[论文解读] 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 4

一句话总结

本文提出了TeSLA系统，这是一种基于生物识别的在线教育信任框架，可增强在线教育中的身份认证与欺诈检测。通过整合多模态生物识别技术与行为分析，TeSLA提升了远程评估中的信任度，在试点研究中显示出用户接受度高且在真实场景中有效检测欺诈行为。

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.

研究动机与目标

• 解决远程教育环境中在线评估信任问题这一关键挑战。
• 开发并验证一种全面的生物识别身份认证系统，以验证电子评估中的身份与原创性。
• 通过在真实教育环境中大规模试点测试，评估TeSLA系统的可用性与有效性。
• 识别用户对系统在在线考试期间检测欺诈行为性能的感知与评价。

提出的方法

• TeSLA系统采用多模态生物识别分析，包括面部识别、语音验证以及打字模式和鼠标动态等行为生物识别技术。
• 利用机器学习模型分析并认证在线评估期间的用户行为，检测表明身份冒用或作弊的异常情况。
• 系统集成活体检测功能，防止使用照片、视频或3D面具等欺骗攻击。
• 通过信任评分机制，根据生物识别一致性与行为模式评估每次评估会话的真实性。
• 试点测试在多个机构开展，包括索非亚技术大学，真实学生与教师参与了真实的评估场景。
• 通过分析问卷调查与系统日志数据，评估用户接受度、系统准确率及欺诈检测性能。

实验结果

研究问题

• RQ1 TeSLA系统在在线评估期间验证学生身份与原创性的有效性如何？
• RQ2 学生与教师在使用TeSLA系统时，其用户接受度与感知信任水平如何？
• RQ3 TeSLA系统在多大程度上能够检测到远程考试中的欺诈行为，如身份冒用或作弊？
• RQ4 多模态生物识别信号如何提升电子评估系统的可靠性？

主要发现

• 在受控测试环境中，TeSLA系统在区分真实用户与冒名顶替者方面表现出高准确率。
• 试点参与者对系统确保在线评估公平性与完整性的能力表现出高度信心。
• 行为生物识别技术的整合显著提升了考试期间异常用户行为的检测能力。
• 活体检测机制有效防止了常见的欺骗攻击，如使用录制视频或图像的重放攻击。
• 问卷调查结果表明，学生与教师均认为该系统在真实测试场景中可靠且不具侵扰性。