Sistema de Autenticação via Dinâmica da Digitação

Transcrição

1 Sistema de Autenticação via Dinâmica da Digitação Gláucya C. Boechat, Jeneffer C. Ferreira, Edson C. B. Carvalho Filho Centro de Informática Universidade Federal de Pernambuco (UFPE) Caixa Postal Recife PE Brazil Abstract. This paper presents a boarding on biometric authentication through the Keystroke Dynamic that it intends to identify a person from its habitual rhythm to type in conventional keyboard. Six done experiments: verifying amount of prototypes, threshold, features and the variation of the choice of the times of the features vector. The results show that the use of the Keystroke Dynamic is simple and efficient for personal authentication, getting optimum resulted using 90% of the features with 4.44% FRR and 0% FAR. Resumo. Este artigo apresenta uma abordagem sobre autenticação biométrica via Dinâmica da Digitação que pretende identificar uma pessoa com seu ritmo habitual de digitar em um teclado convencional. Seis experimentos foram realizados verificando a quantidade de protótipos, Limiar, características e a variação da escolha dos tempos do vetor de característica. Os resultados mostram que o uso da Dinâmica da Digitação é simples e eficiente para autenticação pessoal, obtendo melhores resultados usando 90% das características com FRR = 4.44% e FAR = 0%. 1. Introdução Hoje em dia, é necessário utilizar autenticação pessoal para proteger informações de um sistema, para assegurar que somente pessoas autorizadas possam acessar ou modificar os dados [Magalhães e Santos 2003], que implica em garantir que a pessoa é realmente quem está afirmando ser. Na maioria dos sistemas utilizam algo que a pessoa conhece como senha ou algo que pessoa conhece como cartão magnético apesar de uma forma de autenticação bem difundida, apresenta vulnerabilidade em termo de segurança. Devido a estes problemas, técnicas de autenticação baseadas em características biométricas físicas ou comportamentais, onde a pessoa apresenta uma característica própria, não pode ser forjada e nem esquecida. Dentre as características físicas existe a face, a íris e as consideradas comportamentais como a assinatura digital e a Dinâmica da Digitação (Keystroke Dynamic) [Araújo 2004]. A Biometria tratada neste artigo é a Dinâmica da Digitação, que esta relacionada com o modo ou ritmo habitual de como uma pessoa digita uma senha, palavras/frases ou texto em um terminal [Monrose e Rubin 2000]. Cada pessoa possui um ritmo diferente de digitar das outras, assim, mesmo um impostor tendo conhecimento da senha de uma pessoa pela qual se tenta passar, dificilmente conseguirá ser autenticado [Joyce e Gupta 1990]. A Dinâmica da Digitação é uma técnica relativamente barata, necessita apenas de um teclado e software para autenticação, diferentes das outras técnicas biométricas que possuem elevado custo de dispositivos de captação e análise dos dados necessários

