Biometría del Tecleo

1. Biometría del Tecleo “Keystroke Dynamics” Juan Alberto Sigüenza j.alberto.siguenza@uam.es Biometría del Tecleo

2. Contenidos • Hipótesis • Trabajos Previos • Ejemplo de Aplicación eCommerce • El Problema del Tecleo en Internet • El Problema del Reconocimiento • Modelo Borroso • Modelo Estadístico • Resultados • Curvas de Aprendizaje • “Todos vs. Todos” • Índice de “Separabilidad” • Algunas conclusiones Biometría del Tecleo

3. Hipótesis ¿Se puede autentificar a un usuario por su modo de tecleo? ¿Cómo influye la dificultad de las secuencias de tecleo? ¿Qué nivel de entrenamiento necesita el usuario? Biometría del Tecleo

4. Fundamentos • Es el principal mecanismo de interacción de una persona con un ordenador. • Es un proceso complejo que involucra muchos factores característicos del usuario, ya no sólo su físico externo como p.e. en el caso de las huellas dactilares, sino que llegamos a intentar medir indirectamente la propia configuración de los grupos neuronales del sistema nervioso del usuario, con los que generan este proceso de tecleo. Biometría del Tecleo

5. Antecedente • Echando la vista atrás podemos encontrar los orígenes de la dinámica de tecleo en los primeros sistemas de telégrafos de Estados Unidos, donde se empezó a observar cómo los operadores eran capaces de identificarse entre sí, en diferentes estaciones, por el ritmo de pulsaciones del código Morse que generaban cada uno de ellos al transmitir los mensajes codificados • W.L. Bryan, N. Halter, “Studies in the Physiology and Psychology of the Telegraphic Language”. • The Psychology of Skill: Three studies, 1973. Biometría del Tecleo

6. Investigaciones preliminares • Williams, Umphress, (1985) • Se utilizaron dos conjuntos de entradas por cada usuario, el ‘reference profile’ (entrenamiento) y el ‘test profile’ (explotación). Para cada tiempo de tecleo entre dos pulsaciones se aproximó a la centésima de segundo más próxima. • El resultado del experimento reveló que cuando los profiles de reference y test eran del mismo usuario el nivel de correlación era alto, mientras que si eran distintos era un nivel medio. En general se observó que cuando un supuesto ‘intruso’ se hacía pasar por otro usuario se obtenían bajas puntuaciones de similitud. Biometría del Tecleo

7. Trabajos Previos • Obaidat y col. 1993 , 1994, 1997 • Se comenzó utilizando tiempos entre pulsaciones de una secuencia fijada de caracteres y posteriormente se incluyeron “hold times”. Tiempo en milisegundos. • Número reducido de usuarios (6-10). • Se utilizaron técnicas de normalización. • Reconocimiento con Redes neuronales, técnicas borrosas y RBF. • Reconocimiento en torno al 98% • FAR=8% y FRR=9%. Biometría del Tecleo

8. Trabajos Previos • Eloff y de Ru 1997 • Por un lado se capturaba la dificultad de tecleo de dos caracteres consecutivos, generando una puntuación de dificultad basada en la distancia sobre el teclado de las dos teclas pulsadas y el número de teclas que se debían de pulsar simultáneamente para generar el carácter requerido. Por otro lado se medía también el intervalo de tiempo entre dos pulsaciones consecutivas. • El algoritmo de reconocimiento utilizado consistió en un modelo basado en comparación de plantillas o templates borrosos. • Los resultados obtenidos con este modelo alcanzaron porcentajes de reconocimiento entre el 72 y el 100% en la identificación correcta del usuario real, y entre el 0% y el 15% de aceptación de usuarios falsos (intrusos). Biometría del Tecleo

9. Ej. Aplicación e-Commerce Biometría del Tecleo

10. El Problema del Tecleo en Internet • Composición de una muestra de tecleo: • Interkey times. • Hold times. • El muestreo en Internet: independencia de la máquina. • Alternativas de muestreo: • Con tiempo. • Con ciclos máquina (pseudo-ciclos): • Chequeo constante. • Disparo de eventos. • Normalización: • Por el Mínimo / Máximo. • Por la Media. Biometría del Tecleo

