Desenhe um Padrão Profundo: Autenticação de Usuário em Smartphones Baseada em Padrões de Desenho Usando Rede Neural Convolucional Temporal

Os smartphones atuais oferecem várias comodidades, devido às especificações de hardware de alta qualidade e à tecnologia de rede avançada. Consequentemente, as pessoas dependem fortemente dos smartphones para uma variedade de tarefas do dia a dia, como agendamento de trabalho, transações financeiras e redes sociais, que requerem um mecanismo de autenticação de usuário forte e robusto para proteger dados pessoais e privacidade. Neste estudo, propomos o draw-a-deep-pattern (DDP) — um método de autenticação de usuário em smartphones baseado em aprendizagem profunda, utilizando dados sequenciais obtidos a partir do desenho de um caractere ou padrão livre na tela sensível ao toque do smartphone. Em nosso modelo, empregamos uma rede neural recorrente (RNN) e uma rede neural convolucional temporal (TCN), ambas especializadas no processamento de dados sequenciais. As principais vantagens do DDP proposto são (1) que é robusto às ameaças às quais os sistemas de autenticação atuais são vulneráveis, por exemplo, ataques de espionagem e de manchas, e (2) requer poucos parâmetros para treinamento; portanto, o modelo pode ser atualizado continuamente em tempo real, sempre que novos dados de treinamento estiverem disponíveis. Para verificar o desempenho do modelo DDP, coletamos dados de 40 participantes em um dos ambientes mais desfavoráveis possíveis, onde todos os possíveis intrusos sabem como os usuários autorizados desenham os caracteres ou símbolos (forma, direção, traço, etc.) do padrão de desenho usado para autenticação. Dos dois modelos DDP propostos, o modelo baseado em TCN obteve excelente desempenho de autenticação com valores médios de 0,99%, 1,41% e 1,23% em termos de AUROC, FAR e FRR, respectivamente. Além disso, este modelo exibiu desempenho de autenticação melhorado e maior eficiência computacional do que o modelo baseado em RNN na maioria dos casos. Para contribuir com as comunidades de pesquisa/indústria, disponibilizamos nosso conjunto de dados publicamente, permitindo que qualquer pessoa que estude ou desenvolva um sistema de autenticação de usuário baseado em biometria comportamental utilize nossos dados sem quaisquer restrições.