DYNAMIKY STISKU KLÁVES

ˇ ´ UCEN Í TECHNICKE ´ V BRNE ˇ VYSOKE BRNO UNIVERSITY OF TECHNOLOGY

ˇ ÍCH TECHNOLOGIÍ FAKULTA INFORMACN ´ ´ U ˚ USTAV INTELIGENTNÍCH SYSTEM FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INTELLIGENT SYSTEMS

˚ E ˇ ZN ˇ A´ VERIFIKACE OSOB NA ZAKLAD ´ ˇ PRUB E ´ DYNAMIKY STISKU KLAVES

´ RSK ˇ ´ PRACE ´ BAKALA A BACHELOR’S THESIS

´ AUTOR PRACE AUTHOR

BRNO 2012

ˇ DOHNALEK ´S ´ TOMA

ˇ Í TECHNICKE ´ V BRNE ˇ VYSOKE´ UCEN BRNO UNIVERSITY OF TECHNOLOGY

ˇ ÍCH TECHNOLOGIÍ FAKULTA INFORMACN ´ ´ U ˚ USTAV INTELIGENTNÍCH SYSTEM FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INTELLIGENT SYSTEMS

˚ Eˇ ZN ˇ A ´ VERIFIKACE OSOB NA ZAKLAD ´ PRUB Eˇ ´ DYNAMIKY STISKU KLAVES CONTINUOUS PERSONAL VERIFICATION BASED ON KEYSTROKE DYNAMICS

´ RSK ˇ ´ PRACE ´ BAKALA A BACHELOR’S THESIS

´ AUTOR PRACE

ˇ DOHNALEK ´S ´ TOMA

AUTHOR

´ VEDOUCÍ PRACE SUPERVISOR

BRNO 2012

ˇ Ing. MICHAL DOLEZEL

Abstrakt Tato pr´ ace se zab´ yv´ a pr˚ ubˇeˇznou verifikac´ı osob na základˇe dynamiky stisku kláves pˇri psan´ı volného textu. Jsou pˇredstaveny v´ yhody a nev´ yhody této biometrické vlastnosti a také r˚ uzné pˇr´ıstupy k anal´ yze vzork˚ u. Podrobnˇe je rozebrána metoda od autor˚ u Gunettiho a Picardiové, kter´ a je n´ aslednˇe upravena pro reálné vyuˇzit´ı. Na základˇe zvolené metody je navrˇzena aplikace a ta implementov´ ana pro operaˇcn´ı systém GNU/Linux. V´ ykonnost aplikace pˇri verifikaci je prezentov´ ana na dvou datov´ ych souborech.

Abstract This work is dealing with continuous personal verification based on keystroke dynamics during writing of free text. There are introduced advantages and disadvantages of this biometric characteristic and also different approaches to analysis of samples. In detail, there is analyzed the method of authors Gunetti and Picardi, which is afterwards modified for usage in real situations. According to chosen method there is an application for the operation system GNU/Linux designed and implemented. Performance of the application during verification is presented on two datasets.

Kl´ıˇ cov´ a slova Bezpeˇcnost, biometrie, behavior´ aln´ı biometrické vlastnosti, pr˚ ubˇeˇzná verifikace, dynamika stisku kl´ aves, voln´ y text, Gunetti a Picardiová, n-graf.

Keywords Security, biometrics, behavioral biometric characteristics, continuous verification, keystroke dynamics, free text, Gunetti and Picardi, n-graf.

Citace Tomáˇs Dohn´ alek: Pr˚ ubˇeˇzn´ a verifikace osob na základˇe dynamiky stisku kláves, bakaláˇrsk´ a práce, Brno, FIT VUT v Brnˇe, 2012

Pr˚ ubˇ eˇ zn´ a verifikace osob na z´ akladˇ e dynamiky stisku kl´ aves Prohl´ aˇ sen´ı Prohlaˇsuji, ˇze jsem tuto bakal´ aˇrskou práci vypracoval samostatnˇe pod veden´ım pana Ing. Michala Doleˇzela. Vˇsechny liter´ arn´ı prameny a publikace, ze kter´ ych jsem ˇcerpal, jsou ˇrádnˇe uvedeny. ....................... Tomáˇs Dohnálek 13. kvˇetna 2012

Podˇ ekov´ an´ı T´ımto bych chtˇel podˇekovat svému vedouc´ımu Ing. Michalovi Doleˇzelovi za jeho trpˇelivost i cenné rady, také vˇsem dobrovoln´ık˚ um, kteˇr´ı se pod´ıleli na testován´ı aplikace.

c Tom´

aˇs Dohn´ alek, 2012. Tato pr´ ace vznikla jako ˇskoln´ı d´ılo na Vysokém uˇcen´ı technickém v Brnˇe, Fakultˇe informaˇcn´ıch technologi´ı. Pr´ ace je chr´ anˇena autorským z´ akonem a jej´ı uˇzit´ı bez udˇelen´ı opr´ avnˇen´ı autorem je nez´ akonné, s výjimkou z´ akonem definovaných pˇr´ıpad˚ u.

Obsah ´ 1 Uvod

2

2 Biometrie 2.1 Z´ akladn´ı pojmy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Fyziologické a behavior´ aln´ı vlastnosti . . . . . . . . . . . . . . . . . . . . . . 2.3 Vyhodnocov´ an´ı biometrick´ ych systém˚ u. . . . . . . . . . . . . . . . . . . . .

3 4 4 5

3 Dynamika stisku kl´ aves 3.1 Anal´ yza statického a volného textu . . . . . . . . . . . . 3.2 Pˇr´ıznaky . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Vlastnosti verifikace na základˇe dynamiky stisku kláves 3.4 Pˇrehled metod . . . . . . . . . . . . . . . . . . . . . . . 3.5 Metoda Gunettiho a Picardiové . . . . . . . . . . . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

6 6 6 8 8 11

4 N´ avrh a implementace 4.1 Poˇzadavky na aplikaci . . . 4.2 N´ avrh aplikace . . . . . . . 4.3 Pouˇzité technologie . . . . . 4.4 D˚ uleˇzité rysy implementace 4.5 Bezpeˇcnost a pouˇzitelnost .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

17 17 18 23 24 26

5 Testov´ an´ı 5.1 Datové soubory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Metodika testov´ an´ı . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Testované vlastnosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27 27 28 28

6 Zhodnocen´ı dosaˇ zen´ ych v´ ysledk˚ u 6.1 Verifikace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Pr˚ ubˇeˇzn´ a verifikace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Z´ avislost délky trv´ an´ı mono-graf˚ u na pouˇzité klávesnici . . . . . . . . . . .

30 30 31 33

7 Z´ avˇ er

35

Seznam pˇ r´ıloh

39

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

1

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

Kapitola 1

´ Uvod Klasické poˇc´ıtaˇcové systémy autentizuj´ı uˇzivatele na základˇe znalosti jména a hesla uˇzivatele, avˇsak v pr˚ ubˇehu sezen´ı jsou tyto systémy zranitelné – pokud autorizovan´ y uˇzivatel opust´ı své pracoviˇstˇe bez odhl´ aˇsen´ı, m˚ uˇze jeho m´ısto zaujmout u ´toˇcn´ık, kter´ y t´ımto z´ısk´ a plnou kontrolu nad systémem. Bylo by tedy vhodné provádˇet pr˚ ubˇeˇznou verifikaci i bˇehem sezen´ı a to nejlépe nˇejakou pˇrirozenou cestou, bez vˇedom´ı uˇzivatele. Vhodn´ ym ˇreˇsen´ım se jev´ı pouˇzit´ı biometrie. Biometrické vlastnosti m˚ uˇzeme rozdˇelit do dvou kategori´ı. Prvn´ı jsou vlastnosti fyziologické, ke kter´ ym ˇrad´ıme napˇr´ıklad otisky prst˚ u. Tyto vlastnosti jsou povaˇzovány za relativnˇe nemˇenné a mnoho z nich za unikátn´ı. Na opaˇcné stranˇe stoj´ı vlastnosti behavioráln´ı (napˇr. dynamika stisku kl´ aves, ch˚ uze, hlas atd.), které za nemˇenné povaˇzovat nelze. Obecnˇe jsou systémy rozpozn´ avaj´ıc´ı jedince na základˇe fyziologick´ ych vlastnost´ı u ´spˇeˇsnˇejˇs´ı, avˇsak k autentizaci je ˇcasto zapotˇreb´ı pˇreruˇsit právˇe vykonávanou ˇcinnost a zamˇeˇrit svou pozornost na biometrick´ y senzor. V tom tkv´ı v´ yhoda behavioráln´ıch vlastnost´ı – jedinec m˚ uˇze b´ yt zkoum´ an na z´ akladˇe pˇrirozené ˇcinnosti jako je tˇreba psan´ı na klávesnici. Autentizace pomoc´ı dynamiky stisku kláves pˇrináˇs´ı dalˇs´ı v´ yhodu v absenci speciáln´ıho senzoru – ke sn´ım´ an´ı staˇc´ı obyˇcejná klávesnice, kterou je v dneˇsn´ı dobˇe vybavena naprost´ a vˇetˇsina osobn´ıch poˇc´ıtaˇc˚ u. Stisknut´ı a uvolnˇen´ı kláves obsahuj´ı velice málo biometrick´ ych informac´ı, a proto je rozpoznan´ı jedince obt´ıˇzn´ ym u ´kolem. Práce zab´ yvaj´ıc´ı se touto problematikou prezentuj´ı zaj´ımavé dosaˇzené v´ ysledky, avˇsak skuteˇcn´ ych aplikac´ı autentizuj´ıc´ıch dle dynamiky stisku kl´ aves je velmi málo. C´ılem této pr´ ace je vybrat, upravit a aplikovat jeden z existuj´ıc´ıch algoritm˚ u pro verifikaci na z´ akladˇe dynamiky stisku kláves pˇri psan´ı volného textu pro pr˚ ubˇeˇznou verifikaci osob v re´ alném vyuˇzit´ı. V kapitole 2 jsou zavedeny základn´ı pojmy z oblasti biometrie, v následuj´ıc´ı kapitole 3 je rozebrána biometrická vlastnost dynamika stisku kl´ aves – jej´ı v´ yhody, nev´ yhody a r˚ uzné metody s n´ı pracuj´ıc´ı. Kapitola 4 se zab´ yvá návrhem a implementac´ı aplikace pro operaˇcn´ı systém GNU/Linux. V´ ysledn´ y systém je poté otestován na dvou datov´ ych souborech, metodika testován´ı je popsána v kapitole 5 a dosaˇzené v´ ysledky jsou prezentov´ any v kapitole 6.

2

Kapitola 2

Biometrie ˇ ek m˚ K identifikaci ˇclovˇeka lze pouˇz´ıt nˇekolik odliˇsn´ ych druh˚ u metod. Clovˇ uˇze prokázat svou totoˇznost pomoc´ı tajné znalosti, jako je napˇr´ıklad heslo ˇci PIN kód, kterou by mˇel znát pouze on. Nev´ yhodou tohoto zp˚ usobu ovˇeˇrován´ı je moˇznost neoprávnˇeného nabyt´ı této utajované informace (napˇr. slovn´ıkov´ yu ´tok) nebo jej´ı zapomenut´ı, jeˇz vede k nemoˇznosti identifikace. Dalˇs´ım vhodn´ ym a pouˇz´ıvan´ ym zp˚ usobem je pˇredloˇzen´ı jedineˇcného pˇredmˇetu (obˇcansk´ y pr˚ ukaz, ˇcipov´ a karta, kl´ıˇc), kter´ y by mˇel m´ıt v drˇzen´ı právˇe identifikovan´ y jedinec. Tato moˇznost m´ a obdobné nev´ yhody v moˇzném zkop´ırován´ı tohoto pˇredmˇetu ˇci jeho ztrátˇe. Nejpohodlnˇejˇs´ı moˇznost´ı rozpoznán´ı ˇclovˇeka se jev´ı metoda porovnáván´ı lidsk´ ych fyziologick´ ych nebo behavior´ aln´ıch vlastnost´ı – biometrická autentizace. Ta klade na ˇclovˇeka nejmenˇs´ı n´ aroky, nen´ı potˇreba si nic tajného pamatovat ani s sebou nic jedineˇcného nosit – ˇclovˇek s´ am je jedineˇcn´ y. [1] Biometrické technologie jsou definovány jako automatické metody verifikován´ı nebo rozpozn´ av´ an´ı identity ˇzivého ˇclovˇeka na základˇe jeho fyziologick´ ych ˇci behavioráln´ıch vlastnost´ı. [2, str. 1] V praxi se n´ azev biometrick´ a autentizace zkracuje term´ınem biometrie, pˇrestoˇze tento term´ın je historicky pouˇz´ıv´ an k oznaˇcen´ı aplikace statistické anal´ yzy na biologická data. V této pr´ aci vˇsak bude pojmem biometrie myˇslena v´ yluˇcnˇe biometrická autentizace. Biometrie nab´ız´ı oproti tradiˇcn´ım rozpoznávac´ım mechanism˚ um v´ yhodu v pˇrirozenosti, pohodlnosti a bezpeˇcnosti. Jako kaˇzdá metoda má ovˇsem i slabé stránky, neodpadá napˇr´ıklad riziko falzifikace (kopie otisk˚ u prst˚ u, fotografie), je nutné uchovávat soukromé informace o uˇzivatel´ıch a nav´ıc existuje vyˇsˇs´ı riziko zam´ıtnut´ı pˇr´ıstupu uˇzivateli legitimn´ımu. Vˇsechny biometrické systémy mohou b´ yt rozdˇeleny do dvou ˇcást´ı: registraˇcn´ı a verifikaˇcn´ı ˇci identifikaˇcn´ı. Obˇe ˇc´ asti obsahuj´ı senzor slouˇz´ıc´ı ke sn´ımán´ı biometrické vlastnosti, jehoˇz v´ ystupem jsou biometrick´ a data urˇcená k dalˇs´ımu zpracován´ı. Tato data jsou v registraˇcn´ı f´ azi sb´ır´ ana a archivov´ ana, ˇcasto jsou oznaˇcována jako profil uˇzivatele nebo jako ˇsablona. Po nasb´ır´ an´ı potˇrebného mnoˇzstv´ı jsou uloˇzena do databáze spolu s informac´ı o identitˇe uˇzivatele. [3, str. 15] Druhá ˇcást biometrického systému vyuˇz´ıvá senzoru také k z´ıskán´ı biometrick´ ych dat, ta vˇsak nejsou ukládána do databáze, ale vyuˇzita pro porovnán´ı s u ´daji v datab´ azi. Porovnán´ım zjist´ıme o jakého uˇzivatele systému jde ˇci zda se nejedn´ aou ´toˇcn´ıka. [4, str. 14–15]

3

2.1

Z´ akladn´ı pojmy

V této ˇc´ asti budou objasnˇeny pojmy, váˇz´ıc´ı se k rozpoznán´ı ˇclovˇeka. [1, str. 6] Identita osoby Je moˇzné rozliˇsovat dvˇe identity – fyzickou a elektronickou [4, str. 10]. Fyzick´ a je kombinac´ı biologick´ ych, psychick´ ych, vrozen´ ych i z´ıskan´ ych vlastnost´ı a je pro kaˇzdého ˇclovˇeka jedineˇcn´ a. Na rozd´ıl od toho elektronická identita je vytvoˇrena ve virtuáln´ım svˇetˇe a nen´ı podloˇzena ˇz´ adn´ ymi biologick´ ymi vlastnostmi. Jeden ˇclovˇek m˚ uˇze m´ıt v´ıce elektronick´ ych identit. Identifikace V identifikaˇcn´ım módu se biometrick´ y systém snaˇz´ı rozpoznat jedince hled´ aˇ n´ım shody se vˇsemi ˇsablonami uˇzivatel˚ u v databázi na základˇe pˇredloˇzené vlastnosti. Clovˇek tud´ıˇz nemus´ı svou identitu ani uvádˇet. Pokud je nalezena shoda, je jedinec prohláˇsen za uˇzivatele se shodnou ˇsablonou. Pokud shoda nalezena nen´ı, jedinci nen´ı pˇriˇrazena ˇzádn´ a identita. Identifikace pomoc´ı biometrie m˚ uˇze b´ yt pouˇzita k zamezen´ı pouˇz´ıván´ı v´ıce u ´ˇct˚ u jedn´ım uˇzivatelem. Verifikace Pˇri verifikaci jedinec tvrd´ı, ˇze je jist´ ym uˇzivatelem systému, a ten provˇeˇr´ı pouze shodu namˇeˇren´ ych biometrick´ ych dat se ˇsablonou daného uˇzivatele. Verifikace pomoc´ı biometrie m˚ uˇze b´ yt pouˇzita také k zamezen´ı uˇz´ıván´ı jednoho u ´ˇctu v´ıce uˇzivateli. Autentizace Autentizace je term´ın velmi podobn´ y pojmu rozpoznán´ı, avˇsak po jej´ım proveden´ı je autentizovanému jedinci pˇridˇelen jeden ze dvou stav˚ u – oprávnˇen´ y ˇci neoprávnˇen´ y [5]. Klasifikace Klasifikac´ı rozum´ıme tˇr´ıdˇen´ı do r˚ uzn´ ych tˇr´ıd. Docház´ı k n´ı napˇr´ıklad v situaci, kdy s jistotou v´ıme, ˇze osoba, která poskytla vzorek, je uˇzivatelem systému. Klasifikace je v tomto pˇr´ıpadˇe podobn´ a identifikaci, odpadá ovˇsem varianta, kdy je osoba prohláˇsena za u ´toˇcn´ıka. Pr˚ ubˇ eˇ zn´ a verifikace Ve vˇetˇsinˇe poˇc´ıtaˇcov´ ych systém˚ u je identita uˇzivatele ovˇeˇrena pouze na zaˇc´ atku, v pˇrihlaˇsovac´ı f´ azi. Pokud ovˇsem u ´toˇcn´ık z´ıská pˇr´ıstup do systému poté, nelze ˇ sen´ım se jev´ı pr˚ jiˇz tuto skuteˇcnost zjistit. Reˇ ubˇeˇzná verifikace, kdy i po prvotn´ı autentizaci uˇzivatele doch´ az´ı k dalˇs´ım ovˇeˇren´ım v pr˚ ubˇehu pouˇz´ıván´ı systému. Tento postup ovˇsem nelze aplikovat u vˇsech biometrick´ ymi vlastnost´ı. Napˇr´ıklad kontinuáln´ı verifikace uˇzivatele pomoc´ı sn´ım´ an´ı oˇcn´ı duhovky se jev´ı ve vˇetˇsinˇe pˇr´ıpad˚ u nereálná, avˇsak pro dynamiku stisku kl´ aves je tento pˇr´ıstup vhodn´ y.

2.2

Fyziologick´ e a behavior´ aln´ı vlastnosti

Mˇeˇritelné biometrické vlastnosti lze rozdˇelit do dvou kategori´ı a to na fyziologické (nˇekdy naz´ yvané anatomické) a behavior´ aln´ı (ˇci dynamické) [3, str. 15]. Mezi fyziologické charakteristiky m˚ uˇzeme zaˇradit otisky prst˚ u, rysy obliˇceje, duhovky, ruky, ucha a dalˇs´ı. Behavioráln´ı jsou spojeny s ˇcinnost´ı zkoumaného jedince a ˇrad´ıme k nim hlas, ch˚ uzi, podpis, dynamiku stisku kl´ aves a dalˇs´ı. Behavior´ aln´ı vlastnosti jsou obecnˇe povaˇzovány za slabˇs´ı neˇz fyziologické, protoˇze u nich doch´ az´ı ke zmˇenám v závislosti na ˇcase. Mohou b´ yt v´ yraznˇe ovlivnˇeny i psychick´ ym stavem zkoumané osoby. 4

Pˇrestoˇze jsou fyziologické charakteristiky hodnoceny lépe neˇz behavioráln´ı, je pˇri jejich pouˇzit´ı ˇcasto potˇreba pˇreruˇsit právˇe vykonávanou ˇcinnost a zamˇeˇrit svou pozornost na biometrick´ y senzor. Pˇri rozpozn´ aván´ı pomoc´ı dynamick´ ych vlastnost´ı m˚ uˇze b´ yt zkoumáno samotné prov´ adˇen´ı pr´ ace.