11. El muestreo en detalle (I) • Los prototipos desarrollados se basan en modelos de medición de ciclos máquina. Los ciclos máquina pueden medirse directamente utilizando lenguajes de bajo nivel y programando en ensamblador. Sin embargo, este tipo de lenguaje es específico de la plataforma para la que se vaya a desarrollar y por tanto no es una aproximación válida a la hora de desarrollar un sistema de comercio electrónico para Internet, donde las plataformas son heterogéneas y por razones de seguridad no se permite la ejecución de programas de bajo nivel en las máquinas clientes de los usuarios. Biometría del Tecleo

12. El muestreo en detalle (II) • Como alternativa se pueden medir los ciclos máquina de forma indirecta usando pseudo-ciclos máquina. Esto consiste en usar un lenguaje de medio/alto nivel para lanzar un contador con chequeo constante o por disparo de eventos de forma que no se cuentan directamente los ciclos máquina, sino estos multiplicados por un factor constante que corresponde al número de instrucciones máquina que compone la secuencia de cuenta en el lenguaje de medio/alto nivel elegido. • A pesar de ser menos precisión que los ciclos máquina, veremos en los experimentos realizados que los pseudo-ciclos máquina son suficientes para el propósito buscado. Biometría del Tecleo

13. Ejemplo: Normalización • Experimento: La secuencia = "mtm&mmcm". Interkey times. • (a)200 MHz: (media =11484) • Intervalo T Tm • (mt) 8725 0.7597 • (tm) 6316 0.5499 • (m&) 24880 2.1664 • (&m) 13438 1.1709 • (mm) 9875 0.8598 • (mc) 9540 0.8307 • (cm) 7620 0.6635 • (b) 50 MHz: (media =1789) • Intervalo T Tm • (mt) 1263 0.7059 • (tm) 1115 0.6232 • (m&) 3868 2.1621 • (&m) 2353 1.3152 • (mm) 1420 0.7937 • (mc) 1190 0.6651 • (cm) 1316 0.7356 T: interkey times en pseudo-ciclos. Tm: normalización de T por la media. Biometría del Tecleo

14. El Problema del Reconocimiento Ejemplos: • El Modelo Borroso • El Modelo Estadístico Biometría del Tecleo

15. Modelo borroso • El prototipo basado en un modelo borroso (fuzzy), se apoya en el componente de razonamiento bajo incertidumbre implícito en el problema. Las entradas del sistema son pulsaciones de teclas que un usuario genera al interaccionar con el ordenador i.e. tiempos “más o menos” iguales. La idea es que si el usuario realiza una pulsación X y genera un tiempo de 12775 pseudo-ciclos, en una ocasión posterior con la misma pulsación X es de esperar que su comportamiento tecleando sea similar pero no exactamente el mismo, de forma que generaría un tiempo como 12434 pseudo-ciclos. Es decir, tiempos más o menos iguales. Biometría del Tecleo

16. Modelo Borroso T: pseudociclos normalizados por la media U: categorización del usuario Reglas Borrosas: R1. T muy corto U muy bueno. R2. T corto U bueno. R3. T normal U normal. R4. T largo U malo. R5. T muy largo U muy malo. Biometría del Tecleo

