基于深度学习的方法,改进了按键动态的生物识别
Łukasz Wyciślik1, Przemysław Wylężek2, Alina Momot1
1Department of Applied Informatics, Faculty of Automatic Control, Electronics and Computer Sciences, Silesian University of Technology, 44-100 Gliwice, Poland.
Sensors (Basel, Switzerland)
|June 27, 2024
概括
按键动态分析为生物识别提供了一个有希望的,非侵入性的方法. 深度学习显著提高了该技术的精度和可靠性,超过了之前的结果.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 生物识别信息 生物识别信息
背景情况:
- 数字安全问题越来越多,增加了对先进识别方法的需求.
- 生物识别越来越重要,但按键动态分析的利用不足.
- 按键动态为用户识别提供了一种独特而非侵入性的方法.
研究的目的:
- 提出一种创新的深度学习方法,用于基于按键动态的识别.
- 为了证明深度学习在分析生物识别类型打字行为的有效性.
- 突出按键动态作为可靠的生物识别标识符的潜力.
主要方法:
- 利用开放式研究数据集进行培训和验证.
- 开发并应用了一种新的深度学习模型.
- 从用户的打字行为中提取了复杂的模式.
主要成果:
- 与现有方法相比,拟议的深度学习方法取得了更高的性能.
- 在基于按键动态识别个人方面表现出高度准确性.
- 展示了深度学习的能力,以揭示微妙的打字模式.
结论:
- 深度学习在生物识别中对按键动态分析非常有效.
- 按键动态分析具有显著的未开发潜力,可以提高数字安全性.
- 这项研究通过创新的深度学习应用程序推进生物识别领域.