2 na autenticação, e ainda pode ser também utilizada com ou sem o conhecimento da pessoa. A partir do ritmo da digitação, podem ser extraídas algumas características como: o tempo em que uma tecla fica pressionada, o intervalo de tempo entre digitação de teclas sucessivas, velocidade da digitação e colocação dos dedos [Costa et al. 2005]. O restante do artigo está organizado em quatro seções. Na seção 2 são apresentados os trabalhos públicos na área. Na seção 3 é discutida a metodologia proposta: a extração de características e o classificador utilizado. Os experimentos são apresentados e discutidos na seção 4, e finalmente as conclusões são apresentadas na seção Trabalhos Relacionados Os primeiros estudos a utilizarem a Dinâmica da Digitação para identificação, aconteceram no inicio da década de 80 por [Gaines et al. 1980], em seus experimentos conduzidos por sete secretarias utilizando o método estatístico T-Tests para classificação e autenticação. Para a composição do padrão foi utilizada a latência entre dígrafos de um texto inglês, palavras e frases randômicas, obtendo 4% de FRR e 0% de FAR. Nos experimentos de [Joyce e Gupta 1990] com 33 pessoas utilizam os seguintes dados: login, senha, primeiro e ultimo nome. A característica extraída foi a latência entre duas teclas consecutivas e o uso do classificador estatístico. Oito padrões foram coletados para a formação do conjunto de treinamento e cinco padrões para o conjunto de teste obtendo 0.17% de FAR e 13.3% de FRR. [Monrose e Rubin 2000] coletaram amostras de 63 usuários, num período de 11 meses, foram extraídas as características: tempo de pressionamento e latência, utilizando classificação Bayesiana com 92,14 % de acerto. [Cavalcanti et al. 2005] utilizaram classificador estatístico, analisando as características: tempo de pressionamento e latência, a partir de 24 voluntários, resultando em um 6,04% de FRR e 0% de FAR. No trabalho de [Costa et al. 2005] foram utilizado as características: Tempo de Pressionamento e três tipos de latências entre duas teclas, intervalo de tempo até a próxima tecla ser pressionada, intervalo de tempo de pressionar duas teclas consecutivas e o intervalo de tempo para soltar duas teclas consecutivas. Utilizaram um classificador baseado em modelos ocultos de Markov (HMM) obtiveram 4,5% de EER. Um produto comercializado utilizando a Dinâmica da Digitação é o biopassword podendo ser adaptado ao sistema de login do Windows NT/2000/XP. 3. Metodologia No momento da autenticação do usuário em um sistema, algumas características podem ser obtidas da Dinâmica da Digitação como, o tempo de pressionar e soltar as teclas, e os aspectos importantes levados em considerações para obter uma boa autenticação são apresentados as seguir Base de Dados A formação do padrão da Dinâmica da Digitação é obtida através da captura do modo como o usuário digita seu nome completo, contendo no máximo quarenta caracteres. A

3 base utilizada foi adquirida do trabalho de [Cavalcanti et al. 2005], no processo de aquisição o usuário informava seu nome vinte vezes em cada momento que entrava no sistema, no total de três seções e cinco vezes no nome dos outros usuários para formação dos dados dos impostores. Como resultado desta aquisição formou um conjunto de vinte quatros classes, tendo cada classe em média 60 padrões do usuário legitimo e 50 padrões dos usuários impostores Características Extraídas As características são extraídas a partir da digitação do usuário para formação do template e posteriormente para verificação. Duas características foram extraídas durante a digitação: o tempo de pressionamento de uma tecla é pressionada e liberada e latência isto é o intervalo de tempo de soltar uma tecla e o pressionar a tecla sucessora [Silva Filho 2005]. Na Figura 1 são mostradas as características extraídas a partir da palavra IVAN. Figura 1 Características Extraídas a partir da Dinâmica da Digitação As características extraídas para formação do padrão formam o Vetor de Características (1) podendo conter o tempo de Pressionameto e latência. Exemplo na Figura1: Vetor de Características = [Itp,Vitl,Vtp,Avtl,Atp,Natl,Ntp] (1) I tp : Tempo de Pressionamento do caractere (I), isto é, tempo que o usuário leva para pressionar e solta a tecla (I), composto apenas por valores inteiros positivos. VI tl : Latência entre os caracteres (V) e (I), isto é, intervalo de tempo que o usuário leva para soltar a tecla (I) e pressionar a tecla (V), podendo conter valores positivos quanto negativos. O valor negativo acontece quando o usuário antes de solta uma tecla pressiona a tecla sucessora, isto ocorre normalmente com usuários que possui prática em digitar [Cavalcanti et al. 2005] Protótipos O protótipo é gerado a partir da Média (µ) ou Mínimo (Min) ou Máximo (Max) e desvio padrão (σ) que é calculado para cada característica (xi) do padrão, com tamanho igual a n, formado por N padrões da classe, de acordo com as seguintes equações: Máximo = Max ( x 1, x 2,..., x n ) (2) Mínimo = Min ( x1, x2,..., xn ) (3) N 1 Média (µ) = (4) x i N i= 1

