BriefGPT - AI 论文速递
·
您的设备可能比您自己更了解您 —— 使用机器学习在新数据集上进行连续认证
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究使用行为生物特征进行身份验证研究，提供了一个包含15名用户手势数据的创新数据集。通过机器学习分类器，发现支持向量分类器是最强大的模型，准确率约为90%。然而，还需要进一步研究使其成为身份验证系统的可行选择。
🎯
关键要点
- 本研究旨在研究利用行为生物特征进行连续身份验证。
- 研究贡献了一个包含15名用户手势数据的创新数据集。
- 数据集涵盖用户在三星平板电脑上玩Minecraft的手势数据，每个用户游戏时间为15分钟。
- 使用机器学习二元分类器，包括随机森林、K最近邻和支持向量分类器，来验证用户行为的真实性。
- 支持向量分类器是最强大的模型，平均准确率约为90%。
- 触摸动态可以有效区分用户，但仍需进一步研究以使其成为可行的身份验证系统。
➡️