17. Modelo Borroso Reglas Borrosas: 1.Si T es muy corto, entonces U es muy bueno tecleando. 2.Si T es corto, entonces U es bueno tecleando. 3.Si T es normal, entonces U es normal tecleando. 4.Si T es largo, entonces U es malo tecleando. 5.Si T es muy largo, entonces U es muy malo tecleando. (1) T es “muy corto”: Fs1(x) = 1/exp(4*(x-0.001)*(x-0.001)). (2) T es “corto”: Fs2(x) = 1/exp(12*(x-0.575)*(x-0.575)). (3) T es “normal”: Fs3(x) = 1/exp(7*(x-1.000)*(x-1.000)). (4) T es “largo”: Fs4(x) = 1/exp(10*(x-1.575)*(x-1.575)). (5) T es “muy largo”: Fs5(x) = 1/(1+exp(-4*x+8)). (A) U es “muy malo” tecleando: Ft1(x) = triangle(x,0,200). (B) U es “malo” tecleando: Ft2(x) = triangle(x,250,200). (C) U es “normal” tecleando: Ft3(x) = triangle(x,500,200). (D) U es “bueno” tecleando: Ft4(x) = triangle(x,750,200). (E) U es “muy bueno” tecleando: Ft5(x) = triangle(x,1000,200). Valores calculados empíricamente (x, c, s) función triangular de variable x, centrada en c y de ancho de base 2 · s. Biometría del Tecleo

18. Modelo Borroso Biometría del Tecleo

19. Ejemplo: Modelo Borroso Biometría del Tecleo

20. Modelo Estadístico • Estimación paramétrica. • Densidad normal de media μ y varianza σ² (N(μ,σ²)). • Estimación puntual de máx. verosimilitud. • Estimadores: μ,σ² muestrales. • Función de Scoring: • Ni(μ,σ²)  fi(x; μ,σ²) = (1/√2 σ²π) exp( (-1/2 σ²) · (x- μ)²) • Smax = 1/√2 σ²π • S(x) = exp( (-1/2 σ²) · (x- μ)² ) Biometría del Tecleo

21. Ejemplo: Modelo Estadístico Para el tiempo B, la puntuación que le corresponde es un 9% de semejanza con el usuario real, luego es muy probable que dicho tiempo no haya sido generado por él. Sin embargo, el caso A es lo contrario, es el caso perfecto donde el tiempo obtenido corresponde exactamente con la media de los tiempos generados anteriormente, y por tanto se obtiene una puntuación del 100%, i.e. es muy probable que el usuario real sea quien generó ese tiempo de tecleo. Biometría del Tecleo

22. Resultados • Resultados: • Curvas de Aprendizaje • “Todos vs. Todos” • Índice de “Separabilidad” • Secuencias de Tecleo: • Usuario Clave • autonoma internet • despacho telefono • software hardware • car&mil5 jim3eza$ • qzr$tmp9 ojm&xdw2 • alcn&ei3 ñzurb$1y Biometría del Tecleo

23. Curvas de Aprendizaje Interkey Times Biometría del Tecleo

24. Curvas de Aprendizaje Interkey Times Biometría del Tecleo

25. “Todos vs. Todos” • “autonoma” Interkey Times Todos los voluntarios se hacen pasar por todos los demás. La diagonal más oscura indica que los niveles de reconocimiento son máximos para cada usuario con él mismo. “alcn&ei3” Modelo Borroso Biometría del Tecleo

26. “Todos vs. Todos” “autonoma” Biometría del Tecleo

27. Índice de “Separabilidad” #Fallos = 2 (serie 7) + 2 (serie 8) + 3 (serie 9) + 3 (serie 10) = 10 #Total = #Elementos de la matriz excepto la diagonal = (13 · 13) – 13 = 156 Indice de separabilidad = 1 – (#Fallos / #Total) = 1 – (10 / 156) = 0.93 = 93% Biometría del Tecleo

28. Ejemplo: Gemelos Univitelinos Interkey Times & Modelo Borroso Biometría del Tecleo

29. Algunas conclusiones... • Área de Biometría: • Se puede identificar a un usuario por su tecleo (incluso gemelos). • Secuencias sencillas funcionan mejor. • Se requiere poco entrenamiento (entorno a 10 muestras). • Área de Internet: • Biometría del Tecleo I*net = normalización + herramientas abiertas. • Ideal B2C (business-to-customer): no-intrusivo y estándar. • Área de Reconocimiento de Patrones: • Los interkey caracterizan mejor que hold, pero mixed supera ambos. • Modelos borroso y estadístico permiten reconocer usuarios en I*net. Biometría del Tecleo