4 Desvio Padrão (σ) = N 1 (5) x i µ i N 1 i= Classificador O Classificador é responsável pelo processo de decisão da autenticação. Neste artigo é utilizada a autenticação do tipo verificação, o classificador aceita ou rejeita o usuário, baseado em Critério de Separação (Limiar). O Classificador verifica a similaridade entre o padrão e o template dos protótipos, utilizando a distância padrão entre o vetor de característica do padrão e o protótipo. A distância é calculada a partir de (6): n 1 padrao D(padrão, protótipo) = i prototipo i (6) n 1 σ 3.5. Critério de Separação Um padrão é autenticado, quando a distância calculada entre os vetores de características do padrão e o template dos protótipos estiver dentro do valor do Limiar (Thershold) adotado. O critério de separação ou Limiar define duas regiões: usuários e impostores como mostrado em (7). D(padrão, protótipo) Limiar (7) O valor do limiar pode admitir duas formas [Cavalcanti et al. 2005]: assumindo o mesmo valor para todas as classes (Limiar Global) e valores de limiares independentes para cada classe (Limiar Local). Cada classe é tratada individualmente, dependendo de cada classe, pode alcançar melhores resultados e mais confiáveis à medida que o número de padrões de protótipos aumenta. 4. Experimentos i= i Os experimentos foram conduzidos a partir de 24 classes, contendo padrões do usuário legitimo e usuários impostores estes divididos em padrões em conjunto de protótipos composto por 30 padrões da classe e testes composto por 30 padrões da classe e 50 padrões impostores. O desempenho do sistema de autenticação biométrica é medido através de duas taxas de erro [Brown e Rogers 1994]. False Rejection Rate (FRR), também chamada de Erro do Tipo I, representa a percentagem de rejeitar incorretamente um usuário legitimo devida alguma variação no seu tipo normal de digitar. Este erro causa frustração, o usuário terá que voltar a digitar novamente o padrão. False Acceptance Rate (FAR), também chamada de Erro do Tipo II, representa a percentagem de aceitação incorreta do usuário não autorizado como um usuário legítimo. Este tipo de erro causa fraude. Na Figura 2 apresenta um exemplo da relação entre FRR e FAR, pode-se ressaltar três pontos importantes: o ponto ZeroFRR indica o valor do FAR quando o FRR é igual a zero. O ponto Equal Error Rate (ERR) indica o valor assumido quando FAR e FRR são iguais e o ponto ZeroFAR indica o valor de FRR quando o FAR é igual a zero.

5 Figura 2 Avaliaçao de Desempenho Inicialmente, foram analisadas combinações do vetor de características e a medida de escolhas das características dos padrões para composição do conjunto de protótipos. As características utilizadas são: somente o Tempo de Pressionamento, somente a Latência e a combinação do Tempo de Pressionamento e Latência. A escolha do tempo das características para formação do conjunto de protótipos são a média, o mínimo e o máximo dos tempos do vetor de características. Experimentos foram realizados para saber a quantidade de padrões utilizados no conjunto de protótipos e a escolha do limiar. É importante ressaltar que todos os experimentos foram realizados 30 vezes, em todos os gráficos e tabelas são mostradas as médias de cada iteração Quantidade de Padrões Experimento realizado para analisar o impacto da quantidade de padrões para formação do conjunto de protótipos, utilizando as características de Tempo de Pressionamento e a Latência, onde são usados a média, o mínimo e o máximo dos tempos das características dos padrões para formação do conjunto de protótipos. A quantidade de padrões escolhidos para formação do conjunto de protótipos é 1 e 2 a 30 com variação de 4 padrões. Figura 3 Comportamento da FRR (quando FAR = 0%) com o aumento da quantidade de padrões

