💻 computer science

Privacy-Preserving Keystroke Dynamics Authentication Using CKKS Homomorphic Encryption

Este artigo apresenta um sistema de autenticação de dinâmica de digitação que preserva a privacidade, implementado utilizando o esquema de criptografia homomórfica CKKS, o qual permite a correspondência de modelos por meio de cálculos de distância euclidiana ao quadrado criptografados, garantindo que os vetores biométricos permaneçam confidenciais durante todo o processo.

Autores originais: Nipun Mahaarachchi

Publicado 2026-07-22

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Nipun Mahaarachchi

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando entrar em um clube secreto, mas em vez de uma chave ou uma senha, o segurança verifica a forma como você digita. Isso é chamado de dinâmica de digitação (keystroke dynamics), uma maneira de identificar pessoas por seu ritmo de digitação único — o quão rápido você pressiona as teclas, quanto tempo as mantém pressionadas e as pequenas pausas entre as letras. É como uma impressão digital feita de tempo. No entanto, há um problema: para verificar se o seu ritmo coincide com os registros do clube, o computador geralmente precisa espiar seus dados de digitação à vista de todos. Se um hacker roubar esses dados, eles não podem ser alterados como uma senha; seu estilo de digitação é permanente.

Para resolver isso, cientistas usam um truque mágico chamado criptografia homomórfica. Pense nisso como uma caixa opaca e trancada. Você pode colocar seus dados dentro dela, e o computador pode fazer cálculos sobre a caixa sem nunca abri-la ou ver o que há dentro. É como um chef que pode picar, misturar e assar ingredientes enquanto eles ainda estão selados dentro de um pote de vidro, mas o pote é feito de chumbo para que ninguém veja os ingredientes, revelando apenas o bolo final ao final do processo. Este artigo explora como usar essa magia da "caixa trancada" especificamente para ritmos de digitação, garantindo que seu estilo de digitação secreto permaneça oculto mesmo enquanto o computador verifica se você é quem diz ser.

A Grande Ideia do Artigo: Um Teste de Digitação Secreto em uma Caixa Trancada

Os pesquisadores, liderados por Nipun Mahaarachchi, construíram um protótipo funcional que combina essas duas ideias: o ritmo único de como você digita uma palavra específica e a matemática da criptografia homomórfica da "caixa trancada". Eles não inventaram um novo tipo de caixa mágica; em vez disso, descobriram como tornar a caixa pequena e leve o suficiente para ser prática.

Aqui está como o sistema deles funciona, passo a passo:

1. A Dança dos "Sete Passos"
A maioria dos sistemas biométricos usa dados enormes e complexos (como escaneamentos faciais 3D) que são pesados e difíceis de trancar. Esta equipe escolheu algo minúsculo: a palavra "password" (senha). Quando você digita esta palavra de oito letras, o sistema não olha para as próprias letras. Ele apenas observa o tempo que leva para pressionar cada tecla. Como existem oito teclas, há sete intervalos (ou lacunas) entre elas. Isso cria uma lista minúscula de sete números.

2. O Ritmo "Padronizado"
Cada pessoa digita em velocidades diferentes. Um dia você pode estar com pressa; outro dia, você pode estar cansado. Para corrigir isso, o sistema pega seus tempos de digitação e os "normaliza". É como um instrutor de dança dizendo a você: "Não importa o quão rápido você dance, apenas mantenha o mesmo ritmo da sua primeira prática". O sistema calcula o ritmo médio e a variação usual da sua prática, então ajusta sua nova tentativa de digitação para corresponder a esse padrão.

3. A Correspondência na Caixa Trancada
É aqui que a mágica acontece.

Inscrição (Enrollment): Você digita a palavra algumas vezes para ensinar ao sistema o seu ritmo. O sistema transforma isso em um "template" (uma receita secreta do seu ritmo) e o tranca dentro de uma caixa criptográfica usando um método chamado CKKS.
Login: Quando você tenta fazer o login mais tarde, o sistema tranca o seu novo ritmo de digitação em uma segunda caixa.
A Matemática: O computador pega ambas as caixas trancadas e realiza uma operação matemática especial chamada "distância euclidiana ao quadrado". Ele subtrai os números, eleva os resultados ao quadrado e os soma — tudo isso enquanto os dados permanecem criptografados dentro das caixas. O computador nunca vê os números reais; ele apenas vê a matemática acontecendo nos recipientes trancados.

