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
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 Biometrics in Response to Fake News Propagation in a Global Pandemic
Universidad Autonoma de Madrid（马德里自治大学）；Naval Postgraduate School（海军研究生院）
这项工作提出并分析了使用生物识别技术进行内容去匿名化。假新闻已经成为操纵公众舆论的有力工具，特别是在重大事件期间。特别是，COVID-19疫情期间假新闻的大规模传播迫使政府和公司打击错误信息。在这种情况下，能够将在互联网上传播此类恶意内容的多个账户或配置文件联系起来，同时隐藏在匿名状态下，将有助于主动识别和列入黑名单。在这场斗争中，行为生物识别技术可以成为强大的工具。在这项工作中，我们分析了生物特征识别的最新进展如何有助于在涉及10万名用户和100多万个类型序列的实验中将行为类型模式联系起来。我们提出的系统是基于递归神经网络适应内容去匿名化的背景下。假设的挑战，以链接的候选人配置文件池中的目标用户的类型的内容，我们的研究结果表明，可用于减少候选人配置文件的列表超过90%的识别。此外，当与辅助数据（如位置）相结合，我们的系统实现了一个Rank-1识别性能等于52.6%和10.9%的背景候选人名单组成的1 K和100 K配置文件，分别。
2020-05-18 cs.CR cs.LG
A Generic Privacy-Preserving Protocol For Keystroke Dynamics-Based Continuous Authentication
连续身份验证利用某些用户特征的自动识别来进行无缝和被动身份验证，而无需用户注意。这些特征可以分为生理生物特征和行为生物特征。提出了一种基于用户输入模式的击键动力学认证方法。然而，已经指出，使用生理生物测定和行为生物测定的连续认证会带来隐私风险，暴露个人特征和活动。在本文中，我们考虑了以前提出的基于动态的认证方案，没有隐私保护属性。在这方面，我们提出了一个通用的隐私保护版本的身份验证方案，其中所有的用户功能都是加密的-防止这些身份验证服务器的披露。我们的计划是通用的，在这个意义上，它假设同态密码原语。由于我们的协议的同态密码属性的加密数据的基础上进行认证。
2022-09-14 cs.CR
Obfuscating Keystroke Time Intervals to Avoid Identification and Impersonation
攻击者有很多机会在网络上远程观察用户行为。此外，生物特征识别算法已经发展到用户识别和软生物特征识别率在商业上可行的程度。这带来了隐私问题，因为屏蔽空间信息（如IP地址）是不够的，因为用户通过其行为变得更加可识别。在这项工作中，著名的Chaum混合推广到一个场景中，用户被分离的空间和时间，以防止观察对手识别或冒充用户的目标。定义了行为混淆策略的准则，并介绍了两种混淆类型行为的策略。实验结果是使用公开的三种不同类型的输入，包括短的固定文本，长的固定文本，和长的自由文本的数据。识别精度降低了20%，25 ms的随机延迟对用户来说并不明显。
2017-01-18 cs.CR
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
When Does Your Brain Know You? Segment Length and Its Impact on EEG-based Biometric Authentication Accuracy
本研究通过系统探索分段时长并采用多种机器学习模型，旨在确定脑电图数据用于生物识别认证的最佳阈值，以平衡准确性与计算复杂性，推动非侵入性身份验证系统的发展。
2024-03-19 cs.CR eess.SP q-bio.NC
Keystroke Dynamics: Concepts, Techniques, and Applications
本文综述了击键动力学的概念、技术与应用，详细回顾了新型数据集、最先进认证算法、移动设备应用及未来研究机会，为网络安全领域的非侵入性身份验证提供了重要参考。
2025-04-27 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
Cancellable Template Design for Privacy-Preserving EEG Biometric Authentication Systems
作为一种有希望的补充传统的生物特征识别模式，基于脑电数据的脑生物特征识别近年来受到了广泛的关注。然而，与指纹、人脸识别等现有的生物特征识别技术相比，脑电生物特征识别技术的研究还处于起步阶段。大多数研究集中在从神经科学的角度设计信号激发协议或从机器学习的角度开发特征提取和分类算法。这些研究为使用EEG作为生物特征认证模式的可行性奠定了基础，但由于EEG数据包含敏感信息，它们也引起了安全和隐私问题。现有的研究已经使用散列函数和加密方案来保护EEG数据，但是它们不提供如在可撤销模板设计中的撤销受损模板的功能。本文提出了第一个用于基于隐私保护的EEG认证系统的可撤销EEG模板设计，该模板可以保护包含敏感隐私信息（例如，身份、健康和认知状态）。提出了一种基于脑电图形特征和不可逆变换的可撤销脑电模板。建议的转换提供了可取消的模板，同时利用EEG启发协议融合，以提高生物识别性能。所提出的认证系统提供了等效的认证性能（8.58\% EER的公共数据库），在非变换域，同时保护原始EEG数据。此外，我们分析了系统的能力，抵御多种攻击，并讨论了一些被忽视的，但关键的问题和可能的陷阱，涉及爬山攻击，二次攻击，和基于分类的认证系统。
