Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda
Muitos usuários têm optado pelo uso de dispositivos móveis como smartphones para a realização de tarefas do dia a dia como o envio de e-mail, interação com redes sociais, pagamento de contas e outras transações bancárias. Essas tarefas se tornaram mais simples de serem realizadas. Por outro lado, u...
| Autor principal: | Paz, Ismael Junior Vidal |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/7319898925474631 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2022
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/8861 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-8861 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-88612022-05-06T05:03:32Z Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda Continuous authentication using inertial sensors smartphones and deep learning Paz, Ismael Junior Vidal Souto, Eduardo James Pereira http://lattes.cnpq.br/7319898925474631 http://lattes.cnpq.br/3875301617975895 Feitosa, Eduardo Luzeiro http://lattes.cnpq.br/5939944067207881 Rocha, Thiago de Souza http://lattes.cnpq.br/2541078732974933 Redes neurais (Computação) Autenticação CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Autenticação contínua Sensores Inerciais Redes Neurais Profundas Redes DeepConvLSTM Muitos usuários têm optado pelo uso de dispositivos móveis como smartphones para a realização de tarefas do dia a dia como o envio de e-mail, interação com redes sociais, pagamento de contas e outras transações bancárias. Essas tarefas se tornaram mais simples de serem realizadas. Por outro lado, um grande volume de informações sensíveis e sigilosas são armazenadas e acessadas a partir desses dispositivos como, por exemplo, fotos, logins e senhas de bancos, dados pessoais, dentre outras. Ao buscar facilidade e usabilidade pelo uso dos smartphones, o usuário pode negligenciar a segurança e a privacidade de dados sensíveis. Atualmente, para garantir a segurança desses dados, a maioria dos sistemas emprega soluções de autenticação estática, em que o usuário desbloqueia o dispositivo uma única vez, por meio de um mecanismo de autenticação como senha, padrão em grade, chave de segurança ou sensor de impressão digital. Entretanto, em um cenário onde um usuário impostor tem acesso às senhas ou obtém acesso físico ao dispositivo desbloqueado, todos os dados sensíveis acabam sendo expostos. Para lidar com esse problema, este trabalho propõe o desenvolvimento de um método de autenticação contínua para dispositivos móveis utilizando os dados de sensores inerciais. O processo de identificação do usuário genuíno ou impostor é realizado por meio de um modelo de autenticação definido a partir de uma arquitetura de rede profunda baseada em redes neurais convolucionais com camadas recorrentes. Além disso, este trabalho emprega um modelo de confiança visando evitar o bloqueio de usuários genuínos e impedir que um impostor fique muito tempo agindo sem ser detectado. Testes utilizando dados de 30 usuários mostram que o modelo proposto consegue detectar os usuários impostores em até 61 segundos. Esses resultados promissores comprovam a viabilidade do uso de dados de sensores inerciais na definição de modelos de autenticação contínua. Many users have chosen to use mobile devices such as smartphones to perform day-to-day tasks such as sending emails, interacting with social networks, paying bills, and other banking transactions. Whilst such tasks have become simpler to perform, however, a large volume of sensitive and confidential information is stored and accessed from these devices, such as photos, bank logins and passwords, personal data, and electronic messages. When prioritizing the ease and usability of smartphones, the user can unknowingly neglect the security and privacy of sensitive data. To ensure the security of this data, most systems currently employ static authentication solutions. This is where the user unlocks the device once through an authentication mechanism such as password, grid pattern, security key, PIN (Personal Identification Number) or fingerprint sensor. However this security measure is vulnerable: in a scenario where an imposter user has access to passwords or gets physical access to the unlocked device, the entire amount of data will be exposed. To deal with this problem, this work proposes the development of a continuous authentication method for mobile devices using data from inertial sensors. The process of identifying the genuine or imposter user is performed through an authentication model defined from a deep network architecture based on convolutional neural networks with recurrent layers Long Short-Term Memory (LSTM). In addition, this work employs a trust model to avoid blocking genuine users and preventing an imposter from being undetected for a long time. Tests using data from 30 users show that the proposed model can detect imposter users in up to 61 seconds. These promising results prove the feasibility of using data from inertial sensors to define continuous authentication models. Tive dificuldade no preenchimento da ficha catalográfica para encontrar o mestrado em informática. Não 2022-05-05T20:21:02Z 2022-04-08 Dissertação PAZ, Ismael Junior Vidal. Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda. 2022. 60 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus https://tede.ufam.edu.br/handle/tede/8861 por Acesso Aberto http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
Redes neurais (Computação) Autenticação CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Autenticação contínua Sensores Inerciais Redes Neurais Profundas Redes DeepConvLSTM |
| spellingShingle |
Redes neurais (Computação) Autenticação CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Autenticação contínua Sensores Inerciais Redes Neurais Profundas Redes DeepConvLSTM Paz, Ismael Junior Vidal Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| topic_facet |
Redes neurais (Computação) Autenticação CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Autenticação contínua Sensores Inerciais Redes Neurais Profundas Redes DeepConvLSTM |
| description |
Muitos usuários têm optado pelo uso de dispositivos móveis como smartphones para a realização de tarefas do dia a dia como o envio de e-mail, interação com redes sociais, pagamento de contas e outras transações bancárias. Essas tarefas se tornaram mais simples de serem realizadas. Por outro lado, um grande volume de informações sensíveis e sigilosas são armazenadas e acessadas a partir desses dispositivos como, por exemplo, fotos, logins e senhas de bancos, dados pessoais, dentre outras. Ao buscar facilidade e usabilidade pelo uso dos smartphones, o usuário pode negligenciar a segurança e a privacidade de dados sensíveis. Atualmente, para garantir a segurança desses dados, a maioria dos sistemas emprega soluções de autenticação estática, em que o usuário desbloqueia o dispositivo uma única vez, por meio de um mecanismo de autenticação como senha, padrão em grade, chave de segurança ou sensor de impressão digital. Entretanto, em um cenário onde um usuário impostor tem acesso às senhas ou obtém acesso físico ao dispositivo desbloqueado, todos os dados sensíveis acabam sendo expostos. Para lidar com esse problema, este trabalho propõe o desenvolvimento de um método de autenticação contínua para dispositivos móveis utilizando os dados de sensores inerciais. O processo de identificação do usuário genuíno ou impostor é realizado por meio de um modelo de autenticação definido a partir de uma arquitetura de rede profunda baseada em redes neurais convolucionais com camadas recorrentes. Além disso, este trabalho emprega um modelo de confiança visando evitar o bloqueio de usuários genuínos e impedir que um impostor fique muito tempo agindo sem ser detectado. Testes utilizando dados de 30 usuários mostram que o modelo proposto consegue detectar os usuários impostores em até 61 segundos. Esses resultados promissores comprovam a viabilidade do uso de dados de sensores inerciais na definição de modelos de autenticação contínua. |
| author_additional |
Souto, Eduardo James Pereira |
| author_additionalStr |
Souto, Eduardo James Pereira |
| format |
Dissertação |
| author |
Paz, Ismael Junior Vidal |
| author2 |
http://lattes.cnpq.br/7319898925474631 |
| author2Str |
http://lattes.cnpq.br/7319898925474631 |
| title |
Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| title_short |
Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| title_full |
Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| title_fullStr |
Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| title_full_unstemmed |
Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| title_sort |
autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2022 |
| url |
https://tede.ufam.edu.br/handle/tede/8861 |
| _version_ |
1831970070056665088 |
| score |
11.753735 |