Tuş Vuruş Dinamikleri ile Klavye Kullanım Stiline Dayalı Kullanıcı Tanıma

Abstract

İnternet siteleri ve internet tabanlı sistemlerde kullanıcılara özel olarak açılan hesaplara, yine kullanıcılara özel şifrelerle giriş sağlanmaktadır. Ancak, bu şifreler çeşitli şekillerde başkaları tarafından ele geçirilebilmekte ve hesabın gerçek sahibi dışındaki kişiler de bu hesaplara girebilmektedir. Bu durumu önlemek üzere güvenliğin bir kat daha arttırılması için bu çalışmada, şifreyle birlikte kullanıcıların klavye kullanım stilinin de kullanılabileceği önerilmektedir. Çalışmada, bir denek grubu ile yapılan testlerin sonuçları sunularak, değerlendirmeler paylaşılmıştır. Yüksek bir başarı oranı ile klavye kullanım stiline dayalı olarak kullanıcıları tanımanın mümkün olduğu gösterilmiştir. Kullanıcı tanımada sınıflandırma başarısını arttırmak için birden fazla verinin birleştirilerek tek bir veri olarak kullanılmasının mümkün olduğu ortaya konmuştur. Birleştirilmiş verilerin kullanıldığı sistemlerde yeni bir kullanıcı için sisteme çok daha az sayıda veri girişi yaptırarak sistemin yeni kullanıcıyı öğrenmesinin sağlanabileceği gösterilmiştir.

Keywords

• Kullanıcı tanıma,Klavye kullanım stili,Tuş vuruş dinamikleri,Biyometri,Makine öğrenmesi

User Identification Based on Keyboard Usage Style with Keystroke Dynamics

Abstract

Access to the accounts which are created user specifically on internet sites and internet based systems, is provided again with user-specific passwords. However, these passwords can be captured by others in various ways and persons other than the real owner of the account can also enter these accounts. In order to increase the security one more time to prevent this situation, in this work, it is suggested that the keyboard usage style of the users can also be used with the password. In the study, evaluations were shared by presenting the results of tests made with a group of subjects. It has been shown that it is possible to recognize users based on the keyboard usage style with a high success rate. It is proved that it is possible to use more than one data as a single data by merging them to increase the classification efficiency in user identification. It has been presented that it is possible for the system to learn a new user by making a much smaller number of data entries for the user in the system which uses combined data.

Keywords

• User identification,Keyboard usage style,Keystroke dynamics,Biometrics,Machine learning

References

1. [1] Titcomb, J. 2016. Do you have one of the most common passwords? They’re ridiculously easy to guess. https://www.telegraph.co.uk/technolo gy/2016/01/26/most-common-passwords-reve aled---and-theyre-ridiculously-easy-to (Erişim Tarihi: 20.02.2018).
2. [2] Doğan, O., Aşan, H. 2016. Bireylerin Şifre Yapılarına Yönelik bir Araştırma ve Şifre Öneri Sistemi. Yönetim Bilişim Sistemleri Dergisi, 1(3), 192-201.
3. [3] Monrose, F., Rubin, A. D. 1999. Keystroke Dynamics as a Biometric for Authentication. Future Generation Computer Systems, 16(4), 351-359.
4. [4] Banerjee, S. P., Woodard, D. L. 2012. Biometric Authentication and Identification using KeystrokeDynamics: A Survey. Journal of Pattern Recognition Research, 7(2012), 116-139.
5. [5] Shanmugapriya, D., Padmavathi, G. 2009. A Survey of Biometric keystroke Dynamics: Approaches, Security and Challenges. International Journal of Computer Science and Information Security, 5(1), 115-119.
6. [6] Crawford, H. 2010. Keystroke Dynamics: Characteristics and Opportunities. Eighth Annual International Conference on Privacy, Security and Trust, 17-19 Ağustos, Ottawa, 205-212.
7. [7] Obaidat, M. S., Sadoun, B. 1997. Verification of Computer Users Using Keystroke Dynamics. IEEE Transactions on Systems, Man, and Cybernetics – Part B: Cybernetics, 27(2), 261-269.
8. [8] Robinson, J. A., Liang, V. M., Chambers, J. A. M., MacKenzie, C. L. 1998. Computer User Verification Using Login String Keystroke Dynamics. IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems ans Humans, 28(2), 236-241.

9. [9] Fairhurst, M., Da Costa-Abreu, M. 2011. Using keystroke dynamics for gender identification in social network environment. 4th International Conference on Imaging for Crime Detection and Prevention (ICDP), 3-4 Kasım, Londra, 1-6.
10. [10] Google Yardım Hesabı. 2018. Güçlü bir şifre oluşturma. https://support.google.com/account s/answer/32040(Erişim Tarihi: 20.02.2018).
11. [11] Microsoft Desteği. 2018. Güçlü bir parola oluşturma. https://support.microsoft.com/tr-tr/help/4026406/microsoft-account-create-a-strong-password(Erişim Tarihi: 20.02.2018).
12. [12] Frank, E., Hall, M. A., Witten, I. H. 2016. Data Mining: Practical Machine Learning Tools and Techniques. Fourth Edition. Morgan Kaufmann. 654s.
13. [13] Anonim. 2008. Attribute-Relation File Format (ARFF). https://www.cs.waikato.ac.nz/ml/weka /arff.html(Erişim Tarihi: 20.02.2018).
14. [14] Purplemath. 2018. Interquartile Ranges & Outliers. http://www.purplemath.com/modules /boxwhisk3.htm (Erişim Tarihi: 20.02.2018).
15. [15] Lau, E., Liu, X., Xiao, C., Yu, X. 2004.Enhanced User Authentication Through Keystroke Biometrics. Teknik Rapor. Massachusetts Institute of Technology.
16. [16] Korkmaz, Y. 2016. Kullanıcı Giriş Sistemlerinde Yapay Sinir Ağları Kullanılarak Şifre Güvenlik Sisteminin Geliştirilmesi. Elektrik-Elektronik, Bilgisayar, Biyomedikal Mühendislikleri Bilimsel Toplantısı (EBBT), 26-27 Nisan, İstanbul, 1-4.