2.3

Vyhodnocov´ an´ı biometrick´ ych syst´ em˚ u

Klasické autentizaˇcn´ı mechanismy zpravidla nab´ yvaj´ı pouze dvou v´ ysledn´ ych stav˚ u: pˇr´ıstup zam´ıtnut nebo pˇr´ıstup povolen. Ideáln´ı systém je bezchybn´ y – identita legitimn´ıho uˇzivatele je vˇzdy rozpozn´ ana a u ´toˇcn´ıci nejsou do systému nikdy vpuˇstˇeni. Tohoto stavu ovˇsem nelze dos´ ahnout. Pˇri autentizaci pomoc´ı biometrického systému je velmi nepravdˇepodobné, ˇze dojde k u ´plné shodˇe profilu uˇzivatele s právˇe z´ıskan´ ym vzorkem. To m˚ uˇze b´ yt zapˇr´ıˇcinˇeno nedokonal´ ymi senzory, nestálostmi behavioráln´ıch vlastnost´ı, zmˇenou okoln´ıch podm´ınek ˇci zmˇenami pˇri pr´ aci uˇzivatele se senzorem. Dle [1, str. 7] je absolutn´ı shoda dokonce podezˇrel´ a – je pravdˇepodobné, ˇze jde o u ´tok. Pro vyj´ adˇren´ı podobnosti dvou biometrick´ ych vzork˚ u je definováno skóre porovnán´ı. Pokud jde o legitimn´ıho uˇzivatele a skóre porovnán´ı klesne pod práh p, mluv´ıme o chybném zam´ıtnut´ı (d´ ale zkracov´ ano na FR z anglického False Rejection). Tato hranice ˇci práh je anglicky oznaˇcov´ ana jako threshold. Naopak pokud jde o u ´toˇcn´ıka, kter´ y se snaˇz´ı vniknout do systému, a jeho sk´ ore porovn´ an´ı stoupne nad dan´ y práh p, v d˚ usledku ˇcehoˇz je vpuˇstˇen do systému, mluv´ıme o chybném pˇrijet´ı (dále jen FA z anglického False Acceptance). Hodnota False Reject Rate (zkracov´ ana jako FRR) vypov´ıdá u biometrického systému o tom, jak velká ˇc´ ast uˇzivatel˚ u byla oznaˇcena za u ´toˇcn´ıky. Naopak False Accept Rate (zkracována na FAR) reprezentuje pomˇer u ´toˇcn´ık˚ u, kteˇr´ı byli do systému vpuˇstˇeni. [3] V biometrick´ ych systémech lze sledovat nepˇr´ımou závislost mezi ˇcetnost´ı omyl˚ u chybného pˇrijet´ı a chybného zam´ıtnut´ı – snaha o sn´ıˇzen´ı jedné vede ke zv´ yˇsen´ı druhé. Je proto nutné naj´ıt kompromisn´ı hranici, kter´ a ovˇsem závis´ı na konkrétn´ı aplikaci. Pˇri snaze o neintrusivn´ı systém je vhodné m´ıt n´ızkou m´ıru FRR za cenu ˇcastˇejˇs´ıho vpuˇstˇen´ı u ´toˇcn´ık˚ u. Naopak pro systém, kter´ y by mˇel b´ yt dobˇre zabezpeˇcen´ y, je tˇreba minimalizovat m´ıru FAR, ˇc´ımˇz se zvˇetˇsuje riziko, ˇze pr´ avoplatn´ y uˇzivatel nebude vpuˇstˇen do systému a bude muset sv˚ uj pokus o rozpozn´ an´ı opakovat nebo bude nucen prokázat svou identitu jin´ ym zp˚ usobem. Znalost jedné z hodnot FRR ˇci FAR je bezcenná. Je vˇzdy potˇreba znát obˇe hodnoty, aby systémy mohly b´ yt vz´ ajemnˇe porovnány. FRR a FAR jsou závislé na pouˇzitém prahu – pokud se jeho hodnoty mˇen´ı, m´ıry FAR a FRR se mˇen´ı také. Hodnoty FRR a FAR jsou na sobˇe nepˇr´ımo z´ avislé a v praxi je ˇcasto vhodné tuto závislost podrobnˇeji znát. Na jej´ı vyjádˇren´ı a zobrazen´ı se pouˇz´ıv´ a ROC kˇrivka (z anglického Receiver Operating Characteristic). ROC kˇrivky m˚ uˇzeme dˇelit dle pouˇzit´ ych mˇeˇr´ıtek (lineárn´ı, logaritmické) pro osy. EER (z anglického Equal Error Rate) je m´ıra vyrovnán´ı chyb FAR a FRR. Tato jednoduch´ a m´ıra se vyuˇz´ıv´ a k porovnáván´ı systém˚ u – niˇzˇs´ı EER znamená lepˇs´ı v´ ykon. Je vˇsak potˇreba zd˚ uraznit, ˇze srovn´ an´ı systém˚ u d´ıky jedinému ˇc´ıslu také nen´ı ideáln´ı – niˇzˇs´ı m´ıra EER automaticky neznamená lepˇs´ı systém pro jiné hodnoty prahu, pro komplexnˇejˇs´ı porovn´ an´ı je tˇreba vz´ıt v potaz celou ROC kˇrivku.

5

Kapitola 3

Dynamika stisku kl´ aves K intenzivnˇe zkouman´ ym oblastem biometrie m˚ uˇzeme zaˇradit také behavioráln´ı vlastnost dynamika stisku kl´ aves. Pˇrestoˇze je verifikace na základˇe této charakteristiky v dneˇsn´ı dobˇe nejˇcastˇeji spojov´ ana s poˇc´ıtaˇcov´ ymi klávesnicemi, kde poˇc´ıtaˇc sám m˚ uˇze automatizovanˇe vyhodnocovat stisky, jej´ı p˚ uvod m˚ uˇzeme hledat pˇri pouˇzit´ı Morseova kódu [3]. Jiˇz za druhé svˇetové v´ alky byli oper´ atoˇri rozpoznáváni podle prodlev mezi teˇckami a ˇcárkami v jimi odes´ılaném k´ odu. Jednokl´ avesov´ y nástroj na jeho psan´ı m˚ uˇzeme povaˇzovat za nejjednoduˇsˇs´ı kl´ avesnici. Obsahuje pouze jediné tlaˇc´ıtko a podporuje dvˇe základn´ı operace: stisknut´ı a uvolnˇen´ı. Modern´ı metody dynamiky stisku kláves pracuj´ı na podobném principu dodnes – na z´ akladˇe anal´ yzy prodlev mezi jednotliv´ ymi u ´hozy, délek stisku a dalˇs´ıch pˇr´ıznak˚ u je moˇzné urˇcit identitu pisatele.

3.1

Anal´ yza statick´ eho a voln´ eho textu

Anal´ yzu dynamiky stisku kl´ aves m˚ uˇzeme rozdˇelit do dvou základn´ıch smˇer˚ u. Prvn´ı se zab´ yvá anal´ yzou statického textu, coˇz je obecnˇe pˇresnˇejˇs´ı a jednoduˇsˇs´ı, druh´ y se zamˇeˇruje na anal´ yzu textu volného (dynamického). Anal´ yzu statického textu m˚ uˇzeme dále rozdˇelit na zkoumán´ı dlouh´ ych vzork˚ u a password hardening, maj´ıc´ı za u ´ˇcel vytvoˇrit bezpeˇcnˇejˇs´ı autentizaˇcn´ı systém neˇz klasické zad´ an´ı pˇrihlaˇsovac´ıho jména a hesla, jeˇz je zaloˇzeno pouze na znalosti. Password hardening sleduje bˇehem zad´ av´ an´ı autentizaˇcn´ıch informac´ı také biometrickou dynamiku stisku kláves a tu porovn´ av´ a s profilem uˇzivatele. C´ılem tedy nen´ı nahradit klasické pˇrihlaˇsován´ı, pouze ho doplnit a uˇcinit bezpeˇcnˇejˇs´ım. Password hardening pracuje s velmi krátk´ ym textem – i o délce pouhého jednoho slova – tato metoda je jednoduˇsˇs´ı neˇz ostatn´ı, protoˇze je pˇredem znám text, kter´ y bude zad´ av´ an, a nebude zde dále rozeb´ırána. Anal´ yza statického dlouhého textu by se dala oznaˇcit za v´ yvojového pˇredch˚ udce anal´ yzy volného textu, tento smˇer tud´ıˇz nelze pˇri dalˇs´ım popisu vynechat.

3.2

Pˇ r´ıznaky

Stlaˇcen´ı a uvolnˇen´ı kl´ avesy jsou dvˇe základn´ı atomické události, ze kter´ ych je moˇzno vyextrahovat pˇr´ıznaky. Ty dˇel´ıme v kontextu dynamiky stisku kláves do dvou kategori´ı: globáln´ı a ˇcasové (z anglického global a temporal ). ˇ ıme k nim Glob´ aln´ı popisuj´ı obecn´ y zp˚ usob psan´ı uˇzivatele. Rad´ • celkovou rychlost psan´ı, 6

• frekvenci chyb (tu lze odhadnout pomoc´ı ˇcetnosti stisku kláves Backspace a Delete) • a styl pouˇz´ıv´ an´ı kontroln´ıch kláves jako Ctrl, Shift, Alt. Je potˇreba zd˚ uraznit, ˇze ke zjiˇstˇen´ı globáln´ıch pˇr´ıznak˚ u je nutno zkoumat delˇs´ı text. ˇ Casov´ e pˇr´ıznaky popisuj´ı styl stisku a uvolnˇen´ı konkrétn´ı klávesy ˇci jejich kombinaci. Mohou b´ yt vypoˇc´ıt´ any na z´ akladˇe ˇcasov´ ych známek spojen´ ych s tˇemito dˇeji. Obrázek 3.1 zobrazuje ˇcasové intervaly, které mohou b´ yt z´ıskány ze stisku a uvolnˇen´ı jedné ˇci dvou kláves. Doba mezi stiskem a uvolnˇen´ım klávesy A je v anglické literatuˇre [6] oznaˇcována jako dwell time. Délka mezi uvolnˇen´ım prvn´ı klávesy A a stisknut´ım následuj´ıc´ı klávesy B je oznaˇcov´ ana jako interval, doba trván´ı mezi dvˇema stisky následuj´ıc´ıch kláves jako flight time atd. Pomoc´ı ˇcasov´ ych u ´daj˚ u dwell time a interval je moˇzné dopoˇc´ıtat vˇsechny zb´ yvaj´ıc´ı. Pˇrev´ aˇzn´ a vˇetˇsina zde prezentovan´ ych technik vyuˇz´ıvá pouze ˇcasové u ´daje dwell time a flight time, nˇekteré z nich dokonce pouze flight time. Flight time mezi klávesami A a B je moˇzné oznaˇcit také jako délku trván´ı di-grafu AB. Délkou trván´ı n-grafu poté analogicky nazveme dobu mezi stisknut´ım prvn´ı a n-té klávesy.

Obrázek 3.1: Pˇet mˇeˇriteln´ ych ˇcasov´ ych u ´daj˚ u pˇri stisku jedné ˇci dvou kláves: a) dwell time, b) up to up, c) latency, d) interval, e) flight time. Zaˇcátkem intervalu A je myˇslen stisk klávesy A, koncem pak uvolnˇen´ı. Obdobnˇe pro B. Zdroj: [6]

Je potˇreba zd˚ uraznit, ˇze nˇekteré z mˇeˇren´ ych ˇcasov´ ych u ´daj˚ u mohou b´ yt i záporné. Napˇr´ıklad pˇri stisku kl´ aves a a l, které vˇetˇsinou neb´ yvaj´ı psány stejnou rukou, je moˇzné, ˇze dojde ke stisku kl´ avesy l pˇred uvolnˇen´ım klávesy a. Lze br´ at v u ´vahu i dalˇs´ı moˇzné pˇr´ıznaky jako napˇr´ıklad s´ılu vyvinutou pˇri stisku klávesy ˇci sledov´ an´ı, kter´ y prst danou klávesu stiskl [7, str. 2]. K z´ıskán´ı tˇechto alternativnˇejˇs´ıch pˇr´ıznak˚ u je ovˇsem zapotˇreb´ı speciáln´ıch klávesnic, a proto nebudou ve zbytku práce uvaˇzov´ any.

7

3.3

Vlastnosti verifikace na z´ akladˇ e dynamiky stisku kl´ aves

Jak bylo prezentov´ ano v ˇc´ asti 3.2, pˇr´ıznaky se daj´ı z´ıskat pomoc´ı stisk˚ u a uvolnˇen´ı kláves – psan´ı na kl´ avesnici – doprovázen´ ych ˇcasov´ ymi známkami [8, str. 313]. Takov´ a ˇcinnost je pro ˇclovˇeka pouˇz´ıvaj´ıc´ıho poˇc´ıtaˇc bˇeˇzná, a proto je moˇzné verifikovat uˇzivatele i bez jeho vˇedom´ı. Nav´ıc je kl´ avesnic´ı vybavena naprostá vˇetˇsina osobn´ıch poˇc´ıtaˇc˚ u, tud´ıˇz k aplikaci tohoto postupu nen´ı potˇreba speci´ aln´ıho hardware. Zkoumán´ı uˇzivatele je nav´ıc moˇzné i po pˇrihlaˇsovac´ı f´ azi, coˇz umoˇzn ˇuje pr˚ ubˇeˇznou verifikaci. Mezi nepopiratelné pˇrednosti patˇr´ı také jist´ a bezpeˇcnost – nen´ı pravdˇepodobné, ˇze by u ´toˇcn´ık dokázal napodobovat rychlost u ´hoz˚ u pˇri psan´ı [9], na druhou stranu charakteristika dynamiky stisku kláves pravdˇepodobnˇe nen´ı unik´ atn´ı. Na rozd´ıl od jin´ ych biometrick´ ych vlastnost´ı u ´hozy poskytuj´ı velice málo informac´ı. Pisatel m˚ uˇze b´ yt nav´ıc ovlivnˇen celou ˇradou negativn´ıch faktor˚ u jak´ ymi jsou u ńava, nesoustˇredˇenost, nemoc ˇci zranˇen´ı, které mohou negativnˇe ovlivnit v´ ysledek anal´ yzy. Pokud má u ´toˇcn´ık moˇznost vyuˇz´ıvat softwarovou virtuáln´ı klávesnici, m˚ uˇze se vyhnout verifikaci. Je tud´ıˇz vhodné vyuˇz´ıvat program ovˇeˇruj´ıc´ı identitu pisatele pomoc´ı dynamiky stisku kláves spoleˇcnˇe napˇr´ıklad s programem verifikuj´ıc´ım uˇzivatele pomoc´ı dynamiky gest myˇsi a t´ım vytvoˇrit multimod´ aln´ı biometrick´ y systém.

3.4

Pˇ rehled metod

V této ˇc´ asti budou pops´ any zásadn´ı metody anal´ yzy dynamiky stisku kláves delˇs´ıho textu a také datov´ ych soubor˚ u, na kter´ ych byly testovány. Nˇekteré postupy m˚ uˇzeme oznaˇcit za historické, ale pˇresto jsou d˚ uleˇzité z hlediska v´ yvoje postup˚ u modernˇejˇs´ıch a pˇresnˇejˇs´ıch. Na u ´vod popisu jednotliv´ ych technik je tˇreba ˇr´ıci, ˇze metody m˚ uˇzeme rozdˇelit do dvou kategori´ı podle vybraného algoritmu vyuˇzitého k anal´ yze. Dˇelit je m˚ uˇzeme na algoritmy zaloˇzené na statistickém pˇr´ıstupu a ty spoˇc´ıvaj´ıc´ı v dolov´ an´ı dat. Statistick´ y pˇr´ıstup tkv´ı v porovn´ av´ an´ı referenˇcn´ıho vzorku uˇzivatele se vzorkem jedince snaˇz´ıc´ıho se autentizovat v systému. D´ıky vypoˇc´ıtané statistické vzdálenosti mezi tˇemito dvˇema vzorky je pak rozhodnuto, zda jde o legitimn´ıho uˇzivatele ˇci u ´toˇcn´ıka. Metody zaloˇzené na dolován´ı dat jsou kolekc´ı technik z oblast´ı umˇelé inteligence a strojového uˇcen´ı, zahrnuj´ıc´ı neuronové s´ıtˇe, a typicky vybuduj´ı prediktivn´ı model z historie dat a poté vyuˇzij´ı tohoto modelu k pˇredpovˇedi v´ ysledku nového pokusu [10, str. 433]. Neuronové s´ıtˇe a podobné mechanismy maj´ı fundament´ aln´ı nev´ yhodu – pokud je do systému pˇridán nov´ y uˇzivatel, je potˇreba celou s´ıt’ pˇretrénovat, coˇz m˚ uˇze trvat znaˇcnou dobu. Gaines a kolektiv Mezi pr˚ ukopnické práce, analyzuj´ıc´ı statick´ y text pomoc´ı dynamiky stisku kl´ aves, m˚ uˇzeme bezesporu zaˇradit studii [11] popisuj´ıc´ı experiment, kterého se z´ uˇcastnilo sedm profesion´ aln´ıch p´ısaˇr˚ u. Ti byli poˇzádáni o napsán´ı totoˇzn´ ych text˚ u, sloˇzen´ ych ze tˇr´ı ˇcást´ı. Druhé sezen´ı, ve kterém p´ısaˇri napsali stejn´ y text, se uskuteˇcnilo do ˇctyˇr mˇes´ıc˚ u od prvn´ıho. Kaˇzd´ a ˇc´ ast obsahovala 300 aˇz 400 slov a k jejich napsán´ı byla vyuˇzita pouze malá p´ısmena. V prvn´ı ˇc´ asti byl pouˇzit bˇeˇzn´ y anglick´ y text, druhá sestávala z náhodnˇe poskládan´ ych slov a tˇret´ı z n´ ahodnˇe uspoˇrádan´ ych fráz´ı. Z takto z´ıskan´ ych dat byly spoˇc´ıtány délky trván´ı di-graf˚ u a bylo zjiˇstˇeno, ˇze kol´ısaj´ı od minim´ aln´ıch 75 milisekund aˇz po nˇekolik sekund. Nav´ıc se délky trván´ı di-graf˚ u od kaˇzdého autora m´ırnˇe liˇsily v r˚ uzn´ ych ˇc´ astech textu, a proto bylo nutné tyto hodnoty zkombinovat. Pro anal´ yzu byly vyuˇzity jen ty di-grafy, které se v textu objevily v´ıce neˇz desetkr´ at v kaˇzdém sezen´ı. Takov´ ych bylo 87. Tento soubor byl dále transformován odstranˇen´ım tˇech 8

di-graf˚ u, jejichˇz délka trv´ an´ı byla vzdálená od ostatn´ıch (tzv. outliers) a vˇsechny tyto zbylé délky trv´ an´ı byly zlogaritmov´ any. Po této transformaci bylo zjiˇstˇeno, ˇze data jsou aproximovanˇe rozdˇelena norm´ aln´ım rozloˇzen´ım. Pˇri pouˇzit´ı pˇeti kl´ıˇcov´ ych di-graf˚ u k anal´ yze pomoc´ı T-testu byli mezi sebou autoˇri text˚ u jasnˇe rozliˇsiteln´ı. Pˇrestoˇze cel´ y experiment probˇehl na poˇc´ıtaˇci, k vyhodnocen´ı nebyl pouˇzit ˇzádn´ y automatizovan´ y klasifik´ ator. Umphress a Williams V prvn´ım experimentu bylo dle [12] poˇzádáno 17 programátor˚ u o pˇreps´ an´ı dvou r˚ uzn´ ych text˚ u – prvn´ı (profilov´ y) o délce 1400 znak˚ u a druh´ y o délce 300 znak˚ u. Bˇehem druhého experimentu 36 u ´ˇcastn´ık˚ u napsalo dva totoˇzné texty o délce 537 znak˚ u v rozmez´ı jednoho mˇes´ıce. Autoˇri v prvn´ım experimentu uvaˇzovali nejen porovnáv´ an´ı délek trv´ an´ı di-graf˚ u, ale také celkovou rychlost psan´ı. Od toho ale v druhém experimentu upustili, protoˇze rychlost psan´ı nebyla dostateˇcnˇe diskriminativn´ı. K rozhodnut´ı, zda jsou si di-grafy podobné, vyuˇz´ıvali smˇerodatnou odchylku. Absolutn´ı hodnota rozd´ılu mezi testovan´ ym di-grafem a pr˚ umˇernou hodnotou profilov´ ych pˇr´ısluˇsn´ ych di-graf˚ u musela b´ yt menˇs´ı neˇz t-n´ asobek (t = 0,5) smˇerodatné odchylky. Pˇri experimentován´ı se snahou zjistit nejlepˇs´ı mnoˇzinu di-graf˚ u a ide´ aln´ı maximáln´ı hraniˇcn´ı délku jejich trván´ı, která by urˇcila zda je di-graf outlier, se nejlépe osvˇedˇcila hodnota 500 milisekund a di-grafy s mal´ ymi p´ısmeny. Uˇzivatel byl u ´spˇeˇsnˇe verifikov´ an, pokud mˇel alespoˇ n 60 % di-graf˚ u podobn´ ych. Takov´ yto systém dos´ ahl FAR 6 % a FRR 12 %. Monrose a Rubin V textu [13] je popsán experiment, kde autoˇri poˇzádali 42 dobrovoln´ık˚ u o poskytnut´ı jak statického tak dynamického textu. Jedenáct dobrovoln´ık˚ u vˇsak poskytlo chybn´ a data, kter´ a musela b´ yt vyˇrazena kv˚ uli problém˚ um s ˇcasován´ım událost´ı. Autoˇri se snahou vylepˇsit a nav´ azat na pˇredchoz´ı práce vyuˇz´ıvaj´ı dva pˇr´ıznaky: délku trv´ an´ı n-grafu a dwell time. Byly navrˇzeny tˇri klasifikátory – jeden porovnávaj´ıc´ı profil a vzorek pomoc´ı Euklidovské vzd´ alenosti, druh´ y podle neváhované pravdˇepodobnosti a tˇret´ı dle váhované pravdˇepodobnosti. Na statick´ y text se klasifikátory vcelku osvˇedˇcily (´ uspˇeˇsnost aˇz 90,7 %), avˇsak pˇri pouˇzit´ı k rozpoznán´ı volného textu nedosáhly uspokojiv´ ych v´ ysledk˚ u a autoˇri na z´ avˇer pˇripouˇstˇej´ı, ˇze k anal´ yze dynamického textu je potˇreba pˇrij´ıt s nov´ ymi metodami. Dowland a Furnell Mezi dalˇs´ı práce, zab´ yvaj´ıc´ı se anal´ yzou volného textu, patˇr´ı studie [14], kter´ a sv˚ uj pˇr´ıstup vybudovala na pˇredchoz´ım v´ yzkumu délky trván´ı di-graf˚ u. ´ Uvodn´ı pr´ ace vyuˇz´ıvala testovac´ı datov´ y soubor poskytnut´ y deseti uˇzivateli. K anal´ yze byly vyuˇzity pouze di-grafy, které splˇ novaly následuj´ıc´ı podm´ınky: Pokud byla délka jejich trv´ an´ı menˇs´ı neˇz 40 milisekund nebo vˇetˇs´ı neˇz 750 milisekund, byl takov´ y di-graf odstranˇen, u zb´ yvaj´ıc´ıch totoˇzn´ ych di-graf˚ u byla zpr˚ umˇerována jejich délka trván´ı a pokud byla smˇerodatn´ a odchylka vˇetˇs´ı neˇz pr˚ umˇerná doba jejich trván´ı, bylo odstranˇeno 10 % nejdelˇs´ıch i nejkratˇs´ıch di-graf˚ u a pr˚ umˇerná hodnota znovu spoˇc´ıtána. Pokud se di-graf vyskytl ve vzorku ménˇe neˇz 50kr´ at, byl odstranˇen. Ke klasifikaci vzorku byl pouˇzit podobn´ y pˇr´ıstup jako byl pouˇzit autory Umphress a Williams 3.4, v´ ysledkem této pˇr´ıpravné studie bylo, ˇze ke spolehlivému rozpoznán´ı osob je tˇreba delˇs´ıch vzork˚ u a k ovˇeˇren´ı metod reprezentativnˇejˇs´ı vzorek uˇzivatel˚ u. V navazuj´ıc´ı pr´ aci [14] proto autoˇri shromáˇzdili datov´ y soubor obsahuj´ıc´ı okolo 3,5 milionu stisk˚ u kl´ aves od 35 uˇzivatel˚ u. Sn´ımán´ı uˇzivatele bylo celosystémové, to tedy znamen´ a, ˇze vzorky mohou m´ıt vˇetˇs´ı variaci. Pro filtraci uˇziteˇcn´ ych di-graf˚ u byla tentokrát zvolena niˇzˇs´ı hodnota 10 milisekund, jinak z˚ ustaly jak filtry tak algoritmus k vyhodnocován´ı stejné. 9

