A neural-statistical modeling approach for keystroke recognition algorithms

Abstract

The main problem of the computer and information systems is the security, which is to protect the system from the attacks of imposter or unauthorized users. In order to supply better security, it must be determined clearly while system access that if the claimed one is authorized user known by the system or not. Recently, biometric security systems technology is developed and added to the typical authentication systems, which are consist of username and PIN or password query, aiming to get higher security in system access. The keystroke pattern recognition system is chosen as one of the biometric security system and proposed to perform a classification in this thesis. In order to achieve this, a perspective is developed under the knowledge of the classification algorithms used earlier in keystroke pattern recognition systems. According to this, a model is designed which uses hybrid combination of two different algorithms. One of them is the statistical algorithm which is the very firstly used one in pattern recognition and the other one is the neural networks. In the model, the statistical algorithm formulations are embedded into the neural network architecture. Designed algorithm model is described in detail and tested with sample user datasets and performance results are presented. When thinking about need of new approaches in the classification algorithms in keystroke pattern recognition, this study can be a starting point to further enhancements with its perspective on the subject.Bilgisayar ve bilgi sistemlerinin ana problemi olan güvenlik, sistemi yetkisiz ve kötü niyetli kimselerin saldirilarindan korumaktir. Iyi bir güvenlik seviyesi saglayabilmek için, sisteme girmeye çalisanlarin sistem tarafindan yetkilendirilmis kullanici olup olmadiklarindan kesinlikle emin olunmalidir. Son zamanlarda, biyometrik güvenlik sistemleri teknolojisi gelistirilmis ve tipik yetki sorgulama sistemleri olan kullanici ve PIN veya sifre sorgulama sistemlerine ek olarak daha yüksek bir güvenlik saglamak amaciyla kullanilmaya baslanmistir. Bu tez çalismasinda, biyometrik güvenlik sistemlerinden yazma ritmi tanima sistemleri seçildi ve siniflandirma algoritmalari uygulanmaya çalisildi. Bunu basarabilmek için yazma ritmi tanima sistemlerinde, önceleri kullanilmis olan siniflandirma algoritmalarinin bilgisi altinda yeni bir perspektif gelistirildi. Buna göre iki farkli siniflandirma algoritmasi kullanan hibrid bir model dizayn edildi. Algoritmalardan bir tanesi bu alanda kullanilan ilk siniflandirma algoritmalarindan olan istatistiksel algoritma, digeri ise yapay sinir aglaridir. Model, istatistiksel algoritma formülleri yapay sinirsel ag yapisi üzerine gömülerek elde edilmistir. Dizayn edilen modelin algoritmasi ayrintilariyla verilmis ve örnek kullanici girdileriyle test edilerek sonuçlar açiklanmistir. Yazma ritmi tanima biyometrik güvenlik sistemlerindeki siniflandirma algoritmalarina yeni yaklasimlarin ihtiyaci düsünülürek yapilan bu çalisma getirdigi perspektif ile daha ileri düzeydeki çalismalar için bir baslangiç noktasi olabilir.