Secure User Authentication Leveraging Keystroke Dynamics via Wi-Fi Sensing
Secure User Authentication Leveraging Keystroke Dynamics via Wi-Fi Sensing
复制标题
通过 Wi-Fi 传感利用击键动态进行安全用户身份验证
DOI：
10.1109/tii.2021.3108850
复制
发表时间：
2022-04
影响因子：
12.3
通讯作者：
Mianxiong Dong
中科院分区：
文献类型：
--
作者：
Yu Gu;Yantong Wang;Meng Wang;Zulie Pan;Zhihao Hu;Zhi Liu;Fan Shi;Mianxiong Dong
用户认证在人机系统的访问控制中起着至关重要的作用，其中知识因素，如个人身份证号码，构成了最广泛使用的认证元素。然而，知识因素通常容易受到欺骗攻击。最近，遗传因素，如指纹，出现作为一个有效的替代弹性恶意用户，但它通常需要特殊的设备。为此，在这篇文章中，我们提出了WiPass，一个无设备的身份验证系统，只利用无处不在的Wi-Fi基础设施来探索由信道状态信息捕获的欺骗动态（方式和节奏），以识别合法用户，同时拒绝欺骗。然而，它仍然是一个开放的挑战，以描述隐藏在人类微妙的运动，如动作的行为特征。因此，我们建立了一个信号增强模型，使用莱斯分布来放大用户身份动态和一个混合学习模型的用户认证，它包括两个部分，即，基于卷积神经网络的特征提取和基于支持向量机的分类。前者依赖于将信道响应可视化为时间序列图像来学习能量和频谱域中的信标的行为特征，而后者利用这些行为特征进行用户认证。我们在低成本的现成的Wi-Fi设备上原型WiPass，并验证其性能。实验结果表明，WiPass在三个真实的环境中平均达到92.1%的认证准确率，5.9%的错误接受率和6.3%的错误拒绝率。
User authentication plays a critical role in access control of a man-machine system, where the knowledge factor, such as a personal identification number, constitutes the most widely used authentication element. However, knowledge factors are usually vulnerable to the spoofing attack. Recently, the inheritance factor, such as fingerprints, emerges as an efficient alternative resilient to malicious users, but it normally requires special equipment. To this end, in this article, we propose WiPass, a device-free authentication system only leveraging the pervasive Wi-Fi infrastructure to explore keystroke dynamics (manner and rhythm of keystrokes) captured by the channel state information to recognize legitimate users while rejecting spoofers. However, it remains an open challenge to characterize the behavioral features hidden in the human subtle motions, such as keystrokes. Therefore, we build a signal enhancement model using Ricean distribution to amplify user keystroke dynamics and a hybrid learning model for user authentication, which consists of two parts, i.e., convolutional neural network based feature extraction and support vector machine based classification. The former relies on visualizing the channel responses into time-series images to learn the behavioral features of keystrokes in energy and spectrum domains, whereas the latter exploits such behavioral features for user authentication. We prototype WiPass on the low-cost off-the-shelf Wi-Fi devices and verify its performance. Empirical results show that WiPass achieves on average 92.1% authentication accuracy, 5.9% false accept rate, and 6.3% false reject rate in three real environments.
登录
查看更多内容
影响因子：
6.4
作者：
Abeer A. N. Buker;Giorgio Roffo;A. Vinciarelli;E. Cambria
通讯作者：
Abeer A. N. Buker;Giorgio Roffo;A. Vinciarelli;E. Cambria
DOI：
10.1109/icnn.1997.611659
发表时间：
1997-06
期刊：
Proceedings of International Conference on Neural Networks (ICNN'97)
影响因子：
--
作者：
Daw-Tung Lin
通讯作者：
Daw-Tung Lin
DOI：
10.1145/3448738
发表时间：
2021-05
期刊：
ACM Transactions on Internet of Things
影响因子：
--
作者：
Cong Shi;Jian Liu;Hongbo Liu;Yingying Chen
通讯作者：
Cong Shi;Jian Liu;Hongbo Liu;Yingying Chen
DOI：
10.1109/icc.2019.8761602
发表时间：
2019-05
期刊：
ICC 2019 - 2019 IEEE International Conference on Communications (ICC)
影响因子：
--
作者：
Y. Gu;Chenyu Zhang;Yantong Wang;Zhi Liu;Yusheng Ji;Jie Li
通讯作者：
Y. Gu;Chenyu Zhang;Yantong Wang;Zhi Liu;Yusheng Ji;Jie Li
DOI：
10.1007/978-3-319-08509-8_6
发表时间：
2014-07
期刊：
--
影响因子：
--
作者：
Cristiano Giuffrida;Kamil Majdanik;M. Conti;H. Bos
通讯作者：
Cristiano Giuffrida;Kamil Majdanik;M. Conti;H. Bos