[논문 리뷰] Effect of context in swipe gesture-based continuous authentication on smartphones

Pekka Siirtola, Jukka Komulainen외 1명|arXiv (Cornell University)|2019. 05. 28.

User Authentication and Security Systems인용 수 8

한 줄 요약

이 연구는 스마트폰에서 스와이프 제스처를 이용한 컨텍스트 인식 지속적 인증을 조사하며, 전화 사용(읽기 대비 탐색)과 신체 활동(앉아 있는 것 대비 걷기)이 모두 인증 성능에 유의미한 영향을 미친다는 것을 보여준다. 연구는 컨텍스트별 모델을 제안하며, 정지 중 사용자에게는 터치 기반 특징만으로도 충분히 높은 성능을 달성함을 보이고, 이동 중에는 터치 및 동작 특징의 융합이 정확도를 향상시켜 걷기 시나리오에서 등가오류률(EER)을 21.3%에서 7.0%로 감소시킴으로써 성능 향상을 입증한다.

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.

연구 동기 및 목표

• 전화 사용 및 신체 활동 컨텍스트가 스와이프 제스처 기반 지속적 인증에 미치는 영향을 조사하는 것.
• 일반 모델 대비 컨텍스트별 모델이 인증 정확도를 향상시키는지 확인하는 것.
• 다양한 신체 활동 상태에서 가속도계 데이터(전화 이동)의 기여도를 평가하는 것.
• 컨텍스트에 기반한 최적의 특징 융합 전략(터치 대비 동작 대비 융합)을 규명하는 것.

제안 방법

• 연구는 100명의 참가자가 읽기 및 탐색 작업 중에 앉아 있고 걷는 동안 스와이프 제스처를 수행한 공개된 HMOG 데이터셋을 사용한다.
• 터치스크린(x, y, 압력) 및 가속도계(x, y, z) 신호에서 총 211개의 특징을 추출하며, 평균, 분산, 백분위수, 속도, 방향, 형태 관련 특징 등이 포함된다.
• 주성분 분석과 혼합 가우시안 모델을 사용하여 다양한 컨텍스트 간 특징 분포를 시각화하고 분석한다.
• 이상 탐지에선 테스트 데이터와 동일한 시나리오에서 학습된 컨텍스트별 모델을 사용한다.
• 교차 시나리오 테스트는 한 컨텍스트에서 학습하고 다른 컨텍스트에서 테스트하여 모델의 일반화 능력을 평가한다.
• 등가오류률(EER)은 다양한 컨텍스트 조합 간 모델 성능 비교를 위한 주요 성능 지표로 사용된다.

실험 결과

연구 질문

• RQ1 전화 사용 컨텍스트(읽기 대비 탐색)가 스와이프 제스처 기반 지속적 인증 성능에 어떤 영향을 미치는가?
• RQ2 신체 활동 컨텍스트(앉아 있는 것 대비 걷기)가 가속도계 기반 특징의 지속적 인증 효과성에 어떤 영향을 미치는가?
• RQ3 터치스크린 및 가속도계 특징을 융합하면 인증 정확도가 향상되는가? 어떤 조건에서 그런가?
• RQ4 컨텍스트별 모델이 일반 모델 대비 인증 오류를 유의미하게 줄일 수 있는가?
• RQ5 교차 시나리오 테스트에서의 성능 저하는 컨텍스트 인식 모델링의 필요성을 시사하는가?

주요 결과

• 컨텍스트별 모델은 앉아서 읽기 시나리오(S1)에서 EER을 21.3%에서 11.7%로 감소시키며, 걷기 중 읽기 시나리오(S2)에선 15.8%에서 7.0%로 감소시켜 뚜렷한 성능 향상을 보였다.
• 앉아 있는 시나리오에서의 최고 EER(11.7%)는 터치스크린 특징만으로 달성되었으며, 이는 사용자가 정지해 있을 땐 동작 데이터가 추가로 도움이 되지 않는다는 것을 시사한다.
• 걷기 시나리오에서의 최고 EER(7.0%)는 터치 및 동작 특징의 융합을 통해 달성되었으며, 이는 이동 중에 동작 데이터가 성능 향상에 기여한다는 것을 보여준다.
• 교차 시나리오 테스트는 심각한 성능 저하를 드러내며, 읽기 중 걷기 시나리오(S2)에서가 아니라 탐색 중 걷기 시나리오(S4)에서 학습할 경우 EER이 7.0%에서 20.9%로 상승함으로써 사용 컨텍스트의 중요성을 강조한다.
• 전화 사용 컨텍스트가 신체 활동 컨텍스트보다 EER에 더 큰 영향을 미치며, 이는 앉아 있는 시나리오에서 학습할 경우 EER이 7.0%에서 12.2%로 상승하는 것으로 확인된다.
• 탐색 작업에서 수평 스와이프를 제거하면 EER이 21.5%에서 17.2%로 감소하며, 이는 수직 스와이프가 더 많은 분류 가능한, 개인별 특성 패턴을 담고 있음을 시사한다.