Continuous authentication on smart phones through behavioral bio-metrics
Akıllı cihazlarda davranışsal biyometriyle sürekli kimlik doğrulama
- Tez No: 610558
- Danışmanlar: DOÇ. DR. ÖZLEM DURMAZ İNCEL
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 58
Özet
Akıllı telefonlar günlük hayatımız için vazgeçilmez esyalar haline geldiler. Orijinal kullanım amaçlarının yanı sıra, insanlar bu cihazları kisisel asistanları olarak da kullanmaktadırlar. Ek olarak, akıllı telefonlar, kisisel fotograflar, iletisim bilgileri, çagrı geçmisleri vb. gibi özel bilgileri saklayabilen genis dahili depolama da saglar. Öte yandan, küçük boyutlarından dolayı bu cihazlar kolayca kaybolabilir veya çalınabilir. Bu nedenle, akıllı telefon kullanıcılarının yetkisiz erisime karsı güvenliklerini ve gizliliklerini saglamak önemli bir arastırma alanı olusturmaktadır. Çözümlerden biri, kullanıcıların cihazla etkilesim kalıplarını takip eden ve tanımlayan davranıssal biyometri kullanımıdır. Bu yazıda hem dokunmatik ekran hem de sensör tabanlı özelliklerinin, derin ögrenme ve makine ögrenmesi yöntemleri kullanarak, davranıssal biyometri modeline etkilerini arastırdık. Temel olarak, bir kimlik dogrulama modeli olusturmak için kullanıcıların davranıs karakterlerini ortaya çıkarmak için birlesik özellik setleri ve uygulamalı sınıflandırma üzerine üç katmanlı bir derin ag kurduk. Veriseti olarak, 24 oturumda 100 kullanıcının verisini içeren HMOG verisetini kullanıyoruz. Farklı dokunmatik ekran verileri, sadece sensör verileri ve bunların kombinasyonları gibi farklı girdi verileri kombinasyonlarına sahip farklı agları egitiyoruz. Sonuçlarımız, farklı veri türleri bir arada kullanıldıgında ikili sınıflandırma dikkate alındıgında derin ögrenme modeli için ortalama %88 dogruluk ve %15 EER degerlerine, makine ögrenmesi modelleri için ise %99'u asan f1 skoru ve dogruluk sonuçlarına ulasabilecegimizi göstermektedir.
Özet (Çeviri)
Smartphones have become essential objects for our daily lives. Besides their original purpose of use, people use these devices as their personal assistants. Additionally, smartphones provide large internal storage which enables users to store their private information, such as personal photos, contact details, call histories, etc. On the other hand, because of their small sizes, these devices could easily get lost or stolen. Therefore, providing the security and privacy of smartphone users against unauthorized access is a significant and crucial area of research. One of the solutions is the use of behavioral biometrics, which tracks and identify users' interaction patterns with the device. In this study, we investigate the impact of using both touchscreen-based and sensor-based features in an authentication model using deep learning, multi-class and one-class machine learning models. Mainly, we train a three-layer deep network on the combined feature-sets and applied classification for revealing the behavioral characters of users for building an authentication model. Then we improved our feature set and used this data with our machine learning models. We use HMOG dataset that includes data from 100 users over 24 sessions. We train different networks with different combinations of input data, namely only touch-screen data, only sensor data, and their combination. Our results show that we can achieve 88% accuracy in average with deep learning network, and more than %99 f1 score and accuracy with svm models, and 15% EER values considering binary classification when different types of data are used together.
Benzer Tezler
- How cryptographic implementations affect mobile agent systems
Şifreleme gerçekleştirmelerinin gezgin aracı internet sistemlerini nasıl etkilediği
İSMAİL ULUKUŞ
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- User behavior and authentication analysis on smart devices
Akıllı cihazlarda kullanıcı davranışı ve kimlik doğrulama analizi
ERHAN DAVARCI
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Continuous authentication with behavioral biometrics on mobile devices
Mobı̇l cı̇hazlarda davranışsal bı̇yometrı̇ kullanarak süreklı̇ kı̇mlı̇k doğrulaması
TONGUÇ ÇATAKLI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM DURMAZ İNCEL
- Detection of common IoT authentication attacks and design of a lightweight authentication and key management protocol
Nesnelerin internetinde yaygın asıllama saldırılarının belirlenmesi ve hafifsıklet asıllama ve anahtar yönetimi protokolünün tasarımı
IŞIL ÇETİNTAV
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA
- GSM transmisyon donanımları gözetim ve denetim arayüzü
Supervision of the base station subsystem transmission equipments on the GSM
NEVİN BASIM
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. EMRE HARMANCI