6 Na Figura 3 é mostrado o comportamento da FRR com aumento da quantidade de padrões. Observa-se que os testes utilizando a média dos tempos das características obtiveram melhor desempenho. À medida que a quantidade de padrões é aumentada, a taxa de FRR é diminuída melhorando o desempenho do sistema. Os priores resultados foram obtidos utilizando o mínimo e o máximo dos tempos das características, limitando assim classificação. Como a Dinâmica da Digitação é uma característica comportamental, por exemplo, na escolha do máximo tempo das características, uma vez que o usuário demora a digitar como de costume pode prejudicar todo desempenho de sistema Limiar Um segundo experimento é verificar a eficácia do Limiar, utilizando um Limiar Local, com as características do Tempo de Pressionamento e a Latência, e usando a média de 30 padrões para a formação do conjunto de protótipos variando os valores do Limiar em três momentos: no primeiro momento seus valores estão entre zero e um, com uma variação de 0,1. A partir deste resultado pode se encontrar a concentração dos padrões, entre um limiar inferior (onde as taxas FRR=100% e FAR=0%) e um limiar superior (FRR=0% e FAR=100%), no segundo momento os testes são feitos entre um limiar inferior e limiar superior, com uma variação de 0,01, neste também são encontrados novos limiares inferior e superior para realização do último teste variando o limiar 0,001. Figura 4 Comportamento da FRR em relação a FAR com diferentes variações do Limiar (Combinação Tempo Pressionamento e Latência) Observa-se na Figura 4 que a taxa FRR é diminuida com a diminuição do Limiar, os piores resultados foram obtidos variando 0,1 tendo uma detecção sensível, onde baixo % FAR com alto % FRR. Nota-se que na Figura 4, os testes com variação 0,01 e 0,001 teve uma queda enorme da %FRR, melhorando o desempenho do sistema, e diferença entre os resultados com variação 0,01 e 0,001 obteve uma queda de quase a metade da taxa de FRR para FAR < 10%. Os resultados obtidos com a variação do Limar para FRR quando FAR = 0% podem ser vistos na tabela 1.

7 TABELA 1 Comportamento da FRR em relação a FAR com diferente variações do Limiar 4.3. Característica Tempo de Pressionamento Os experimentos utilizando apenas a característica Tempo de Pressionamento, variando entre a média, o mínimo e o máximo dos tempos das características dos padrões para formação do conjunto de protótipos. Observa-se na Figura 5, mostra que a escolha da média dos tempos das características alcançou as melhores taxa de FRR para FAR < 35% do que os resultados obtidos pelo o mínimo e o máximo dos tempos das características, tendo resultados bastante semelhantes. Um resumo contendo os melhores resultados das três configurações, usando característica keystroke duration pode ser observado na tabela 2. Obtendo o melhor resultado 8,33 % FRR e 0 % FAR Característica Latência Figura 5 Comportamento da FRR em relação a FAR (Característica: Tempo de Pressionamento) A segunda característica a ser observada é a Latência, variando entre a média, o mínimo e o máximo dos tempos das características dos padrões para formação do conjunto de protótipos. TABELA 2 FRR por configurações de teste quando FAR = 0%. Características e Seleção dos Tempos

8 Pode ser visto na Figura 6, que os melhores resultados foram obtido pela escolha da média das características com 10,42% de FRR e 0 % de FAR. Novamente os piores resultados foram encontrados com o mínimo e o máximo dos tempos de características, obtendo resultados semelhantes. Nota-se que os resultados obtidos utilizando somente a característica Tempo de Pressionamento foram um pouco melhor que na utilização somente da Latência como é mostrado na tabela 2. Figura 6 Comportamento da FRR em relação a FAR (Característica : Latência) 4.5. Combinação das Características Tempo de Pressionamento e Latência O terceiro experimento foi realizado utilizando a combinação das características Tempo de Pressionamento e Latência, variando entre a média, o mínimo e o máximo dos tempos das características dos padrões para formação do conjunto de protótipos. A finalidade da combinação é diminuir as taxas e melhorar a confiabilidade do sistema. Figura 7 Comportamentos da FRR em relação à FAR (Características: Tempo de Pressionamento e Latência) Como nos experimentos anteriores a escolha da média dos tempos das características, obteve melhores taxas de FRR para FAR < 50% do que os resultados

