[論文レビュー] Effect of context in swipe gesture-based continuous authentication on smartphones

Pekka Siirtola, Jukka Komulainen+1 more|arXiv (Cornell University)|May 28, 2019

User Authentication and Security Systems被引用数 8

ひとこと要約

本研究では、スマートフォンでのスワイプジェスチャーを用いたコンテキスト対応連続認証について調査し、電話使用状況（読書対比ナビゲーション）と身体的活動状況（座っている対比歩行）が認証性能に顕著に影響することを示している。コンテキストに特化したモデルを提案し、静止状態のユーザーではタッチのみの特徴で十分であることを示し、移動中のユーザーではタッチとモーション特徴の融合により性能が向上し、等誤差率（EER）を歩行状況で21.3％から7.0％に低下させた。

ABSTRACT

This work investigates how context should be taken into account when performing continuous authentication of a smartphone user based on touchscreen and accelerometer readings extracted from swipe gestures. The study is conducted on the publicly available HMOG dataset consisting of 100 study subjects performing pre-defined reading and navigation tasks while sitting and walking. It is shown that context-specific models are needed for different smartphone usage and human activity scenarios to minimize authentication error. Also, the experimental results suggests that utilization of phone movement improves swipe gesture-based verification performance only when the user is moving.

研究の動機と目的

• 電話使用状況と身体的活動状況のコンテキストがスワイプジェスチャーを用いた連続認証に与える影響を調査すること。
• 一般モデルと比較して、コンテキストに特化したモデルが認証精度を向上させるかどうかを特定すること。
• 異なる身体的活動状態における加速度計データ（電話の動き）の貢献度を評価すること。
• コンテキストに基づいた最適な特徴融合戦略（タッチ対モーション対統合）を同定すること。

提案手法

• 本研究では、100名の被験者が読書およびナビゲーションのタスクを実行しながら、座っている状態と歩行している状態でスワイプジェスチャーを実行した、公開済みのHMOGデータセットを用いる。
• スクリーンタッチ（x, y, 圧力）および加速度計（x, y, z）信号から、平均、分散、百分位数、速度、方向、形状関連特徴を含む、合計211の特徴量を抽出する。
• 主成分分析とガウス混合モデルを用いて、異なるコンテキストにおける特徴量の分布を可視化および分析する。
• 異常検知は、テストデータと同一のシナリオのデータで学習されたコンテキスト特化モデルを用いて実施する。
• クロスシナリオテストでは、あるコンテキストで学習し、別のコンテキストでテストすることで、モデルの汎化性能を評価する。
• 等誤差率（EER）を主な性能指標として用い、異なるコンテキストの組み合わせにおけるモデルの比較を行う。

実験結果

リサーチクエスチョン

• RQ1 電話使用状況（読書対比ナビゲーション）がスワイプジェスチャーを用いた連続認証の性能に与える影響は何か？
• RQ2 身体的活動状況（座っている対比歩行）が、加速度計に基づく特徴の連続認証における有効性に与える影響は何か？
• RQ3 タッチスクリーンと加速度計の特徴を統合することで認証精度が向上するか？また、どのような条件下で向上するか？
• RQ4 コンテキスト特化モデルは、一般モデルと比較して認証誤差を顕著に低減できるか？
• RQ5 クロスシナリオテストにおける性能低下は、コンテキスト対応モデリングの必要性を示唆しているか？

主な発見

• コンテキスト特化モデルにより、座っている状態での読書（S1）では等誤差率（EER）が21.3％から11.7％に低下し、歩行中の読書（S2）では15.8％から7.0％に低下し、顕著な性能向上が確認された。
• 座っている状態の最良のEER（11.7％）は、タッチスクリーン特徴のみで達成され、ユーザーが静止している間はモーションデータが追加の利点をもたらさないことを示している。
• 歩行中の最良のEER（7.0％）は、タッチとモーション特徴の統合によって達成され、モーションデータが移動中における性能向上に寄与することを示している。
• クロスシナリオテストでは顕著な性能低下が観察された—ナビゲーション中の歩行（S4）で学習した場合、EERは7.0％から20.9％に上昇し、使用状況コンテキストの重要性が浮き彫りになった。
• 電話使用状況が物理的活動状況よりもEERに強い影響を与えることが示唆された—座っている状態で学習した場合、EERは7.0％から12.2％に上昇した。
• ナビゲーションタスクから水平スワイプを除外することで、EERは21.5％から17.2％に低下し、垂直スワイプにより判別性の高い、個人に特化したパターンが含まれていることが示された。