[論文レビュー] HMOG: New Behavioral Biometric Features for Continuous Authentication of Smartphone Users

Zdeňka Sitová, Jaroslav Šeděnka+5 more|arXiv (Cornell University)|Jan 6, 2015

User Authentication and Security Systems参考文献 51被引用数 5

ひとこと要約

本論文は、スマートフォンの加速度計、ジャイロスコープ、磁力計データから得られる、手の動き、姿勢、握り方の3つの行動バイオメトリクス的特徴（HMOG）から成る、新しいセットを提案する。この特徴は、タイピング中の微小な動きや姿勢のダイナミクスを捉えることで、歩行中の等誤差率（EER）が7.16％まで低下する連続的ユーザー認証を実現し、16Hzのサンプリングレートで7.9％のエネルギー消費増加に抑えられる。

ABSTRACT

We introduce Hand Movement, Orientation, and Grasp (HMOG), a set of behavioral features to continuously authenticate smartphone users. HMOG features unobtrusively capture subtle micro-movement and orientation dynamics resulting from how a user grasps, holds, and taps on the smartphone. We evaluated authentication and biometric key generation (BKG) performance of HMOG features on data collected from 100 subjects typing on a virtual keyboard. Data was collected under two conditions: sitting and walking. We achieved authentication EERs as low as 7.16% (walking) and 10.05% (sitting) when we combined HMOG, tap, and keystroke features. We performed experiments to investigate why HMOG features perform well during walking. Our results suggest that this is due to the ability of HMOG features to capture distinctive body movements caused by walking, in addition to the hand-movement dynamics from taps. With BKG, we achieved EERs of 15.1% using HMOG combined with taps. In comparison, BKG using tap, key hold, and swipe features had EERs between 25.7% and 34.2%. We also analyzed the energy consumption of HMOG feature extraction and computation. Our analysis shows that HMOG features extracted at 16Hz sensor sampling rate incurred a minor overhead of 7.9% without sacrificing authentication accuracy. Two points distinguish our work from current literature: 1) we present the results of a comprehensive evaluation of three types of features (HMOG, keystroke, and tap) and their combinations under the same experimental conditions, and 2) we analyze the features from three perspectives (authentication, BKG, and energy consumption on smartphones).

研究の動機と目的

• PINや指紋などの従来のワンタイム認証手法にはスプーフィングやサイドチャネル攻撃の脆弱性があるため、それらの限界を解消すること。
• 特に歩行のような動的条件下でも、タイピングなどの一般的なスマートフォン利用行動における連続的認証を可能にすること。
• 手の動き、姿勢、握り方のダイナミクスにおける個人差を、目に見えない形で捉える新しい行動バイオメトリクス的特徴の開発。
• 認証精度、バイオメトリクスキー生成（BKG）性能、モバイルデバイスにおけるエネルギー消費という3つの重要な次元でHMOGを評価すること。
• 実際の展開を想定した、センサーサンプリングレート、認証精度、エネルギー効率の間のトレードオフを分析すること。

提案手法

• HMOG特徴は、スマートフォン利用中に収集された原始的な加速度計、ジャイロスコープ、磁力計データから抽出される。
• 本手法は、2種類の特徴を区別する：抵抗特徴（タップ力に対する微小な動きの測定）と安定性特徴（運動および姿勢の摂動の減衰の測定）。
• 人体の把持行動の原則に基づき、合計96個のHMOG特徴が設計され、安定的握り方と正確な握り方のダイナミクスを含む。
• 特徴統合では、HMOGとタップおよびキーストローク動的特徴を重み付き組み合わせることで認証性能を向上させる。
• バイオメトリクスキー生成（BKG）は、ユーザー内変動を扱うためにコミットメントとエラー訂正符号を用いて実施される。
• エネルギー消費は、実際のスマートフォンハードウェアを用いて、さまざまなサンプリングレート（例：16Hz）におけるセンサーサンプリングおよび特徴抽出のオーバーヘッドを測定することで評価された。

実験結果

リサーチクエスチョン

• RQ1 HMOG特徴は、歩行中の認証精度向上に、従来の行動バイオメトリクス的特徴と比較してどの程度有効であるか？
• RQ2 歩行の動きが、HMOG特徴の特徴的差異と信頼性に及ぼす影響は何か？
• RQ3 HMOGはバイオメトリクスキー生成（BKG）においてどの程度の性能を示し、タップおよびスワイプベースのBKGと比較して誤差率はどの程度か？
• RQ4 スマートフォン上で、さまざまなセンサーサンプリングレートにおけるHMOG特徴の収集および処理に要するエネルギーオーバーヘッドはどれくらいか？
• RQ5 実際の展開において、センサーサンプリングレート、認証精度、エネルギー消費の間にはどのようなトレードオフがあるか？

主な発見

• HMOGは、歩行中のタップおよびキーストローク特徴と組み合わせた場合、認証の等誤差率（EER）が7.16％に低下し、座っている状態では10.05％に低下した。これは、個々の特徴セットに比べて顕著な改善を示している。
• HMOG、タップ、キーストローク特徴の統合により、歩行時のEERは8.53％に低下し、座っている状態では11.41％に低下した。これは、相乗効果による性能向上を示している。
• バイオメトリクスキー生成（BKG）において、HMOGとタップを組み合わせた場合、EERは15.1％に低下した。これは、タップのみ（25.7％）やスワイプのみ（34.2％）のBKG方式を上回る性能を示している。
• HMOG特徴は特に歩行時に顕著で、タップに起因する微小な動きと、歩行に伴う特徴的な体の動きの両方を捉えていた。
• 16Hzのサンプリングレートで特徴抽出を実施した場合、エネルギー消費増加はわずか7.9％に抑えられ、エネルギー制限のあるモバイルデバイスに非常に適していることが示された。
• 本研究は、スマートフォンにおける連続的認証の文脈で、センサーサンプリングレート、認証精度、エネルギー消費の関係を体系的に分析した最初の研究である。