Autoˇri prezentuj´ı experimenty s tri-grafy a délkami trván´ı cel´ ych slov, avˇsak s v´ yraznˇe horˇs´ımi v´ ysledky. Dalˇs´ı experimenty byly zamˇeˇreny na stanoven´ı ideáln´ı hodnoty ˇcinitele (t) standardn´ı odchylky. Nejlepˇs´ı v´ ysledky byly dosaˇzeny s hodnotou t = 0,7. S t´ımto bylo zafixov´ ano FRR na 0 % a bylo dosaˇzeno FAR 4,9 %. Po odstranˇen´ı pˇeti nejhorˇs´ıch uˇzivatel˚ u, kteˇr´ı mˇeli nekonzistentn´ı styl psan´ı, bylo dosaˇzeno FAR 1,7 %. V návrz´ıch k dalˇs´ım prac´ım uv´ adˇej´ı autoˇri moˇznost kombinace r˚ uzn´ ych metrik jako napˇr´ıklad di-graf˚ u a tri-graf˚ u. Nisenson a kolektiv V textu [15] je popsáno pouˇzit´ı algoritmu LZ78, kter´ y byl p˚ uvodnˇe navrhnut ke kompresi dat. Ten autoˇri upravili pro verifikaci pisatele na základˇe dynamiky stisku kl´ aves pˇri psan´ı volného textu. Jejich datov´ y soubor tvoˇrily záznamy od pˇeti uˇzivatel˚ u a 30 u ´toˇcn´ık˚ u. Texty uˇzivatel˚ u byly obecnˇe delˇs´ı neˇz u ´toˇcn´ık˚ u a byly to otevˇrené odpovˇedi na otázky typu Jak ses dneska mˇel?“ a pˇrepis statického textu. Pr˚ umˇerná délka uˇzivatelova ” sn´ımaného textu byla 2556 stisk˚ u kláves a u ´toˇcn´ıkova 660 stisk˚ u kláves. Je tˇreba zd˚ uraznit, ˇ ˇze vˇsechna data kaˇzdého uˇzivatele byla z´ıskána z jediného sezen´ı. Casov´ e prodlevy mezi stisky ˇci uvolnˇen´ımi kl´ aves byly kvantovány pomoc´ı shlukován´ı za u ´ˇcelem dosaˇzen´ı diskretizace a omezen´ı moˇznost´ı hodnot proudu událost´ı. Tento proud událost´ı je definován ve tvaru u1 , δ1 , u2 , δ2 , · · · , un , δn , kde ui je stisknut´ı nebo uvolnˇen´ı klávesy a δi je kvantizovaná ˇcasov´ a prodleva mezi n´ asleduj´ıc´ımi událostmi. u1 i δ1 m˚ uˇzeme povaˇzovat za symboly pˇredané klasifik´ atoru zaloˇzeném na LZ78, kter´ y pomoc´ı tohoto proudu dat vytvoˇr´ı váhovan´ y strom a takto je klasifik´ ator natrénován. Klasifikátor je poté podle pˇredloˇzeného nového symbolu a kontextu, kde se symbol objevil, schopen pˇredpovˇedˇet pravdˇepodobnost v´ yskytu tohoto symbolu. Pomoc´ı pˇredpovˇedi jednoho symbolu lze samozˇrejmˇe pˇredpovˇedˇet i cel´ y vzorek. Autoˇri dos´ ahli s t´ımto klasifikátorem pˇri verifikaci FRR 5,25 % a FAR 1,13 %. Gunetti a kolektiv V pr´ aci [16] autoˇri pˇredstavuj´ı nov´ y pˇr´ıstup vyuˇz´ıvaj´ıc´ı délky trv´ an´ı n-graf˚ u pro autentizaci osob na základˇe psan´ı stylu statického textu. Vzdálenost mezi vzorky je pouze poˇc´ıt´ ana na z´ akladˇe relativn´ıch ˇcasov´ ych u ´daj˚ u. D´ıky tomuto pˇr´ıstupu je uˇzivatel rozpozn´ an i v pˇr´ıpadˇe, ˇze se nacház´ı v jiném psychologickém rozpoloˇzen´ı neˇz byl pˇri vytv´ aˇren´ı profilu. V navazuj´ıc´ı pr´ aci [8], zab´ yvaj´ıc´ı se autentizac´ı na základˇe dynamiky stisku kláves volného textu, autoˇri pˇredchoz´ı metriku znaˇc´ı jako R“ (relativn´ı) a zavádˇej´ı dalˇs´ı met” riku A“ (absolutn´ı). Tyto metriky lze nav´ıc urˇcit pro r˚ uzné n-grafy (di-grafy, tri-grafy ” i tetra-grafy) a v´ ysledky kombinovat. Autoˇri bˇehem ˇsesti mˇes´ıc˚ u shromáˇzdili datov´ y soubor skládaj´ıc´ı se z 15 sezen´ı od 40 jedinc˚ u a jednoho sezen´ı od 165 osob. Jedinci s v´ıce sezen´ımi jsou povaˇzováni za uˇzivatele systému a osoby s jedin´ ym sezen´ım za u ´toˇcn´ıky. Vˇsechny vzorky byly napsány v italˇstinˇe ´ castn´ıci experimentu a ˇzádné dvˇe sezen´ı od jednoho uˇzivatele nebyly napsány v t´ yˇz den. Uˇ mˇeli pˇredst´ırat psan´ı emailu a psát libovoln´ y text. Na tomto datovém souboru bylo za pomoci tohoto algoritmu dosaˇzeno FRR 0,03 % a FAR 3,1 % pˇri verifikaci. Detailnˇejˇs´ı popis této metody bude v následuj´ıc´ı ˇcásti.

Shimshon a kolektiv V pr´ aci [6] se autoˇri zamˇeˇrili na kontinuáln´ı verifikaci uˇzivatele pomoc´ı co nejmenˇs´ıho vzorku. Pˇredpokladem pro vytvoˇren´ı uˇzivatelského profilu je dostateˇcnˇe dlouh´ y záznam

10

z uˇzivatelského sezen´ı a jak´ ykoliv pokus o zkrácen´ı fáze vytváˇren´ı profilu vede k nekorektn´ımu vyhodnocov´ an´ı v budoucnosti. Jejich metoda je rozdˇelena na dvˇe fáze – natrénován´ı a verifikaci. V trénovac´ı ˇc´ asti je postaven verifikaˇcn´ı model obsahuj´ıc´ı v´ıcetˇr´ıdn´ı klasifikátor a mapovac´ı funkci na z´ akladˇe vˇsech jeho sezen´ı. Jak klasifikátor tak mapovac´ı funkce jsou pro kaˇzdého uˇzivatele unik´ atn´ı. Doby trván´ı stejn´ ych n-graf˚ u z´ıskan´ ych z trénovac´ıch sezen´ı jsou pr˚ umˇerov´ any a tak je vytvoˇren vˇzdy jeden reprezentuj´ıc´ı profilov´ y n-graf. Tyto hodnoty jsou následnˇe shlukov´ any na podobné n-grafy. V´ ystupem shlukován´ı je mapovac´ı funkce mapuj´ıc´ı n-graf obsaˇzen´ y v profilu na konkrétn´ı shluk. Poté je natrénován klasifikátor na základˇe vektor˚ u pˇr´ıznak˚ u z´ıskan´ ych z trénovac´ıch sezen´ı uˇzivatele. Ve verifikaˇcn´ı f´ azi je z uˇzivatelova sezen´ı z´ıskán vektor pˇr´ıznak˚ u pomoc´ı mapovac´ı funkce a ten pˇredloˇzen klasifik´ atoru k verifikaci. V´ ystupem klasifikátoru je vektor pravdˇepodobnost´ı (pa , pb , · · · , pz ). Pravdˇepodobnost pn je pravdˇepodobnost´ı, ˇze vzorek patˇr´ı uˇzivateli n. Pro u ´spˇeˇsnou verifikaci mus´ı b´ yt sezen´ı klasifikováno jako uˇzivatelovo a nav´ıc pravdˇepodobnost pn mus´ı pˇres´ ahnout pr´ ah t. Autoˇri experimentuj´ı s vybudován´ım v´ıce klasifikátor˚ u ze stejn´ ych uˇzivatelsk´ ych sezen´ı, liˇs´ıc´ıch se pouze v poˇctu shluk˚ u, na které je provedeno shlukován´ı. Takov´ yto sloˇzen´ y klasifik´ ator poté zpr˚ umˇeruje pravdˇepodobnosti d´ılˇc´ıch klasifikátor˚ u. K otestov´ an´ı tohoto algoritmu autoˇri vyuˇzili ˇcást datového souboru od Gunettiho a kolektivu 3.4, kter´ a obsahovala 21 uˇzivatel˚ u a 165 u ´toˇcn´ık˚ u, a dosáhli pˇri pouˇzit´ı sloˇzeného klasifik´ atoru FAR 3,47 % a FRR 0 % pˇri pouˇzit´ı textu o délce pouh´ ych 250 u ´hoz˚ u. Pˇri plné délce textu bylo samozˇrejmˇe dosaˇzeno jeˇstˇe lepˇs´ıch v´ ysledk˚ u.

3.5

Metoda Gunettiho a Picardiov´ e

Tato ˇc´ ast se hloubˇeji zab´ yv´ a metodou autor˚ u Gunettiho a Picardiové pro anal´ yzu dynamického textu, pˇredstavenou v prac´ıch [16] a [8]. Autoˇri uvaˇzuj´ı jako pˇr´ıznak pouze dobu trván´ı n-grafu (flight time), avˇsak na konci je uvedeno rozˇs´ıˇren´ı, kde je tato metoda doplnˇena o pˇr´ıznak délky mezi stiskem a uvolnˇen´ım jedné klávesy (dwell time) dle práce [7]. Jako modelov´ y pˇr´ıklad, se kter´ ym budeme pracovat v dalˇs´ı ˇcásti tohoto textu, uvaˇzujme ˇ ısla pˇred p´ısmeny reprezentuj´ı situaci, kdy byla naps´ ana dvˇe slova – vzd´ alenosti a ud´ alosti. C´ ˇcas, kdy byly pˇr´ısluˇsné kl´ avesy stisknuty, v milisekundách: S1: 0 v 120 z 250 d 370 ´ a 495 l 680 e 805 n 995 o 1045 s 1206 t 1267 i S2: 0 u 155 d 255 ´ a 325 l 450 o 564 s 704 t 801 i Autoˇri pˇredstavuj´ı dvˇe tˇr´ıdy mˇeˇren´ı, které se snaˇz´ı zohlednit r˚ uzné aspekty podobnost´ı a rozd´ılnost´ı pˇri psan´ı – R“ a A“ hodnoty. Na modelovém pˇr´ıkladˇe ukáˇzeme jak je spoˇc´ıtat. ” ”

R“ metrika ” V pr´ aci [16] byla pˇredstavena R“ metrika, pomoc´ı které je moˇzno analyzovat statick´ y ” text. Jde o relativn´ı hodnotu podobnosti dvou napsan´ ych vzork˚ u. V navazuj´ıc´ı práci [8] autoˇri tuto myˇslenku rozˇs´ıˇrili a pouˇz´ıvaj´ı ji nejen pro anal´ yzu statického textu, ale také pro anal´ yzu textu volného. Pˇri pouˇzit´ı R“ metriky je respektován psychick´ y i fyzick´ y stav ” zkoumaného ˇclovˇeka. Hodnota R“ je svázána s m´ırou neuspoˇrádanosti pole. ”

11

M´ıra neuspoˇ r´ adanosti Mˇejme d´ ano pole P o N prvc´ıch. M´ıra neuspoˇrádanosti (pˇreloˇzeno z anglického degree of disorder nebo jen disorder ) pole P v˚ uˇci uspoˇrádanému poli P 0 m˚ uˇze b´ yt spoˇc´ıtána jako souˇcet vzd´ alenost´ı mezi pozic´ı prvk˚ u v P a stejn´ ych prvk˚ u v P 0. Pˇ r´ıklad Mˇejme napˇr´ıklad pole P = [2, 5, 3, 4, 1], pˇriˇcemˇz m´ıra jeho neuspoˇrádanosti v˚ uˇci 0 uspoˇrádanému poli P = [1, 2, 3, 4, 5] je 1 + 3 + 0 + 0 + 4 = 8. Pokud je pole P seˇrazené, m´ a m´ıru neuspoˇrádanosti rovnou nule. Naopak maximáln´ı m´ıra neuspoˇr´ adanosti pole P nastane, jestliˇze budou jednotlivé prvky seˇrazené v opaˇcném 2 poˇrad´ı. Maxim´ aln´ı m´ıru neuspoˇrádanosti pole P lze spoˇc´ıtat jako |P2| , pokud bude |P | 2

sudé, a |P |2−1 pro |P | liché. Z praktick´ ych d˚ uvod˚ u je vhodné pracovat s normalizovanou m´ırou neuspoˇrádanosti. Tu lze spoˇc´ıtat podˇelen´ım m´ıry neuspoˇrádanosti maximáln´ı hodnotou m´ıry neuspoˇrádanosti pro pole o stejném poˇctu prvk˚ u. Tato hodnota je z intervalu h0; 1i. D´ıky tomu lze porovnávat m´ıry neuspoˇr´ adanosti pol´ı s r˚ uzn´ ymi poˇcty prvk˚ u. Pˇ r´ıklad hodnotˇe

Normalizovan´ a m´ıra neuspoˇrádanosti pole P = [2, 5, 3, 4, 1] bude odpov´ıdat = 0,666. 52 −1 8 2

Uvaˇzujme dva vzorky V1 a V2 pro dané n, reprezentované seˇrazen´ ymi poli dle délky jejich n-graf˚ u, V1 napˇr´ıklad jako referenˇcn´ı uspoˇrádané pole reprezentuj´ıc´ı profil uˇzivatele. Vzdálenost mezi tˇemito napsan´ ymi vzorky vzhledem k n-graf˚ um, které sd´ıl´ı, oznaˇc´ıme jako Rn (V1 , V2 ). Tuto vzd´ alenost m˚ uˇzeme spoˇc´ıtat jako normalizovanou m´ıru neuspoˇrádanosti V1 v˚ uˇci V2 . Je zˇrejmé, ˇze vzd´ alenost Rn (V1 , V2 ) = Rn (V2 , V1 ). Nelze pˇredpokl´ adat, ˇze délka trván´ı n-grafu bude vˇzdy konstantn´ı. Variaci ovlivˇ nuje jak stav pisatele tak kontext, ve kterém je n-graf napsán. Tento kontext lze obsáhnout kombinac´ı r˚ uzn´ ych n. Proto je pro urˇcen´ı vzdálenosti moˇzné spoˇc´ıtat jak vzdálenost pro n = 2, tedy R2 (V1 , V2 ), tak pro n = 3 analogicky R3 (V1 , V2 ). Autoˇri v práci [8] kombinuj´ı tyto v´ ysledky pomoc´ı jednoduchého váhován´ı. Pokud dva vzorky V1 a V2 sd´ıl´ı N n-graf˚ ua M m-graf˚ u za podm´ınky, ˇze plat´ı N > M , lze kumulativn´ı vzdálenost Rn,m spoˇc´ıtat jako: Rn,m (V1 , V2 ) = Rn (V1 , V2 ) + Rm (V1 , V2 ) · M/N

(3.1)

Obdobnˇe kumulativn´ı vzd´ alenost Rn,m,p , pro kterou plat´ı N > M a N > P , lze vyjádˇrit jako: Rn,m,p (V1 , V2 ) = Rn (V1 , V2 ) + Rm (V1 , V2 ) · M/N + Rp (V1 , V2 ) · P/N (3.2) kde P je poˇctem sd´ılen´ ych p-graf˚ u mezi vzorky V1 a V2 . Pˇ r´ıklad K v´ ypoˇctu vzd´ alenosti R2 (S1 , S2 ) mus´ıme nejprve stanovit, které di-grafy sd´ıl´ı S1 a S2 , a poté spoˇc´ıtat tuto vzd´ alenost, jak je zobrazeno na obrázku 3.2: R2 (S1 , S2 ) =

(2 + 1 + 1 + 0 + 0) = 0,333 12

Obdobnˇe m˚ uˇzeme vypoˇc´ıtat vzdálenost R3 (S1 , S2 ), jak je zobrazeno na obrázku 3.3.

