Impact of Network and Host Characteristics on the Keystroke Pattern in Remote Desktop Sessions
基于生物动力学的认证是一种方便的生物识别方法,易于使用,透明且便宜,因为它不需要专用传感器。作为多因素身份验证的一部分,击键身份验证可用于远程显示访问,以保证在访问控制阶段或整个会话期间使用远程连接系统的安全性。本文探讨了如何网络条件和额外的主机交互可能会影响的行为模式时,在一个远程桌面应用程序的情况下使用的网络。我们专注于相邻键的时间,并通过计算参考配置文件和由此产生的配置文件之间的欧氏距离的变化,这种损害调查这种影响。实验结果表明,拥塞延迟的变化,无论是由相邻的流量源或额外的远程桌面交互产生的,有实质性的影响的欧几里德距离,这反过来可能会影响生物认证算法的有效性。结果还表明,远程桌面协议中的数据流没有优先级,因此额外的流量将对验证时间产生重大影响,这使得连续身份验证对远程访问的有效性降低,而更适合一次性登录。
2020-12-07 cs.CR
The BeiHang Keystroke Dynamics Authentication System
Beihang University(北京航空航天大学);Shenzhen University(深圳大学);Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);The Chinese University of Hong Kong(香港中文大学);Microdone Network Technologies Co., Ltd(微盾网络技术有限公司)
Keystroke Dynamics是一种重要的个人身份验证生物识别解决方案。本文基于贝叶斯动力学,设计了嵌入式密码保护设备,开发了在线系统,收集了两个公共数据库以促进贝叶斯认证的研究,利用Gabor滤波器组对贝叶斯动力学进行了表征,并给出了单类支持向量机、高斯分类器和最近邻分类器三种常用分类算法的基准测试结果。
2013-10-15 cs.CR cs.LG
KDPrint: Passive Authentication using Keystroke Dynamics-to-Image Encoding via Standardization
本文提出 KDPrint 被动认证系统,将击键数据标准化编码为图像以捕捉时间动态,在自采数据集上实现 EER 6.7%,显著优于现有方法。
2024-05-03 cs.CR
Evaluation Scheme to Analyze Keystroke Dynamics Methods
本文针对密码认证的安全与可用性矛盾,提出了生物特征认证和击键动力学的要求,构建评估方案并应用于三种方法,结果表明击键动力学可作为补充认证但可能被强对手绕过。
2024-07-23 cs.CR
Can Virtual Reality Protect Users from Keystroke Inference Attacks?
本文揭示了VR虚拟化身手部遥测数据易受侧信道攻击的漏洞,攻击者无需键盘布局或标记数据即可重建他人输入内容,准确率高达98%,并探讨了防御措施。
2023-10-24 cs.CR
A Survey of Biometric keystroke Dynamics: Approaches, Security and Challenges
生物识别技术今天越来越受欢迎,因为它们提供了更可靠和更有效的认证和验证手段。Keystroke Dynamics是著名的生物识别技术之一,当用户通过键盘工作时,它将尝试识别用户的真实性。通过观察用户的键入模式的变化来完成认证过程。本研究对现有的生物动力学方法、度量、不同的方法进行了全面的综述。本文还讨论了各种安全问题和挑战所面临的动态。
2009-10-05 cs.CR
Conditional Generative Adversarial Network for keystroke presentation attack
Vicomtech(Vicomtech基金会);Basque Research and Technology Alliance(巴斯克研究与技术联盟)
网络安全是数据保护的关键一步,以确保用户安全和个人数据隐私。从这个意义上说,许多公司已经开始使用身份验证系统来控制和限制对其数据的访问。然而,这些传统的身份验证方法不足以确保数据保护,并且由于这个原因,行为生物识别变得重要。尽管生物特征识别系统具有良好的应用前景和广泛的应用范围,但它仍然容易受到恶意攻击,例如呈现攻击。出于这个原因,在这项工作中,我们建议研究一种新的方法,旨在部署一个演示攻击的身份验证系统。我们的想法是使用条件生成对抗网络(cGAN)来生成可用于冒充授权用户的合成对抗数据。这些合成数据是在两个不同的实际用例之后生成的,其中一个用例中键入的单词的顺序是已知的(有序动态),另一个用例中该顺序是未知的(无序动态)。最后,这两个动态(有序和无序)验证使用外部认证系统。结果表明,cGAN可以有效地生成可用于欺骗身份验证系统的动态模式。
