Multimodal User Authentication Method via Fusion of Keystroke Dynamics and Glove-Based Hand Kinematics

Stellen Sie sich vor, Sie versuchen zu beweisen, dass Sie die Person sind, die Sie behaupten zu sein, gegenüber einem digitalen Türsteher. Normalerweise zeigen Sie ein Foto (wie einen Gesichtsscan) oder einen Fingerabdruck. Aber das ist so, als würde man am Eingang einen Führerschein vorzeigen; sobald man durch die Tür ist, hört der Türsteher auf zu prüfen. Wenn ein Hacker Ihre Sitzung stiehlt, kann er für immer im System bleiben. Um dies zu verhindern, nutzen Wissenschaftler „verhaltensbasierte Biometrie“, was so ist, als würde der Türsteher beobachten, wie Sie gehen. Eine populäre Methode ist die „Tastatur-Dynamik“ (Keystroke Dynamics), bei der der Computer den Rhythmus Ihres Tippens beobachtet – wie lange Sie eine Taste gedrückt halten und wie schnell Sie zur nächsten springen. Es ist wie das Erkennen eines Freundes an seinem einzigartigen Gangtempo. Diese Methode hat jedoch einen Schwachpunkt: Wenn Sie müde sind, wenn sich die Tastatur anders anfühlt oder wenn ein Roboter Ihren Rhythmus perfekt nachahmt, gerät das System durcheinander und lässt entweder die falsche Person hinein oder wirft die richtige Person hinaus.

Diese Arbeit befasst sich mit diesem Problem, indem sie eine zweite, viel schwerer zu fälschende Beweisebene hinzufügt: die körperliche Bewegung und den Druck Ihrer Hand. Die Forscher entwickelten einen speziellen „Smart Glove“ (intelligenten Handschuh), der nicht nur dem Rhythmus Ihres Tippens lauscht, sondern auch die exakte Kraft fühlt, mit der Sie drücken, und die winzigen 3D-Bewegungen Ihrer Finger in der Luft verfolgt. Sie kombinierten diese beiden Arten von Daten mit einem leistungsstarken Computergehirn (einer Mischung aus Deep-Learning-Modellen), um zu sehen, ob es einen Betrüger erkennen kann, selbst wenn der Tipprhythmus perfekt ist. Das Ergebnis? Durch die Beobachtung sowohl des Rhythmus als auch des physischen „Gefühls“ des Tippens wurde das System unglaublich schwer zu täuschen und erreichte schließlich den Punkt, an dem es bei einer kurzen Sequenz des Tippens null Fehler machte.

Die Geschichte des Smart Glove

Die Forscher Issei Hyakuda und Lei Jing wollten das „Müdigkeits- oder Täuschungsproblem“ herkömmlicher Tastaturprüfungen lösen. Sie wussten, dass es riskant ist, sich nur auf das Timing (wie schnell man tippt) zu verlassen, da dies leicht zu verfälschen oder zu kopieren ist. Deshalb beschlossen sie, ein „Super-Identitäts“-System zu entwickeln, das den Rhythmus Ihres Tippens mit dem physischen Muskelgedächtnis Ihrer Hand kombiniert.

Hierzu entwickelten sie einen speziellen Datenglove. Stellen Sie ihn sich als eine hochtechnisierte Version eines Winterhandschuhs vor, aber anstatt Ihre Hände warm zu halten, behält er Ihre Finger genau im Auge. Dieser Handschuh besitzt zwei Haupt-Superkräfte:

1. Drucksensoren: Zehn winzige Sensoren sind an den Fingerspitzen und Gelenken platziert. Sie wirken wie eine empfindliche Haut und fühlen genau, wie fest Sie auf eine Taste drücken.
2. Bewegungssensoren: Eine 9-Achsen-IMU (ein Bewegungstracker) sitzt am Handgelenk. Er ist wie ein winziges Gyroskop, das verfolgt, wie sich Ihre Hand durch die Luft bewegt, selbst wenn Ihre Finger die Tasten noch nicht berühren.

Der Handschuh erfasst 29 verschiedene Informationen gleichzeitig (10 Druckmesswerte + 9 Bewegungsmesswerte) bei jedem Tastendruck.

Der „Unseen“-Test

Um zu sehen, ob ihr System tatsächlich gut war, führten die Forscher nicht nur einen Test in einem perfekten, ruhigen Raum durch. Sie bauten eine knifflige Herausforderung auf, die sie eine „Unseen“-Evaluierung (unbekannte Umgebung/Person) nennen.

