN —
.
ISSN 1560-9189 , , 2018, . 20, 2 73
, ,
’ 7 < wN < 20.
, -
:
w
x y
NN
N N
.
, 1 < N
< 70.
, .
70 .
. -
,
.
, -
.
’
, -
, -
. , -
, , ,
. , -
’ -
1 2, , , pW W W , p .
1 2 * * * pW W W W , -
.
, -
70- 10-
, . 1.
Input
2
b
+
b
+
w w
Hidden Output
Output
70 10
10
. 1.
. 2.
. . , . . , . . , . . , . .
74
... ...
x1
x2
z1
z2
z3
z3
z70
y1
y2
y3
y10
. 2.
-
.
.
1. .
2.
NET ,
j
i
NET xw .
3. NET
.
4.
:
j j jerror target OUT .
5. :
1 =ij ij x jW t w t a error .
6. ’ ,
.
-
. 3.
-
, 2 . ,
. -
.
2 .
,
ISSN 1560-9189 , , 2018, . 20, 2 75
. , -
, -
. -
. -
.
. 3. -
-
, ,
. ,
, .
.
, -
, 93 %. -
6 , -
.
, , -
1–15 % .
, -
:
’ ,
9 .
. . , . . , . . , . . , . .
76
6 , 3 , ,
,
, .
-
-
.
-
-
’ -
.
93 %,
1–15 %. -
, -
3
.
1. Gavan Leonard Tredoux, Steven J. Harrington. Method and system for providing authentication
through aggregate analysis of behavioral and time patterns. Xerox Corporation, Norwalk, CT, 2016.
2. Armin Ebrahimi, Jeff Weitzman. User Identification Management System and Method. Sho-
Card, Inc., Palo Alto, CA — 15/878,353. 2018.
3. Luiz G. Hafemann, Robert Sabourin, Luiz S. Oliveira. Learning features for offline handwritten
signature verification using deep convolutional neural networks. Elsevier. 2017. . 163–176.
4. Gaines R., Lisowski W., Press S. and Shapiro N. Authentication by Keystroke Timing: Some
Preliminary Results. Rand Report R – 256. NSF, Rand Corporation, Santa Monica, A, 1980.
5. Umphress David & Williams Glen. (1985). Identity verification through keyboard characteris-
tics. International Journal of Man-Machine Studies. 23. 263-273. 10.1016/S0020-7373(85)80036-5.
6. Young J.R. and Hammon R.W. Method and Apparatus for Verifying an Individual's Identity.
Patent Number 4,805,222, U.S. Patent and Trademark Office, Washington, D.C. Feb., 1989.
7. Joyce R. and Gupta G. User authorization based on keystroke latency. Communications of the
ACM. 1990. 33(2). . 168–176.
8. . . . -
: - « », 1993. 188 .
9. . ., . ., . . , -
. Lviv polytech-
nic national university institutional repository, 2014. . 141–147.
10. Saket Maheshwary, Soumyajit Ganguly, Vikram Pudi. Deep Secure: A Fast and Simple Neural
Network based approach for UserAuthentication and Identification via Keystroke Dynamics. Conference:
2017 International Joint Conference on Artificial Intelligence (IJCAI), At Melbourne, Australia, 2017.
11. Harun N., Woo W.L. and Dlay S.S. Performance of KeystrokeBiometrics AuthenticationSys-
tem Using Artificial Neural Network (ANN) and Distance Classifier Method. International Conference on
Computer and Communication Engineering (ICCCE 2010). 11–13 May 2010, Kuala Lumpur, Malaysia,
2010.
02.06.2018
|