2022-12-16 cs.CR cs.LG
Free-text Keystroke Authentication using Transformers: A Comparative Study of Architectures and Loss Functions
University of Tehran(德黑兰大学)
本文提出基于Transformer的击键认证网络,比较了bi-encoder和cross-encoder架构及多种损失函数与距离度量,在Aalto数据集上结合单类支持向量机将等错误率降至0.0163%,超越现有最先进水平。
2023-10-18 cs.CR cs.LG
A Review of Several Keystroke Dynamics Methods
本文针对击键动力学身份认证问题,对比分析GMM、马氏距离分类、Gunetti Picardi距离度量三类模型,基于多数据集时序特征训练验证,用FAR、FRR、EER及ROC曲线评估,明确各方法区分真实用户与冒充者的优劣势。
2025-02-22 cs.CR
VRSafe: A Secure Virtual Keyboard to Mitigate Keystroke Inference in Virtual Reality
University of Pittsburgh(匹兹堡大学)
本文提出VRSafe虚拟键盘,通过引入虚假按键提高攻击者推断密码的难度,并设计恶意登录检测器,有效识别未经授权的登录尝试,实验表明其能显著降低键盘推断攻击的准确性。
2026-04-22 cs.CR
Multimodal EEG and Keystroke Dynamics Based Biometric System Using Machine Learning Algorithms
随着技术的快速进步,不同的生物特征用户认证和识别系统不断涌现。传统的生物识别系统,如人脸、指纹、虹膜识别、指纹动态等,容易受到网络攻击,并存在不同的缺点。基于脑电图(EEG)的认证在克服这些限制方面显示出希望。然而,基于EEG的认证由于在不同的心理和生理条件下的信号变化而不太准确。另一方面,基于动态的识别提供了高准确性,但遭受不同的欺骗攻击。为了克服这些挑战,我们提出了一种新的多模态生物识别系统结合EEG和脑电动力学。首先,通过在10个不同的会话中采集来自10个用户的脑电动力学和EEG信号来创建数据集,每个用户500次试验。从EEG信号中提取不同的统计、时域和频域特征并进行排序,从脑电动力学中提取关键特征。针对两种不同的分类策略-个性化和广义,对不同的分类器进行了训练、验证和测试。结果表明,非常高的准确性,可以实现在广义和个性化的情况下,脑电和脑电动力学的组合。极端梯度提升(XGBoost)和随机森林分类器的识别和认证准确率分别为99.80%和99.68%,它们以显著的幅度(约5%)优于单个模态。我们还开发了一种基于二进制模板匹配的算法,该算法的准确率为93.64%,快了6倍。所提出的方法对于任何类型的生物特征认证都是安全可靠的。
2021-06-25 cs.CR eess.SP
Robust Keystroke Biometric Anomaly Detection
Keystroke Biometrics Ongoing Competition(KBOC)提出了一个异常检测挑战,该挑战使用包含大量主题和真实世界方面的公共数据集。超过300名受试者输入了他们的名字和姓氏的不区分大小写的重复,因此,根据修饰键的使用,重复序列的长度和顺序可能会有所不同。为了解决这一问题,提出了一种语义匹配预处理算法,用于在不匹配序列中建立语义匹配。该方法是鲁棒的,在这个意义上,查询重复序列只需要近似匹配的目标序列,和比对是不可知的特定的异常检测器使用。本文介绍了提交给KBOC的15个性能最佳的异常检测系统,从自动编码神经网络到集成方法。曼哈顿距离达到了最低的相等出错率5.32%,而所有15个系统的表现优于任何其他提交。性能的提高在很大程度上是由于不特定的异常检测器,但预处理和得分归一化技术。
2017-01-18 cs.CR
Multimodal User Authentication via Keystroke-Triggered Fusion of Glove-Based Finger Pressure and Hand Kinematics
Graduate School of Computer Science and Engineering, The University of Aizu(会津大学计算机科学与工程研究生院)