12

Obrázek 3.2: V´ ypoˇcet vzd´ alenost´ı mezi slovy vzdálenosti a události za pouˇzit´ı di-graf˚ u. Zdroj: vlastn´ı pr´ ace autora na z´ akladˇe [8]

R3 (S1 , S2 ) =

1+1+0 = 0,5 8

Obrázek 3.3: V´ ypoˇcet vzd´ alenost´ı mezi slovy vzdálenosti a události za pouˇzit´ı tri-graf˚ u. Zdroj: vlastn´ı pr´ ace autora na z´ akladˇe [8]

Za povˇsimnut´ı stoj´ı, ˇze vzorky S1 a S2 sd´ıl´ı i jeden tetra-graf. Protoˇze je pouze jeden, nemá smysl poˇc´ıtat R“ hodnotu – ta by vyˇsla vˇzdy rovna nule. V´ ypoˇcet R“ hodnoty m´ a ” ” v´ yznam pouze pokud dva vzorky sd´ıl´ı v´ıce neˇz jeden n-graf. Kumulativn´ı vzd´ alenost dle vztahu 3.1: R2,3 = 0,333 + 0,5 · 3/5 = 0,633 Dle [7] je tato metoda v´ ahov´ an´ı (vztahy 3.1, 3.2) korektn´ı pouze dokud se nesnaˇz´ıme pouˇz´ıvat metriky A“ a R“ s r˚ uzn´ ymi kombinacemi n. V takovém pˇr´ıpadˇe je vhodnˇejˇs´ı ” ” pouˇz´ıt vztahy: Rn (V1 , V2 ) · N + Rm (V1 , V2 ) Rn,m (V1 , V2 ) = (3.3) N +M Rn (V1 , V2 ) · N + Rm (V1 , V2 ) · M + Rp (V1 , V2 ) · P N +M +P které jsou nav´ıc normalizované. Rn,m,p (V1 , V2 ) =

13

(3.4)

A“ metrika ” Pˇrestoˇze pˇri pouˇzit´ı samotné R“ metriky lze dosáhnout dobr´ ych v´ ysledk˚ u, je nutné si ” uvˇedomit jisté nedostatky. Uvaˇzujme vzorek V1 s di-grafy a vzorek V2 s di-grafy, pˇriˇcemˇz délka trv´ an´ı kaˇzdého z nich je dvojnásobná v˚ uˇci odpov´ıdaj´ıc´ım ve vzorku V1 . Poté je vzdálenost R2 (V1 , V2 ) = 0, a proto je tˇreba zavést dalˇs´ı metriku, zohledˇ nuj´ıc´ı absolutn´ı hodnoty délek trv´ an´ı n-graf˚ u. O n-grafech G1 a G2 s jejich dobami trván´ı dg1 a dg2 pˇri stejném n prohlás´ıme, ˇze jsou si podobné, pokud splˇ nuj´ı podm´ınku: 1<

max(dg1 , dg2 ) ≤t min(dg1 , dg2 )

(3.5)

kde pro konstantu t plat´ı t > 1. Vzdálenost A“ vzork˚ u V1 a V2 v˚ uˇci n-graf˚ um, které maj´ı ” spoleˇcné, a konstantˇe t definujeme jako: Atn (V1 , V2 ) = 1 −

P t (V1 , V2 ) S(V1 , V2 )

(3.6)

kde P t (V1 , V2 ) je poˇctem podobn´ ych n-graf˚ u mezi V1 a V2 . S(V1 , V2 ) je oproti tomu poˇctem vˇsech n-graf˚ u, které vzorky V1 a V2 sd´ıl´ı. Je zˇrejmé, ˇze Atn m˚ uˇze nab´ yvat hodnoty z intervalu h0; 1i. Autoˇri neuvaˇzuj´ı smˇerodatnou odchylku a od˚ uvodˇ nuj´ı to z´ıskanou moˇznost´ı spoˇc´ıtat A“ hodnoty i pro n-grafy, které jsou ve vzorc´ıch obsaˇzeny pouze jednou. ” Zásadn´ı pro vztah 3.6 je volba vhodné hodnoty t jako hranice pro urˇcen´ı podobnosti dvou n-graf˚ u, autoˇri po nˇekolika experimentech doporuˇcuj´ı pracovat s hodnotou t = 1,25. Pˇ r´ıklad

jako: Pro vzorky S1 a S2 m˚ uˇzeme spoˇc´ıtat hodnotu A1,25 2 S1 120 125 150 161 61

S2 d´ a ´ al os st ti

100 70 114 140 97

120/100 125/70 150/114 161/140 97/61

= = = = =

1,20 1,78 1,31 1,15 1,59

podobn´ e

podobn´ e

= 1 − 52 = 0,6. Podobn´ A1,25 ym zp˚ usobem m˚ uˇzeme vypoˇc´ıtat A31,25 a na rozd´ıl od R“ 2 ” hodnoty i A1,25 4 . Kumulativn´ı vzd´ alenosti A“ mezi vzorky V1 a V2 definujeme stejn´ ym zp˚ usobem jako ” u R“ hodnoty. ”

Vyhodnocen´ı metody Autoˇri v [8] ukazuj´ı rozd´ılné pˇr´ıstupy ke klasifikaci, verifikaci a identifikaci jedince. Klasifikace Uvaˇzujme mnoˇzinu uˇzivatel˚ u systému U , dva vzorky V1 a V2 spolu s vzdálenostmi mezi tˇemito vzorky d(V1 , V2 ), pro kterou plat´ı, ˇze d(V1 , V2 ) ≥ 0. Pokud se snaˇz´ıme klasifikovat vzorek X a uˇzivatel A (A ∈ U ) poskytl vzorky A1 , A2 , A3 , · · · , An , m˚ uˇzeme 14

Tabulka 3.1: V´ ysledky klasifikace dle metody od autor˚ u Gunettiho a Picardiové, celkem 600 pokus˚ u o klasifikaci. Zdroj: [8] Mˇeˇren´ a vzd´ al. Poˇcet chyb Chybovost [%] Mˇeˇren´ a vzd´ al. Poˇcet chyb Chybovost [%]

Pouˇzit´ı R“ vzdálenosti Pouˇzit´ı A“ vzdálenosti ” ” R3 R2,3 R2,4 R2,3,4 A2 A3 A2,3 A2,4 A2,3,4 44 5 9 9 44 84 41 39 41 7,33 0,83 1,5 1,5 7,33 14,0 6,83 6,5 6,83 Pouˇzit´ı kombinac´ı R“ a A“ vzdálenost´ı ” ” R2 + A2,3 R2,3 + A2 R2,3 + A2,3 R2,3,4 + A2 R2,3,4 + A2,3 4 2 4 2 1 0,66 0,33 0,66 0,33 0,16

R2 13 2,16

pr˚ umˇernou vzd´ alenost (oznaˇcovanou jako md z anglického mean distance) tˇechto vzork˚ u v˚ uˇci vzorku X spoˇc´ıtat jako: n 1 X md(A, X) = · d(Ai , X) n i=1

Tuto vzd´ alenost vypoˇcteme pro vˇsechny uˇzivatele v systému a uˇzivatel s nejmenˇs´ı vzdálenost´ı md je prohl´ aˇsen za autora vzorku X. Nejlepˇs´ı v´ ysledky aplikace r˚ uzn´ ych vzdálenost´ı pouˇzit´ ych ke klasifikaci je znázornˇena v tabulce 3.1. Verifikace Mˇejme jedince, kter´ y o sobˇe tvrd´ı, ˇze je uˇzivatelem A, a poskytl vzorek X. Pro u ´spˇeˇsnou verifikaci mus´ı b´ yt splnˇeny tyto podm´ınky: 1. vzorek X je klasifikov´ an jako vzorek uˇzivatele A, 2. vzorek X je dostateˇcnˇe podobný vzork˚ um profilu uˇzivatele A. Abychom mohli urˇcit, kter´ y vzorek je dostateˇcnˇe podobný, definujme stˇredn´ı vzdálenost vzork˚ u profilu A1 , A2 , A3 , · · · , An uˇzivatele A jako n−1 n X X 1 · md(Ai , Aj ) m(A) = n · (n − 1) i=1 j=i+1

Vzorek X je dostateˇcnˇe podobný profilov´ ym vzork˚ um uˇzivatele A, pokud plat´ı: md(A, X) < m(A) ∨ ∀B ∈ U − {A} : md(A, X) − m(A) < md(B, X) − md(A, X) Obˇe tyto podm´ınky lze vyj´ adˇrit pomoc´ı jediné: md(A, X) < m(A) + 0,5 · (md(B, X) − m(A)) Je vhodné poznamenat, ˇze i pˇri verifikaci, kdy uˇzivatel tvrd´ı, ˇze je uˇzivatelem A, a snaˇz´ı se toto tvrzen´ı doloˇzit vzorkem X, jsou vyuˇz´ıvány porovnán´ı s profily jin´ ych uˇzivatel˚ u. Takov´ yto systém je tedy bezpeˇcnˇejˇs´ı s nar˚ ustaj´ıc´ım poˇctem uˇzivatel˚ u, avˇsak pˇri jejich niˇzˇs´ım poˇctu nedosahuje tak dobr´ ych v´ ysledk˚ u. Nejlepˇs´ı ˇci nejzaj´ımavˇejˇs´ı v´ ysledky r˚ uzn´ ych aplikovan´ ych vzdálenost´ı pouˇzit´ ych k verifikaci jsou zn´ azornˇeny v tabulce 3.2. 15

Tabulka 3.2: V´ ysledky verifikace dle metody od autor˚ u Gunettiho a Picardiové, celkem 450 600 pokus˚ u o verifikaci, z toho 600 o oprávnˇenou. Zdroj: [8] Mˇeˇren´ a vzd´ alenost Chybn´ a pˇrijet´ı Chybn´ a odm´ıtnut´ı FAR [%] FRR [%] Mˇeˇren´ a vzd´ alenost Chybn´ a pˇrijet´ı Chybn´ a odm´ıtnut´ı FAR [%] FRR [%]

Pouˇzit´ı R“ vzdálenosti Pouˇzit´ı A“ vzdálenosti ” ” R2 R2,3 R2,4 R2,3,4 A2 A2,3 A2,4 A2,3,4 563 324 279 199 590 335 366 331 50 32 41 41 92 80 84 79 0,125 0,072 0,062 0,044 0,131 0,074 0,081 0,073 8,333 5,333 6,833 6,833 15,33 13,33 14,0 13,16 Pouˇzit´ı kombinac´ı R“ a A“ vzdálenost´ı ” ” R2 + A2 R2,3 + A2,3 R2,3,4 + A2 R2,3,4 + A2,3 360 205 124 78 36 24 19 23 0,08 0,045 0,027 0,017 6,0 4,0 3,166 3,83

Identifikace Verifikace popsan´ a v pˇredchoz´ı ˇcásti se od identifikace liˇs´ı jen v reformulaci a generalizaci pravidel. Vzorek X je identifikov´ an jako vzorek autora A, jestliˇze plat´ı následuj´ıc´ı podm´ınka: ∃A ∈ U : ∀B ∈ U −{A} : md(A, X) < md(B, X)∧md(A, X) < m(A)+k·(md(B, X)−m(A)) kde k je konstanta, kter´ a byla ve verifikaci rovna 0,5. Pokud ˇzádn´ y uˇzivatel A, kter´ y by tuto podm´ınku splˇ noval, neexistuje, je vzorek X prohláˇsen za neznám´ y. Identifikace a verifikace jsou v tomto pˇr´ıpadˇe zamˇenitelné, a proto dosahuj´ı stejn´ ych v´ ysledk˚ u, jaké jsou prezentov´ any v tabulce 3.2.

Modifikace metody Autoˇri Gunetti a Picardiov´ a se domn´ıvaj´ı, ˇze nen´ı potˇreba vyuˇz´ıvat metriku spojenou s dwell time (ˇcasem mezi stiskem a uvolnˇen´ım jedné klávesy). Ta je dle nich obsaˇzena v di-grafech. Ve ˇcl´ anku [10] se vˇsak na základˇe experimentu autor domn´ıvá, ˇze s pouˇzit´ım dwell time je systém silnˇejˇs´ı. To potvrzuje i práce [7], ve které autor implementoval metodu Gunettiho a Picardiové a rozˇs´ıˇril mnoˇzinu pouˇz´ıvan´ ych n-graf˚ u o n = 1. Jde tedy o délku trván´ı mono-grafu – dwell time. S t´ımto rozˇs´ıˇren´ım bylo dosaˇzeno lepˇs´ıch v´ ysledk˚ u neˇz bez nˇeho. Je ot´ azkou, nakolik ovlivˇ nuje délku mezi stiskem a uvolnˇen´ım klávesy pouˇzitá klávesnice. Autoˇri z´ısk´ avaj´ı své datové soubory, na kter´ ych experimentuj´ı, pˇreváˇznˇe z webov´ ych formuláˇr˚ u – lze tedy pˇredpokl´ adat, ˇze kaˇzd´ yu ´ˇcastn´ık experimentu psal na své vlastn´ı klávesnici. Bylo by zaj´ımavé zjistit, zda je délka trván´ı mono-graf˚ u závislá na pouˇzité klávesnici.

16

Kapitola 4

N´ avrh a implementace Pˇred samotn´ ym n´ avrhem aplikace, která byla nazvána SecBioard, je tˇreba rozˇs´ıˇrit strohé zadán´ı pr´ ace a definovat poˇzadovanou funkcionalitu systému. Proto budou na u ´vod této kapitoly uvedeny mnou definované poˇzadavky na systém. V dalˇs´ı ˇcásti bude pˇredstaven v´ ybˇer algoritm˚ u pro ˇreˇsen´ı d´ılˇc´ıch problém˚ u a návrh architektury aplikace. Následuje v´ yˇcet pouˇzit´ ych technologi´ı a kapitolu uzav´ıraj´ı d˚ uleˇzité rysy implementace.

4.1

Poˇ zadavky na aplikaci

Jak vypl´ yv´ a ze zad´ an´ı, aplikace má za u ´kol verifikovat uˇzivatele podle dynamiky stisku kláves pˇri pouˇzit´ı bˇeˇzné kl´ avesnice bez dalˇs´ıho speciáln´ıho vybaven´ı. Pˇred samotn´ ym navrˇzen´ım systému je tˇreba toto zadán´ı rozˇs´ıˇrit. Na aplikaci jsou tedy kladeny tyto nároky, které jsou sjednocen´ım zad´ an´ı a následuj´ıc´ıch u ´vah: 1. Aplikace bude pr˚ ubˇeˇznˇe verifikovat uˇzivatele na základˇe dynamiky stisku kláves bˇeˇzné kl´ avesnice, 2. bude spustiteln´ a pod operaˇcn´ım systémem GNU/Linux, 3. bude sn´ımat stisky kl´ aves celosystémovˇe, nikoli rozliˇsovat mezi právˇe vyuˇz´ıvan´ ymi aplikacemi, 4. bude verifikovat pouze lok´ alnˇe pˇrihláˇsené uˇzivatele, 5. umoˇzn´ı podporu fast user switching (uˇzivatelé mohou pˇrep´ınat mezi uˇzivatelsk´ ymi u ´ˇcty bez nutnosti ukonˇcen´ı aplikac´ı a odhláˇsen´ı se), 6. bude podporovat moˇznost zamknut´ı sezen´ı v pˇr´ıpadˇe u ´toku. 7. Zmˇeny bude moci prov´ adˇet pouze administrátor. 8. Zmˇeny t´ ykaj´ıc´ı se uˇzivatelova profilu bude moci provádˇet pouze uˇzivatel sám po ˇrádné autentizaci. 9. Aplikace bude sekund´ arnˇe pracovat i jako keylogger (program pro zaznamenáv´ an´ı stisk˚ u kl´ aves). 10. Uˇzivatel si bude moci vybrat, zda tuto bezpeˇcnost´ı aplikaci vyuˇzije, avˇsak zaznamen´ av´ an´ı kl´ aves neovlivn´ı. 11. Je kladen d˚ uraz na neinvazivnost programu i za cenu vyˇsˇs´ı m´ıry FAR. 17

4.2

N´ avrh aplikace

Na z´ akladˇe poˇzadavk˚ u na aplikaci bylo potˇreba navrhnout systém. Mezi zásadn´ı ˇcásti návrhu patˇr´ı v´ ybˇer algoritm˚ u.

Algoritmus pro verifikaci na z´ akladˇ e dynamiky stisku kl´ aves Mezi nejd˚ uleˇzitˇejˇs´ı rozhodnut´ı patˇr´ı zvolen´ı algoritmu pro verifikaci na základˇe dynamiky stisku kl´ aves. Ide´ aln´ı algoritmus pro naˇsi aplikaci má co nejniˇzˇs´ı u ´rovnˇe FRR i FAR, nen´ı ˇcasovˇe n´ aroˇcn´ y pˇri pˇrid´ an´ı nového uˇzivatele do systému a jeho s´ıla je nezávislá na poˇctu uˇzivatel˚ u v systému. Pˇrestoˇze v´ ysledky metody Shimshona a kolektivu popsané v 3.4 jsou nejlepˇs´ı, byla zvolena metoda Gunettiho a Picardiové 3.5 s rozˇs´ıˇren´ım dwell time pro jej´ı originalitu v pˇr´ıstupu i ovˇeˇrenost na v´ıce datov´ ych souborech [3, 8, 7], kde dosahuje vysoké u ´spˇeˇsnosti pˇri rozpozn´ an´ı jedince. Existence metriky R“, zohledˇ nuj´ıc´ı relativn´ı rychlost psan´ı, je podle ” mne v celosystémové aplikaci verifikuj´ıc´ı uˇzivatele pomoc´ı dynamiky stisku kláves zcela zásadn´ı. Nav´ıc je ˇcasovˇe i v´ ypoˇcetnˇe nenároˇcná pˇri pˇridáván´ı nového uˇzivatele. Nev´ yhodou je pˇr´ım´ a u ´mˇera mezi poˇctem uˇzivatel˚ u v systému a silou systému a dokonce i sloˇzitost´ı vyhodnocen´ı vzorku, zavinˇen´ a skuteˇcnost´ı, ˇze p˚ uvodn´ı algoritmus vyuˇz´ıvá pro porovn´ an´ı vzorku profily vˇsech uˇzivatel˚ u. Tato technika se mi jevila jako nepˇrijatelná v obou extrémn´ıch pˇr´ıpadech. Pokud je v systému mnoho uˇzivatel˚ u, vyhodnocen´ı vzorku by mohlo trvat velmi dlouhou dobu a t´ım zbyteˇcnˇe zatˇeˇzovat poˇc´ıtaˇc. Naopak pˇri opaˇcném extrému jediného uˇzivatele je cel´ y algoritmus nepouˇziteln´ y. Bylo proto nutno cel´ y algoritmus vyhodnocen´ı modifikovat pro kontinu´ aln´ı verifikaci a pro libovoln´ y poˇcet uˇzivatel˚ u. Modifikace vyuˇz´ıvaj´ıc´ı pˇri vyhodnocen´ı pouze profil uˇzivatele, jenˇz má b´ yt verifikován, bude popsána v následuj´ıc´ıch odstavc´ıch. Vˇerohodnost uˇzivatele (nakolik aplikace vˇeˇr´ı, ˇze je u klávesnice právˇe pˇrihláˇsen´ y lokáln´ı uˇzivatel) budeme oznaˇcovat sk´ ore. Skóre m˚ uˇze nab´ yvat hodnot z intervalu h0, 1i, kde 1 znaˇc´ı naprostou jistotu, ˇze jde o legitimn´ıho uˇzivatele, zat´ımco 0 znaˇc´ı absolutn´ı jistotu, ˇze jde ou ´toˇcn´ıka. Po startu programu je skóre inicializováno na konstantu skorestart . V´ ystupem porovn´ an´ı vzorku s profilem uˇzivatele je jedna hodnota a to ˇc´ıslo 21 ·(Rm,n,p +Ax,y,z ), urˇcuj´ıc´ı vˇerohodnost jednoho vzorku. Tato hodnota je z intervalu h0, 1i, protoˇze Rm,n,p i Ax,y,z jsou z intervalu h0, 1i. Hodnota v´ ystupu porovnán´ı je pˇredána jako argument funkci w: p w(x) = sgn(x) · k · |x − m| (4.1) kde funkce sgn je signum re´ alného ˇc´ısla, m ∈ (0, 1) je práh pro klasifikaci vzorku jako legitimn´ıho a k ∈ (0, 1i je koeficient urˇcuj´ıc´ı váhu zmˇeny v˚ uˇci skóre. Tuto hodnotu w(x) dále pˇred´ ame jako argument rekurentn´ı funkci sn+1 (w(x), sn ), pomoc´ı které vypoˇcteme novou hodnotu sk´ ore: d · (1 − sn ), d ≥ 0 sn+1 (d, sn ) = (4.2) d · sn , d<0 kde sn je minul´ a hodnota sk´ ore. T´ımto je zaruˇceno, ˇze skóre bude vˇzdy z intervalu h0, 1i a nav´ıc pˇr´ır˚ ustky budou z´ avislé na aktuáln´ım skóre. Takto upraven´ y algoritmus vyhodnocen´ı je moˇzno vyuˇz´ıt i pˇri pouhém jednom uˇzivateli. V´ ysledky systému, kde je aplikována tato modifikace, budou prezentovány dále. Autoˇri p˚ uvodn´ı metody tvrd´ı [8, str. 317], ˇze pokud se ve vzorku objev´ı dvakrát stejn´ y n-graf, staˇc´ı jej reprezentovat jedn´ım, jehoˇz délka trván´ı bude pr˚ umˇernou hodnotou vˇsech 18

d´ılˇc´ıch délek. Tento postup je podle mne korektn´ı do chv´ıle, kdy se n-grafy vyskytuj´ı rovnomˇernˇe. Pokud by vˇsak ve vzorku bylo napˇr´ıklad 100 v´ yskyt˚ u n-grafu G1 a pouze jeden v´ yskyt n-grafu G2 , bude m´ıt tento jedin´ y n-graf G2 po zpr˚ umˇerován´ı stejnou váhu jako 100 jin´ ych, coˇz m˚ uˇze vést k nechtˇen´ ym v´ ysledk˚ um. Proto budou v následuj´ıc´ı kapitole vyzkouˇseny obˇe moˇznosti, jak s pr˚ umˇerován´ım, tak bez pr˚ umˇerován´ı délek trván´ı n-graf˚ u. Autoˇri pracuj´ı v kontextu A“ metriky s prahem t = 1,25 (ze vztahu 3.5), urˇcuj´ıc´ım, ” zda jsou si dva n-grafy podobné. Datov´ y soubor autor˚ u byl z´ıskán pˇri psan´ı email˚ u, kdy lze oˇcek´ avat relativnˇe konstantn´ı rychlost psan´ı, kdeˇzto v aplikaci, která je celosystémov´ a a nerozliˇsuje mezi psan´ım dlouh´ ych text˚ u pˇri psan´ı email˚ u a krátk´ ym napsán´ım adresy internetové str´ anky v prohl´ıˇzeˇci, je tˇreba b´ yt benevolentnˇejˇs´ı. Proto budou pˇri testov´ an´ı uvaˇzov´ any i jiné hodnoty.

