Smart Technology & Smart Management Akıllı Teknoloji & Akıllı Yönetim


ÖZEN Z. , GÜLSEÇEN S. , Sharma S. K.

Tuş Vuruş Dinamikleri Tabanlı Kimlik Doğrulama Sistemlerinde Çok-Katmanlı İleri Beslemeli Yapay Sinir Ağı Sınıflandırıcılarının Karşılaştırılması, Tecim V., Tarhan Ç., Can A., Editör, Dokuz Eylül Yayınları, İzmir, ss.228-241, 2016

  • Basım Tarihi: 2016
  • Yayın Evi: Dokuz Eylül Yayınları
  • Basıldığı Şehir: İzmir
  • Sayfa Sayısı: ss.228-241
  • Editörler: Tecim V., Tarhan Ç., Can A., Editör

Özet

Bilginin tüm üretim araçlarından daha değerli olduğu günümüzde, bilgiyi üreten ve kullanan ülkeler rekabette avantaj elde etmektedir. Bilginin muhafazası ve güvenliği de en az bilginin üretilmesi kadar önemli bir çalışma alanıdır. Bilginin üretildiği, depolandığı, yayıldığı ve işlendiği bilgi sistemleri için güvenli erişim ve kimlik doğrulaması geliştirilmesi bu açıdan çok önemlidir. Bilgisayar sistemlerinde en yaygın kimlik doğrulama yöntemi olan parolalı kimlik doğrulama tek başına yeterli güvenliği verememektedir. Bu çalışma kapsamında parolalı kimlik doğrulamada güvenliği artırmak amacıyla tuş vuruş dinamikleri tabanlı biyometrik kimlik doğrulama sisteminin çok-katmanlı ileri beslemeli yapay sinir ağı (YSA) algoritmalarının performans karşılaştırılması amaçlanmıştır. Çok-katmanlı ileri beslemeli YSA modellerinin en bilindik ve en yaygın YSA algoritması olan Geri Yayılım Algoritması (Backpropagation), Radyal Tabanlı Fonksiyon YSA ve Öz-İlişkili (Auto-Association) YSA kullanılmıştır. Çalışma kapsamında yüz bir kişiden özgün tuş vuruş veri seti toplanmıştır. Model performans değerlendirme yöntemi olarak 5-kat çapraz geçerleme tekniği kullanılmıştır. Veri analizleri R programlama dili ile RStudio editörü kullanarak yapılmıştır. YSA kullanılarak, test veri setindeki her bir örneğin, şifrenin gerçek sahibi veya saldırgan kişiler tarafından yazılma olasılığı tahmin edilmeye çalışılmıştır. Çalışma bulgularına göre, Öz-İlişkili YSA %0 Hatalı Kabul Etme Oranı (FAR) ve %4,73 Hatalı Reddetme Oranı (FRR) ve %94,69 doğruluk oranı ile en başarılı YSA olmuştur.

Today information is more valuable than all production tools and countries, which produce and use information, take a competitive advantage. Information storage and security is important study areas as the production of information. In this respect, it is important to develop secure access and authentication for information systems where information is generated, stored, processed, and disseminated. In computer systems password authentication, which is the most common authentication method, cannot provide adequate security alone. In the scope of this work, it is aimed to compare performances of Multi-Layer Feed-Forward Artificial Neural Networks (ANNs) in order to increase security of biometric authentication system based on keystroke dynamics. Backpropagation algorithm which is the most known and the most common neural network algorithm of Feed-Forward models, Radial Basis Function Neural Networks and Auto-associative Neural Networks are used. Original data is obtained from one hundred one people. 5-fold cross validation is used as model performance evaluation technique. Data analysis is performed by R programming language using RStudio. It is tried to predict class labels of each attempt in data set as genuine users and impostors. According to results of the study, the most successful ANN is Auto-associative Neural Network with 0% False Accept Rate (FAR), 4,73% False Reject Rate (FRR) and 94,69% accuracy value.