研究针对击键动力学受环境影响问题,提出融合击键动力学与手部运动学的多模态认证框架,用定制手套捕获特征,经混合架构融合,通过“未见”评估协议验证,该方法能有效提升认证准确率,融合模态增强了生物识别辨别力。
2026-11-02 cs.CR cs.HC
Dynamic Anonymized Evaluation for Behavioral Continuous Authentication
University of Wyoming(怀俄明大学)
新兴技术需要可靠的身份验证机制,特别是在互连系统中。目前的系统依赖于单一时刻的认证,然而,连续认证系统利用恒定的生物特征分析来评估用户的身份。Spy Hunter是一种持续的身份验证机制,它使用动态身份验证来验证数据块上的用户。这种易于集成的定期生物特征认证系统可验证真正的用户并快速检测入侵者。因为它在后台验证用户,所以Spy Hunter不受密码框的限制。相反,它是灵活的,可以与其他机制分层,以提供高级别的安全性。在其他持续身份验证技术依赖于脚本输入的地方,Spy Hunter在真实的环境中验证自由文本。这分两个阶段完成,一个阶段是向用户提供提示,另一个阶段是允许用户自由访问其计算机。此外,《间谍猎人》关注的是不同按键的时间,而不是按下的特定按键。这允许匿名数据来验证用户并避免持有个人数据。利用一对K折交叉验证技术,Spy Hunter根据系统错误地接受入侵者的频率,系统错误地拒绝真正用户的频率以及验证用户身份所需的时间进行评估。Spy Hunter将出错率保持在6%以下,并以最少的错误数识别用户。连续身份验证提供了比一次性验证过程更高级别的安全性,Spy Hunter扩展了基于动态行为分析的可能性。
2019-03-07 cs.CR cs.LG
BehaveFormer: A Framework with Spatio-Temporal Dual Attention Transformers for IMU enhanced Keystroke Dynamics
针对现有击键行为生物特征持续认证系统准确性不足的问题,提出融合击键与IMU数据的BehaveFormer框架,通过新型时空双注意力Transformer提取判别特征,在多个公开数据集上取得优于现有方法的认证性能。
2023-07-03 cs.CR
Keystroke Dynamics for User Identification
San Jose State University(圣何塞州立大学);Czech Technical University in Prague(布拉格捷克理工大学)
本文研究基于自由文本击键动力学的多分类用户识别,比较类图像特征结合CNN与随机森林,在148名用户上分别取得0.78和0.93的识别准确率。
2023-07-07 cs.CR cs.LG
Your PIN Sounds Good! On The Feasibility of PIN Inference Through Audio Leakage
个人识别码(PIN)被广泛用作诸如自动柜员机(ATM)和销售点(PoS)的系统的认证方法。输入设备(PIN键盘)通常在按键时给用户反馈声音。在本文中,我们提出了一种攻击的基础上提取的帧间定时从反馈的声音,当用户键入他们的PIN。我们的攻击能够达到98%的准确率,平均误差为0.13 +/-6.66毫秒。我们证明,跨时间显着提高猜测概率的PIN的某些子集。我们认为这代表了一个安全问题,必须考虑到安全的PIN生成。此外,我们还确定了几种攻击场景,其中对手可以利用用户或PIN的其他信息(例如键入行为)和时间间隔。我们的研究结果表明,结合的时间间隔与其他信息大大减少了尝试猜测PIN,优于随机猜测。通过我们的攻击,我们能够在3次尝试中猜出72%的4位数PIN。我们认为,这对使用基于PIN的身份验证的系统造成了严重的安全问题。
2019-05-21 cs.CR
HMOG: New Behavioral Biometric Features for Continuous Authentication of Smartphone Users
我们引入了手部运动、方向和抓握(HMOG),这是一组用于持续认证智能手机用户的行为特征。HMOG功能可以不显眼地捕捉用户如何抓握、握住和点击智能手机所产生的细微微运动和方向动态。我们评估了HMOG功能的身份验证和生物特征密钥生成(BKG)性能,这些功能收集了100名受试者在虚拟键盘上键入的数据。在两种情况下收集数据:坐着和走路。当我们结合HMOG、点击和解锁功能时,我们实现了低至7.16%(步行)和10.05%(坐着)的身份验证EER。我们进行了实验,以研究为什么HMOG功能在行走过程中表现良好。我们的研究结果表明,这是由于HMOG功能的能力,以捕捉独特的身体运动所造成的步行,除了从水龙头的手运动动态。对于BKG,我们使用HMOG结合丝攻实现了15.1%的EER。相比之下,使用点击、按住键和滑动功能的BKG的EER在25.7%和34.2%之间。分析了HMOG特征提取和计算的能耗。我们的分析表明,在16 Hz传感器采样率下提取的HMOG特征在不牺牲认证准确性的情况下产生了7.9%的轻微开销。我们的工作与现有文献有两点不同:1)我们在相同的实验条件下对三种类型的特征(HMOG,BKG和Tap)及其组合进行了综合评估,2)我们从三个角度(身份验证,BKG和智能手机的能耗)分析了这些特征。