Pr˚ ubˇ eˇ zn´ a verifikace Zp˚ usob vyhodnocov´ an´ı byl tedy vybrán, je vˇsak potˇreba jeˇstˇe definovat, jak bude provádˇena pr˚ ubˇeˇzn´ a verifikace. Pomoc´ı sekvence stisknut´ı a uvolnˇen´ı kláves je moˇzné generovat n-grafy. Tyto n-grafy jsou pr˚ ubˇeˇznˇe generovány do vyrovnávac´ı pamˇeti s urˇcitou kapacitou (oznaˇcujme ji jako pamˇet’ pam s kapacitou kap). Pokud je tato kapacita kap dosaˇzena, je sada n-graf˚ u uloˇzen´ ych ve vyrovnávac´ı pamˇeti vyhodnocena a následnˇe tyto n-grafy z pamˇeti odstranˇeny a naplˇ nován´ı prob´ıhá znovu od zaˇcátku. Pˇredstavme si vˇsak modelovou situaci, kdy uˇzivatel p´ıˇse na klávesnici a po skonˇcen´ı jeho pr´ ace je naplnˇena ˇc´ ast pamˇeti. Poté odejde od poˇc´ıtaˇce a toho se zmocn´ı u ´toˇcn´ık, ’ kter´ y nap´ıˇse pouze tolik textu, ˇze dopln´ı tuto pamˇet a je provedeno vyhodnocen´ı. V´ ysledek vyhodnocen´ı m˚ uˇze b´ yt velmi r˚ uznorod´ y a z hlediska korektnosti by nemˇel b´ yt do hodnocen´ı zaˇrazen. Tento problém byl vyˇreˇsen pomoc´ı sledován´ı neˇcinnosti na klávesnici. Pokud na klávesnici nebyla provedena ˇza´dná akce jiˇz Tf lush sekund, probˇehne vyhodnocen´ı pamˇeti ˇ pam a jej´ı vypr´ azdnˇen´ı ihned. Casov´ a konstanta Tf lush reprezentuje ˇcasov´ y interval mezi odchodem legitimn´ıho uˇzivatele a pˇr´ıchodem a následnou prac´ı u ´toˇcn´ıka. V r˚ uzn´ ych pouˇzit´ıch se m˚ uˇze tato hodnota liˇsit, proto by mˇela b´ yt parametrizovatelná. Tato u ´prava sebou pˇrinesla jisté u ´skal´ı. M˚ uˇze se stát, ˇze bude vyhodnocen i pouh´ y jedin´ y n-graf a vyhodnocen´ı by mˇelo stejnou váhu jako vyhodnocen´ı celé naplnˇené vyrovnávac´ı pamˇeti. To je nepˇrijatelné. Je tedy vypoˇc´ıtána hodnota w(x) pomoc´ı vztahu 4.1 a tato hodnota je v´ ahov´ ana w(x) · |pam| cet n-graf˚ u ve vyrovnávac´ı kap , kde |pam| reprezentuje poˇ pamˇeti a kap je kapacita této pamˇeti. Vˇetˇsina zde prezentovan´ ych metod zab´ yvaj´ıc´ıch se dynamikou stisku kláves pouˇz´ıv´ a velmi n´ızké prahové hodnoty za u ´ˇcelem rozpoznán´ı di-grafu, kter´ y je outlier (napˇr. Downland a Furnell – 750 ms), coˇz by dovolovalo u ´toˇcn´ıkovi psát rychlost´ı 1 u ´hoz za sekundu a pˇritom m´ıt jistotu neodhalen´ı. Tato rychlost psan´ı se jev´ı jako pˇr´ıliˇs vysoká, a proto jsou k identifikaci outlier˚ u vyuˇzity hranice 40 ms a 5000 ms.

Profil a s´ıla profilu Profil tvoˇr´ı mnoˇzina n-graf˚ u, pro n ∈ {1, 2, 3, 4}. V profilu se nemohou vyskytovat stejné n-grafy s r˚ uzn´ ymi délkami trv´ an´ı, nam´ısto toho jsou tyto stejné n-grafy reprezentovány jedn´ım n-grafem spoleˇcnˇe s pr˚ umˇernou délkou trván´ı, smˇerodatnou odchylkou a ˇc´ıslem urˇcuj´ıc´ım kolik n-graf˚ u je t´ımto jedn´ım reprezentováno. Vytv´ aˇren´ı profilu je ˇcasovˇe n´ aroˇcná ˇcinnost, a proto by bylo vhodné vˇedˇet, kdy jiˇz staˇc´ı vytváˇren´ı zanechat. Proto je definována s´ıla profilu, která m˚ uˇze nab´ yvat hodnot z intervalu

19

h0, 1i, kde 0 oznaˇcuje pr´ azdn´ y profil, a 1 velmi siln´ y profil. N-graf je povaˇzov´ an za dostateˇcnˇe silný, aby se pod´ılel na profilu, pokud reprezentuje alespoˇ n Nminprof il stejn´ ych n-graf˚ u a zároveˇ n plat´ı podm´ınka 2 · σ < d, kde d je pr˚ umˇern´ a délka trv´ an´ı n-grafu a σ je smˇerodatná odchylka. S´ılu profilu S(Pn , n), kde Pn = {g1 , g2 , · · · , gz } je mnoˇzina silných n-graf˚ u tvoˇr´ıc´ıch profil uˇzivatele pro dané n, je definována jako: S(Pn , n) =

|Pn | · (nM AX + 1 − n) 100

(4.3)

kde nM AX = 4. S´ıla celého profilu S(P ) je pak: 4

S(P ) =

1X S(Pi , i) 4

(4.4)

i=1

Z´ısk´ av´ an´ı informac´ı o stisknut´ ych kl´ aves´ ach Je nˇekolik moˇznost´ı jak zjistit, co se s klávesnic´ı dˇeje a tedy implementovat nástroj pro zaznamen´ av´ an´ı u ´daj˚ u o stisknut´ ych klávesách. Jednou z moˇznost´ı je napsat vlastn´ı obsluhu pˇreruˇsen´ı kl´ avesnice. Ud´ alosti z klávesnice mohou b´ yt zachyceny na hardwarovém portu 0x60. Dalˇs´ı moˇznost´ı je u ńos jedné z funkc´ı (handle scancode, put queue, receive buf, tty read, sys read) j´ adra operaˇcn´ıho systému, která je v ˇretˇezci zpracováván´ı klávesnicov´ ych ud´ alost´ı. Pˇri u ńosu funkc´ı dále v ˇretˇezci zpracován´ı je moˇzné dosáhnout sledov´ an´ı jak lok´ aln´ıch tak vzd´ alen´ ych ud´ alost´ı klávesnice. [17] K nejjednoduˇsˇs´ım zp˚ usob˚ um pracuj´ıc´ım vˇsak v uˇzivatelském prostoru je ˇcten´ı souboru /dev/input/eventX reprezentuj´ıc´ıho klávesnici. Tento soubor je tvoˇren rozhran´ım evdevu [18] z ud´ alost´ı generovan´ ych v j´ adˇre operaˇcn´ıho systému. Obsah tohoto souboru je tvoˇren strukturami struct input event reprezentuj´ıc´ı jedinou událost a obsahuje ˇctyˇri poloˇzky: struct timeval time urˇcuj´ıc´ı ˇcas uskuteˇcnˇen´ı událost´ı, unsigned short type popisuj´ıc´ı typ ud´ alosti (napˇr. EV KEY pro událost klávesnice), unsigned short code znaˇc´ıc´ı, kter´ a klávesa byla stisknuta a unsigned int value vypov´ıdaj´ıc´ı o typu události (stlaˇcen´ı klávesy, uvolnˇen´ı kl´ avesy, opakov´ an´ı kl´ avesy). Kv˚ uli jednoduchosti ˇreˇsen´ı byla zvolena posledn´ı zvolená varianta. Jej´ı nev´ yhodou ovˇsem je, ˇze nelze z´ıskat informace o stisknut´ ych klávesách ve vzdálen´ ych sezen´ıch.

N´ avrh architektury Na z´ akladˇe poˇzadavk˚ u na aplikaci a vybran´ ych algoritm˚ u byl vytvoˇren neformáln´ı diagram 4.1 zobrazuj´ıc´ı rozdˇelen´ı do subsystém˚ u, jejich vzájemnou komunikaci a také um´ıstˇen´ı konkrétn´ıch ˇc´ ast´ı vzhledem k operaˇcn´ımu systému. Program byl rozdˇelen do sedmi logick´ ych ˇcást´ı, kr´ atce zde budou kr´ atce popsány. Za zásadn´ı povaˇzuji ˇretˇezec sn´ımaˇc stisknutých kl´ aves – filtry – gener´ ator n-graf˚ u – vyhodnocovac´ı logika pˇretváˇrej´ıc´ı klávesové události na pˇr´ıznaky. ˇ ast maj´ıc´ı za u Sn´ımaˇ c stisknut´ ych kl´ aves C´ ´kol odst´ınit detaily sn´ıman´ı kláves dalˇs´ım ˇcástem aplikace. Zde bude prov´ adˇeno také volitelné zaznamenáván´ı stisku kláves spoleˇcnˇe s ˇcasov´ ymi zn´ amkami.

20

Obr´ azek 4.1: Neform´ aln´ı návrh aplikace. Zdroj: vlastn´ı práce autora

Filtry Tento subsystém je navrˇzen pro zpracován´ı u ´daj˚ u o stisknut´ ych ˇci uvolnˇen´ ych klávesách spoleˇcnˇe s jejich ˇcasov´ ymi známkami. Má za u ´kol propustit dále do ˇretˇezce zpracov´ an´ı pouze uˇziteˇcn´ a data z´ıskaná ze sn´ımaˇce stisknutých kl´ aves. Mus´ı se napˇr´ıklad vypoˇrádat s outliery ˇci s chybnˇe stisknut´ ymi klávesami, které uˇzivatel smaˇze pomoc´ı klávesy Backspace. Jako uˇziteˇcn´ a data jsou povaˇzovány informace o stisknut´ı a uvolnˇen´ı kláves a-z, ostatn´ı funguj´ı jako oddˇelovaˇce. Data jsou ukládána do vyrovnávac´ı pamˇeti, dokud nen´ı zaslán oddˇelovaˇc, kter´ y zp˚ usob´ı odeslán´ı dat gener´ atoru n-graf˚ u. Gener´ ator n-graf˚ u Vzhledem k tomu, ˇze vˇetˇsina metod, zab´ yvaj´ıc´ı se dynamikou stisku kláves, vyuˇz´ıv´ a k rozpozn´ av´ an´ı délky trván´ı n-graf˚ u (ˇci jinak pojmenované ekvivalenty), je potˇreba m´ıt v systému komponentu, která sekvenci stisknut´ ych a uvolnˇen´ ych kláves s ˇcasov´ ymi informacemi pˇrevede právˇe na n-grafy. Filtr sdruˇzuje klávesy, které byly stisknuty ihned po sobˇe, a z tˇechto sad sdruˇzen´ ych kláves jsou vygenerovány n-grafy, které jsou udrˇzov´ any ve vyrovn´ avac´ı pamˇeti, dokud nen´ı plná nebo nepˇrijde pˇr´ıkaz pro odeslán´ı dat od systémového spr´ avce. V takovém pˇr´ıpadˇe jsou data odeslána vyhodnocovac´ı logice. Profil Profil je abstrakce posb´ıran´ ych informac´ı o uˇzivatelovˇe stylu psan´ı na klávesnici, uloˇzen´ y na fyzickém médiu.

21

Vyhodnocovac´ı logika Tato ˇcást je vˇzdy informována o aktuálnˇe lokálnˇe pˇrihláˇseném uˇzivateli a dle této informace porovnává sadu n-graf˚ u s profilem tohoto uˇzivatele. V pˇr´ıpadˇe, ˇze se po vyhodnocen´ı nového vzorku domn´ıvá, ˇze jde o u ´tok, informuje systémového spr´ avce, kter´ y provede pˇr´ısluˇsnou akci. Syst´ emov´ y spr´ avce Tento subsystém obstarává veˇskerou komunikaci jak s operaˇcn´ım systémem (informace o tom, kdo je aktuálnˇe pˇrihláˇsen´ y uˇzivatel, zamykán´ı sezen´ı) tak komunikaci s uˇzivatelsk´ ymi klienty. Uˇ zivatelsk´ y klient Klient je samostatná aplikace, ne pˇr´ımo nutná k vlastn´ımu bˇehu a dávaj´ıc´ı uˇzivateli moˇznost spravovat sv˚ uj profil. Kaˇzd´ y uˇzivatel spouˇst´ı vlastn´ı instanci tohoto programu.

N´ avrh tˇ r´ıd Na z´ akladˇe neform´ aln´ıho n´ avrhu zde bude pˇredstaveno mapován´ı jeho komponent na konkrétn´ı tˇr´ıdy. Vzhledem k tomu, ˇze je v návrhu ˇretˇezec zpracován´ı, byl vyuˇzit návrhov´ y vzor Pozorovatel. Tento vzor se jevil vhodn´ y kv˚ uli moˇznosti implementovat tˇr´ıdy nezávisle na sobˇe a nav´ıc je tento pˇr´ıstup jednoduˇse rozˇsiˇriteln´ y pˇridán´ım napˇr´ıklad dalˇs´ıho filtru do ˇretˇezce zpracov´ an´ı. Dalˇs´ı v´ yhodou je také moˇznost ˇretˇezec zpracován´ı rozdˇelit (zaregistrovat v´ıce Pozorovatel˚ u u jednoho objektu) do v´ıce paraleln´ıch. Tˇr´ıda Observer je tedy abstraktn´ı tˇr´ıdou pro objekty, které mohou pozorovat objekty jiné. Tˇr´ıda Observable je taktéˇz abstraktn´ı tˇr´ıdou pro objekty, které budou pozorované. Jak je z n´ avrhu zˇrejmé, nˇekteré komponenty mohou b´ yt jak pozorovan´ ymi tak pozorovateli. Proto byla navrˇzena dalˇs´ı abstraktn´ı tˇr´ıda ObserverAndObservable, která vyuˇz´ıv´ a v´ıcenásobné dˇediˇcnosti, konkrétnˇeji je potomkem tˇr´ıd Observer a Observable. Pro vˇetˇs´ı názornost byl vygenerov´ an ˇc´ asteˇcn´ y diagram tˇr´ıd 4.2 pomoc´ı programu Doxygen.

Obrázek 4.2: Diagram tˇr´ıd n´ avrhového vzoru Pozorovatel. Zdroj: vlastn´ı práce autora

Sn´ımaˇc stisknut´ ych kl´ aves reprezentovan´ y tˇr´ıdou KeyScanner je prvn´ı v ˇretˇezci, a proto je potomkem pouze tˇr´ıdy Observable. Dalˇs´ımi tˇr´ıdami v ˇretˇezci jsou Filters a NGraphGenerator, oba jsou potomky abstraktn´ı tˇr´ıdy ObserverAndObservable. Posledn´ı Evaluator, kter´ y je potomkem Observer, reprezentuje vyhodnocuj´ıc´ı logiku. Systémov´ y správce byl rozdˇelen do dvou tˇr´ıd – SystemManager a SecBioard. SystemManager zpracovává poˇzadavky od klient˚ u a sleduje zmˇeny v operaˇcn´ım systému (kdo je právˇe pˇrihláˇsen´ y atd.),

22

druhá tˇr´ıda SecBioard ovl´ ad´ a ˇretˇezec zpracován´ı klávesnicov´ ych událost´ı a jejich vyhodnocován´ı. Cel´ a aplikace vyuˇz´ıv´ a tˇr´ıdy Log slouˇz´ıc´ı k zaznamenáván´ı chyb, která je navrhnuta pomoc´ı n´ avrhového vzoru Jedin´ aˇcek, aby v celé aplikaci byla pouze jedna instance této tˇr´ıdy, coˇz je pro zaznamen´ av´ an´ı chyb vhodné.

4.3

Pouˇ zit´ e technologie

D-Bus D-Bus je svobodn´ y software umoˇzn ˇuj´ıc´ı proces˚ um jednoduˇse komunikovat mezi sebou [19]. Je sloˇzen´ y ze dvou z´ akladn´ıch ˇcást´ı: dbus knihovny, která umoˇzn ˇuje dvˇema proces˚ um komunikaci a dbus démona. D-Bus démon spouˇst´ı sbˇernici, která dovoluje komunikovat libovolnému poˇctu proces˚ u mezi sebou. D-Bus podporuje dva typy démon˚ u, jak systémového (urˇceného napˇr´ıklad k notifikaci uˇzivatelsk´ ych sezen´ı od systému nebo pro poˇzadavky systému na zad´ an´ı vstup˚ u od uˇzivatelsk´ ych sezen´ı), tak démona sezen´ı (pro bˇeˇznou komunikaci uˇzivatelsk´ ych proces˚ u). Ke komunikaci jsou vyuˇz´ıvány zprávy, které jsou chápány jako diskrétn´ı poloˇzky na rozd´ıl od kontinuáln´ıch proud˚ u dat jako napˇr. v protokolu TCP. Zpr´ avy jsou zas´ıl´ any konkrétn´ımu objektu a ne celé aplikaci. Tyto objekty jsou identifikov´ any pomoc´ı unik´ atn´ıch jmen, které maj´ı tvar cesty souborového systému (napˇr. /org/freedesktop/ConsoleKit/Manager). Dalˇs´ım typem jména je jméno rozhran´ı. D-Bus rozhran´ı lze chápat podobnˇe jako v objektovˇe orientovan´ ych jazyc´ıch – objekty implementuj´ı metody definované v rozhran´ı. Rozhran´ı vyuˇz´ıvaj´ı teˇckovou notaci (napˇr. org.freedesktop.ConsoleKit.Manager). D-Bus m´ a vlastn´ı systém datov´ ych typ˚ u, reprezentovan´ y ASCII znaky. Signatura reprezentuj´ıc´ı 32-bitové celé ˇc´ıslo (integer ) je napˇr´ıklad "i", signatura "b" je datov´ y typ boolean, atd. Kompletn´ı v´ yˇcet moˇzn´ ych datov´ ych typ˚ u a jejich signatur je moˇzné naj´ıt ve specifikaci D-Bus [19]. Tyto datové typy je moˇzné sdruˇzovat do komplexnˇejˇs´ıch datov´ ych typ˚ u jako jsou struktury, pole ˇci slovn´ıky. D-Bus je pˇrenositeln´ y na vˇetˇsinu systém˚ u typu Linux ˇci UNIX a existuje dokonce port na Windows.

ConsoleKit ConsoleKit je framework pro správu a sledován´ı uˇzivatel˚ u, sezen´ı a multiterminál˚ u [20]. ConsoleKit poskytuje D-Bus rozhran´ı, které lze logicky rozdˇelit do tˇr´ı ˇcást´ı. Pomoc´ı rozhran´ı org.freedesktop.ConsoleKit.Manager je moˇzné ovládat akce jako vypnut´ı poˇc´ıtaˇce, vytvoˇren´ı nového sezen´ı, jeho zavˇren´ı a dalˇs´ı, spojené obecnˇe se správou sezen´ı a multiterminál˚ u. Rozhran´ı org.freedesktop.ConsoleKit.Seat je urˇceno k z´ıskán´ı podrobnˇejˇs´ıch informac´ı o multitermin´ alech a sezen´ıch a org.freedesktop.ConsoleKit.Session slouˇz´ı ke správˇe sezen´ı. O sezen´ı lze zjistit, zda je lokáln´ı, aktivn´ı, zda jej lze uzamknout atd.

