Методи та засоби динамічної аутентифікації користувачів на основі моделі клавіатурного почерку користувача

Abstract

У кваліфікаційній роботі запропоновано підхід до підготовки даних, що описують клавіатурний почерк користувача, що включає спосіб побудови ознакового простору та підхід до подальшої обробки ознак на основі дискретизації їх за квантилями. Розроблено нечіткий метод виявлення аномалій у даних на основі еліптичної кластеризації (ESFC) у RKHS, що будує у просторі високої розмірності еліптичні області з оптимальним центром для виявлення аномалій. За результатами експериментів метод ESFC перевершив якість розпізнавання існуючих алгоритмів при класифікації як окремих векторів ознак, і цілих сесій роботи користувачів за комп’ютером. Розроблено архітектуру, реалізовано та апробовано експериментальний зразок мультиагентного програмного комплексу, який використовує запропонований комплекс алгоритмів для виявлення аномального поведінки користувачів щодо особливостей роботи з клавіатурою комп’ютера.

In the qualification work, an approach to the preparation of data describing the user's keyboard handwriting is proposed, which includes a method of constructing a feature space and an approach to further processing of features based on their discretization by quantiles. A fuzzy data anomaly detection method based on elliptic clustering (ESFC) is developed in RKHS, which constructs elliptic regions with an optimal center for anomaly detection in a high-dimensional space. According to the results of the experiments, the ESFC method surpassed the recognition quality of the existing algorithms when classifying both individual feature vectors and entire sessions of user work at the computer. An experimental model of a multi-agent software complex was developed, implemented and tested, which uses the proposed set of algorithms to detect abnormal user behavior regarding the features of working with a computer keyboard.