2016-01-25 cs.CR
A Secure Method for Signing in Using Quick Response Codes with Mobile Authentication
互联网上对用户隐私的威胁正在以惊人的速度增长。通过键盘记录软件,从不可靠的终端登录到网络帐户可能会导致用户的私人详细信息(如用户名和密码)泄露。这种软件能够在用户不知情的情况下,通过隐蔽渠道秘密记录密码。在本文中,我们提出了一种安全的方法,使用快速响应(QR)码与移动认证的签名。通过该方法,用户可以使用移动终端,通过在不可靠的终端浏览器上认证用户会话来安全地登录到网络账户。
2013-10-15 cs.CR
TypeNet: Scaling up Keystroke Biometrics
Universidad Autonoma de Madrid(马德里自治大学);Naval Postgraduate School(美国海军研究生院)
我们研究的适用性验证10万用户键入自由文本的动态。为此,我们首先分析我们基于Siamese递归神经网络(RNN)的方法在多大程度上能够在每个用户的数据量稀缺时对用户进行身份验证,这是自由文本身份验证中的常见情况。使用1K用户测试网络,人口规模与以前的作品相当,TypeNet获得了4.8%的相等出错率,每个用户仅使用5个注册序列和1个测试序列,每个序列50个密码。每个用户使用相同数量的数据,当测试用户数量增加到100K时,与1K相比,性能相对下降不到5%,这表明TypeNet在大规模用户数量下具有良好的扩展潜力。我们的实验是用阿尔托大学的数据库进行的。据我们所知,这是最大的自由文本击键数据库,包含来自168 K用户的超过1.36亿次击键。
2020-04-19 cs.CR cs.CV
QUACK! Making the (Rubber) Ducky Talk: A Systematic Study of Keystroke Dynamics for HID Injection Detection
University of Padua(帕多瓦大学)
本文系统研究了通过键盘动态特征区分人类与机器的方法,提出轻量模型在仅使用时间特征的情况下可实现隐私保护的检测,揭示了攻击者复杂性与 evasion 之间非线性关系,量化了检测及时性与可靠性之间的权衡。
2026-09-07 cs.CR
Transforming Keystroke Noise to Text: Self-Supervised Acoustic Eavesdropping Attacks on Keyboards
Tohoku University(东北大学);Kyoto University(京都大学);Nara Institute of Science and Technology(奈良先端科学技术大学院大学)
研究提出自监督声学窃听攻击,结合无监督声学聚类、Transformer语言模型推理和迭代自训练,仅通过按键声音重建文本。在多种场景测试中,少量按键就能实现高准确率,揭示了现实的隐私风险。
2026-10-05 cs.CR cs.SD
TempCharBERT: Keystroke Dynamics for Continuous Access Control Based on Pre-trained Language Models
Institut national de la recherche scientifique (INRS-EMT)(国家科学研究院(INRS-EMT));Université du Québec(魁北克大学);INRS-UQO Mixed Research Unit on Cybersecurity(INRS-UQO网络安全混合研究单元);Polytechnique Montréal(蒙特利尔理工学院);São Paulo State Technological College(圣保罗州立技术学院)
本文提出TempCharBERT,在CharBERT嵌入层融合时间字符信息以建模击键动态,实现用户身份识别与连续访问控制,实验显示显著提升,并验证了联邦学习训练的可行性。
2024-11-11 cs.CL cs.CR
WACA: Wearable-Assisted Continuous Authentication
