Вот где-то валялось...
"Трушина Е. А. Академия ФСБ
Идентификация пользователя ЭВМ по клавиатурному почерку как метод защиты от несанкционированного доступа.
Основной частью обеспечения безопасности информацион ной системы является задача ограничения круга лиц, имеющих доступ к конкретной информации, защита от несанкционирован ного доступа к данной информации. Отождествление пользователя ЭВМ - задача, решение которой позволяет организовать весь процесс управления правами доступа, а также реализовать ряд других вспомогательных задач, имеющих самостоятельное при кладное значение. Принципы, лежащие в основе применяемых методов, мож но разделить на следующие: традиционные парольные защиты, проверка физических параметров человека (отпечатки пальцев, сетчатка глаза, и т.п.), классификация психофизических парамет ров, классификация круга информационных интересов пользова теля и динамика их изменения [1]. С точки зрения использования скрытого мониторинга пред ставляет интерес классификация психофизических параметров пользователя, к которым относятся: клавиатурный почерк, под пись мышью, реакция на события, происходящие на экране. Идентификация пользователя по клавиатурному почерку возможна следующими способами:
по набору ключевой фразы, на характеристики набора ко торой предварительно осуществляется настройка програм мы по набору свободного текста.
Отождествление клавиатурного почерка состоит в выборе одного из списка хранимых в памяти ЭВМ эталонов на основе оценки степени близости этому эталону параметров почерка од ного из операторов, имеющих право работу на данной ЭВМ. За дача отождествления пользователя сводится к решению задачи распознавания образов.
Классический статистический подход в распознавании пользователя по клавиатурному почерку при наборе ключевых слов выявил ряд интересных особенностей: существенная зависимость почерка от буквенных сочетаний в слове, суще ствование глубоких связей между набором отдельных символов, наличие "задержек" при вводе символов. В последние годы нашли широкое применение нейросе тевые алгоритмы для решения задач классификации. Их отличает простота применения и хорошие характеристики. Наибольшее распространение для решения задач распо знавания образов сейчас получили нейросети в которых для обучения используется алгоритм обратного распространения ошибки (Back Propagation (BP)). Сеть ВР реализует детерми нированный алгоритм распознавания, "строя" разделяющую поверхность в n-мерном пространстве входных векторов. Было проведено исследование возможности применения ВР-сетей в задаче идентификации пользователя. В проведенном эксперименте длина использованной ключевой фразы составила 72 символа. Замеряемыми пара метрами выбраны времена удержания и интервалы между соседними нажатиями клавиш клавиатуры при наборе ключевой фразы. Таким образом, в проведенном эксперименте размерность исходного признакового пространства составила - 144. Выборка была составлена по итогам замера параметров клавиатурного почерка 14 человек. В нейросетевом эмуляторе была создана трехуровневая сеть в которой:
первый уровень - входной, состоит из 145 нейронных элементов с линейной передаточной функцией;
второй уровень - скрытый, состоит из 145 нейроэлементов с сигмоидной передаточной функцией;
третий уровень - выходной, состоит из 14 нейроэлементов (по числу операторов, участвовавших в эксперименте) с сигмоидной передаточной функцией.
При обучении, каждому входному вектору ставился в соответствие двоичный вектор длины 14, в котором координата соответствующая номеру оператора была единичной, остальные координаты имели нулевое значение. Вся выборка векторов была разделена случайным образом на две части - обучающая и тестовая (по 5 векторов для каждого оператора). При обучении нейронной сети намеренно использовалась неочищенная выборка для оценки способности нейронной сети к фильтрации сигнала, поскольку ошибки в наборе ключевой фразы можно рассматривать как случайные помехи, наложенные на сигнал. После обучения нейронной сети было проведено несколько экспериментов по ее тестированию. В каждом эксперименте выбирался свой порог срабатывания выходных нейронов, т.е. все выходные нейроны с выходным значением меньшим значения порога исключались из рассмотрения, из оставшихся нейронов выбирался нейрон с максимальным значением и его номер считался номером опознанного оператора.
Порог
0
0.1
0.2
0.3
0.4
0.5
P пс
0
0.057
0.1
0.16
0.23
0.26
P лс
0.123
0.11
0.086
0.071
0.071
0.057
Полученные результаты позволяют сделать вывод о це лесообразности применения данного метода для идентификации пользователя по клавиатурному почерку.
Таким образом при помощи мониторинга клавиатурного почерка представляется возможным решение следующего ряда задач, связанных с защитой информационных систем от несанкционированного доступа:
1) Идентификация пользователь при входе в систему
2) Обнаружение смены оператора оператором.
Для этого производится постоянное сравнение параметров клавиатурного почерка работающего в данный момент оператора с параметрами клавиатурного почерка оператора, осуществившего начало работы. При расхождении образцов клавиатурных почерков принятие каких-либо мер (напр. отключение от банка данных, информирование администратора системы, запрещение ввода информации и т.п.).
3) Составление портрета пользователя по его клавиа турному почерку.
Происходит оценка ряда психофизических параметров пользователя, как то - степени профессионализма при работе с клавиатурой, выявление состояния стресса у пользователя и т.п.
Литература
1. Расторгуев С.П. "Программные методы защиты информации в компьютерах и сетях".- М.:"Яхтсмен", 1993
2. Горелик А.Л., Скрипкин В.А. "Методы распознавания". М.:Высшая школа, 1984"
Kerish добавил [date]1083085478[/date]:
Вот еще ссылка:
http://www.bizcom.ru/security/2000-01/02.html
[Ответ]