2022-03-31 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
In-ear EEG biometrics for feasible and readily collectable real-world person authentication
EEG作为一种生物识别方式已经研究了大约十年，但其在现实世界中的应用的可行性尚未最终确定，主要是由于可收集性和可重复性的问题。为此，我们提出了一个易于部署的EEG生物识别系统的基础上的“一个适合所有”的粘弹性通用入耳式EEG传感器（可收集性），这不需要熟练的协助或繁琐的准备。与大多数现有的研究不同，我们考虑了多个记录日和多个受试者（再现性）记录的数据，而为了严格起见，训练和测试部分不是从同一个记录日采集的。一个强大的方法被认为是基于休息状态与闭眼范例，使用参数（自回归模型）和非参数（光谱）的功能，并支持简单而快速的余弦距离，线性判别分析和支持向量机分类器。验证和识别取证的情况下被认为是和所取得的成果是与基于不切实际的头皮上的记录的研究。通过对多个受试者、设置和分析功能的综合分析，证明了所提出的耳EEG生物特征识别的可行性，以及其在解决与当前EEG生物特征识别相关的关键可收集性、鲁棒性和再现性问题方面的潜力。
2017-09-13 cs.CR
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
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
Support Vector Machine for Person Classification Using the EEG Signals
针对传统认证方法易受攻击、现有生物识别易被伪造的问题，提出利用独特脑电（EEG）信号结合支持向量机分类器进行人员识别，在含12名受试者的数据集上实现92.9%准确率，为活体检测和抗 spoofing 攻击提供新途径。
2024-11-26 cs.CR eess.SP
Identity by Design, Demographics by Accident: Demographic Leakage and Suppression in Behavioral Biometric Embeddings
Department of Computer Science and Engineering, University of Moratuwa（莫拉图瓦大学计算机科学与工程系）；National University of Singapore（新加坡国立大学）
本文审计行为生物特征认证系统的人口统计信息泄露，评估11种模型、9个数据集及4种抑制方法，发现不同模态泄露与可抑制性差异，揭示该领域隐私风险并提供相关影响因素见解。
2026-09-01 cs.CR
Effect of Auditory Stimuli on Electroencephalography-based Authentication
与基于证书的标准认证方法相反，基于生物特征的认证最近已经成为实现用户快速和安全认证的可行范例。在众多的生物特征分类中，基于脑电信号的生物特征识别因其独特的特征被认为是一种很有前途的方法。本文通过研究以下特征来实验评估听觉刺激（AS）对基于EEG的生物特征识别的影响：i）与非AS辅助的基于EEG的生物特征识别相比，AS辅助的基于EEG的生物特征识别的总体变化; ii）AS的语言的作用; ii）AS的传导方法的影响。我们的研究结果表明，存在的AS可以提高认证性能的9.27%。此外，使用入耳式AS获得的性能优于使用骨传导AS获得的性能。最后，我们验证了性能是独立的语言的AS。这项工作的结果提供了一个强大的基于EEG的身份验证系统的设计前进了一步。
2022-06-29 cs.CR
Fast Free-text Authentication via Instance-based Keystroke Dynamics
击键动力学研究用户通过键盘输入文本的方式。有能力区分用户，打字行为可以不引人注目地形成行为生物识别系统的一个组成部分，以提高现有的帐户安全性。自由文本数据上的击键动力学系统以前需要500个或更多字符才能达到合理的性能。在本文中，我们提出了一种新的基于实例的图比较算法，称为基于实例的尾区密度（ITAD）度量，以减少认证用户所需的标记数。此外，在计算机动力学文献中常用的特征，如专题论文和双字母表，都被发现在告知谁在打字方面是有用的。使用随机森林分类器确定这些特征用于认证的有用性，并在两个公开可用的数据集上进行验证。来自各个特征的分数被融合以形成单个匹配分数。使用融合的匹配分数和ITAD度量，我们在Clarkson II数据集上实现了100和200个测试有向图的相等出错率（EER），分别为9.7%和7.8%，比最先进的35.3%和15.3%有所提高。
2020-06-16 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
A Survey on Behavioral Biometric Authentication on Smartphones