传统认证系统中的一次性登录过程不能保证所识别的用户在整个会话期间都是实际用户。然而,在不降低用户便利性的情况下,有必要在整个登录会话期间周期性地重新验证用户身份。连续身份验证可以解决这个问题。然而,现有的方法要么不可靠,要么不可用。在本文中,我们介绍了一种可用的和可靠的方法称为可穿戴式辅助连续认证(WACA)。WACA依赖于基于传感器的身份验证动态,其中通过可穿戴设备的内置的传感器(例如,智能手表),而用户正在打字。我们实现了WACA框架,并在真实用户的真实设备上评估了其性能。WACA的实证评估表明,WACA是可行的,其出错率低至1%,30秒的处理时间和23%,20秒。计算开销是最小的。此外,我们还针对不同的攻击场景测试了WACA。WACA能够以非常高的准确率(99.2%)识别内部威胁,并且能够抵御强大的对手,如模仿和统计攻击者。
2018-03-05 cs.CR
Q-A: Towards the Solution of Usability-Security Tension in User Authentication
用户通常选择容易记住但也容易被攻击者猜到的密码。最近的研究揭示了文本密码对于肩扛冲浪者和网络日志记录者的脆弱性。它仍然是一个关键的挑战,在密码的研究,开发一个认证方案,解决这些安全问题,除了提供良好的记忆性。出于对人类认知优势和弱点的心理学研究的动机,我们探索了认知问题作为解决用户身份验证中主要挑战的一种方式的潜力。我们设计,实施和评估问答,一种新颖的认知问题为基础的密码系统,需要用户输入字母在一个给定的位置在她的答案为六个个人问题(例如:"你最喜欢的童年老师的名字是什么?").在这个方案中,用户不需要记住新的,人为的信息作为她的认证秘密。我们的计划提供了28位的理论密码空间,已被发现足以防止在线蛮干攻击。Q-A也是强大的对肩膀冲浪和冲浪者。我们进行了一项多阶段的实验室用户研究,以评估Q-A的可用性; 100%的用户能够在一周内记住他们的Q-A密码,尽管登录时间很长。我们将该方案与随机六字符密码进行比较,发现Q-A中的登录成功率明显更高。根据我们的研究结果,我们建议Q-A在要求高安全性和登录不频繁的情况下最合适(例如,网上银行账户)。
2014-07-27 cs.CR cs.HC
The Partially Observable Hidden Markov Model and its Application to Keystroke Dynamics
部分可观测隐马尔可夫模型是隐马尔可夫模型的扩展,其中隐状态是以独立的马尔可夫链为条件的。这种结构的动机是离散元数据的存在,如事件类型,可以部分揭示隐藏的状态,但本身来自一个单独的过程。这样的场景在用户动态中遇到,由此用户的键入行为取决于键入的文本。在用户可以处于主动或被动打字状态的假设下,键盘键名是部分揭示隐藏状态的事件类型,这是由于单词和句子之间的时间间隔比单词的字母之间的时间间隔相对较长。使用五个公共数据集,所提出的模型被证明是一贯优于其他异常检测器,包括标准的HMM,在生物识别和验证任务,并通常优于HMM在蒙特卡洛拟合优度测试。
2017-11-20 cs.CR cs.IT math.IT
Mobile Keystroke Biometrics Using Transformers
Universidad Autonoma de Madrid(马德里自治大学);University of Kent(肯特大学)
在用户身份验证方法中,行为生物识别技术已被证明是有效防止身份盗窃以及用户友好和不引人注目的。文献中最受欢迎的特征之一是由于计算机和移动设备在我们社会中的大量部署而产生的动态性。本文主要研究如何在自由文本场景下改进生物特征识别系统。由于不受控制的文本条件、用户的情绪和身体状态的影响以及使用中的应用程序,这种情况的特征是非常具有挑战性的。为了克服这些缺点,文献中已经提出了基于深度学习的方法,例如卷积神经网络(CNN)和递归神经网络(RNN),其性能优于传统的机器学习方法。然而,这些架构仍然有需要审查和改进的方面。据我们所知,这是第一个提出基于Transformers的生物识别系统的研究。建议的Transformer架构已经实现了相等的出错率(EER)值为3.84\%,在流行的阿尔托移动数据库中使用只有5个注册会话,在很大程度上优于其他国家的最先进的方法在文献中。
2022-10-04 cs.CR cs.CV cs.HC
Et Tu, MacBook? Unprivileged Keystroke Inference and Context Profiling via the Built-in IMU Side Channel
Tianjin University(天津大学);National University of Singapore(新加坡国立大学);Tsinghua University(清华大学)
本研究揭示苹果 MacBook 内置 IMU 可被无特权访问,形成侧信道,据此提出 BRUTUS 攻击,实现高精度击键推断、用户识别与环境分析,强调需严格管控 IMU 访问权限。
