基于擊鍵特征的身份識別技術(shù)在考試系統(tǒng)中的應用

文/金振乾

基于擊鍵特征的身份識別技術(shù)在考試系統(tǒng)中的應用

文/金振乾

在線考試使用簡便，功能強大效率高，受到師生歡迎。但在線考試過程中容易出現(xiàn)替考行為。為減少此類情況發(fā)生，本文提出通過擊鍵特征進行考生身份識別，通過記錄和分析學生使用鍵盤的參數(shù)，進行身份識別，從而有效幫助教師發(fā)現(xiàn)替考行為。

行為特征 擊鍵特征 身份識別

1 引言

在線考試因收發(fā)卷方便，批改和統(tǒng)計結(jié)果準確率高、速度快，正在被越來越多的教師采用。但在考試過程中，學生不是直接將試卷提交給教師，而是利用終端提交給服務器，導致更容易出現(xiàn)替考行為。因此必須使用其他身份驗證措施，減少乃至杜絕替考行為。其中，行為特征識別能夠兼顧識別效果、成本和復雜度，適用于考試環(huán)境。

早在20世紀80年代，Gaines等人研究發(fā)現(xiàn)，每個人敲擊鍵盤的特點是不同的，并由此產(chǎn)生了擊鍵動力學。相關(guān)研究成果表明，綜合分析每個人敲擊鍵盤時的按鍵力度、按鍵位置、按鍵行程、按鍵持續(xù)時間、按鍵間隔時間等參數(shù)，可以有效分辨用戶的真實身份。

2 擊鍵特征的相關(guān)數(shù)據(jù)

通過擊鍵特征進行身份識別的過程中，特征數(shù)據(jù)覆蓋面越廣，數(shù)據(jù)量越大，算法越先進，越容易得到準確的判斷結(jié)果。

在現(xiàn)實環(huán)境中，很難收集到高覆蓋面的大量特征數(shù)據(jù)，從而降低了識別效果。

特征識別的目的在于減少和杜絕替考行為，因此在學生登錄系統(tǒng)環(huán)節(jié)采集特征樣本，識別目的為用戶身份是否與賬戶名相對應。這是因為：大多數(shù)學校使用的在線學習系統(tǒng)兼顧作業(yè)和考試功能，學生在平時會多次登錄系統(tǒng)并輸入學號、賬號和密碼等信息。這些信息均為固定擊鍵序列，學生輸入熟練，模式性更強，受硬件因素影響小，更容易識別；擊鍵特征識別的目的是輔助教師發(fā)現(xiàn)替考行為，只需要提出警告即可，具體處理仍由教師進行。

擊鍵特征主要通過四種時間參數(shù)來表現(xiàn)：

P-R時間：按下一個按鍵到釋放該按鍵的時間間隔，也叫持續(xù)時間；

P-P時間：相鄰兩次按下按鍵的時間間隔；

R-P時間：釋放一個按鍵到按下下一個按鍵的時間間隔，也叫間隔時間；

圖1：12431023號學生擊鍵特征分布圖

圖2：12421005號學生擊鍵特征分布圖

R-R時間：相鄰兩次釋放按鍵的時間間隔。

系統(tǒng)只需監(jiān)測P-R時間和R-P時間，即持續(xù)時間和間隔時間，另兩個參數(shù)可用P-R時間和R-P時間推算。系統(tǒng)需要采集的數(shù)據(jù)包括：

輸入學號時P-R時間：

輸入學號時R-P時間：

輸入姓名拼音時P-R時間：

輸入姓名拼音時R-P時間：

輸入密碼時P-R時間：

輸入密碼時R-P時間：

其中：

x表示學號長度；

y表示姓名拼音長度；

z表示密碼長度；

m表示采集數(shù)據(jù)的次數(shù)。

3 特征分析

圖1和圖2分別為學號為12431023和12421005的兩名學生輸入自己學號時的R-P數(shù)據(jù)分布。

每個學生的擊鍵數(shù)據(jù)是有規(guī)律的，每次擊鍵的特征數(shù)據(jù)符合正態(tài)分布規(guī)律，即大量數(shù)據(jù)會集中于某個區(qū)間之內(nèi)。但也有大于這個區(qū)間或小于這個區(qū)間的數(shù)據(jù)，即噪聲數(shù)據(jù)。為簡化計算，本文將噪聲數(shù)據(jù)舍棄，不進行計算，并采用數(shù)據(jù)標準差進行識別運算。

計算正常數(shù)據(jù)的標準差：

Si是數(shù)據(jù)集中第i個數(shù)據(jù)的標準差；

k是數(shù)據(jù)集中第i個數(shù)據(jù)的采集次數(shù)。

當學生登錄考試系統(tǒng)時，采集輸入學號、輸入姓名拼音、輸入密碼時產(chǎn)生的R-P值和P-R值，共六組數(shù)據(jù)。計算每一組數(shù)據(jù)和對應數(shù)據(jù)集的平均值的差值。假設每組數(shù)據(jù)中有N項數(shù)值，將會產(chǎn)生N個實際數(shù)據(jù)和平均值的差值，如果有一定范圍數(shù)據(jù)的差值小于標準差，就認為該組數(shù)據(jù)是由正確的學生輸入的，可認為登錄學生的身份沒有被仿冒，否則向監(jiān)考老師發(fā)出警報，以便教師進行進一步核查。

4 測試效果

在測試過程中，筆者共提取了22名學生的擊鍵數(shù)據(jù)，其中17人的數(shù)據(jù)有效。經(jīng)過驗證，如果范圍閾值設定為70%，該算法可以實現(xiàn)11.8%的FAR（False alarm rate，合法用戶的拒絕比例）。如果將閾值降低到65%，那么FAR可以降低到0%。

較高的閾值可能產(chǎn)生較高的誤報率，但會減少替考的可能性；而較低的閾值誤報率較低，但也會降低替考者的識別比例。綜合監(jiān)考教師工作量、服務器運算量、誤報率和替考識別率等多方面因素，閾值設定為65%到70%之間可以取得較好的平衡。

5 結(jié)束語

在后續(xù)研究中，將進一步研究噪聲數(shù)據(jù)對識別率的影響，同時使用計算機深度學習等算法，在不過多增加運算壓力的前提下提高識別率，降低誤報率，使之發(fā)揮更大的作用。

[1]程葉霞,薛質(zhì).基于擊鍵特征匹配的單點登錄系統(tǒng)[J].通信技術(shù),2012,45(01)：99-101.

[2]傅博.基于擊鍵序列特征提取的用戶身份認證[D].陜西師范大學,2008.

[3]張治元,田國忠.基于擊鍵韻律的身份認證模型設計與實現(xiàn)[J].計算機應用,2009,29(10)：2799-2801.

[4]朱明,周津,王繼康.基于擊鍵特征的用戶身份認證新方法[J].計算機工程,2002,28(10)：138-139.

作者單位 河南司法警官職業(yè)學院 河南省鄭州市450000

金振乾（1981-），男，河南省封丘縣人。碩士學位。講師。研究方向為程序設計和信息化教學方向的研究。