PolicyKit PolicyKit je komponenta operaˇcn´ıho systému slouˇz´ıc´ı k definici a zacházen´ı s politikami umoˇzn ˇuj´ıc´ı neprivilegovan´ ym proces˚ um komunikovat s privilegovan´ ymi [21]. Aplikace pouˇz´ıvaj´ıc´ı PolicyKit jsou naz´ yvané privilegovan´ ymi mechanismy vyuˇz´ıvaj´ıc´ı PolicyKit autority k rozhodov´ an´ı o autentizaci. Klienti komunikuj´ıc´ı s mechanismy jsou povaˇzov´ ani za ned˚ uvˇeryhodné a pro kaˇzd´ y poˇzadavek od klienta je potˇreba rozhodnout, zda je tento 23

poˇzadavek autorizovan´ y. Za pouˇzit´ı PolicyKitu m˚ uˇze mechanismus pˇrenést toho rozhodnut´ı tˇret´ı d˚ uvˇeryhodné aplikaci – PolicyKit autoritˇe. S kaˇzd´ ym uˇzivatelsk´ ym sezen´ım je spuˇstˇen i autentizaˇcn´ı agent. Klientská aplikace nemus´ı o pˇr´ıtomnosti PolicyKitu v˚ ubec

Obr´ azek 4.3: Architektura komunikace pˇri pouˇz´ıvan´ı PolicyKitu. Zdroj: [21]

vˇedˇet. Pˇri komunikaci klienta s mechanismem se sám mechanismus dotáˇze autority na klientovu d˚ uvˇeryhodnost. Je jiˇz na pˇr´ısluˇsném Autentizaˇcn´ım Agentu tuto d˚ uvˇeryhodnost zjistit a v´ ysledek autentizace je pˇredán zpˇet mechanismu. Architekturu komunikace zobrazuje obr´ azek 4.3. PolicyKit poskytuje D-Bus rozhran´ı slouˇz´ıc´ı ke komunikaci s PolicyKit autoritou. Aby mohl mechanismus PolicyKit vyuˇz´ıvat, jsou deklarovány akce reprezentuj´ıc´ı operace, které klienti poˇzaduj´ı po mechanismu. Tyto akce mus´ı b´ yt uloˇzeny v XML form´ atu ve sloˇzce /usr/share/polkit-1/actions/ s pˇr´ıponou .policy.

Gtkmm Gtkmm je ofici´ aln´ı multiplatformn´ı C++ rozhran´ı pro knihovnu GTK+ umoˇzn ˇuj´ıc´ı tvorbu uˇzivatelsk´ ych rozhran´ı [22]. D´ıky gtkmm je moˇzno vyuˇz´ıt objektovˇe orientovan´ y pˇr´ıstup pˇri implementaci uˇzivatelského rozhran´ı.

Talos Talos [23] je knihovna napsaná v jazyce C++ a poskytuje funkce pro rozbor ˇretˇezc˚ ua soubor˚ u, rozˇs´ıˇren´ı tˇr´ıdy ifstream ze standardn´ı knihovny, flexibiln´ı práci s konfiguraˇcn´ımi soubory a tˇr´ıdu pro pr´ aci s ˇcasov´ ymi u ´daji.

4.4

D˚ uleˇ zit´ e rysy implementace

Implementace je zaloˇzena na návrhu aplikace z pˇredchoz´ı ˇcásti textu a jako implementaˇcn´ı jazyk bylo zvoleno C++. Zde budou zm´ınˇeny pouze zaj´ımavé u ´seky implementace.

Syst´ emov´ y spr´ avce Systémov´ y spr´ avce byl rozdˇelen do dvou tˇr´ıd SecBioard a SystemManager, jejichˇz instance bˇeˇz´ı kaˇzd´ a ve svém vl´ aknˇe. Instance tˇr´ıdy SecBioard má za u ´kol ovládat cel´ y ˇretˇezec 24

zpracov´ an´ı, ˇcasovaˇc a také komunikaci s instanc´ı tˇr´ıdy SystemManager. Tato komunikace je prov´ adˇena pomoc´ı rour. Po inicializaci objektu je spuˇstˇena metodou start nekoneˇcn´ a smyˇcka sleduj´ıc´ı aktivitu roury a klávesnice pomoc´ı standardn´ı funkce select. Pokud je soubor reprezentuj´ıc´ı kl´ avesnici dlouho nemˇenn´ y a vyprˇs´ı nastaven´ y ˇcasovaˇc, je vˇsem objekt˚ um v ˇretˇezci pˇrik´ az´ ano vypr´ azdnit vyrovnávac´ı pamˇet’ a je provedeno vyhodnocen´ı. Instance tˇr´ıdy SystemManager je implementována jako D-Bus objekt, kter´ y si zaregistruje odchyt´ av´ an´ı sign´ al˚ u o zmˇen´ ach aktivit uˇzivatelsk´ ych u ´ˇct˚ u. Zároveˇ n funguje jako server pro uˇzivatelské klienty a zpracov´ avá jejich poˇzadavky. V pˇr´ıpadˇe jakékoliv zmˇeny jsou informace o této zmˇenˇe zasl´ any instanci tˇr´ıdy SecBioard, která provede pˇr´ısluˇsné akce.

Klient – server Hlavn´ı j´ adro aplikace funguje jako server, kter´ y je spuˇstˇen právˇe jedenkrát v celém systému. Klient, umoˇzn ˇuj´ıc´ı spravovat uˇzivatelsk´ y profil, je spouˇstˇen uˇzivatelem a m˚ uˇze jich b´ yt spuˇstˇeno v´ıce najednou. Bylo potˇreba navrhnout zp˚ usob komunikace mezi klientem a serverem. Je nutné zd˚ uraznit, ˇze komunikace mus´ı b´ yt bezpeˇcná, pˇrenáˇsená data sice nejsou citlivá, avˇsak odes´ılatel (klient) mus´ı b´ yt autentizován. Nav´ıc by bylo v´ yhodné, aby rozhran´ı serveru bylo navrˇzeno univerz´ alnˇe. Za t´ımto u ´ˇcelem byla vyuˇzita technologie D-Bus. Server tedy poskytuje D-Bus rozhran´ı ke správˇe uˇzivatelsk´ ych akc´ı, které je zde definováno: Jm´ eno cz.vutbr.fit.SecBioard – rozhran´ı aplikace Metody Tyto akce m˚ uˇze provést pouze aktuálnˇe pˇrihláˇsen´ y lokáln´ı uˇzivatel. CreateProfile (in ’b’ (out’bs’ Stop (in ’b’ (out’bs’

create) success, more info) stop) success, more info)

CreateProfile Pokud je pˇredan´ y vstupn´ı parametr roven TRUE, aplikace zaˇcne vytv´ aˇret nov´ y profil uˇzivatele. Je-li vstupn´ı parametr FALSE, je vytváˇren´ı profilu ukonˇceno. Prvn´ı v´ ystupn´ı parametr reprezentuje u ´spˇeˇsnost operace a ve druhém je moˇzno zjistit v´ıce informac´ı o pˇr´ıpadné chybˇe. Stop Pokud je pˇredan´ y vstupn´ı parametr roven TRUE, aplikace pozastav´ı vyhodnocován´ı sk´ ore pro aktu´ aln´ıho lok´ aln´ıho uˇzivatele. Je-li vstupn´ı parametr FALSE, je vyhodnocován´ı opˇet spuˇstˇeno. Prvn´ı v´ ystupn´ı parametr reprezentuje u ´spˇeˇsnost operace a ve druhém je moˇzno zjistit v´ıce informac´ı o pˇr´ıpadné chybˇe. Tento zp˚ usob dovoluje uˇzivatel˚ um pracovat se sv´ ym profilem pouze pokud jsou lokálnˇe pˇrihláˇseni a tedy fyzicky u poˇc´ıtaˇce a klávesnice. Je nutné vyuˇz´ıt mechanismus, kter´ y m´ a za u ´kol urˇcit, kter´ y z uˇzivatel˚ u je lokálnˇe pˇrihláˇsen´ y. Na tuto operaci je vhodn´ y framework ConsoleKit. Jak bylo zm´ınˇeno, je tˇreba uˇzivatele autentizovat a to napˇr´ıklad pomoc´ı hesla. K tomuto u ´ˇcelu byl vyuˇzit PolicyKit. K implementaci uˇzivatelského klienta secbioard-profile byla vyuˇzita C++ knihovna Gtkmm. D´ıky n´ı je moˇzné stav aplikace i profilové akce vizualizovat. Pokud na systému nen´ı dostupn´ a tato knihovna, je nainstalován klient secbioard-profile-sh, kter´ y funguje i v pˇr´ıkazové ˇr´ adce a vyuˇz´ıv´ a rozhran´ı dbus-send. 25

4.5

Bezpeˇ cnost a pouˇ zitelnost

Text [4] popisuje nˇekolik cest napaden´ı biometrického systému. Aplikace SecBioard se vˇsak spoléh´ a na bezpeˇcnost pouˇzitého operaˇcn´ıho systému a jin´ ych program˚ u (napˇr. PolicyKit), protoˇze vˇetˇsinu bezpeˇcnostn´ıch rizik pˇrenechává právˇe jim. Je nepravdˇepodobné, ˇze by nˇekdo dok´ azal napodobit styl psan´ı na klávesnici jiného ˇclovˇeka, avˇsak pokud u ´toˇcn´ık z´ıská pˇr´ıstup k uˇzivatelovˇe profilu a má právo zapisovat do souboru /dev/input/eventX, m˚ uˇze psan´ı na kl´ avesnici obej´ıt a dokonce generovat stisknut´ı kláves s ˇcasov´ ymi známkami, které budou stoprocentnˇe odpov´ıdat uˇzivatelovˇe profilu. Proto obyˇcejn´ı uˇzivatelé nemohou nahl´ıˇzet do profil˚ u sv´ ych ani ciz´ıch. Toto m˚ uˇze pouze administrátor, pod kter´ ym je spuˇstˇena aplikace SecBioard. Vytvoˇren´ı silného profilu uˇzivatele nen´ı otázkou nˇekolika vteˇrin, a proto jako slabé m´ısto aplikace m˚ uˇzeme vidˇet pˇr´ıchod u ´toˇcn´ıka v registraˇcn´ı fázi, kdy je vytváˇren uˇzivatel˚ uv profil. Tento kombinovan´ y profil dvou osob m˚ uˇze vést k nevyzpytateln´ ym v´ ysledk˚ um. Aplikace se tomuto snaˇz´ı zamezit alespoˇ n v nutnosti zadán´ı hesla pˇri zaˇcátku a ukonˇcen´ı registraˇcn´ı fáze, avˇsak v jej´ım pr˚ ubˇehu ˇz´ adn´ a kontrola provádˇena nen´ı. Tento program je vhodné pouˇz´ıt na systémech, ve kter´ ych je pouze jeden uˇzivatel (takov´ ym pˇr´ıkladem jsou osobn´ı notebooky). Pouˇzit´ı na serverech je zcela nevhodné, protoˇze zat´ım nen´ı implementov´ an zp˚ usob verifikace vzdálen´ ych sezen´ı, stejnˇe jako pouˇzit´ı na systémech, kde je dostateˇcnˇe vysok´ y poˇcet uˇzivatel˚ u a v´ ypoˇcetn´ı s´ıla poˇc´ıtaˇce dovoluje porovnávat vzorky oproti vˇsem uˇzivatelsk´ ym profil˚ um tak jako v klasické metodˇe od autor˚ u Gunettiho a Picardiové. Stisknut´ı a uvolnˇen´ı klávesy obsahuj´ı velice málo biometrick´ ych informac´ı, a proto je jich k rozpoznán´ı jedince potˇreba vˇetˇs´ı mnoˇzstv´ı. Je tedy zˇrejmé, ˇze pokud u ´toˇcn´ık nap´ıˇse pouh´ ych nˇekolik slov, aplikace nen´ı schopná jej identifikovat. Pˇri pouˇzit´ı biometrické vlastnosti dynamiky stisku kláves nen´ı nutné pouˇz´ıt ˇzádn´ y speciáln´ı hardware, staˇc´ı obyˇcejná klávesnice, avˇsak pokud je uˇzivatel verifikován s jinou klávesnic´ı, neˇz na které byl vytvoˇren profil, a uˇzivatel na ni nen´ı zvykl´ y, m˚ uˇze docházet k vyˇsˇs´ım ˇcetnostem chyb chybného zam´ıtnut´ı.

26

Kapitola 5

Testov´ an´ı V této kapitole budou pˇredstaveny datové soubory pouˇzité k testován´ı, bude pops´ an jeho pr˚ ubˇeh a sledované vlastnosti.

5.1

Datov´ e soubory

K testov´ an´ı a experimentov´ an´ı s parametry algoritm˚ u bylo vyuˇzito hned nˇekolik datov´ ych sad, jejichˇz p˚ uvod a charakter bude v následuj´ıc´ı ˇcásti popsán.

Datov´ y soubor D2 Datov´ y soubor D2 byl vyp˚ ujˇcen z práce [7]. Pomoc´ı formuláˇre na webové stránce bylo bˇehem sedmi mˇes´ıc˚ u shrom´ aˇzdˇeno 192 sezen´ı od 48 jedinc˚ u. Celkem 25 z nich poskytlo v´ıce neˇz dvˇe sezen´ı a byli proto povaˇzován´ı za uˇzivatele, kdeˇzto zbyl´ ych 23 za u ´toˇcn´ıky. ´ Cel´ y datov´ y soubor obsahuje 140 677 stisk˚ u kláves. Uˇcastn´ıci experimentu byli instruov´ an´ı k vyplnˇen´ı formul´ aˇre libovoln´ ym textem bez opakován´ı fráz´ı. Poté byl vyplnˇen formul´ aˇr s bliˇzˇs´ımi informacemi o autorovi a textu, napˇr´ıklad která je autorova dominantn´ı ruka, jazyk textu apod. Tyto dodateˇcné informace nebudou v dalˇs´ım testován´ı brány v potaz.

Datov´ y soubor SB1 Tento datov´ y soubor byl shromáˇzdˇen bˇehem tˇr´ı mˇes´ıc˚ u jak pomoc´ı samotné aplikace SecBioard za zkuˇsebn´ıho provozu, tak pomoc´ı jednoduchého programu (na pˇriloˇzeném CD), kter´ y byl implementov´ an za u ´ˇcelem z´ıskán´ı testovac´ıho souboru pˇredt´ım neˇz bude vlastn´ı aplikace dokonˇcena. Oba programy pracuj´ı na stejném principu, kter´ ym je zaznamenáv´ an´ı událost´ı ze souboru reprezentuj´ıc´ıho události klávesnice /dev/input/eventX. ´ castn´ıci zkuˇsebn´ıho testov´ Uˇ an´ı byli pouˇceni, ˇze program zaznamenává stisky jejich kláves a napsan´ y text je tedy moˇzné reprodukovat. Byli rovnˇeˇz poˇzádáni o spuˇstˇen´ı programu pˇri obyˇcejné pr´ aci s poˇc´ıtaˇcem na nˇekolik hodin, ale vˇzdy maximálnˇe jednou dennˇe. Nˇekolik u ´ˇcastn´ık˚ u se ob´ avalo o své osobn´ı informace, a proto odm´ıtli poskytnout záznam ze skuteˇcného sezen´ı. Pro nedostatek dobrovoln´ık˚ u ochotn´ ych poskytnout reálné sezen´ı byli tedy ti, kteˇr´ı odm´ıtli, poˇz´ ad´ an´ı o napsán´ı krátkého libovolného textu, napˇr´ıklad vymyˇsleného z´ aznamu do den´ıku. Poˇcet záznam˚ u od uˇzivatel˚ u se velmi liˇs´ı – od jediného aˇz po 17. Celkem bylo shrom´ aˇzdˇeno 77 sezen´ı. Cel´ y datov´ y soubor obsahuje 309 536 stisk˚ u kláves. Naprost´ a vˇetˇsina text˚ u byla ps´ ana v ˇceském jazyce.

27

Nadpoloviˇcn´ı vˇetˇsina souboru byla z´ıskána od student˚ u vysok´ ych ˇskol, kteˇr´ı se s klávesnic´ı a psan´ım na n´ı setk´ avaj´ı kaˇzd´ y den. Ani ostatn´ım psan´ı na poˇc´ıtaˇci nep˚ usobilo pot´ıˇze, jejich rychlost psan´ı vˇsak nebyla obecnˇe tak vysoká.

Datov´ y soubor SB2 Pˇri anal´ yze metod byla uvaˇzována moˇznost vyuˇzit´ı metriky dwell time. Autoˇri, kteˇr´ı ji ve sv´ ych prac´ıch prezentovali a vyuˇz´ıvali, ji vˇsak vˇetˇsinou vyzkouˇseli pouze na uˇzivatel´ıch p´ıˇs´ıc´ıch na sv´ ych vlastn´ıch kl´ avesnic´ıch. V aplikaci SecBioard je vˇsak vysoce pravdˇepodobné, ˇze vˇsichni uˇzivatelé i u ´toˇcn´ıci budou psát na totoˇzné klávesnici. Proto je vhodné zjistit, nakolik pouˇzit´ı r˚ uzn´ ych kl´ avesnic ovlivˇ nuje tuto metriku. Bylo tedy poˇzádáno deset jedinc˚ u o naps´ an´ı statického textu o délce 88 znak˚ u na dvou klávesnic´ıch (kaˇzd´ y uˇzivatel mˇel tyto klávesnice stejné), které oznaˇc´ıme jako klávesnice A a klávesnice B. Uˇzivatel˚ um byl nejprve ukázán text, kter´ y maj´ı opsat. Poté jej opsali na klávesnici A a po krátké pˇrestávce také na klávesnici B. Uˇzivatel˚ um bylo dovoleno dˇelat chyby a nebyla kladena ani ˇzádná podm´ınka na pˇresné ops´ an´ı textu, uˇzivatel ho mohl modifikovat dle libosti. Zaznamen´ av´ an´ı fungovalo na jiˇz popsaném principu ˇcten´ı souboru /dev/input/eventX. Oba záznamy od uˇzivatel˚ u byly poˇr´ızeny na stejném operaˇcn´ım systému.

5.2

Metodika testov´ an´ı

Testov´ an´ı bude prov´ adˇeno pˇri verifikaci uˇzivatele na datov´ ych sadách D2, SB1 za pouˇzit´ı systému popsaného v pˇredchoz´ı kapitole. Je vˇzdy vybráno sezen´ı uˇzivatele, ze kterého bude následnˇe vytvoˇren profil. Pokud je s´ıla tohoto profilu menˇs´ı neˇz 0,5, je toto sezen´ı vyuˇzito pouze k verifikaci oproti jin´ ym profil˚ um uˇzivatel˚ u. Pˇri s´ıle profilu vˇetˇs´ı nebo rovné 0,5 je pˇr´ısluˇsné sezen´ı odebr´ ano z datového souboru a poté provedena verifikace vˇsech zb´ yvaj´ıc´ıch sezen´ı i od jin´ ych uˇzivatel˚ u v˚ uˇci tomuto profilu. Sezen´ı jin´ ych uˇzivatel˚ u v tomto pˇr´ıpadˇe simuluj´ı sezen´ı u ´toˇcn´ıka. Totéˇz je provedeno pro vˇsechny uˇzivatele a vˇsechna sezen´ı. Pro názornost byl vypracov´ an histogram A.1, zobrazuj´ıc´ı s´ılu profil˚ u vytvoˇren´ ych z jednotliv´ ych sezen´ı datov´ ych soubor˚ u. Je potˇreba zm´ınit zmˇeny v testován´ı oproti technice prezentované v p˚ uvodn´ı pr´ aci. Gunetti a Picardiov´ a vyuˇz´ıvaj´ı k vytvoˇren´ı profilu vˇsechna zb´ yvaj´ıc´ı sezen´ı uˇzivatele, kdeˇzto v naˇsem pˇr´ıpadˇe je k vytvoˇren´ı profilu pouˇzito vˇzdy pouze sezen´ı jediné. To ˇcin´ı cel´ yu ´kol nároˇcnˇejˇs´ım. Tato zmˇena m´ a vˇsak reprezentovat skuteˇcnost, ˇze uˇzivatel chce v praxi m´ıt vytvoˇren profil z pouhého jednoho sezen´ı.

5.3

Testovan´ e vlastnosti

V celém algoritmu popsaném v pˇredcházej´ıc´ıch kapitolách je mnoho promˇenn´ ych, jejichˇz r˚ uzné kombinace mohou v´ yraznˇe zmˇenit v´ ysledek. Jde konkrétnˇe o nastaven´ı hodnot: • minim´ aln´ı poˇcet opakov´ an´ı n-grafu pro zaˇrazen´ı do profilu Nminprof il , • poˇc´ ateˇcn´ı sk´ ore uˇzivatele scorestart , • hodnota prahu m ve vztahu 4.1, • v´ aha zmˇeny sk´ ore k ve stejném vztahu, • kapacita vyrovn´ avac´ı pamˇeti kap, 28

• pr´ ah t ve vztahu 3.5 slouˇz´ıc´ı k v´ ypoˇctu metriky A“ a ” • celkov´ y pr´ ah vyhodnocen´ı p (pokud je skóre niˇzˇs´ı neˇz p, bude uˇzivatel oznaˇcen za u ´toˇcn´ıka). C´ılem této pr´ ace je nejen stanovit optimáln´ı hodnoty tˇechto promˇenn´ ych, ale také vyzkouˇset r˚ uzné algoritmy, jako napˇr´ıklad pr˚ umˇerován´ı nebo nepr˚ umˇerován´ı stejn´ ych n-graf˚ u ve vzorku (viz. ˇc´ ast 4.2) a vyuˇzit´ı smˇerodatné odchylky v metrice A“. ” Mˇeˇrenou vlastnost´ı v testech budou m´ıry FAR, FRR a EER. R˚ uzná nastaven´ı systému budou porovn´ av´ ana na z´ akladˇe EER hodnot. ROC kˇrivka vˇsak nen´ı spojitá, a proto je tˇeˇzké urˇcit jedin´ y EER bod. Kv˚ uli tomu budeme uvaˇzovat ROC kˇrivku definovanou body pro r˚ uzné hodnoty prahu, kaˇzdé dva sousedn´ı body budou proloˇzeny pˇr´ımkou. T´ımto pˇr´ıstupem z´ıskáme jedinou hodnotu EER.