4. A Revelação Final
Uma vez feita a matemática, o computador tem um único número: a "pontuação de distância". Esse número diz ao sistema o quão diferente o seu novo ritmo de digitação é do seu antigo.

Se a pontuação for baixa (significando que você digitou de forma muito semelhante), a caixa é aberta apenas o suficiente para revelar esse pequeno número, e o sistema diz ACEITAR.
Se a pontuação for alta (significando que o ritmo é totalmente diferente, como o de um impostor), o sistema diz REJEITAR.

O Que Eles Descobriram (e o Que Não Descobriram)
Os autores testaram isso com uma "prova de conceito" (um modelo funcional para ver se a ideia é possível). Eles realizaram simulações com dados de digitação reais e também criaram dados de "impostores" falsos para ver se o sistema os pegaria.

O Resultado: O sistema funcionou. Ele conseguiu distinguir com sucesso entre o usuário real e o impostor falso. A matemática da "caixa trancada" exigiu apenas 20 operações (7 subtrações, 7 potenciações ao quadrado e 6 adições) porque a lista de dados era muito curta (apenas 7 números).
A Limitação: O artigo é muito claro ao afirmar que isto não é um produto acabado pronto para o mundo todo ainda. Foi testado em um único computador com uma palavra fixa e um pequeno número de execuções de teste. Os autores admitem que ainda não provaram que funciona perfeitamente para milhares de pessoas diferentes ou dispositivos diferentes. Eles também observam que, embora a correspondência ocorra na caixa trancada, os dados brutos de digitação ainda ficam visíveis no navegador da web antes de serem trancados.

Por Que Isso Importa
A principal conclusão é que, ao escolher um recurso de baixa dimensão e simples (apenas 7 números de tempo), eles tornaram a matemática da "caixa trancada" rápida e leve. Normalmente, criptografar dados complexos é lento e pesado, como tentar carregar um cofre pesado. Ao usar um vetor minúsculo, eles mostraram que você pode ter uma forte privacidade sem que o sistema fique lento.

Os autores sugerem que esta abordagem pode ser um degrau para um futuro onde sua identidade digital seja protegida por segurança "pós-quântica" (segurança que nem mesmo os futuros supercomputadores podem quebrar), mas enfatizam que mais testes com muitos usuários são necessários antes que isso se torne uma forma padrão de fazer login. Por enquanto, é um experimento bem-sucedido mostrando que privacidade e velocidade podem coexistir no mundo da segurança baseada em digitação.

Resumo Técnico: Autenticação de Dinâmica de Digitação Preservando a Privacidade Usando Criptografia Homomórfica CKKS

Declaração do Problema

A autenticação biométrica oferece um vínculo de identidade mais forte do que os sistemas baseados em senhas, mas introduz riscos significativos de privacidade. Esquemas tradicionais frequentemente exigem a descriptografia de modelos biométricos no servidor para realizar o pareamento, criando uma "janela de exposição" onde vetores de características sensíveis ficam visíveis na memória do servidor, logs ou lógica da aplicação. Embora a criptografia homomórfica (HE) permita o processamento sobre dados criptografados para mitigar isso, ela é computacionalmente dispendiosa. Aplicar HE a representações biométricas de alta dimensão (ex: embeddings de face ou templates de íris) é frequentemente impraticável devido ao grande volume de operações aritméticas exigidas sobre os textos cifrados.

Metodologia

O artigo propõe uma abordagem de "design primeiro" que combina a Dinâmica de Digitação (Keystroke Dynamics) com o esquema de criptografia homomórfica CKKS (Cheon-Kim-Kim-Song). A estratégia central é utilizar uma representação biométrica comportamental de baixa dimensão para minimizar o overhead computacional do pareamento criptografado.

Arquitetura do Sistema

O sistema opera em duas fases: Inscrição (Enrollment) e Autenticação, implementadas via uma interface baseada em navegador (JavaScript) e um backend Python/Flask utilizando OpenFHE e NumPy.

