Anàlisi de robustesa basada en la identificació de patrons de teclat

Abstract

Una de les necessitats que sorgeixen en l'ús de sistemes d'aprenentatge virtual és la d'assegurar la identitat dels estudiants. Aquesta identificació es pot realitzar a través de sistemes biomètrics, com ara a través de la manera com els usuaris escriuen, és a dir, a través dels seus patrons de teclat. En aquest article es proposa el desenvolupament de dos models de patró de teclat de text lliure: un model bàsic basat en una gaussiana i un altre basat en mixtures gaussianes. Per tal d'avaluar aquests models, es realitzarà una comparativa dels models desenvolupats amb un producte comercial. Finalment es realitzarà un atac del sistema comercial a través de la generació de dades artificials obtingudes amb el model de mixtures gaussianes.

With the rise of e-learning systems, the need to guarantee the identity of the students in these platforms appears. This identification can be done using biometric systems, for instance, analysing the keystroke patterns. This article presents the implementation of two free text keystroke pattern models: a basic model based on a Gaussian, and a second model based on Gaussian mixtures. In order to evaluate these models, their performance is compared with an existent commercial product. Finally, we perform an attack on the commercial system by generating artificial data with the Gaussian mixture model.

Una de las necesidades que surgen en el uso de sistemas de aprendizaje virtual es la de garantizar la identidad del estudiante. Esta identificación se puede realizar a través de sistemas biométricos, como por ejemplo a través del patrón de teclado. En este artículo se propone el desarrollo de dos modelos de patrón de teclado de texto libre: un modelo básico basado en una gaussiana y otro basado en mixturas gausianas. Para poder evaluar estos modelos, se realizará una comparativa de los modelos desarrolados con un producto comercial. Finalmente se realizará un ataque al sistema comercial mediante la generación de datos artificiales obtenidos con el modelo de mixtura gussiana.