Методы определения личности пользователя на основе индивидуальных особенностей компьютерного почерка

Леонид Святославович Крыжевич

doi:10.17308/sait.2021.3/3735

Леонид Святославович Крыжевич Курский государственный университет https://orcid.org/0000-0002-6736-498X

DOI: https://doi.org/10.17308/sait.2021.3/3735

Ключевые слова: компьютерный почерк, аутентификация пользователя, нормальное распределение, интегральная теорема Муавра — Лапласа, критерий согласия Пирсона

Аннотация

В данной статье выдвигается гипотеза о том, что набор текста на клавиатуре каждым конкретным человеком имеет индивидуальные особенности. Развитие этой технологии в дальнейшем поможет предотвратить попытки несанкционированного доступа к персональным данным, банковским счетам и коммерческой тайне. Среди существующих методов биометрической аутентификации предложенный подход относится к категории динамических методов, подвергающихся изменениям со временем. Эта особенность не позволяет злоумышленнику через доступ к сети украсть шаблон почерка пользователя, его скопировать или подделать. Во время работы на клавиатуре человеком используется более 20 различных мышц, что делает стиль набора уникальным. В качестве основных характеристик для проведения аутентификации личности были взяты скорость набора, время удержания клавиши в нажатом положении, время поиска следующей клавиши, периодические опечатки в процессе набора текста и многое другое. Компьютерный почерк может быть зафиксирован в виде различных метрик и проанализирован статистическими методами. Автором статьи раскрывается методика и условия проведения эксперимента. Система ведет подсчет количества нажатий за единицу времени, устанавливает временные метки, производит сбор статистических данных для построения гистограмм. Эксперимент проводится в разное время суток с использованием различных типов клавиатур. Закладывается гипотеза о том, что данные выборки подчиняются нормальному распределению, что подтверждается анализом полученных результатов по критерию согласия Пирсона. Для определения отличий стилей набора испытуемого от своего собственного находится процент совпадений показателей по интегральной формуле Муавра — Лапласа для нормальных распределений, значение которого около 90 %. Аналогичным образом проводится сравнительный анализ полученных результатов с разными пользователями. В данном случае этот показатель будет гораздо ниже и не превышает 60 %. Сравнительный анализ дает возможность аутентифицировать личность и является достаточным информационным показателем для предотвращения попыток несанкционированного доступа.

Скачивания

Данные скачивания пока не доступны.

Биография автора

Леонид Святославович Крыжевич, Курский государственный университет

канд. тех. наук, и.о. зав. кафедрой информационной безопасности, факультет физики, математики, информатики, Курский государственный университет

Литература

1. Matyushina S. N., Kulikov S. S. (2019) Keyboard handwriting in password authentication of users // Auditorium. No. 4 (24). P. 77–82.
2. Kryzhevich L. S., Matyushina S. N. (2016) Providing access to electronic equipment based on computer handwriting recognition // Collection: “Actual research in mathematics, computer
science, physics and methods of studying them in the educational space.” The results of research in the field of mathematics, computer science, physics and methods of their study in modern educational design. Kursk. P. 83–88.
3. Sulavko A. E., Fedotov A. A., Eremenko A. V. (2017) Recognition of users of computer systems by keyboard handwriting taking into account the parameters of vibration and pressure on the keys // Dynamics of systems, mechanisms and machines. Vol. 5. No. 4. P. 95–105.
4. Sapiev A. Z. (2021) Organization of the procedure for analyzing computer handwriting based on the principles of self-organization. Bulletin of the Vologda State University. Series: Engineering Sciences. No. 2 (12). P. 40–42.
5. AragA’n-McndizAibal E., Delgado-Casas C., Romero-Oliva M. F. (2016) A comparative study of handwriting and computer typing in note-taking by university students, Comunicar. DOI
6. Summary and classification of statistics (2018) URL
7. Shulenin V. P. (2012) Mathematical statistics. NTL Publishing House, Tomsk.
8. Kryzhevich L. S., Rakov A. S. Kostenko I. V., Arkhipova V. V. Lukin D. E. (2017) Testing statistical hypotheses about the time parameters of keytyping, “Problems of cybersecurity, modeling and information processing in modern sociotcchnical systems”. KSU, Kursk.
9. Gmunnan V. E. (2003) Probability theory and mathematical statistics, 9th edition. Vysshaya shkola, Moscow.
10. Fedorowich L. M., C6te J. N. Effects of standing on typing task performance and upper limb discomfort, vascular and muscular indicators, Applied Ergonomics (2018). DOI
11. Kryzhevich L. S., Matyushina S. N., Kostenko I. V. (2015) Providing access to electronic equipment based on computer handwriting recognition, “Current research in the field of exact
sciences and their study in secondary and higher educational institutions”, KSU, Kursk.
12. Yoo W. G. (2015)Effects of different computer typing speeds on acceleration and peak contact pressure of the fingertips during computer typing, Journal of Physical Therapy Science.
DOI