基于支持向量数据描述的击键生物特征认证

• 作者: 倪桂强 李佳桢 潘志松 缪志敏
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 单类分类器 支持向量数据描述(SVDD) 身份认证
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 704-708
• 页数: 5页
• 分类号: TP393
• 字数: 4277字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2008.05.021

摘要

由于计算机用户对键盘的熟悉程度、击键习惯等不尽相同,每个用户都具有自己独特的击键生物特征,对于某个用户来说,其击键特征为正常类,其他所有用户为异常类,这可以利用模式识别中的单类分类器来解决,本文设计基于支持向量数据描述(SVDD)的击键生物特征身份认证系统模型,将该方法与BP、RBF和SOM方法进行对比,证实SVDD具有较好的识别效果,它可将非法用户误接受率从28.9%降低到0.28%,最后给出一个嵌入Windows用户登录中的口令+击键特征身份认证的实现技术.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪桂强	解放军理工大学指挥自动化学院	48	266	8.0	14.0
2	潘志松	解放军理工大学指挥自动化学院	47	385	9.0	17.0
3	缪志敏	解放军理工大学指挥自动化学院	28	269	9.0	15.0
4	李佳桢	解放军理工大学指挥自动化学院	3	19	2.0	3.0