Biometric identification and authentication using time series classification of mouse and eye movements
Fare ve göz hareketlerinin zaman serileri sınıflandırma yöntemleri kullanılarak biometrik tanıma ve kimlik doğrulamada kullanılması
- Tez No: 483471
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: İstanbul Şehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri ve Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Güvenlik, neredeyse her islemin bilgisayar vasıtasıyla gerçeklestirildigi modern dünyada çok önemli bir rol oynamaktadır. Güvenlik alanında kullanılan biyometrik uygulamalara ait ihtiyaçların karsılanmasına yönelik olarak, insan-bilgisayar etkilesimi ve ilgili diger alanlarda biyometrik arastırmalar hızlı biçimde artıs göstermektedir. Biyometrik tanıma sistemleri, çesitli davranıssal egilimler veya psikolojik özelliklerin birlikte analizini gerektirmektedir. Ayrıca bu sistemler, en esnek ve en etkili birey tanıma ve kimlik dogrulama biçimi olarak kabul edilmektedir. Bu yolla kisinin herhangi bir sifre hatırlaması veya akıllı kart tasıması gerekmemektedir. Insan çok fazla tekrarlanması durumunda fare hareketlerini ve bakısı hatırlayabilmektedir; bir kullanıcıdan bilgisayarda kimligini dogrulatması istendiginde kullanıcı fare ve göz hareketlerini unutmayacaktır. Bu nedenle bu eylemler, sifre dogrulama sistemi olarak kullanılabilir. Bu sistemde kullanıcı dogru hareketleri gerçeklestirdiginde kimligi dogrulanmıs bir kullanıcı olarak kabul edilebilir. Aksi durumda sistem kullanıcıyı reddedecektir. Bu nedenle, kimlik dogrulama sistemini denemek amacıyla amacıyla fare hareketlerinden ve bakıs pozisyonlarından olusan farklı zaman serilerini içeren veri setleri analiz edilerek bir kimlik dogrulama modeli gelistirilmistir. Kullanıcıların gelistirilen modeli kullanarak, talep edilen kimligi kanıtladıkları ve bu yolla kimliklerinin dogrulandıgı görülmüstür. Bu tez çalısması, rastgele karar agacı algoritması kullanılarak olusturulan kullanıcı tanıma seması için fare hareketi ve göz hareket koordinatlarını arastırmaktadır. Bu tezin odaklandıgı nokta, zaman serilerinin sınıflandırılması amacıyla benzerlik ölçümleri ve rastgele karar agacı algoritmalarını kullanan metodlardan olusmaktadır. Özellikler; Fare ve göz hareketlerine ait ham veriler ve kullanıcıları sınıflandırmak için en yakın komsu ve rastgele karar agacı algoritmalarını kullanan birinci uygulamadan elde edilmistir. Kullanılan çesitli unsurlara göre kimlik dogrulama çesitlilik göstermektedir. Deneysel sonuçlar, önerdigimiz biyometrik kimlik dogrulama modelindekilerle uyusmaktadır.
Özet (Çeviri)
Security plays a very important role in modern world where almost everything is done with the computer. It is agreed that biometric recognition systems require the combined analysis of multiple behavioral traits or physiological characteristics. In addition, those systems are considered to be the most flexible and effective mode of identifying and authenticating individuals as the person does not need to remember any password, or carry smart cards. The human body can remember the movement of mouse and the gaze if that action is practiced a lot, which mean when the user want to be authenticated in to computer so he will not forget the mouse and eye actions. So, this actions can be utilized in way of password authentication system, in which if the user implement the right movements can be considered as an authenticated user. Otherwise the system will reject the user. So for experimenting the authentication system, Different time series datasets consisting of mouse movements and gaze positions were analyzed and an authentication model was developed. It is shown that the users can be authenticated by proving their claimed identities using the developed model. This thesis investigates mouse and eye coordinates for user recognition scheme that introduce a random forest classification model for Mouse and eye movements to recognize these movements. The focus of this thesis is on the classification methods of time series, including similarity measures and random forest . Features are extracted from the mouse and eye movements raw data and implementing 1.Nearest Neighbor and Random forest to classify users. The accuracy of the identification varies with the variety of features used The experimental results were competing with our proposed biometric authentication model. The accuracy achieved by 1.Nearest neighbor was not sufficient in predicting users identities by mouse and eye tracking . On the other hand the maximum accuracy from implementing random forest model was 60 % which quietly good in terms of biometric but it is still need development to have perfect biometric model with higher accuracy.
Benzer Tezler
- Biyometrik verilerin polinom interpolasyonu ile saklanması
Storing biometric data via polynomial interpolation
ASLIHAN AKPINAR
Yüksek Lisans
Türkçe
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERGÜN YARANERİ
DOÇ. DR. ENVER ÖZDEMİR
- Border control using human shape detection
Başlık çevirisi yok
ALI ABDULLAH MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- A multibiometric cryptosystem for user authentication
Kullanıcıların kimlik doğrulaması için çoklu-biyometrili şifreleme sistemi
FAEZEH SADAT BABAMIR
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- Offline signature identification system to retrieve personal information from cloud
Çevrimdışı imza tanıma sistemi bulut kişisel bilgileri almak için
ADNAN UDAY ADNAN AL KHDHAIRI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SEFER KURNAZ
- Klavye vuruş zamanlama verileri üzerinde makine öğrenmesi uygulamaları
Machine learning applications on keyboard timing data.
MUJAHED MOHDFATHI MOHAMMAD ALİSSA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN TEMURTAŞ
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR