[论文解读] FMCode: A 3D In-the-Air Finger Motion Based User Login Framework for Gesture Interface

Duo Lu, Dijiang Huang|arXiv (Cornell University)|Aug 1, 2018

User Authentication and Security Systems参考文献 41被引用 5

一句话总结

FMCode 是一种基于空中三维手指动作的用户登录框架，通过独特的书写类手势实现手势界面中的安全认证。通过在惯性传感器或深度传感器数据上应用支持向量机（SVM）和深度神经网络，其等错误率（EER）达到0.1%，准确率达到96.7%，在可用性和防欺骗能力方面优于现有系统。

ABSTRACT

Applications using gesture-based human-computer interface require a new user login method with gestures because it does not have a traditional input method to type a password. However, due to various challenges, existing gesture-based authentication systems are generally considered too weak to be useful in practice. In this paper, we propose a unified user login framework using 3D in-air-handwriting, called FMCode. We define new types of features critical to distinguish legitimate users from attackers and utilize Support Vector Machine (SVM) for user authentication. The features and data-driven models are specially designed to accommodate minor behavior variations that existing gesture authentication methods neglect. In addition, we use deep neural network approaches to efficiently identify the user based on his or her in-air-handwriting, which avoids expansive account database search methods employed by existing work. On a dataset collected by us with over 100 users, our prototype system achieves 0.1% and 0.5% best Equal Error Rate (EER) for user authentication, as well as 96.7% and 94.3% accuracy for user identification, using two types of gesture input devices. Compared to existing behavioral biometric systems using gesture and in-air-handwriting, our framework achieves the state-of-the-art performance. In addition, our experimental results show that FMCode is capable to defend against client-side spoofing attacks, and it performs persistently in the long run. These results and discoveries pave the way to practical usage of gesture-based user login over the gesture interface.

研究动机与目标

• 解决缺乏传统输入设备的基于手势界面中安全且易用的认证方法的问题。
• 克服基于手势认证中的挑战，包括动作变异、信号保真度低以及用户识别效率低下等问题。
• 设计一种系统，支持用户认证与识别，而无需依赖耗时的数据库全量搜索。
• 通过融合基于秘密的口令与行为生物特征，提升安全性，以抵御欺骗攻击和生物特征泄露。
• 实现在无接触环境（如手术室和虚拟现实应用）中的实际部署。

提出的方法

• FMCode 通过可穿戴惯性传感器或三维深度摄像头捕捉用户在空中书写自定义ID和口令时的三维指尖运动。
• 提取对个体书写行为敏感的区分性运动特征，包括时间动态、空间轨迹和速度变化。
• 使用支持向量机（SVM）基于学习到的手势模式对用户进行分类与认证。
• 采用深度神经网络将输入手势高效映射到用户身份，避免昂贵的全数据库比对。
• 系统采用双阶段设计：第一阶段通过嵌入式嵌入模型进行用户识别；第二阶段通过个性化模板的SVM进行验证。
• FMCode 设计用于容忍轻微的行为变化，并在长期使用中保持性能，即使用户行为出现长期漂移也具有鲁棒性。

实验结果

研究问题

• RQ1 基于空中三维手指动作的系统是否能在不依赖传统输入方式的情况下，实现高准确率和低错误率的用户认证？
• RQ2 基于手势的认证系统如何在不进行全数据库搜索的情况下高效识别用户？
• RQ3 从空中书写的动作生物特征在多大程度上能有效区分合法用户与攻击者？
• RQ4 在欺骗攻击下，系统表现如何，特别是客户端重放或模仿攻击？
• RQ5 尽管用户行为存在自然变化，系统是否能在长期使用中保持一致的性能？

主要发现

• FMCode 在使用三维深度摄像头时，用户认证的最佳等错误率（EER）达到0.1%，使用惯性传感器时为0.5%，表明其具有高准确率和低误接受/误拒绝率。
• 系统在使用三维深度摄像头时用户识别准确率达到96.7%，使用惯性传感器时为94.3%，表明其在大规模用户索引中表现强劲。
• FMCode 有效防御客户端欺骗攻击，对重放和模仿攻击均表现出强韧性。
• 该框架在长时间使用中保持一致性能，表明其对用户手势的长期行为漂移具有鲁棒性。
• 通过深度学习实现用户识别，消除了对全数据库搜索的需求，显著提升了效率，优于传统模板匹配方法。
• 与现有基于空中书写或手势的行为生物特征系统相比，FMCode 在准确率和实际部署可行性方面均表现更优。