Vyuˇ zit´ı smˇ erodatn´ e odchylky v metrice A“ ” V p˚ uvodn´ı pr´ aci Gunettiho a Picardiové [8] autoˇri neuvaˇzuj´ı smˇerodatnou odchylku kv˚ uli moˇznosti spoˇc´ıtat A“ metriku i pro n-grafy, které se vyskytly pouze jednou. Je ” ovˇsem ot´ azkou, zda n-graf, kter´ y se vyskytl pouze jednou, do profilu v˚ ubec zaˇradit. V jin´ ych textech (napˇr. [14, 7]) ale smˇerodatná odchylka vyuˇzita je. Bylo by tedy zaj´ımavé upravit v´ ypoˇcet vzd´ alenosti A“ a porovnat jej´ı v´ ysledky v˚ uˇci klasickému v´ ypoˇctu. ” Oznaˇcme tedy alternativn´ı metriku A“ jako A’“ a definujme ji stejnˇe jako ve vztahu 3.6 ” ” s jedin´ ym rozd´ılem, kter´ ym bude urˇcen´ı podobnosti dvou vzork˚ u. Uvaˇzujme tedy n-grafy G1 (jde o profilov´ y n-graf, vyskytl se v´ıcekrát a tud´ıˇz je moˇzné spoˇc´ıtat smˇerodatnou odchylku) a G2 s jejich pr˚ umˇern´ ymi délkami trván´ı dg1 a dg2 a také smˇerodatnou odchylkou délky trv´ an´ı prvn´ıho n-grafu σg1 . Tyto n-grafy jsou si podobné jestliˇze splˇ nuj´ı podm´ınku: |dg1 − dg2 | ≤ t · σg1 , kde t je re´ aln´ a konstanta z intervalu (0, 2i.

29

(5.1)

Kapitola 6

Zhodnocen´ı dosaˇ zen´ ych v´ ysledk˚ u V pˇredchoz´ı kapitole byla uvedena metodika testován´ı a v této ˇcásti jsou pˇredstaveny v´ ysledky test˚ u proveden´ ych na datov´ ych souborech D2 a SB1. V dalˇs´ı ˇcásti jsou prezentovány v´ ysledky experimentu z´ avislosti mono-graf˚ u na pouˇzité klávesnici. Nˇekteré hodnoty promˇenn´ ych, uveden´ ych v minulé kapitole, stanov´ıme fixnˇe pro vˇsechny testy i experimenty a to n´ asledovnˇe: scorestart = 0,5, Nminprof il = 4, k = 0,7. Celou mnoˇzinu promˇenn´ ych s konkrétn´ımi hodnotami budeme oznaˇcovat jako nastaven´ı. Z prostorov´ ych d˚ uvod˚ u zde budou uvedena pouze zaj´ımavá nastaven´ı pro omezen´ y poˇcet vzdálenost´ı.

6.1

Verifikace

Nastaven´ımi 1–4 se snaˇz´ıme zjistit, nakolik se zv´ yˇs´ı hodnoty FRR a FAR pˇri pouˇzit´ı naˇseho algoritmu oproti klasické metodˇe Gunettiho a Picardiové. Tento modifikovan´ y algoritmus vyhodnocuje nov´ y vzorek oproti uˇzivatelskému profilu, vytvoˇrenému z jediného sezen´ı, kdeˇzto v postupu Gunettiho a Picardiové je vzorek porovnáván s profilem, vytvoˇren´ ym z v´ıce sezen´ı. Kapacita vyrovnávac´ı pamˇeti je nastavena na maximum a tud´ıˇz je provedeno pouze jedno vyhodnocen´ı, nejde tedy o pr˚ ubˇeˇznou verifikaci, ale o verifikaci jednor´ azovou. V´ ysledky pro datov´ y soubor D2 je moˇzné nalézt v tabulkách B.1, 6.1 a pro datov´ y soubor SB1 v tabulk´ ach B.2, B.3. Nastaven´ı 1 Z´ akladn´ı nastaven´ı promˇenn´ ych co nejv´ıce podobné p˚ uvodn´ı metodˇe: t = 1,25, m = 0,5, pouˇzit´ı pr˚ umˇerov´ an´ı n-graf˚ u, kap = M AX, práh p je pohybliv´ y. Z tabulek B.3 a 6.1 m˚ uˇzeme vidˇet, ˇze hodnota EER (respektive FAR a FRR) je pomˇernˇe vysoká oproti v´ ysledk˚ um prezentovan´ ym v p˚ uvodn´ı práci. Pokud nastav´ıme prahy vhodnˇe a to tak, ˇze hodnota FRR bude n´ızká (i za cenu vyˇsˇs´ı hodnoty FAR), bude aplikace pouˇziteln´ a i pˇri re´ alném nasazen´ı. Nejlepˇs´ıch v´ ysledk˚ u bylo dosaˇzeno pomoc´ı vzdálenosti A1,2 + R1,2 . Nastaven´ı 2 Jedin´ a zmˇena oproti nastaven´ı 1 spoˇc´ıvá v absenci pr˚ umˇerován´ı stejn´ ych n-graf˚ u. Ty jsou v pamˇeti ponechány v´ıcekrát, motivace tohoto kroku byla popsána v ˇcásti 4.2. Nastaven´ı promˇenn´ ych: t = 1,25, m = 0,5, kap = M AX, práh p je pohybliv´ y. Obecnˇe jsou v´ ysledky horˇs´ı neˇz u nastaven´ı 1, ovˇsem je potˇreba zd˚ uraznit, ˇze k tomu docház´ı vlivem uˇzit´ı mono-graf˚ u. U vzdálenost´ı nepracuj´ıc´ıch s mono-grafy jsou v´ ysledky ˇcasto lepˇs´ı neˇz pˇri nastaven´ı 1. Pˇrestoˇze za pr˚ umˇerován´ım stoj´ı od˚ uvodnˇená logická myˇslenka, v´ ysledky jsou horˇs´ı neˇz pˇri nekorektn´ım uˇzit´ı, a proto budeme dále n-grafy pr˚ umˇerovat.

30

Tabulka 6.1: Testov´ an´ı na datovém souboru D2 (4393 pokus˚ u o verifikaci, z toho 123 o legitimn´ı) pˇri pouˇzit´ı kombinovan´ ych metrik. Hodnoty bunˇek tabulky pˇredstavuj´ı EER hodnoty (uvedeny v %), kde pohybliv´ y pr´ ah je p. Zdroj: vlastn´ı práce autora EER [%]

A2 + R2

A1,2 + R1,2

A1,2,3 + R1,2,3

A1,2,3,4 + R1,2,3,4

A2,3,4 + R2,3,4

A1,2 + R1,2,3

A2 + R2,3,4

1 2 3 4

A1 + R1

Nastaven´ı

13,35 18,29 14,81 13,75

14,65 13,83 14,64 14,66

7,31 14,23 7,33 6,91

7,72 13,83 7,72 8,21

7,72 13,83 7,37 7,72

15,85 13,77 14,73 16,28

7,72 13,91 7,72 7,33

15,47 14,23 15,04 16,11

Nastaven´ı 3 V pˇredchoz´ı kapitole byla pˇredstavena modifikace metriky A“, která vyu” ˇz´ıvá smˇerodatnou odchylku. Ta je aplikována právˇe v tomto testu. Nastaven´ı promˇenn´ ych: t = 0,95, m = 0,5, kap = M AX, práh p je pohybliv´ y, s pr˚ umˇerován´ım n-graf˚ u. M˚ uˇzeme vidˇet, ˇze v´ ysledky jsou pˇribliˇznˇe na stejné u ´rovni jako pˇri pouˇzit´ı nastaven´ı 1. Obmˇena metriky A“ s pouˇzit´ım smˇerodatné odchylky je tedy rovnocenná metrice p˚ uvodn´ı. ” Nastaven´ı 4 Za posledn´ım testovan´ ym nastaven´ım s maximáln´ı kapacitou pamˇeti stoj´ı otázka, zda je hodnota t = 1,25 pˇri pouˇzit´ı klasické metriky A“ opravdu ideáln´ı. Bylo pro” vedeno nˇekolik experiment˚ u a zde je pˇredstaveno nastaven´ı: t = 1,27, m = 0,5, pr˚ umˇerov´ an´ı n-graf˚ u, kap = M AX. M˚ uˇzeme vidˇet, ˇze v´ ysledky této konfigurace jsou srovnatelné s nastaven´ım 1. Jej´ı pomoc´ı bylo dokonce dosaˇzeno minima EER celé verifikace. Je d˚ uleˇzité zd˚ uraznit, ˇze p˚ uvodn´ı metoda Gunettiho a Picardiové nevyuˇz´ıvala monografy, avˇsak pˇri jejich nasazen´ı je dosaˇzeno lepˇs´ıch v´ ysledk˚ u. Optimáln´ı byl z´ıskán na datovém souboru D2 za pouˇzit´ı kombinované metriky A1,2 + R1,2 a to pˇri nastaven´ıch 1, 3 a 4. Pro lepˇs´ı rozhodov´ an´ı o v´ ykonnosti konfigurac´ı byly vypracovány pˇr´ısluˇsné ROC kˇrivky, které jsou zobrazeny v grafu A.2. Jako nejlepˇs´ı (n´ızká hodnota FRR) se jev´ı nastaven´ı 4. Nejlepˇs´ıho v´ ysledku na datovém souboru SB1 bylo dosaˇzeno za pouˇzit´ı kombinované metriky A1,2,3 + R1,2,3 a pˇri nastaven´ı 4. Zaj´ımav´ y v´ ystup byl z´ıskán také pomoc´ı metriky A1,2 + R1,2,3 . Pro lepˇs´ı rozhodován´ı o v´ ykonnosti konfigurac´ı byly vypracovány pˇr´ısluˇsné ROC kˇrivky, které jsou zobrazeny v grafu 6.1. Jako optimáln´ı se jev´ı nastaven´ı 1, avˇsak s pˇrihlédnut´ım k vˇetˇs´ımu datovému souboru D2 a dobr´ ym v´ ysledk˚ um konfigurace 4 bude v dalˇs´ı ˇc´ asti uvaˇzov´ ano pr´ avˇe nastaven´ı 4.

6.2

Pr˚ ubˇ eˇ zn´ a verifikace

Dosud byla testov´ ana pouze jednorázová verifikace. Zmenˇsen´ım kapacity kap a zaveden´ım maxim´ aln´ı ˇcasové prodlevy Tf lush = 20 s, prezentované v ˇcásti 4.2, dosáhneme sekvence vyhodnocen´ı, coˇz je posloupnost nov´ ych hodnot skóre. Pokud alespoˇ n jedna z tˇechto

31

Obrázek 6.1: Nejlepˇs´ı ROC kˇrivky z´ıskané pˇri verifikaci na datovém souboru SB1 pˇri zmˇenách pohyblivého prahu p. Zdroj: vlastn´ı práce autora

hodnot klesne pod pr´ ah p, je celé sezen´ı prohláˇseno za u ´toˇcn´ıkovo. V opaˇcném pˇr´ıpadˇe je oznaˇceno jako legitimn´ı. Zde jiˇz budou uvaˇzov´ any pouze nejlepˇs´ı vzdálenosti, pouˇzité v pˇredchoz´ı ˇcásti, a to konkrétnˇe vzd´ alenosti A1,2 + R1,2 , A1,2 + R1,2,3 , A1,2,3 + R1,2,3 a A1,2,3,4 + R1,2,3,4 s nastaven´ım 4. Pˇri jednor´ azové verifikaci bylo moˇzné zamˇen ˇovat prahy p a m, coˇz dovolovalo zafixovat jeden z nich a zmˇenami druhého vytvoˇrit ROC kˇrivku. V této situaci to jiˇz tak jednoduché nen´ı. Byly vyzkouˇseny hodnoty prahu p pro 0,3, 0,35, 0,4, 0,425 a 0,45 a pro práh m hodnoty 0,35, 0,4, 0,425, 0,45, 0,475, 0,5 a 0,55. Následuj´ıc´ı nastaven´ı budou sniˇzovat kapacitu pamˇeti. Pro lepˇs´ı pˇredstavu o tom, kolik zabere jedno slovo z kapacity kap vyrovnávac´ı pamˇeti, bude uveden pˇr´ıklad: Mˇejme napsáno slovo testov´ an´ı. Z nˇej lze z´ıskat aˇz 9 mono-graf˚ u, 8 di-graf˚ u, 7 tri-graf˚ u a 6 tetra-graf˚ u, coˇz je celkem 30 n-graf˚ u. Nastaven´ı 5 Tato konfigurace je obmˇenou nastaven´ı 4: t = 1,27, kap = 500, s pr˚ umˇerován´ım. Z vypracovan´ ych graf˚ u 6.2 a A.3 pro práh p = 0,45 (kter´ y oproti ostatn´ım hodnot´ am prahu dosahoval nejniˇzˇs´ıch hodnot FRR a FAR) m˚ uˇzeme vidˇet, ˇze pr˚ ubˇehy ROC kˇrivek vybran´ ych vzd´ alenost´ı se chovaj´ı velmi podobnˇe. Jako nejlepˇs´ı byla vybrána vzdálenost A1,2,3 + R1,2,3 s nastaven´ım prahu m = 0,45. D´ıky tomu bylo dosaˇzeno na datovém souboru D2 FAR hodnoty 11,50 %, FRR 8,94 % a na datovém souboru SB1 FAR 26,33 % a FRR 0,74 %. Zde je jiˇz vidˇet rozd´ıln´ a struktura datov´ ych soubor˚ u. 32

Obrázek 6.2: ROC kˇrivky z´ıskané na datovém soubor D2 s nastaven´ım 5 pˇri hodnotˇe prahu p = 0,45 a zmˇen´ ach pohyblivého prahu m. Zdroj: vlastn´ı práce autora

Nastaven´ı 6 K dalˇs´ımu sn´ıˇzen´ı kapacity dojde nastaven´ım promˇenn´ ych: t = 1,27, kap = 200. Pro hodnotu prahu p = 0,4 byly vypracovány grafy A.5 a A.4. Jako nejlepˇs´ı se znovu jev´ı vzd´ alenost A1,2,3 + R1,2,3 pˇri m = 0,475 a p = 0,4. D´ıky tomu bylo dosaˇzeno na datovém souboru D2 FAR hodnoty 15,88 %, FRR 7,31 % a na datovém souboru SB1 FAR 32,18 % a FRR 0,74 %. M˚ uˇzeme si vˇsimnout, ˇze FRR na datovém souboru SB1 je stejné jako v nastaven´ı 5, FAR je ovˇsem vyˇsˇs´ı. To je d˚ usledek pˇredpokládané pˇr´ımé u ´mˇery v´ ykonnosti systému na velikosti pamˇeti. Jakékoliv dalˇs´ı sn´ıˇzen´ı kapacity povede rovnˇeˇz ke sn´ıˇzen´ı v´ ykonu. To je vˇsak jiˇz pˇri takto vysok´ ych m´ır´ ach FRR a FAR nelze pˇripustit. Pˇrestoˇze jsou hodnoty FRR a FAR pomˇernˇe vysoké, domn´ıv´ am se, ˇze pokud je vytvoˇren siln´ y profil, nemˇelo by v obvykl´ ych situac´ıch doch´ azet k chybnému zam´ıtnut´ı (to lze simulovat zv´ yˇsen´ım hodnoty Nminprof il , avˇsak poté se st´ avaj´ı datové soubory bezcenn´ ymi kv˚ uli krátkosti textu). Ne kaˇzd´ yu ´toˇcn´ık bude rozpozn´ an, je nutné si také uvˇedomit, ˇze jeho detekce nen´ı okamˇzitá, vyhodnocen´ı nelze provést bˇehem naps´ an´ı nˇekolika znak˚ u – je to ˇcasovˇe nároˇcná ˇcinnost.

6.3

Z´ avislost d´ elky trv´ an´ı mono-graf˚ u na pouˇ zit´ e kl´ avesnici

Pro z´ısk´ an´ı pˇredstavy o tom, nakolik pouˇzitá klávesnice ovlivˇ nuje metriku dwell time, byl proveden experiment na datovém souboru SB2. Z uˇzivatelského sezen´ı byl vytvoˇren 33

profil obsahuj´ıc´ı n-grafy, jejich pr˚ umˇernou délku trván´ı a smˇerodatnou odchylku. Protoˇze uˇzivatel poskytl dvˇe sezen´ı na r˚ uzn´ ych klávesnic´ıch, je moˇzné vytvoˇrit dva profily a ty porovnat. Kv˚ uli kr´ atké ˇcasové prodlevˇe mezi psan´ım tˇechto text˚ u nelze oˇcekávat v´ yrazné zmˇeny v psychologickém ani fyzickém stavu u ´ˇcastn´ık˚ u experimentu, které by mohly ovlivnit rychlost psan´ı. Ze z´ıskan´ ych sezen´ı datového souboru SB2 byly zjiˇstˇeny délky trván´ı n-graf˚ u (konkrétnˇe dwell time) a pro ˇsest nejˇcastˇeji se vyskytuj´ıc´ıch byla vypracována tabulka B.4. Zv´ yraznˇena je vˇzdy delˇs´ı doba trv´ an´ı n-grafu na klávesnici spoleˇcnˇe se smˇerodatnou odchylkou. Nejˇcastˇeji se vyskytuj´ıc´ı n-grafy byly a, e, j, m, o a s. Je tedy známo ˇsest dvojic hodnot dwell time od deseti uˇzivatel˚ u, celkem 60 dvojic hodnot. Dvˇe pr˚ umˇerné délky trván´ı dvojic jsou totoˇzné, 36 je delˇs´ıch na kl´ avesnici B a 22 na klávesnici A. Za zm´ınku stoj´ı, ˇze pˇrestoˇze je pr˚ umˇernˇe dwell time delˇs´ı na kl´ avesnici B, uˇzivatel 7 mˇel vˇsechny n-grafy výraznˇe kratˇs´ı na klávesnici A, jak je moˇzno vidˇet na grafu 6.3.

Obrázek 6.3: Délky trv´ an´ı mono-graf˚ u v profilech uˇzivatele 7, kaˇzd´ y profil byl vytvoˇren na jiné klávesnici. Zdroj: vlastn´ı pr´ ace autora

Pˇrestoˇze jisté rozd´ıly mezi kl´ avesnicemi byly namˇeˇreny, jsou velmi malé a vzhledem ke krátkému textu mohl jeden jedin´ y delˇs´ı stisk ovlivnit celé mˇeˇren´ı. Závˇer tohoto pokusu je tedy otevˇren´ y, bylo by zaj´ımavé experiment zopakovat, avˇsak s v´ıce uˇzivateli, vˇetˇs´ım poˇctem kl´ avesnic a delˇs´ım textem. Takov´ y pokus by byl v´ıce vypov´ıdaj´ıc´ı.