9 obtidos pelo o mínimo e o máximo dos tempos das características, que mais uma vez tiveram resultados bastante semelhantes, sendo vistas na Figura7. Podem-se observar na tabela 2, que os resultados realizados utilizando a combinação das características foram superiores aos resultados que utilizaram somente uma das características. A seguir serão mostrados experimentos realizados em relação a alguns aspectos da metodologia para verificar os impactos nas taxas obtida da combinação das características Tempo de Pressionamento e Latência, utilizando a seleção da média dos tempos de características para composição do conjunto de protótipos Seleção de Características Com intuito de encontrar um subconjunto a partir do vetor de características que consiga diminui as taxas de erros. Um experimento realizado selecionando N características do vetor de características com os menores desvios padrões, eliminando as características menos significantes. Como observado na Tabela 3, as taxas FRR diminuem com o aumento da quantidade de características selecionadas, entre 70 % a 90 % de características selecionadas o ganho de desempenho é pequeno, a partir deste ponto teve um pequeno aumento nas taxas de FRR. Pode-se observar que selecionando 90% das características obteve uma diminuição da taxa de FRR para 4% quando FAR=0%. TABELA 3 %FRR(FAR = 0%). Seleção de Características 5. Conclusões Neste trabalho foi apresentada uma metodologia utilizando a Dinâmica da Digitação como uma técnica biométrica para autenticação. Analisando a maneira como uma pessoa digita monitorando um teclado, e a autenticação baseiam-se no seu ritmo habitual de digitar. Além disso, é uma forma de reconhecimento não intrusivo e pode ser aplicado à segurança de sistemas. A metodologia proposta utiliza duas características da Dinâmica da Digitação: Tempo de Pressionamento e Latência. Vários experimentos foram realizados observando as mudanças em diferentes aspectos abordadas na metodologia. Comparando as características extraídas, os melhores resultados foram encontrados quando combinadas, e quando analisada separadas, o Tempo de Pressionamento obteve melhores resultado que a Latência. Na escolha do tempo das características para composição do conjunto de protótipos, os melhores resultados foram conseguidos com a utilização da média entre os tempos das características e os piores foram obtidos pelo mínimo e máximo das características. Experimento com a seleção de características que visam obter menores taxas de erro a partir da eliminação de certas características, a combinação de Tempo de Pressionamento e Latência, foi encontrado quando selecionando 90% das características. Comparando o trabalho com Cavalcanti et al. [Cavalcanti et al. 2005], foi possível melhorar as taxas para 4.44 % de FRR e 0 % de FAR. Para trabalhos futuros, pretendese combinar Dinâmica da Digitação com técnica biométrica física, onde o processo de autenticação pessoal a partir de sua característica física e comportamento.

10 7. Agradecimentos Os autores gostariam de expressar seus sinceros agradecimentos a [Cavalcanti et al. 2005] por ter disponibilizado a base de dados, sem ela não seria possível a realização do trabalho. 8. Referências Araújo, L.C.F. (2004) Uma Metodologia para Autenticação Pessoal Baseada em Dinâmica da Digitação. Universidade Estadual de Campinas. Campinas, SP. BioPassword disponível em Acessado em 5 de fevereiro, Brown, M., Rogers, S. J. (1994) A Practical Approach to User Authentication. In Proceedings of 10th Computer Security Applications Conference. p Cavalcanti, G. D. C., Pinheiro, E. H. F., Carvalho Filho, E. C. B. (2005) Um Sistema de Verificação de Identidade Pessoal Através de Dinâmica da Digitação. XXV Congresso da Sociedade Brasileira de Computação. São Leopoldo-RS. Costa, C.R.N., Yared, G.F.G., Rodrigues, R.N., Yabu-Uti, J.B.T., Violaro, F., Ling, L. L. (2005) Autenticação Biométrica via Dinâmica da Digitação em Teclados Numéricos XXII Simpósio Brasileiro de Telecomunicações SBrT 05. Campinas, SP. Gaines, R., Lisowski, W., Press, S., Shapiro, N. (1980) Authentication by keystroke timing: some Preliminary Results. Report R-256-NSF. Rand Corporation. Joyce, R., Gupta, G. (1990) Identity Authentication Based on Keystroke Latencies. Communications of the ACM. Vol 33. Issue: 2. p Magalhães, P.S., Santos, H. D. (2003) Biometria e Autenticação. IV Conferência Associação Portuguesa de Sistemas de Informação. Porto, Portugal. (Ed em CD- ROM: ISBN ). Monrose, F., Rubin, A. D. (2000) Keystroke Dynamic as a Biometric for Authentication. Journal: Security on the Web (special issue) Future Generation Computing Systems (FGCS). p Silva Filho, S.R.L. (2005) Autenticação Contínua pela Dinâmica da Digitação usando Máquinas de Comitê. Universidade Federal de Santa Catarina. Programa de Pós- Graduação em Ciência da Computação. Florianópolis, SC.