多模式数据用于物联网环境中的行为身份验证

科学领域:

• 人与计算机的交互
• 生物识别信息 生物识别信息
• 网络安全 网络安全
• 物联网 (IoT) 的物联网 (IoT) 的物联网.

背景情况:

• 行为模式为访问控制提供了一个自然和用户友好的基础,与传统的基于密码的方法不同.
• 物联网 (IoT) 环境中的被动传感器可以捕获丰富的多模式行为数据.
• 现有的研究缺乏适合多式联络行为认证研究的公开可用的数据集.

研究的目的:

• 介绍和描述用于行为身份验证研究的第一个公开可用的多式联络数据集.
• 促进基于行为身份验证的研究,使用各种传感器模式和用户活动.
• 探索不同任务和认知负载对人类行为模式的影响.

主要方法:

• 在类似办公室的物联网环境中收集高频加速度计,陀螺仪和力传感器数据.
• 使用无线雷达和电脑电图 (EEG) 读数获得的3D点云.
• 涉及54名参与者执行6个不同的任务,旨在引起各种行为和认知负载.

主要成果:

• 创建了一个全面的多式联通数据集,包括来自5种不同的传感方式的16小时数据.
• 数据集包括键盘打字,手势和步行等活动的数据.
• 收集的数据显示了任务和认知负载水平的变化,提供了丰富的研究机会.

结论:

• 引入的数据集是推动物联网环境中基于行为的身份验证研究的宝贵资源.
• 这些发现为开发更强大,更自然的门禁系统打开了道路.
• 进一步的研究可以利用这个数据集来了解任务和认知状态对人类行为的影响.