2026-09-21 cs.CR
Privacy-Preserving Federated Learning Framework for Risk-Based Adaptive Authentication
School of Electrical Engineering and Computer Science, University of Ottawa, Canada(渥太华大学电气与计算机工程学院)
本文提出联邦学习框架FL-RBA2,通过相似性变换将Non-IID用户特征转为IID向量,结合差分隐私与消息认证码,在保护隐私的同时实现稳健的基于风险的自适应认证。
2025-09-19 cs.CR
KeyDetect --Detection of anomalies and user based on Keystroke Dynamics
Carnegie Mellon University(卡内基梅隆大学)
针对现有认证方法依赖外部设备的缺点,提出基于击键动力学的用户认证与异常检测技术,利用ANN和CNN对51名用户的数据进行分类,实现了95.05%的准确率,可作为无需携带设备的两步验证替代方案。
2023-04-08 cs.CR cs.CV
Practical Acoustic Eavesdropping On Typed Passphrases
本文提出一种基于无监督学习的键盘声学侧信道攻击方法,利用互相关音频预处理和字典攻击推断键入的密码短语,无需训练数据即可比暴力破解更快地恢复部分密码,揭示了密码验证的严重安全隐患。
2025-04-07 cs.CR
Sensor-based Continuous Authentication of Smartphones' Users Using Behavioral Biometrics: A Contemporary Survey
University of Central Florida(中佛罗里达大学);Ewha Womans University(梨花女子大学)
移动设备和技术已经变得越来越流行,提供了与台式计算机相当的存储和计算能力,允许用户存储敏感和私人信息并与之交互。由于移动设备容易受到未经授权的访问或盗窃,因此这种个人信息的安全性和保护变得越来越重要。用户身份验证是一项至关重要的任务,它在进入点授予合法用户访问权,并在整个使用会话中持续进行。这一任务通过当今智能手机的嵌入式传感器得以实现,这些传感器通过捕获行为生物特征和特征来实现连续和隐式用户身份验证。在本文中,我们调查了140多个最近的基于行为生物特征的方法,用于连续用户身份验证,包括基于运动的方法(28项研究),基于步态的方法(19项研究),基于动态的方法(20项研究),基于触摸手势的方法(29项研究),基于语音的方法(16项研究),和基于多模态的方法(34项研究)。该调查概述了使用智能手机嵌入式传感器捕获的行为生物识别技术进行持续用户身份验证的当前最先进方法,包括采用、可用性和性能方面的见解和开放性挑战。
2020-05-10 cs.CR cs.HC cs.LG
Operator and Manufacturer Independent D2D Private Link for Future 5G Networks
预期在5G移动系统中支持也被称为设备到设备(D2D)通信的直接移动到移动通信模式。D2D通信旨在提高系统频谱效率、整体系统吞吐量、能量效率并减少设备之间的连接延迟。然而,在设备和用户身份验证方面需要考虑新的安全威胁和挑战,以避免对整个系统的未经授权的访问,滥用和攻击。因此,在本文中,提出了一种强大的独立认证技术。它是基于结合用户的生物识别身份和一个新的克隆抗设备身份。该提案的新颖性在于它完全独立于设备制造商和移动系统运营商。生物特征身份部署了用户生物力学和加速度计,以通过部署机器学习技术来生成用户生物特征身份。所提出的移动终端抗克隆身份是基于部署一个纯数字抗克隆结构的新概念,该结构与制造商和移动运营商无关。当组合两个身份时,除了强用户设备认证之外,还可以建立任意两个设备之间的相互认证的D2D安全链路。此外,该概念不允许管理可信机构拦截用户的私人链接。作为一个独立的系统,该技术将在5G移动系统基础设施上提供广泛的有吸引力的未来智能应用。
2019-11-01 cs.CR
An Agent-Based Modeling Approach to Free-Text Keyboard Dynamics for Continuous Authentication
James Cook University(詹姆斯·库克大学)
本研究利用智能体模型模拟不同键盘上的打字行为,比较单类SVM与随机森林在持续认证中的表现,发现随机森林在键盘内识别准确率超过0.7但跨键盘泛化困难,表明键盘特定用户画像和集成方法对可靠认证至关重要。
2025-05-08 cs.AI cs.CR cs.LG