Extração de Características:
- O usuário digita uma frase de acesso fixa ("password").
- O sistema captura oito carimbos de tempo de pressionamento de tecla ( $t_1, \dots, t_8$ ).
- Ele extrai sete intervalos de tempo entre pressões ( $PP_i = t_{i+1} - t_i$ ), resultando em um vetor de características de 7 dimensões.
Padronização e Construção do Template:
- Para lidar com a variabilidade na velocidade de digitação, os valores brutos de tempo são padronizados usando estatísticas de inscrição (média $\mu_i$ e desvio padrão $\sigma_i$ ).
- O template de inscrição ( $X$ ) é gerado pela média de $m=5$ amostras de inscrição normalizadas.
- O vetor de login ( $Y$ ) é normalizado usando os mesmos parâmetros de inscrição.
Pareamento Criptografado (CKKS):
- Tanto o template $X$ quanto o vetor de login $Y$ são criptografados usando a chave pública CKKS.
- O sistema calcula a Distância Euclidiana Quadrática de forma homomórfica:
  $Enc(D) = \sum_{i=1}^{7} (Enc(X_i) - Enc(Y_i))^2$
- Esta operação requer apenas subtração, potenciação ao quadrado (multiplicação) e soma sobre os textos cifrados.
- O score de distância escalar final $D$ é descriptografado apenas ao final do processo.
Lógica de Decisão:
- Um limiar $T$ é estabelecido com base na média e no desvio padrão das distâncias de inscrição genuínas ( $T = \mu_D + 3\sigma_D$ ).
- Se $D < T$ , o sistema retorna ACEITAR (ACCEPT); caso contrário, REJEITAR (REJECT).

Principais Contribuições

Fluxo de Trabalho de Ponta a Ponta Criptografado: O artigo demonstra um fluxo completo de autenticação baseada na web onde o pareamento biométrico ocorre inteiramente dentro do domínio criptografado, impedindo que o servidor visualize os vetores de características brutos ou normalizados durante o processo de comparação.
Otimização de Design Primeiro: Em vez de aplicar HE a dados complexos e de alta dimensão, os autores selecionaram intencionalmente a dinâmica de digitação para gerar um vetor compacto de 7 dimensões. Essa escolha de design reduz significativamente a profundidade multiplicativa e a contagem de operações necessárias para a avaliação homomórfica.
Implementação com OpenFHE: O trabalho fornece uma implementação prática utilizando a biblioteca OpenFHE, detalhando a configuração do contexto criptográfico, geração de chaves e a sequência específica de operações homomórficas (subtração, quadratura, soma) necessárias para o cálculo da distância.

Resultados Experimentais

O sistema foi avaliado como uma prova de conceito controlada, em vez de um benchmark biométrico completo.

Funcionalidade: O sistema distinguiu com sucesso usuários genuínos (scores abaixo do limiar) de impostores simulados (scores significativamente acima do limiar).
Eficiência Computacional: Ao limitar o vetor de características à dimensão $d=7$ , o sistema exigiu apenas 20 operações homomórficas (7 subtrações, 7 potenciações ao quadrado, 6 adições). Os autores observam que um vetor de 128 dimensões exigiria mais de 380 operações, destacando os ganhos de eficiência da abordagem de baixa dimensão.
Uso de Recursos: O monitoramento de tempo de execução e recursos (CPU, memória) em uma máquina virtual Ubuntu indicou que a aplicação Flask/OpenFHE permaneceu prática para este fluxo de trabalho específico.

Significância e Alegações

O artigo afirma modestamente que sua principal contribuição não é uma nova primitiva criptográfica, mas sim o sucesso na incorporação de uma representação biométrica comportamental de baixa dimensão em um fluxo de trabalho de pareamento no domínio criptografado CKKS.

Os autores enfatizam que:

A Privacidade é Restrita ao Processo de Pareamento: O sistema garante que os vetores biométricos permaneçam criptografados durante a fase de pareamento, reduzindo a exposição em comparação com sistemas que descriptografam templates para comparação.
Viabilidade de HE Leve: Os resultados validam que o pareamento biométrico de domínio criptografado leve é viável quando o design da característica é otimizado para minimizar a complexidade computacional.
Limitações de Escopo: Os autores declaram explicitamente que este não é um sistema pronto para produção. Ele carece de validação formal de precisão biométrica (FAR, FRR, EER), testes multiusuário e gerenciamento de chaves robusto (ex: Módulos de Segurança de Hardware - HSM). A implementação atual serve como base para futuros sistemas de autenticação leves, preservadores de privacidade e orientados à computação pós-quântica.