最近的研究表明，使用智能手机的传感器和配件来提取一些行为属性的可能性，如触摸动态，触觉动态和步态识别。这些属性被称为行为生物识别，可用于在智能手机上隐式和连续地验证或识别用户。基于这些行为生物特征构建的认证系统被称为主动或连续认证系统。本文对主动认证系统进行了综述。我们提出了一般的主动认证系统的组件和操作过程，然后概述了用于开发主动认证系统的最先进的行为生物特征及其在智能手机上的评估。我们讨论了与每个行为生物特征相关的问题，优势和局限性。并对它们进行了比较总结。最后，提出了该研究领域面临的挑战和有待解决的问题。
2018-01-28 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
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
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
Performance Evaluation of Biometric Template Update
模板更新允许在用户使用生物识别系统时修改用户的生物识别参考。有了这种机制，我们希望生物识别系统总是使用最新的用户表示，通过捕捉他的类内（临时或永久）的变化。虽然文献中存在一些研究，但没有普遍采用的评价方案。这并不容易比较不同系统的文献。在本文中，我们表明，使用不同的评估程序可能会导致不同的，矛盾的，结果的解释。为了说明这一点，我们在由高度不同的会话组成的数据集上使用了一个动态模板更新系统（这是一种快速遭受模板老化的模态）。即使我们不回答这个问题，它表明有必要规范化的模板更新评估程序。
2012-02-27 cs.CR cs.OH
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
A Hybrid CAPTCHA Combining Generative AI with Keystroke Dynamics for Enhanced Bot Detection
Institute for Artificial Intelligence University of Technology（人工智能研究所 技术大学）
针对传统CAPTCHA可用性与抗AI机器人能力的权衡问题，提出结合LLM认知挑战与击键动力学分析的混合CAPTCHA系统，双层架构实现高检测精度与高可用性，为新一代安全友好的验证方案提供思路。
2025-09-29 cs.AI cs.CR
Authentication and Authorization for Mobile IoT Devices using Bio-features: Recent Advances and Future Trends
生物特征正在迅速成为验证物联网设备的关键工具;从这个意义上说，这项调查的目的是总结阻碍生物识别模型大规模开发和部署的因素，包括人体生理（例如，面部、眼睛、指纹-手掌或心电图）和行为特征（例如，签名、语音、步态或手势）。提供了移动IoT设备的认证和授权方案所使用的不同机器学习和数据采掘方法。还介绍了移动物联网设备基于生物特征的认证方案所使用的威胁模型和对策。更具体地说，我们分析了现有的基于生物特征的物联网设备身份验证方案的最新技术水平。基于当前的分类，我们总结了未来在物联网设备基于生物特征的身份验证方案中的研究工作所面临的不同类型的挑战。
2019-01-27 cs.CR
Assentication: User Deauthentication and Lunchtime Attack Mitigation with Seated Posture Biometric
生物识别技术通常被用作认证人类用户的额外安全因素。许多生物识别技术已经被提出和评估，每一个都有自己的优点和缺点。静态生物特征（如指纹）适合离散操作，以识别用户，这通常涉及一些用户负担。与此同时，行为生物识别技术（如生物动力学）非常适合连续的，有时更不引人注目的操作。生物识别技术的一个重要应用领域是取消认证，这是一种快速检测先前认证的用户的不存在并立即终止该用户的活动安全会话的方法。取消身份验证对于减轻所谓的午餐时间攻击至关重要，即内部攻击者接管（在任何不活动超时开始之前）离开计算机的粗心用户的身份验证状态。动机主要是由需要一个不显眼的和连续的生物特征，以支持有效的取消认证，我们介绍了PoPa，一个新的混合生物特征的基础上，人类用户的坐姿模式。Popa捕捉了生理和行为特征的独特组合。我们描述了一个低成本的功能齐全的原型，涉及一个办公椅仪表与16个微小的压力传感器。我们还探讨（通过用户实验）如何PoPa可以在一个典型的工作场所提供持续的身份验证（和取消身份验证）的用户。我们通过收集和评估一组用户的姿势模式，实验评估POPA的独特性的可行性。结果表明，PoPa表现出非常低的假阳性率，甚至更低的假阴性率。特别是，用户可以被识别，平均91.0%的准确率。最后，我们比较的优点和缺点的POPA与几个突出的基于生物特征的取消认证技术。
2017-08-14 cs.CR
A Personalised User Authentication System based on EEG Signals
