User Verification based on Keystroke Dynamics

사용자 인증 시 개인마다의 고유한 키보드 입력 패턴을 분석하여 사용자에 대한 인증을 수행하는 서비스입니다.

Keystroke-Dynamics

Keystroke dynamics, keystroke biometrics, typing dynamics and lately typing biometrics, is the detailed timing information which describes exactly when each key was pressed and when it was released as a person is typing at a computer keyboard. WIKIPEDIA

설치 방법

해당 프로젝트는 웹 기반으로 동작합니다.

• Python Flask
• k-NN Based

동작 방식

Key-Stroke Dynamics 기반 사용자 인증 방식과 기존 Legacy와의 비교 동작 방식입니다.

검증 결과

• k-NN 기반 사용자 식별 및 최적의 운영 파라미터 설정

  • Euclidean distance 방식의 거리측정

  • 정확한 데이터분석을 위해 Cross-Validation 이용

  • 다수의 최적화 시험을 통해 k=3에서의 majority 기반 사용자 식별 진행

  

  ↑ 해당 모델의 Cross-Validation 동작 프레임과 결과 그래프 예시

  k값이 3일 경우 오류가 가장 적게 발생한다는 것을 알 수 있다. 따라서 이 모델에 적합한 k값을 구할 수 있다.

• 5-Cross Validation 기반 분석결과

  97.6%, 92.2%, 97.1%, 100%, 97.1% 으로 평균 Accuracy 96.8% 결과 산출

대용량 데이터 운영방안 (Fast kNN)

• Hash bit 길이

  Google은 80억 개의 웹 페이지의 경우 Simhash 64 bit면 충분하다고 함

  Google의 논문은 전체 웹 페이지를 64 비트 지문으로 매핑하는 f = 64 사용해 k값(Hamming distance) 검증 실험 진행

• Hamming distance

  • Google은 k=1~10까지 변화시켜 실험 진행

  • K값이 매우 낮으면 거의 중복되는 것이 없고, 매우 높은 값은 잘못된 웹페이지를 중복으로 지정함

  • Precision(정밀도)과 Recall이 0.75에 가까운 k=3을 선택하는 것이 타당함

64비트의 Simhash의 경우 3비트 이내로 다를 때 두개의 웹 페이지를 거의 중복으로 판단하면 높은 정확도 도출 가능

• Simhash 고속분석(permutation and prefix matching)

  • 4bit Simhash, hamming distance 4 이하 검색 시

  • Simhash를 5개 영역으로 구분(13, 13, 13, 13, 12 bit)

  • hamming distance 4이하면, 5개 block 중 최소한 1개는 일치해야 함

  • 1개 block이 일치할 경우, 전수검색하여 분석

  	a	b	c	d	e
  d1	0100101010001	1101001010010	0100101100111	0100010101001	010010110010

• Example

  • 100억개 data, 64bit Simhash, hamming distacne 4일때

  • 5개 block 중 가장 작은것은 12bit로 구성되며, 4,096개 값 존재

    • 즉, 100억개 data는 4,096개 값 중 하나로 매핑됨(1개값에는 약 24,414개 data 존재))

  • 총 5개 block이므로, 최대 12만여개로 100억 대비 0.0012% 비교로 분석가능