• Das Training: Sie brachten dem Computer bei, eine spezifische Person (das „Ziel“) und acht „bekannte“ Betrüger mit einer Standard-Desktop-Tastatur zu erkennen.
• Die Falle: Dann testeten sie das System mit einer Laptop-Tastatur (einem anderen Gerät) und einem brandneuen „unbekannten“ Betrüger, der zuvor noch nie gesehen worden war.

Dies ist vergleichbar damit, einen Sicherheitsmann darauf zu trainieren, einen VIP anhand eines Fotos aus einem Studio zu erkennen, und ihn dann zu fragen, denselben VIP in einer Menschenmenge bei Regen zu identifizieren und gleichzeitig einen Fremden zu entlarven, der dem VIP überhaupt nicht ähnlich sieht.

Die Ergebnisse: Von „Vielleicht“ zu „Perfekt“

Die Ergebnisse waren faszinierend, besonders wenn man betrachtete, wie das System über die Zeit hinweg performte.

• Der einzelne Tippmoment: Wenn das System nur einen einzigen Tastendruck betrachtete (ein Fenster von 600 Millisekunden), war es ziemlich gut, aber nicht perfekt. Es unterlief etwa 2,12 % der Zeit ein Fehler (dies wird als Equal Error Rate oder ECR bezeichnet).
• Die Macht der Geduld: Die Forscher erkannten, dass ein einzelner Moment nicht ausreicht, um sicher zu sein. Also baten sie das System, eine Sequenz von 10 Tastendrücken (etwa 6 Sekunden Tippen) abzuwarten. Sie verwendeten eine „Glättungstechnik“, die wie der Durchschnitt der letzten Sekunden funktioniert, um kleine Aussetzer oder Fehler zu ignorieren.
• Die perfekte Punktzahl: Als sie die vollständige 10-Tastendruck-Sequenz betrachteten, wurde das System fehlerfrei. Die Fehlerrate sank auf 0,00 %. In ihrem besten Versuch konnte das System den echten Benutzer jedes Mal perfekt vom Betrüger trennen.

Warum zwei Sensoren besser sind als einer

Sie fragen sich vielleicht: „Wenn die Bewegungssensoren (IMU) allein im Labor eine perfekte Punktzahl erreichen konnten, warum dann überhaupt die Drucksensoren?“

Die Forscher gingen der Sache auf den Grund, um die Antwort zu finden. Sie fanden heraus, dass die Bewegungssensoren zwar in einem kontrollierten Labor großartig sind, aber eine Schwäche haben: Sie können durch starke Vibrationen (wie beim Tippen in einem fahrenden Auto) getäuscht werden oder durch jemanden, der die Handbewegung in der Luft nachahmt, ohne die Tasten tatsächlich zu berühren (ein sogenannter „Spatial Spoofing“-Angriff).

Auf der anderen Seite sind die Drucksensoren hervorragend darin, zu wissen, ob man die Tastatur tatsächlich berührt, können aber verwirrt werden, wenn der Handschuh auf der Hand leicht verrutscht oder wenn der Finger ermüdet.

Die Magie geschieht, wenn man sie fusioniert. Es ist wie mit zwei Wachen: Eine beobachtet Ihr Gesicht (Bewegung), und die andere prüft Ihren Ausweis (Druck). Wenn die Bewegungswache durch einen vorbeifahrenden Zug verwirrt wird, weiß die Druckwache immer noch, dass Sie tatsächlich an der Tastatur sitzen. Wenn die Druckwache verwirrt ist, weil der Handschuh verrutscht ist, sieht die Bewegungswache immer noch Ihre einzigartige Handform. Durch die Kombination schaffen sie ein „Fail-Safe“ (Ausfallsicherheit), das die Schwächen des jeweils anderen abdeckt.

Das Fazit

Diese Arbeit zeigt, dass das Messen Ihres Tipprhythmus ein guter Anfang ist, aber für Hochsicherheitssituationen nicht ausreicht. Durch das Hinzufügen eines Handschuhs, der Ihren Druck fühlt und die 3D-Tanzbewegung Ihrer Hand verfolgt, wird das System unglaublich robust. Es kann verschiedene Tastaturen, verschiedene Tage und sogar unbekannte Angreifer bewältigen. Obwohl dieser spezifische Handschuh derzeit noch etwas klobig für den alltäglichen Gebrauch ist, beweist die Studie, dass die Kombination von physischen Merkmalen mit dem Timing der Schlüssel dazu ist, die digitale Sicherheit viel schwieriger angreifbar zu machen. Die Autoren schlagen vor, dass diese Technologie in Zukunft in kleinere, unauffälligere Wearables geschrumpft werden könnte, was unser digitales Leben sicherer macht, ohne dass wir es überhaupt bemerken.