Geri Dön

Using behavioral biometric sensors of mobile phones for user authentication

Başlık çevirisi mevcut değil.

  1. Tez No: 589379
  2. Yazar: NURHAK KARAKAYA
  3. Danışmanlar: DOÇ. DR. GÜLFEM IŞIKLAR ALPTEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Bu makalede, El Hareketi Yönlendirme ve Kavrama (EHYK) algılayıcı verilerini kullanarak akıllı telefon kullanıcılarının kimliklerini doğrulamaya çalışmaktayız. Bir kullanıcının akıllı telefonunu tutma şekli, kaldırma hızı / döndürme hızı, ya da telefonunu kavraması veya ona dokunması, kimlik doğrulama için anahtar faktörlerdir. Cep telefonumuzu elimize alıp kullanmaya başladığımızda; üç algılayıcı otomatik olarak büyüklük, açısal hız ve ivme hakkında bilgi toplar. Ayrıca, telefona dokunmamız, harflere basmamız ya da ekranda elimizi oynatmamız da veri üretir. Bu makalede, telefonda yer alan algılayıcıların okuduğu bilgilerden faydalanıp çeşitli makina öğrenme algoritmaları kullanarak kimlik tanımaya çalıştık. Dört tür makine öğrenme algoritması kullandık. Bunlar: Karar Ormanı, Artırılmış Karar Ağacı, Destek Vektör Makinesi ve Lojistik Regresyon gibi algoritmalardır. Bu deneyde kullanılan veriler (EHYK) 100 mobil cihaz kullanıcısından toplanan algılayıcı verilerdir. Yaptığımız çalışmalar sonrasında, Artırılmış Karar Ağacı'nın normalize edilmemiş veri ile en yüksek kesinlik değeri verdiğini gördük.

Özet (Çeviri)

In this paper, we use Hand Movement Orientation and Grasp (HMOG) sensor data to authenticate smart phone users. The way a user holds, grasps a mobile phone or touches to it are all key factors for authentication. At the moment of a user makes an event on his/her smart phone, three sensors automatically collect data about magnitude, angular speed and acceleration. Moreover, touching and holding events also produce data about pressure and coordinates. In this paper, we build four types of machine learning algorithms (Decision Forest, Boosted Decision Tree, Support Vector Machine, and Logistic Regression) to predict user authentication. The data used in this experiment (HMOG) are collected from 100 attenders. We compare the results of the algorithms and for our scenario, we show that boosted decision tree algorithm with de normalized data gives the results with highest accuracy.

Benzer Tezler

  1. Augmenting authentication with behavioral biometrics in a mobile banking application

    Mobil bankacılık uygulamasında davranışsal biyometri ile artırılmış kimlik doğrulama

    OKAN ENGİN BAŞAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZLEM DURMAZ İNCEL

  2. Tuşa basış dinamikleri, akselerometre ve jiroskop verileriyle mobil cihazlarda davranışsal biyometrik kimlik doğrulama

    Keystroke dynamics, accelerometer and gyroscope data based behavioral biometric authentication on mobile devices

    UMUT BERHAN BALKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ

  3. Continuous authentication with behavioral biometrics on mobile devices

    Mobı̇l cı̇hazlarda davranışsal bı̇yometrı̇ kullanarak süreklı̇ kı̇mlı̇k doğrulaması

    TONGUÇ ÇATAKLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZLEM DURMAZ İNCEL

  4. ARM tabanlı gömülü sistemlerde kulak tanıma sisteminin gerçeklenmesi

    Realizing of ear recognition system with arm based on embedded system

    ÜMİT KAÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

  5. Dinamik ve antropometrik parametreler kullanılarak yürüyüş özelliklerinin çıkartılması ve kimlik tespiti

    Person identification by extraction of anthropometric and dynamic gait features

    MAHMUT SELMAN GÖKMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OĞUZ FINDIK