Person Authentication using Visual Representations of Keyboard Typing Dynamics
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3A10469908" target="_blank" >RIV/00216208:11320/22:10469908 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1109/SNAMS58071.2022.10062739" target="_blank" >https://doi.org/10.1109/SNAMS58071.2022.10062739</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/SNAMS58071.2022.10062739" target="_blank" >10.1109/SNAMS58071.2022.10062739</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Person Authentication using Visual Representations of Keyboard Typing Dynamics
Popis výsledku v původním jazyce
In this paper, we focus on the problem of user's authentication through typing dynamics patterns. We specifically focus on small-sized problems, where it is difficult to fully train corresponding machine (deep) learning algorithms from scratch. Instead, we propose a different approach based on the visualization of the typing patterns and subsequent usage of pre-trained feature extractors from the computer vision domain. We evaluated the approach on a publicly-available dataset and results indicate that this is a viable solution capable to improve over several baselines. Moreover, the proposed visual representation of the data contributes to the explainability of AI.
Název v anglickém jazyce
Person Authentication using Visual Representations of Keyboard Typing Dynamics
Popis výsledku anglicky
In this paper, we focus on the problem of user's authentication through typing dynamics patterns. We specifically focus on small-sized problems, where it is difficult to fully train corresponding machine (deep) learning algorithms from scratch. Instead, we propose a different approach based on the visualization of the typing patterns and subsequent usage of pre-trained feature extractors from the computer vision domain. We evaluated the approach on a publicly-available dataset and results indicate that this is a viable solution capable to improve over several baselines. Moreover, the proposed visual representation of the data contributes to the explainability of AI.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA22-21696S" target="_blank" >GA22-21696S: Hluboké vizuální reprezentace nestrukturovaných dat</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
2022 9th International Conference on Social Networks Analysis, Management and Security, SNAMS 2022
ISBN
979-8-3503-2048-0
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
1-6
Název nakladatele
IEEE
Místo vydání
Neuveden
Místo konání akce
Milan, Italy
Datum konání akce
28. 11. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—