[論文レビュー] Enhancing Trust in eAssessment - the TeSLA System Solution

Malinka Ivanova, Sushil Bhattacharjee+3 more|arXiv (Cornell University)|May 13, 2019

User Authentication and Security Systems参考文献 24被引用数 4

ひとこと要約

本論文では、オンライン教育における認証および不正検出を強化する、バイオメトリクスに基づく信頼フレームワークであるTeSLAシステムを提示する。マルチモーダルバイオメトリクスと行動分析を統合することで、TeSLAはリモート評価における信頼性を向上させ、パイロット研究では実世界の環境でも高いユーザー受容性と効果的な不正検出が確認された。

ABSTRACT

Trust in eAssessment is an important factor for improving the quality of online-education. A comprehensive model for trust based authentication for eAssessment is being developed and tested within the score of the EU H2020 project TeSLA. The use of biometric verification technologies to authenticate the identity and authorship claims of individual students in online-education scenarios is a significant component of TeSLA. Technical Univerity of Sofia (TUS) Bulgaria, a member of TeSLA consortium, participates in large-scale pilot tests of the TeSLA system. The results of questionnaires to students and teachers involved in the TUS pilot tests are analyzed and summarized in this work. We also describe the TeSLA authentication and fraud-detection instruments and their role for enhancing trust in eAssessment.

研究の動機と目的

• リモート教育環境におけるオンライン評価における信頼性の課題を解決すること。
• eAssessmentにおける本人確認と著作者確認を両立する包括的なバイオメトリクス認証システムの開発と検証すること。
• 実際の教育現場での大規模なパイロットテストを通じて、TeSLAシステムの使いやすさと有効性を評価すること。
• オンライン試験中に不正行動を検出する際のユーザーの認識とシステムのパフォーマンスを特定すること。

提案手法

• TeSLAシステムは、顔認識、音声認証、およびタイピングパターンやマウス操作の動作バイオメトリクスを含むマルチモーダルバイオメトリクス分析を採用している。
• 機械学習モデルを用いて、オンライン評価中のユーザー行動を分析・認証し、すり替えや不正行為を示す兆候となる異常を検出する。
• スクリーンショットや3次元マスクを使用したスプーフィング攻撃を防ぐために、ライブネス検出機能を統合している。
• バイオメトリクスの一貫性と行動パターンに基づいて、各評価セッションの真正性を評価する信頼スコアリングメカニズムを採用している。
• テクニカル・ユニバーシティ・オブ・ソフィアを含む複数の教育機関でパイロットテストを実施し、実際の学生と教員が本物の評価シナリオに参加した。
• アンケートとシステムログからのデータを分析し、ユーザー受容性、システムの正確性、不正検出パフォーマンスを評価した。

実験結果

リサーチクエスチョン

• RQ1 TeSLAシステムは、オンライン評価中の学生の本人確認および著作者確認において、どの程度効果的か？
• RQ2 学生および教員がTeSLAシステムを使用する際、どの程度の受容性と信頼感を抱いているか？
• RQ3 TeSLAシステムは、リモート試験におけるすり替えや不正行為をどの程度効果的に検出できるか？
• RQ4 マルチモーダルバイオメトリクス信号は、eAssessmentシステムの信頼性をどのように向上させるか？

主な発見

• 制御されたテスト環境において、TeSLAシステムは本人とすり替え者の区別を高い正確性で実現した。
• パイロット参加者は、TeSLAシステムがオンライン評価の公平性と整合性を確保できると強く信頼していた。
• 行動バイオメトリクスの統合により、試験中の異常なユーザー行動の検出が顕著に向上した。
• ライブネス検出メカニズムは、録画された動画や画像を用いたリプレイ攻撃などの一般的なスプーフィング攻撃を効果的に防止した。
• アンケート結果から、学生および教員の両方が、実世界の試験シナリオにおいて、システムが信頼性が高く、干渉的ではないと認識していた。