[论文解读] WristAuthen: A Dynamic Time Wrapping Approach for User Authentication by Hand-Interaction through Wrist-Worn Devices

Qi Lyu, Zhifeng Kong+2 more|arXiv (Cornell University)|Oct 22, 2017

User Authentication and Security Systems参考文献 8被引用 4

一句话总结

该论文提出WristAuthen，一种利用可穿戴设备上的加速度计和陀螺仪数据，通过动态时间规整（DTW）与Savitzky-Golay滤波技术，对书写交互行为进行分析的用户认证系统。该系统在无需伪造签名数据的情况下，实现了高精度（AUC = 0.983，FRR = 1.78%，FAR = 6.7%）的实时行为生物特征认证，具备出色的鲁棒性。

ABSTRACT

The growing trend of using wearable devices for context-aware computing and pervasive sensing systems has raised its potentials for quick and reliable authentication techniques. Since personal writing habitats differ from each other, it is possible to realize user authentication through writing. This is of great significance as sensible information is easily collected by these devices. This paper presents a novel user authentication system through wrist-worn devices by analyzing the interaction behavior with users, which is both accurate and efficient for future usage. The key feature of our approach lies in using much more effective Savitzky-Golay filter and Dynamic Time Wrapping method to obtain fine-grained writing metrics for user authentication. These new metrics are relatively unique from person to person and independent of the computing platform. Analyses are conducted on the wristband-interaction data collected from 50 users with diversity in gender, age, and height. Extensive experimental results show that the proposed approach can identify users in a timely and accurate manner, with a false-negative rate of 1.78\%, false-positive rate of 6.7\%, and Area Under ROC Curve of 0.983 . Additional examination on robustness to various mimic attacks, tolerance to training data, and comparisons to further analyze the applicability.

研究动机与目标

• 开发一种基于可穿戴设备行为生物特征的实时、高精度用户认证系统。
• 解决在不依赖标记伪造样本的情况下，基于精细书写交互模式区分用户的问题。
• 提升可穿戴设备认证系统对模仿攻击与欺骗攻击的鲁棒性。
• 基于用户书写运动动态特性，构建与平台无关的唯一性度量指标。

提出的方法

• 在用户书写预设词语时，采集可穿戴设备上的加速度计与陀螺仪运动数据。
• 应用Savitzky-Golay滤波对原始传感器信号进行平滑处理，提取高保真度的运动特征。
• 使用动态时间规整（DTW）对书写动作的时间序列进行对齐与比较，以应对速度与时间上的差异。
• 从每个运动维度中提取54个统计特征与频域特征，额外增加峰值（Peak）与距离（Dis）特征以增强区分能力。
• 采用Lasso正则化方法减少特征冗余，选择最具信息量的特征。
• 仅使用真实书写样本进行分类器训练，实现无需预先提供伪造数据的自动伪造检测。

实验结果

研究问题

• RQ1 可穿戴设备在书写交互过程中采集的传感器数据，能否生成独特且具有区分度的行为生物特征签名？
• RQ2 动态时间规整在对变速书写动作进行对齐以实现用户认证方面效果如何？
• RQ3 仅基于真实样本进行训练的系统，能否在未提供显式负样本的情况下检测伪造输入？
• RQ4 与SVM等传统分类器相比，该方法在应对分布外输入时的鲁棒性如何？
• RQ5 该系统在模仿攻击与数据变异攻击下的性能表现如何？

主要发现

• 所提系统AUC达到0.983，表明对真实与伪造尝试具有极强的判别能力。
• 假阴性率（FNR）为1.78%，假阳性率（FPR）为6.7%，展现出用户识别的高精度。
• 即使在δ=0.62的阈值下，系统仍能以94%的真正例率（TPR）完全阻止所有攻击，表现出对模仿攻击的强鲁棒性。
• 在所有攻击场景下，系统在保守阈值下保持100%的FPR，证明对欺骗攻击具有极强的抵抗能力。
• 与SVM相比，所提方法能更有效地检测分布外输入；SVM错误地将10个非'love'词语中的5个分类为'love'，构成严重安全缺陷。
• 通过Lasso进行特征选择，在保留区分能力的同时减少冗余，提升了模型效率且未牺牲准确性。