[論文レビュー] Insights from BB-MAS -- A Large Dataset for Typing, Gait and Swipes of the Same Person on Desktop, Tablet and Phone

Amith K. Belman, Li Wang+7 more|arXiv (Cornell University)|Nov 8, 2019

User Authentication and Security Systems被引用数 12

ひとこと要約

本論文は、デスクトップ、タブレット、スマートフォンの3つのデバイスで、117名の参加者から得たタイピング、歩行、スワイプのデータを含む大規模な行動バイオメトリクスデータセットBB-MASを紹介する。研究では、ハンドヘルドデバイスではキーホールド時間が短く、キーリタレンスが長くなる傾向があることが明らかになった。これは、クロスデバイスのユーザー認証研究において重要な知見を提供する。

ABSTRACT

Behavioral biometrics are key components in the landscape of research in continuous and active user authentication. However, there is a lack of large datasets with multiple activities, such as typing, gait and swipe performed by the same person. Furthermore, large datasets with multiple activities performed on multiple devices by the same person are non-existent. The difficulties of procuring devices, participants, designing protocol, secure storage and on-field hindrances may have contributed to this scarcity. The availability of such a dataset is crucial to forward the research in behavioral biometrics as usage of multiple devices by a person is common nowadays. Through this paper, we share our dataset, the details of its collection, features for each modality and our findings of how keystroke features vary across devices. We have collected data from 117 subjects for typing (both fixed and free text), gait (walking, upstairs and downstairs) and touch on Desktop, Tablet and Phone. The dataset consists a total of about: 3.5 million keystroke events; 57.1 million data-points for accelerometer and gyroscope each; 1.7 million data-points for swipes; and enables future research to explore previously unexplored directions in inter-device and inter-modality biometrics. Our analysis on keystrokes reveals that in most cases, keyhold times are smaller but inter-key latencies are larger, on hand-held devices when compared to desktop. We also present; detailed comparison with related datasets; possible research directions with the dataset; and lessons learnt from the data collection.

研究の動機と目的

• 継続的ユーザー認証研究における大規模でマルチデバイス、マルチモダリティの行動バイオメトリクスデータセットの不足を解消すること。
• 同じユーザーがデスクトップ、タブレット、スマートフォンで同期されたデータを収集することで、クロスデバイスおよびクロスモダリティの行動バイオメトリクス分析を可能にすること。
• 公開可能なベンチマークデータセットを提供し、デバイス間行動バイオメトリクスの研究を支援するとともに、継続的認証システムの現実性を高めること。
• キーストローク特徴量がどのように異なるデバイス間で変化するかを分析し、行動バイオメトリクスにおけるデバイス固有のモデリングに役立てる。
• 大規模かつマルチデバイス・マルチモダリティのデータ収集キャンペーンから得た教訓とメソドロジカルな知見を共有し、今後の研究を支援する。

提案手法

• IRB承認と同意書取得のもと、3か月間にわたり117名の参加者から、デスクトップ、タブレット、スマートフォンの3デバイスでデータ収集を実施した。
• 3つの行動モダリティを記録した：キーストローク（固定テキストおよび自由入力）、歩行（歩行、上り坂、下り坂）、タッチスワイプ（水平スクロールおよびナビゲーション）。
• 加速度計およびジャイロスコープからの生データ（各5710万点）を記録し、350万件のキーストロークイベントと170万件のスワイプイベントを抽出した。
• 全参加者のデータを一意のIDで匿名化し、個人を特定できる情報をすべて削除した。
• 各モダリティおよびデバイスごとに、標準的な行動バイオメトリクス特徴量（例：キーホールド時間、キーリタレンス、歩行サイクル期間、スワイプ速度）を抽出した。
• DOIを介してデータセットを公開し、生データ、抽出された特徴量、詳細なメタデータを含め、再現性と再利用性を確保した。

実験結果

リサーチクエスチョン

• RQ1 同じ個人において、デスクトップ、タブレット、スマートフォンでのキーストローク特徴量（キーホールド時間、キーリタレンスなど）はどのように異なるか？
• RQ2 あるデバイス（例：デスクトップ）の行動バイオメトリクスパターンが、他のデバイス（例：スマートフォンやタブレット）にどの程度一般化可能か？
• RQ3 異なるデバイスおよびユーザー群における歩行およびスワイプ行動の特徴的なパターンは何か？
• RQ4 行動バイオメトリクス特徴量の分布がデバイス間でどのように異なるか、そしてクロスデバイス認証システムにどのような影響を及えるか？
• RQ5 大規模なマルチモダリティ・マルチデバイス行動バイオメトリクスデータ収集において、どのようなメソドロジカルな課題が生じ、それらをどのように軽減できるか？

主な発見

• ハンドヘルドデバイス（タブレットおよびスマートフォン）では、キーホールド時間がデスクトップと比較して顕著に短く、キーストロークの押下時間が短いことが示された。
• キーリタレンスは、ハンドヘルドデバイスでデスクトップよりも一貫して長く、モバイルデバイスではタイプのリズムが遅いことが示唆された。
• 本データセットには約350万件のキーストロークイベント、各デバイスあたり5710万点の加速度計およびジャイロスコープデータポイント、170万件のスワイプイベントが含まれており、これはマルチデバイス行動バイオメトリクスデータセットとしては非常に大規模なものの一つである。
• キーストローク特徴量のデバイス間でのばらつきは、入力方法の違い（例：2手指で入力 vs. 10手指で入力）に起因している可能性が高い。
• BB-MASは、同じユーザーがデスクトップ、タブレット、スマートフォンで同期されたタイピング、歩行、スワイプデータを含む、初めての公開可能なデータセットである。
• 本データセットは、デバイス間行動バイオメトリクス分野における新たな研究分野を可能にし、クロスデバイスユーザー識別や継続的認証のためのマルチモダリティ統合に関する研究を促進する。