34

Kapitola 7

Z´ avˇ er Tato pr´ ace popisuje problematiku pr˚ ubˇeˇzné verifikace na základˇe dynamiky stisku kláves. Bylo pˇredstaveno nˇekolik technik, zab´ yvaj´ıc´ıch se t´ımto problémem, a jako nejvhodnˇejˇs´ı z nich pro nasazen´ı v celosystémové aplikaci se jev´ı pouˇzit´ı metody od autor˚ u Gunettiho a Picardiové. Ta m´ a vˇsak nˇekolik negativn´ıch vlastnost´ı, jako napˇr´ıklad závislost v´ ykonnosti systému na poˇctu uˇzivatel˚ u. V této práci je pˇredstaven alternativn´ı zp˚ usob vyhodnocován´ı, zaloˇzen´ y na p˚ uvodn´ı metodˇe, kdy nen´ı k ohodnocen´ı vzork˚ u zapotˇreb´ı negativn´ıch dat – tedy dat jin´ ych uˇzivatel˚ u neˇz je právˇe verifikovan´ y jedinec. T´ımto je algoritmus zbaven této nechtˇené z´ avislosti a je ho moˇzné pouˇz´ıt i pokud systém obsahuje data od jediného uˇzivatele. Tato zmˇena m´ a za dalˇs´ı n´ asledek zrychlen´ı celého vyhodnocován´ı a tedy vˇetˇs´ı vhodnost pro pouˇzit´ı algoritmu v re´ alném ˇcase. Dále byl pˇredstaven algoritmus kontinuáln´ıho vyhodnocován´ı zaloˇzen´ y na pr˚ ubˇeˇzném skóre vˇerohodnosti uˇzivatele. Byla také pops´ ana modifikace [7] p˚ uvodn´ı metody s doplnˇen´ım o pouˇz´ıván´ı délek trv´ an´ı mono-graf˚ u a byla potvrzena jej´ı pozitivn´ı diskriminativn´ı vlastnost. K otestov´ an´ı mnou modifikovaného algoritmu Gunettiho a Picardiové byly vyuˇzity dva datové soubory, z nichˇz ˇc´ ast jednoho vznikla jako souˇcást této práce pˇri zkuˇsebn´ım provozu a druh´ a byla vyuˇzita z pr´ ace jiné [7]. Mnou shromáˇzdˇen´ y datov´ y soubor obsahuje celkem 309 536 stisk˚ u kl´ aves z 77 sezen´ı od 20 osob, které byly poˇzádány o bˇeˇzné uˇz´ıv´ an´ı poˇc´ıtaˇce. Z´ aznamy sezen´ı byly z´ıskány pomoc´ı nástroje pro zaznamenáván´ı u ´daj˚ u o stisknut´ ych a uvolnˇen´ ych kl´ aves´ ach, integrovaného do celé aplikace. Pˇri verifikaci bylo s v´ yˇse popsan´ ym modifikovan´ ym postupem dosaˇzeno EER 6,91 % na datovém soubor D2 a 7,65 % na datovém soubor SB1. Pˇri pr˚ ubˇeˇzné verifikaci bylo dosaˇzeno horˇs´ı v´ ykonnosti systému, v´ ysledky na datov´ ych souborech se v´ yraznˇe liˇsily. V´ ystupem této pr´ ace je lehce modifikovatelná celosystémová aplikace pro pr˚ ubˇeˇznou verifikaci pr´ avˇe pˇrihl´ aˇsen´ ych osob na základˇe dynamiky stisku kláves pro operaˇcn´ı systém GNU/Linux. Aplikace je rozdˇelená do dvou ˇcást´ı: uˇzivatelského klienta a serveru. Komunikace mezi nimi prob´ıh´ a pomoc´ı knihovny D-Bus a pro autentizaci je pouˇzit PolicyKit, ˇc´ımˇz program pˇrenech´ av´ a nˇekter´ a z bezpeˇcnostn´ıch rizik tˇret´ım stranám. Bˇehem psan´ı této pr´ ace se vyskytlo hned nˇekolik otázek ˇci moˇzn´ ych rozˇs´ıˇren´ı a nˇekteré z nich bych zde chtˇel prezentovat. Jako nejpalˇcivˇejˇs´ı problém chápu uˇzit´ı metrik spojen´ ych s délkou trv´ an´ı mono-graf˚ u na totoˇzné klávesnici. Nakolik m˚ uˇze pouˇzitá klávesnice ovlivnit tuto metriku? Jednoduch´ y pokus prezentovan´ y v kapitole 6 na tuto otázku nepˇrinesl odpovˇed’, a proto by bylo vhodné provést rozsáhlejˇs´ı experiment s v´ıce u ´ˇcastn´ıky, delˇs´ım textem a v´ıce kl´ avesnicemi. To je vˇsak jiˇz nad rámec této práce. Pˇri porovn´ av´ an´ı r˚ uzn´ ych postup˚ u, zab´ yvaj´ıc´ıch se problematikou dynamiky stisku kl´ aves, jsem postr´ adal v´ ysledky metod na jediném datovém souboru. Kaˇzd´ y autor pouˇzil 35

pro vyhodnocen´ı u ´spˇeˇsnosti soubory vlastn´ı – je pak tˇeˇzké v´ ykonnost tˇechto systém˚ u porovnávat. Bylo by tedy vhodné sestavit datové soubory r˚ uzn´ ych typ˚ u (password hardening, statick´ y text, voln´ y text) v r˚ uzn´ ych jazyc´ıch a na tˇech algoritmy otestovat. Takto by mohly vzniknout referenˇcn´ı datové soubory vyuˇz´ıvané i autory prac´ı v budoucnu pro porovn´ an´ı s jin´ ymi. Aplikace, vytvoˇren´ a jako souˇcást této práce s koneˇcn´ ym nastaven´ım prezentovan´ ym v kapitole 6, dosahuje pomˇernˇe vysok´ ych hodnot FRR i FAR. Jednou z moˇznost´ı, jak tyto hodnoty sn´ıˇzit, je vytvoˇrit multimodáln´ı systém, sloˇzen´ y z této aplikace a jiné, verifikuj´ıc´ı uˇzivatele napˇr´ıklad na z´ akladˇe monitorován´ı pohyb˚ u myˇsi. Takov´ yto multimodáln´ı systém by mohl dosahovat velmi dobr´ ych v´ ysledk˚ u a zároveˇ n by nepotˇreboval ke své ˇcinnosti ˇzádné neobvyklé vybaven´ı. Rozpozn´ av´ an´ı na z´ akladˇe dynamiky stisku kláves pˇri psan´ı volného textu je relativnˇe novou a nerozˇs´ıˇrenou technikou. Existuje mnoho metod, jeˇz se j´ı zab´ yvaj´ı, avˇsak jejich u ´spˇeˇsnost je ˇc´ asteˇcnˇe zaloˇzena na laboratorn´ıch podm´ınkách, ve kter´ ych jsou aplikovány. V´ ysledky této pr´ ace naznaˇcuj´ı, ˇze zmˇeny provedené za u ´ˇcelem pouˇzit´ı v reálném ˇcase maj´ı za následek zhorˇsen´ı v´ ykonnosti systému a masové nasazen´ı tohoto algoritmu je zat´ım neuskuteˇcnitelné. Pˇri individu´ aln´ım uˇzit´ı a vytvoˇren´ı kvalitn´ıho profilu je vˇsak nasazen´ı moˇzné a aplikace m˚ uˇze dosahovat velmi dobr´ ych v´ ysledk˚ u.

36

Literatura [1] Jain, A. K., Flynn, P. a Ross, A. A. Handbook of Biometrics. [b.m.]: Springer-Verlag New York, Inc., 2007. ISBN 038771040X. [2] Wayman, J., Jain, A., Maltoni, D. et al. (ed.). Biometric Systems – Technology, Design and Performance Evaluation. [b.m.]: Springer Verlag, 2005. [3] Hempstalk, K. Continuous Typist Verification using Machine Learning. 2009. Disertaˇcn´ı pr´ ace. ´ , M., Orsa ´ g, F. a kolektiv. Biometrie. Brno: Computer Press a. s., [4] Drahansky 2011. ISBN 978-80-254-8979-6. ˇc ˇurek, R. Biometrické metody identifikace osob v bezpeˇcnostn´ı praxi [online]. 2008 [5] S [cit. 2012-05-03]. Dostupné na: . [6] Shimshon, T., Moskovitch, R., Rokach, L. et al. Continuous Verification Using Keystroke Dynamics. V Proceedings of the 2010 International Conference on Computational Intelligence and Security. Washington, DC, USA: IEEE Computer Society, 2010. S. 411–415. CIS ’10. ISBN 978-0-7695-4297-3. [7] Duˇ sek, J. Rozezn´ av´ an´ı osob dle zp˚ usobu psan´ı na kl´ avesnici pomoc´ı strojového uˇcen´ı. Masarykova univerzita, Fakulta informatiky, 2007. Diplomová práce. [8] Gunetti, D. a Picardi, C. Keystroke analysis of free text. ACM Trans. Inf. Syst. Secur. Srpen 2005, roˇc. 8, ˇc. 3. S. 312–347. ISSN 1094-9224. [9] Stross, R. Digital Domain: Bypassing the Password. The New York times [online]. Bˇrezen 2012 [cit. 2012-05-03]. S. BU – 7. Dostupné na: . ISSN 0362-4331. [10] Douhou, S. a Magnus, J. R. The reliability of user authentication through keystroke dynamics. Statistica Neerlandica. 2009, roˇc. 63, ˇc. 4. S. 432–449. [11] Gaines, R. Authentication by keystroke timing: some preliminary results. [b.m.]: Rand, 1980. R (Rand Corporation). [12] Joyce, R. a Gupta, G. Identity authentication based on keystroke latencies. Commun. ACM. u ńor 1990, roˇc. 33, ˇc. 2. S. 168–176. Dostupné na: . ISSN 0001-0782.

37

[13] Monrose, F. a Rubin, A. Authentication via Keystroke Dynamics. V In 4th ACM Conference on Computer and Communications Security. 1997. S. 48–56. [14] Dowland, P. a Furnell, S. A Long-term Trial of Keystroke Profiling using Digraph, Trigraph and Keyword Latencies. V Deswarte, Y., Cuppens, F., Jajodia, S. et al. (ed.). Security and Protection in Information Processing Systems, IFIP 18th WorldComputer Congress, TC11 19th International Information Security Conference, 22-27 August 2004, Toulouse, France. [b.m.]: Kluwer, 2004. S. 275–290. ISBN 1-4020-8142-1. [15] Nisenson, M., Yariv, I., El Yaniv, R. et al. Towards Behaviometric Security Systems: Learning to Identify a Typist. V Lavrac, N., Gamberger, D., Blockeel, H. et al. (ed.). PKDD. [b.m.]: Springer, 2003. S. 363–374. Lecture Notes in Computer Science, sv. 2838. ISBN 3-540-20085-1. [16] Bergadano, F., Gunetti, D. a Picardi, C. User authentication through keystroke dynamics. ACM Trans. Inf. Syst. Secur. Listopad 2002, roˇc. 5, ˇc. 4. S. 367–397. ISSN 1094-9224. [17] Writing Linux Kernel Keylogger [online]. 2012 [cit. 2012-04-09]. Dostupné na: . [18] Pavl´ık, V. Linux Input drivers [online]. 2001 [cit. 2012-04-09]. Dostupné na: . [19] Freedesktop.org – Software/dbus [online]. 2012 [cit. 2012-04-09]. Dostupné na: . [20] Freedesktop.org – Software/ConsoleKit [online]. 2012 [cit. 2012-04-09]. Dostupné na: . [21] Freedesktop.org – Software/PolicyKit [online]. 2012 [cit. 2012-04-09]. Dostupné na: . [22] Feature – gtkmm – C++ Interfaces for GTK+ and GNOME [online]. 2012 [cit. 2012-04-09]. Dostupné na: . [23] Talos – C++ toolbox [online]. 2012 [cit. 2012-04-09]. Dostupné na: .

38

Seznam pˇ r´ıloh Pˇr´ıloha Pˇr´ıloha Pˇr´ıloha Pˇr´ıloha

A B C D

Grafy Tabulky Obsah CD Uˇzivatelsk´ y manu´ al

39

Pˇ r´ıloha A

Grafy

Obrázek A.1: S´ıly profil˚ u vˇsech sezen´ı z datov´ ych soubor˚ u D2 a SB1 pˇri Nminprof il = 4

40

Obrázek A.2: Nejlepˇs´ı ROC kˇrivky pro metriku A1,2 + R1,2 z´ıskané na datovém souboru D2 pˇri zmˇen´ ach pohyblivého pr´ ahu p

Obrázek A.3: ROC kˇrivky z´ıskané na datovém soubor SB1 s nastaven´ım 5 pˇri hodnotˇe prahu p = 0,45 a zmˇen´ ach pohyblivého práhu m

41

Obrázek A.4: ROC kˇrivky z´ıskané na datovém souboru SB1 s nastaven´ım 6 pˇri p = 0,4 a zmˇen´ ach pohyblivého pr´ ahu m

Obrázek A.5: ROC kˇrivky z´ıskané na datovém souboru D2 s nastaven´ım 6 pˇri p = 0,4 a zmˇen´ ach pohyblivého pr´ ahu m

42

Pˇ r´ıloha B

Tabulky

Tabulka B.1: Testov´ an´ı na datovém souboru D2 (4393 pokus˚ u o verifikaci, z toho 123 o legitimn´ı) pˇri pouˇzit´ı z´ akladn´ıch metrik. Hodnoty bunˇek tabulky pˇredstavuj´ı EER hodnoty (uvedeny v %), kde pohybliv´ y pr´ ah je p Nast. 1 2 3 4

A1 16,71 22,36 18,46 17,88

A2 17,98 17,88 17,82 19,36

A3 32,06 34,19 35,32 31,97

A1,2,3 11,36 19,11 11,58 10,56

EER A2,3,4 16,30 18,07 18,78 17,51

[%] R1 21,59 26,02 21,59 21,59

R2 17,23 18,70 17,23 17,23

R3 43,77 43,58 43,77 43,77

R1,2,3 10,57 18,68 10,57 10,57

R2,3,4 18,11 17,48 18,11 18,11

Tabulka B.2: Testov´ an´ı na datovém souboru SB1 (3876 pokus˚ u o verifikaci, z toho 405 o legitimn´ı) pˇri pouˇzit´ı z´ akladn´ıch metrik. Hodnoty bunˇek tabulky pˇredstavuj´ı EER hodnoty (uvedeny v %), kde pohybliv´ y pr´ ah je p Nast. 1 2 3 4

A1 15,16 21,85 16,29 15,87

A2 16,09 15,09 18,06 15,43

A3 25,38 26,58 25,31 24,48

A1,2,3 9,58 17,06 11,61 9,85

EER A2,3,4 16,73 15,19 17,79 15,88

43

[%] R1 21,91 28,72 21,91 21,91

R2 15,07 13,88 15,07 15,07

R3 29,14 29,65 29,14 29,14

R1,2,3 13,00 22,59 13,00 13,00

R2,3,4 15,31 13,06 15,31 15,31

Tabulka B.3: Testov´ an´ı na datovém souboru SB1 (3876 pokus˚ u o verifikaci, z toho 405 o legitimn´ı) pˇri pouˇzit´ı kombinovan´ ych metrik. Hodnoty bunˇek tabulky pˇredstavuj´ı EER hodnoty (uvedeny v %), kde pohybliv´ y práh je p EER [%]

A2 + R2

A1,2 + R1,2

A1,2,3 + R1,2,3

A1,2,3,4 + R1,2,3,4

A2,3,4 + R2,3,4

A1,2 + R1,2,3

A2 + R2,3,4

1 2 3 4

A1 + R1

Nastaven´ı

15,34 24,07 15,05 14,90

13,34 10,41 14,84 12,83

7,91 17,40 9,13 7,92

7,91 16,29 8,15 7,65

7,91 16,06 8,72 7,92

12,60 11,48 14,35 11,86

7,78 17,06 8,64 7,92

12,96 10,80 14,44 12,62

Tabulka B.4: Tabulka zobrazuj´ıc´ı pr˚ umˇerné délky trván´ı jednotliv´ ych mono-graf˚ u vzhledem k pouˇzit´ ym kl´ avesnic´ım. V´ ysledky byly z´ıskány z datového souboru SB2. Zv´ yraznˇené buˇ nky tabulky jsou ty, které maj´ı vyˇsˇs´ı hodnotu z dvojice pouˇzité klávesnice Uˇziv. 1 2 3 4 5 6 7 8 9 10

Kl´ aves. A B A B A B A B A B A B A B A B A B A B

a 97 ± 25 102 ± 22 126 ± 28 113 ± 23 128 ± 36 127 ± 32 61 ± 14 58 ± 9 63 ± 11 70 ± 8 117 ± 23 113 ± 23 236 ± 35 227 ± 28 124 ± 24 123 ± 26 103 ± 19 123 ± 28 96 ± 16 91 ± 17

Délka trván´ı mono-grafu [ms] e j m o 107 ± 7 76 ± 20 61 ± 10 88 ± 19 103 ± 12 84 ± 21 68 ± 12 100 ± 28 104 ± 19 85 ± 13 80 ± 17 95 ± 13 115 ± 24 118 ± 29 133 ± 45 121 ± 39 163 ± 40 78 ± 13 75 ± 16 83 ± 10 186 ± 35 84 ± 12 75 ± 18 89 ± 19 60 ± 7 68 ± 8 65 ± 8 62 ± 9 65 ± 13 68 ± 13 69 ± 9 64 ± 11 60 ± 8 70 ± 10 73 ± 12 61 ± 12 66 ± 12 62 ± 8 75 ± 10 63 ± 14 120 ± 18 117 ± 31 122 ± 33 125 ± 25 115 ± 24 118 ± 29 133 ± 45 121 ± 39 252 ± 50 153 ± 27 220 ± 81 175 ± 41 215 ± 38 128 ± 23 180 ± 63 153 ± 42 137 ± 23 100 ± 9 99 ± 25 121 ± 22 136 ± 24 102 ± 15 91 ± 32 114 ± 36 85 ± 20 61 ± 13 73 ± 34 71 ± 11 117 ± 23 68 ± 12 65 ± 5 77 ± 15 67 ± 14 67 ± 11 64 ± 9 71 ± 14 72 ± 13 63 ± 9 70 ± 12 71 ± 10

44

s 88 ± 29 90 ± 38 129 ± 16 91 ± 26 165 ± 30 186 ± 22 62 ± 9 67 ± 14 60 ± 5 65 ± 5 90 ± 26 91 ± 26 234 ± 64 193 ± 61 128 ± 16 140 ± 27 117 ± 23 153 ± 18 90 ± 14 99 ± 12

Pˇ r´ıloha C

Obsah CD application/ {zdrojové kódy program˚ u} ,→ convert-dataset/ {program ke konverzi datov´ ych sad z textové verze} {do bin´ arn´ı architekturovˇe zavislé podoby} ,→ secbioard/ {vlastn´ı aplikace} ,→ build/ {kompilaˇcn´ı sloˇzka} ,→ doc/ {sloˇzka s Doxygen dokumentac´ı (nutné vygenerovat)} ,→ include/ {obsahuje ciz´ı knihovny} ,→ source/ {zdrojové kódy programu SecBioard} ,→ test/ {sloˇzka se skripty urˇcené k testován´ı v´ ykonnosti systému} ,→ install/ {konfiguraˇcn´ı soubory, které maj´ı b´ yt rozdistribuovány do systému} ,→ get-dataset/ {program k pouˇzit´ y z´ıskán´ı ˇcásti datového souboru} dataset/ {datové soubory} ,→ d2-text/ {datov´ y soubor D2 v textové podobˇe} ,→ sb1-text/ {datov´ y soubor SB1 v textové podobˇe} ,→ sb2-text/ {datov´ y soubor SB2 v textové podobˇe} poster/ {plak´ at} thesis/ {text vlastn´ı práce se zdrojov´ ymi kódy}

45

Pˇ r´ıloha D

Uˇ zivatelsk´ y manu´ al V této kapitole bude uvedeno základn´ı uˇzit´ı aplikace SecBioard. Pro v´ıce informac´ı ˇctˇete soubory README ˇci spust’te programy s parametrem --help.

D.1

Instalace

Prvn´ım krokem je program nainstalovat. K tomuto je potˇreba m´ıt v systému tyto bal´ıky: • cmake, • g++, • libdbus-1-dev, • consolekit, • policykit-1, • libgtkmm-3.0-dev (volitelné, doporuˇcené), • doxygen (volitelné). Poté by mˇela instalace probˇehnout bez problému. Postupujte dle tˇechto pˇr´ıkaz˚ u: $ $ $ $ #

cd application/secbioard/build cmake .. make su make install Je moˇzné vygenerovat Doxygen dokumentaci pomoc´ı pˇr´ıkaz˚ u:

$ cd application/secbioard/build $ cmake .. $ make doc

D.2

Pouˇ zit´ı

Pouˇzit´ı lze rozdˇelit do dvou ˇc´ ast´ı: administrátorské a uˇzivatelské. 46

Administr´ ator Ujistˇete se, ˇze tento pˇr´ıkaz spouˇst´ıte jako root: # secbioard --scan-only Následujte instrukce programu. V´ ystupem tohoto kroku by mˇela b´ yt cesta k rozhran´ı klávesnice (/dev/input/event*). V nˇekter´ ych pˇr´ıpadech se m˚ uˇze ˇc´ıslo u event mˇenit (po restartov´ ani poˇc´ıtaˇce s jin´ ym hardware) a je tedy vhodné zjistit, kter´ y ze soubor˚ uv /dev/input/by-path/ na tento odkazuje a pouˇz´ıvat ten nam´ısto nˇej. Ted’ m´ ate na v´ ybˇer ze dvou moˇznost´ı, spouˇstˇet aplikaci takto: # secbioard --force-device=/dev/input/eventX nebo uloˇzit rozhran´ı do konfiguraˇcn´ıho souboru /etc/secbioard/secbioard.conf a poté spouˇstˇet aplikaci obvykle: # secbioard

Uˇ zivatel V tomto pˇr´ıpadˇe z´ aleˇz´ı na tom, jestli jste nainstalovali SecBioard v pˇr´ıtomnosti knihovny libgtkmm-3.0-dev. Pokud ano, m˚ uˇzete spustit grafickou verzi klienta pomoc´ı: $ secbioard-profile Pokud ne, mus´ıte se spokojit s konzolovou verz´ı: $ secbioard-profile-sh

D.3

Nastaven´ı

Nastaven´ı programu SecBioard lze kontrolovat v konfiguraˇcn´ım souboru /etc/secbioard/secbioard.conf. Vˇsechny poloˇzky jsou komentované a povinné.

D.4

Odstranˇ en´ı

Pro odstranˇen´ı vˇsech konfiguraˇcn´ıch a binárn´ıch soubor˚ u ze systému reprodukujte tyto kroky: $ cd application/secbioard/build $ su # make uninstall

47

DYNAMIKY STISKU KLÁVES

Recommend Documents