Remote Keylogging Attacks in Multi-user VR Applications
本研究揭示多用户VR应用的安全漏洞,提出利用化身渲染运动数据提取用户输入机密的远程键盘记录攻击,验证了高准确率与实用性,并给出已被行业采用的防御方案。
2024-09-17 cs.CR
My(o) Armband Leaks Passwords: An EMG and IMU Based Keylogging Side-Channel Attack
Technical University of Darmstadt(达姆施塔特工业大学)
不断收集用户各种传感器数据的可穿戴设备增加了推断无意和敏感信息(如在物理键盘上键入的密码)的机会。我们深入研究了使用肌电图(EMG)数据的潜力,这是一种市场上新出现的传感器模式,但最近在增强现实(AR)的可穿戴设备中获得了关注,用于键盘记录侧信道攻击。我们的方法是基于神经网络的主题之间的攻击,在一个现实的情况下,使用Myo臂章收集传感器数据。在我们的方法中,与加速度计和陀螺仪相比,EMG数据已被证明是最突出的信息来源,从而提高了EMG检测性能。对于我们对原始数据的端到端方法,我们报告了大约76%的平均平衡准确度,以及大约32%的平均前3个密钥准确度,用于不同强度密码的密钥识别。我们已经创建了一个广泛的数据集,其中包括来自37名志愿者的超过310,000个记录,该数据集可作为开放获取以及用于创建给定结果的源代码。
2021-12-04 cs.CR cs.LG eess.SP
FADEWICH: Fast Deauthentication over the Wireless Channel
身份验证和取消身份验证都有助于防止未经授权访问计算机和数据资产。虽然使用强身份验证机制有明显的激励因素,但说服用户取消身份验证并不简单,因为取消身份验证并不是强制性的。一个用户离开一个登录的工作站无人看管(特别是很短的时间)通常不会以任何方式受到影响;事实上,反过来说:在返回时不需要烦人的重新身份验证。然而,无人值守的工作站很容易受到任何附近对手的众所周知的“午餐时间攻击”,这些对手只是接管了离开的用户的登录会话。同时,由于死亡认证本质上不需要用户的秘密,因此原则上可以使其不引人注目。为此,本文设计了第一个自动用户取消认证系统FADEWICH,它不依赖于基于生物特征或行为的技术(例如,EQUIPMENT DYNAMICS),并且不需要用户携带任何设备。它利用无线信号的物理特性和人体对其传播的影响。为了评估FADEWICH的可行性和性能,对其原型进行了广泛的实验。结果表明,它足以有九个廉价的无线传感器部署在一个共享的办公室设置,以正确地取消身份验证所有用户在6秒内(90%在4秒内)后,他们离开他们的工作站的附近。我们考虑了对手试图颠覆FADEWICH的两个现实场景,并表明午餐时间攻击失败了。
2016-12-27 cs.CR
Template Ageing and Longitudinal Verification in Fixed-Text Keystroke Dynamics: A Subject-Disjoint Study Across Eight Weeks
University of Huddersfield(哈德斯菲尔德大学);Tianjin University(天津大学)
本研究通过八周纵向击键动力学实验,比较四种匹配机制,发现模板老化随间隔单调增加,但机制选择比老化速率更重要,建议基于同会话准确率选匹配器并用重新注册管理老化。
2026-09-25 cs.AI cs.CR
BEACON: A Multimodal Dataset for Learning Behavioral Fingerprints from Gameplay Data
Computer Science and Engineering Department Thapar Institute of Engineering and Technology(计算机科学与工程系 泰帕尔工程与技术学院);David R Cheriton School of Computer Science University of Waterloo, Canada(大卫·R·切里顿计算机科学学院 温哥华大学)
BEACON数据集通过高精度运动技能和认知负荷,为行为生物特征的鲁棒性测试提供严格压力测试,支持连续认证、行为建模和多模态学习。
2026-05-15 cs.AI cs.CR cs.CV
Terrapin Attack: Breaking SSH Channel Integrity By Sequence Number Manipulation
本文提出 Terrapin 攻击,利用未认证握手消息与密钥激活时序列号不重置实施 SSH 前缀截断,并给出协议修复方案。
2024-05-07 cs.CR