Continuous authentication on smart phones through behavioral bio-metrics

Akıllı telefonlar günlük hayatımız için vazgeçilmez esyalar haline geldiler. Orijinal kullanım amaçlarının yanı sıra, insanlar bu cihazları kisisel asistanları olarak da kullanmaktadırlar. Ek olarak, akıllı telefonlar, kisisel fotograflar, iletisim bilgileri, çagrı geçmisleri vb. gibi özel bilgileri saklayabilen genis dahili depolama da saglar. Öte yandan, küçük boyutlarından dolayı bu cihazlar kolayca kaybolabilir veya çalınabilir. Bu nedenle, akıllı telefon kullanıcılarının yetkisiz erisime karsı güvenliklerini ve gizliliklerini saglamak önemli bir arastırma alanı olusturmaktadır. Çözümlerden biri, kullanıcıların cihazla etkilesim kalıplarını takip eden ve tanımlayan davranıssal biyometri kullanımıdır. Bu yazıda hem dokunmatik ekran hem de sensör tabanlı özelliklerinin, derin ögrenme ve makine ögrenmesi yöntemleri kullanarak, davranıssal biyometri modeline etkilerini arastırdık. Temel olarak, bir kimlik dogrulama modeli olusturmak için kullanıcıların davranıs karakterlerini ortaya çıkarmak için birlesik özellik setleri ve uygulamalı sınıflandırma üzerine üç katmanlı bir derin ag kurduk. Veriseti olarak, 24 oturumda 100 kullanıcının verisini içeren HMOG verisetini kullanıyoruz. Farklı dokunmatik ekran verileri, sadece sensör verileri ve bunların kombinasyonları gibi farklı girdi verileri kombinasyonlarına sahip farklı agları egitiyoruz. Sonuçlarımız, farklı veri türleri bir arada kullanıldıgında ikili sınıflandırma dikkate alındıgında derin ögrenme modeli için ortalama %88 dogruluk ve %15 EER degerlerine, makine ögrenmesi modelleri için ise %99'u asan f1 skoru ve dogruluk sonuçlarına ulasabilecegimizi göstermektedir.