Главная  Журналы  Национальные интересы: приоритеты и безопасность  3(384) - 2020 март

Аутентификация пользователей по клавиатурному почерку при использовании систем автоматического прокторинга

Получена: 23.10.2019

Получена в доработанном виде: 14.11.2019

Одобрена: 06.12.2019

Доступна онлайн: 16.03.2020

Рубрика: Угрозы и безопасность

Коды JEL: I21, Y90

Страницы: 582–596

https://doi.org/10.24891/ni.16.3.582

Предмет. Массовые онлайн-курсы и системы тестирования становятся неотъемлемой частью систем дистанционного обучения, которые все чаще основаны на системах автоматического прокторинга, обладающих уязвимостью аутентификации пользователей.
Цели. Исследование методов аутентификации пользователей по клавиатурному почерку. Разработка наиболее точного и эффективного метода аутентификации пользователей по клавиатурному почерку.
Методология. В статье предложена трехуровневая модель повышения точности аутентификации пользователей по клавиатурному почерку, позволяющая повысить эффективность аутентификации не только в системах автоматического прокторинга, но и в сложных критически важных объектах.
Результаты. Проведен эксперимент, в результате которого достоверность аутентификации пользователей составила 97,5%. Уже на статистическом уровне трехуровневой модели сократилось число нелегитимных пользователей в системе.
Выводы. На основе результатов исследования возможно (и планируется в дальнейшем) разработать метод, который будет функционировать на уровне логического сравнения в целях повышения точности. Он будет предназначен для создания усовершенствованного эталона, где бы учитывались особенности каждого пользователя, а также некоторые девиации, связанные с эмоциональными состояниями пользователей. Это могло бы способствовать разработке систем непрерывной аутентификации пользователей для мониторинга их эмоционального состояния при работе на критических объектах.

Ключевые слова: клавиатурный почерк, биометрия, аутентификация, автоматический прокторинг, кластеризация

Список литературы:

1. Глова В.И., Катасев А.С., Абзалов А.Р. Модель локализации искажений и подтверждения авторства исходных текстов программ // Вестник Казанского государственного технического университета им. А.Н. Туполева. 2008. № 3. С. 84–87.
2. Добровинский Д.С., Ловецкий И.В., Попов М.А. Прокторинг как инструмент развития дистанционного образования // Научно-техническое и экономическое сотрудничество стран АТР в XXI веке. 2018. Т. 2. С. 27–32.
3. Клименских М.В., Истомин Д.В., Халфин А.Б., Панченко В.Н. Обеспечение процедуры дистанционного экзаменационного мероприятия посредством методов идентификации личности студента // Вестник Казанского государственного энергетического университета. 2016. № 3. С. 134–151.
4. Костюченко Е.Ю., Мещеряков Р.В. Распознавания пользователя по клавиатурному почерку на фиксированной парольной фразе в компьютерных системах // Известия ЮФУ. Технические науки. 2003. № 4. С. 177–178. URL: Link
5. Тумбинская М.В., Баянов Б.И., Рахимов Р.Ж. и др. Анализ и прогнозирование вредоносного сетевого трафика в облачных сервисах // Бизнес-информатика. 2019. № 1. С. 71–81. URL: Link
6. Шарипов Р.Р., Катасев А.С., Кирпичников А.П. Методы анализа клавиатурного почерка пользователей с использованием эталонных гауссовских сигналов // Вестник Технологического университета. 2016. Т. 19. № 13. С. 157–160. URL: Link
7. Тумбинская М.В. Защита информации в социальных сетях от социоинженерных атак злоумышленника // Прикладная информатика. 2017. Т. 12. № 3. С. 88–102.
8. Шарипов Р.Р., Катасев А.С. Анализ клавиатурного почерка пользователей инфокоммуникационных систем на основе полигауссового алгоритма // Информация и безопасность. 2016. Т. 19. № 4. С. 587–590.
9. Тумбинская М.В. Системный подход к обеспечению защиты от нежелательной информации в социальных сетях // Вопросы кибербезопасности. 2017. № 2. С. 30–44. URL: Link
10. Тумбинская М.В. Модель защищенной информационной системы интернет-банкинга // Прикладная информатика. 2015. № 5. С. 62–72. URL: Link
11. Шарипов Р.Р., Сафиуллин Н.З. Аппаратурный анализ клавиатурного почерка с использованием эталонных гауссовских сигналов // Вестник Казанского государственного технического университета им. А.Н. Туполева. 2006. № 2. С. 21–23.
12. Шарипов Р.Р., Катасев А.С. Система распознавания клавиатурного почерка пользователей на основе полигауссового алгоритма // Вестник Казанского государственного энергетического университета. 2016. № 4. С. 45–59. URL: Link
13. Тумбинская М.В. Обеспечение защиты от нежелательной информации в социальных сетях // Вестник Мордовского университета. 2017. Т. 27. № 2. С. 264–288.
14. Мухаматханов Р.М., Михайлов А.А., Баянов Б.И., Тумбинская М.В. Классификация DDoS-атак на основе нейросетевой модели // Прикладная информатика. 2019. № 1. С. 96–103.
15. Кормильцев Н.В., Уваров А.Д., Хаматнуров И.И., Тумбинская М.В. Анализ защищенности системы безопасности LTE-a от направленного воздействия DDoS-атак // Национальные интересы: приоритеты и безопасность. 2019. Т. 15. Вып. 2. С. 376–392. URL: Link
16. Александрова Л.А., Тумбинская М.В. Модель интерактивной обучающей системы // Программные продукты и системы. 2009. № 2. С. 39. URL: Link

Посмотреть другие статьи номера »