传统的生物识别技术已经在高安全性的用户认证系统中使用了20多年。然而，其中一些模式在通常做法中面临安全性低的问题。基于脑电波的用户认证已经成为一种有前途的替代方法，因为它克服了这些缺点中的一些，并允许连续的用户认证。在本研究中，我们提出了一种基于数据驱动的脑电图（EEG）的身份验证方法，以解决个人用户的差异性问题。我们引入机器学习技术，以快速有效的方式揭示最适合每个用户数据的最佳分类算法。从三个EEG通道提取一组15个功率谱特征（delta、theta、lower alpha、higher alpha和alpha）。结果表明，我们的方法可以可靠地授予或拒绝访问用户（平均准确率95.6%），而在同一时间构成为一个可行的选择，为实时的应用程序，作为总时间的训练过程保持在一分钟以下。
2022-07-14 cs.CR eess.SP
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
Non-Contrastive Learning-based Behavioural Biometrics for Smart IoT Devices
The University of Moratuwa（莫拉图瓦大学）
行为生物测定学正在被探索作为一种可行的替代方案，以克服传统认证方法（如密码和静态生物测定）的局限性。此外，它们被认为是物联网设备（如具有AR/VR功能的智能耳机，可穿戴设备和可穿戴设备）的可行身份验证方法，这些设备不具有大型形状因子或与用户无缝交互的能力。最近的行为生物识别解决方案使用需要大量注释的训练数据的深度学习模型。收集如此大量的行为生物识别数据引发了隐私和可用性方面的担忧。为此，我们建议使用基于SimSiam的非对比自监督学习来提高行为生物识别系统的标签效率。其关键思想是使用大量未标记（和匿名）数据来构建良好的特征提取器，这些特征提取器随后可用于监督设置。使用两个EEG数据集，我们表明，在较低的标记数据量，非对比学习执行4%-11%比传统的方法，如监督学习和数据增强。我们还表明，一般来说，自监督学习方法的性能优于其他基线。最后，通过仔细的实验，我们展示了各种修改，可以纳入非对比学习过程，以存档高性能。
2022-10-24 cs.AI cs.CR cs.LG
Adversarial Vulnerabilities of Neural Biomarker Identification Systems
Cerberus Neurosecurity Research Institute (CNRI)（塞伯里斯神经安全研究所）；University of Luxembourg（卢森堡大学）；Cognitive Security Institute（认知安全研究所）
本文针对脑电图生物识别系统，开发了无需知晓系统的自适应攻击算法，测试6个公开数据集发现不同神经特征方法脆弱性差异大，记录条件影响欺骗攻击脆弱性，还给出改进建议。
2026-09-03 cs.CR q-bio.NC
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
MusicID: A Brainwave-based User Authentication System for Internet of Things
我们提出了MusicID，智能设备的身份验证解决方案，使用音乐引起的脑波模式作为行为生物识别模式。我们实验评估MusicID使用从真实用户收集的数据，而他们正在听两种形式的音乐;一个流行的英文歌曲和个人最喜欢的歌曲。我们表明，超过98%的用户识别的准确性和超过97%的用户验证的准确性可以通过使用从4电极商品脑波耳机收集的数据来实现。我们进一步表明，单个电极能够提供约85%的准确度，并且使用两个电极提供约95%的准确度。正如用于冥想应用的商品脑感应耳机所示，我们相信在智能耳机中包括干EEG电极是可行的，并且MusicID有可能为即将到来的主要由增强现实（AR）/虚拟现实（VR）应用驱动的智能设备激增提供入口点和持续认证框架。
2020-06-02 cs.CR eess.SP
When VR Meets BCI: (Un)Observable Brainwave-aware Privacy Reconstruction in the Metaverse via Unrestricted Inbuilt Motion Sensors
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；National University of Singapore（新加坡国立大学）；City University of Hong Kong（香港城市大学）；Feng Chia University（逢甲大学）；Information Security Research Center, Hon Hai Research Institute（鸿海研究院信息安全研究中心）
利用VR头显内置运动传感器捕捉瞳孔反应引起的细微振动，重建脑电信号，首次在元宇宙中揭示不可观察的隐私泄露，实现52.0%-67.2%的感知图像识别准确率。
2026-06-09 cs.CR
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
Privacy-Preserving Federated Learning Framework for Risk-Based Adaptive Authentication
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
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
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
