[논문 리뷰] 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 Wang외 7명|arXiv (Cornell University)|2019. 11. 08.

User Authentication and Security Systems인용 수 12

한 줄 요약

이 논문은 데스크톱, 태블릿, 스마트폰 기기에서 117명의 참가자로부터 타이핑, 보행, 스와이프 데이터를 포함하는 대규모 행동 생체인식 데이터셋 BB-MAS를 소개한다. 연구 결과, 수동 기기에서 키홀드 시간은 짧고 키 간 간격은 길어지며, 이는 교차 기기 사용자 인증 연구에 중요한 통찰을 제공한다.

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.

연구 동기 및 목표

• 지속적인 사용자 인증 연구를 위한 대규모, 다기기, 다모odal 행동 생체인식 데이터셋의 부족을 해소하기 위해.
• 동일한 사용자가 데스크톱, 태블릿, 스마트폰에서 동기화된 데이터를 수집함으로써 교차 기기 및 교차 모달 행동 생체인식 분석을 가능하게 하기 위해.
• 다기기 행동 생체인식 및 지속적 인증 시스템의 현실성 향상을 지원하기 위해 공개 가능한 기준 데이터셋을 제공하기 위해.
• 행동 생체인식에서 키보드 기능이 기기 간 어떻게 달라지는지 분석하여 기기별 모델링에 정보를 제공하기 위해.
• 대규모 다기기, 다모달 데이터 수집 캠페인에서 얻은 교훈과 방법론적 통찰을 공유하여 향후 연구를 안내하기 위해.

제안 방법

• IRB 승인과 사전 동의를 받은 117명의 참가자로부터 3개월 간 데스크톱, 태블릿, 스마트폰에서 데이터를 수집하였다.
• 3가지 행동 모달리티를 측정: 키보드 입력(고정 및 자유형 텍스트), 보행(걷기, 계단 오르내림), 터치 스와이프(수평 스크롤 및 탐색).
• 가속도계와 자이로스코프에서 원시 센서 데이터를 기록(각 기기당 5710만 건)하고, 350만 건의 키보드 이벤트와 170만 건의 스와이프 이벤트를 추출하였다.
• 모든 참가자 데이터를 고유 식별자로 익명화하고, 개인을 식별할 수 있는 정보를 모두 제거하였다.
• 각 모달리티와 기기별로 표준 행동 생체인식 기능(예: 키홀드 시간, 키 간 간격, 보행 사이클 지속시간, 스와이프 속도)을 추출하였다.
• DOI를 통해 데이터셋을 공개하여 원시 데이터, 추출된 기능, 상세 메타데이터를 포함하여 재현성과 재사용을 지원하였다.

실험 결과

연구 질문

• RQ1 동일한 개인이 데스크톱, 태블릿, 스마트폰에서 키홀드 시간과 키 간 간격과 같은 키보드 기능이 어떻게 달라지는가?
• RQ2 한 기기(예: 데스크톱)에서의 행동 생체인식 패턴이 다른 기기(예: 스마트폰 또는 태블릿)로 일반화될 수 있는 정도는 어느 정도인가?
• RQ3 다른 기기와 사용자 집단 간 보행과 스와이프 상호작용의 구분되는 행동 패턴은 무엇인가?
• RQ4 행동 생체인식 기능의 분포가 기기 간 어떻게 다를지, 이는 교차 기기 인증 시스템에 어떤 영향을 미치는가?
• RQ5 대규모 다모달, 다기기 행동 생체인식 데이터 수집 시 발생하는 방법론적 과제는 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 수동 기기(태블릿 및 스마트폰)에서 키홀드 시간이 데스크톱보다 유의미하게 짧아, 빠른 키 누름 지속시간을 나타낸다.
• 키 간 간격은 수동 기기에서 데스크톱보다 항상 더 크며, 이는 모바일 기기에서 더 느린 타이핑 리듬을 의미한다.
• 이 데이터셋에는 약 350만 건의 키보드 이벤트, 기기당 5710만 건의 가속도계 및 자이로스코프 데이터 포인트, 170만 건의 스와이프 이벤트가 포함되어 있어, 다기기 행동 생체인식 데이터셋 중 가장 대규모 중 하나이다.
• 기기 간 키보드 기능의 변동성은 입력 방식의 차이(예: 두 손가락 타이핑 대비 열 손가락 타이핑)에 기인할 가능성이 높다.
• BB-MAS 데이터셋은 동일한 사용자가 데스크톱, 태블릿, 스마트폰에서 동기화된 타이핑, 보행, 스와이프 데이터를 포함하는 최초의 공개 가능한 데이터셋이다.
• 이 데이터셋은 교차 기기 행동 생체인식 분야의 새로운 연구 방향을 가능하게 하며, 지속적 인증을 위한 다모달 융합 및 교차 기기 사용자 식별에 기여한다.