JP2018085010A - 本人性判定装置、および、本人性判定方法 - Google Patents

Abstract

【課題】キー入力者が本人か否かを精度よく判定する。【解決手段】ユーザ端末３０は、キー入力時およびキー未入力時におけるセンサ２０の装着者の手の動きを示す加速度データの特徴量を学習することにより、加速度データの特徴量から、センサ２０（加速度センサ）の装着者によるキー入力の有無を分類する分類器３４６を作成しておく。その後、ユーザ端末３０は、この分類器３４６を用いて、各時刻におけるセンサ２０の装着者の加速度データの特徴量から、各時刻におけるセンサ２０の装着者によるキー入力の有無を分類する。そして、ユーザ端末３０は、分類器３４６が分類した各時刻におけるセンサ２０の装着者によるキー入力の有無と、キー操作ログに記録される同時刻におけるキー入力の有無との一致率を算出することにより、ユーザ端末３０へのキー入力の入力者がセンサ２０の装着者と同一人物であるか否かを判定する。【選択図】図２

Description

本発明は、本人性判定装置、および、本人性判定方法に関する。

電子行政やＷｅｂ上で行われる資格試験等、オンラインサービスでなりすまし申請や替え玉受験等の不正が懸念されている。なりすましや替え玉を防止するための認証方式として、記憶による認証（例えば、パスワードによる認証）、所有物による認証（例えば、ＩＣカードによる認証）、身体的特徴による認証（例えば、指紋や静脈による認証）等が知られている。

しかし、これらの認証方式では、サービス利用開始時に、一度だけ認証することが多く、認証後のキーボード操作時に他人と入れ替わることで、不正な操作が行われるおそれがある。このような他人との入れ替わりによる対策として、被認証者のキー入力時のキーストローク等の行動における、本人の癖を利用した認証（行動的特徴による認証）も提案されている（非特許文献１参照）。例えば、上記のキーストロークを用いた認証では、被認証者がキーを打つときのパターンや速度、リズム等の特徴量を用いることで、行動時における被認証者の本人性を確認できる。

佐村敏治等、「非定型な日本語文入力におけるキーストロークダイナミクス識別」、システム制御情報学会論文誌、Vol.22、No.4、pp.145-153、2009

しかし、例えば、上記のキーストロークを用いた認証では、被認証者のキー操作の習熟等により特徴量が変化すると、認証精度が低下する可能性がある。一方、手首や腕の動きを検出するセンサ（例えば、筋電計、加速度センサ等）を用いて、実際のキー入力の時刻と、センサの反応のタイミングとが同じか否かを判定することで、キー入力者の本人性を保証する方式が提案されている。この方式では、例えば、マウス操作等、他の動作が含まれた時に、ノイズが生じてしまい、精度が低くなるという問題があった。

そこで、本発明は、前記した問題を解決し、キー入力者が本人か否かを精度よく判定することを課題とする。

前記した課題を解決するため、本発明は、センサの装着者の手または腕の動きを計測するセンサから送信された、前記センサの装着者の手または腕の動きを示すセンサデータを受け付けるデータ受信部と、前記センサデータを時系列で記録するセンサデータ記録部と、ユーザ端末へのキー入力における入力時刻および入力値をキー操作ログとして記録するキー操作ログ記録部と、各時刻における前記センサデータの特徴量を算出する特徴量算出部と、前記センサの装着者のキー入力時における前記センサデータの特徴量およびキー未入力時における前記センサデータの特徴量を教師データとして学習することにより、前記各時刻におけるセンサデータの特徴量から、前記各時刻における前記センサの装着者によるキー入力の有無を分類する分類器と、前記分類器が分類した各時刻における前記センサの装着者によるキー入力の有無と、前記キー操作ログに記録される前記各時刻におけるキー入力の有無との一致率を算出し、前記一致率が所定の閾値以上である場合、前記ユーザ端末へのキー入力の入力者は、前記センサの装着者であると判定し、前記一致率が所定の閾値未満である場合、前記ユーザ端末へのキー入力の入力者は、前記センサの装着者ではないと判定する判定部とを備えることを特徴とする。

本発明によれば、キー入力者が本人か否かを精度よく判定することができる。

図１は、システムの概要を説明するための図である。 図２は、システムの詳細を示す図である。 図３は、F-measureにおける適合率（Precision）の算出例を説明するための図である。 図４は、F-measureにおける再現率（Recall）の算出例を説明するための図である。 図５は、分類器の作成手順を示すフローチャートである。 図６は、加速度データの一例を示す図である。 図７は、加速度−キー操作対応付けデータの一例を示す図である。 図８は、同一人物性判定処理を示すフローチャートである。 図９は、図１に示すシステムの変形例を示す図である。 図１０は、図９に示すシステムの処理手順の例を示すシーケンス図である。 図１１は、本人性判定プログラムを実行するコンピュータを示す図である。

以下、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。また、本発明は、本実施形態に限定されない。

まず、図１を用いて、本実施形態の本人性判定装置（ユーザ端末）３０を含むシステムの概要を説明する。システムは、例えば、図１に示すように、入力装置１０と、センサ２０と、ユーザ端末３０とを備える。

入力装置１０は、ユーザ端末３０へのキー操作（キー入力）を受け付ける。この入力装置１０は、例えば、キーボードである。入力装置１０は、例えば、タッチパネル等のようにユーザ端末３０と一体となって構成されていてもよい。

センサ２０は、当該センサ２０の装着者（ユーザ）の手または腕の動きを計測する。このセンサ２０は、例えば、ユーザの手または腕に装着される加速度センサや、ユーザの手または腕の筋肉の活動電位（ＥＭＧ）を取得するＥＭＧ装置等である。以下では、センサ２０は、例えば、生体認証や、センサ２０の装着者の対面での確認等により、本人（正当なユーザ）により装着されていることが確認されているものとする。また、このセンサ２０の形状は、リストバンド型であってもよいし、グローブ型であってもよい。さらに、センサ２０は、ユーザの片手に装着されてもよいし、両手に装着されてもよい。以下では、センサ２０は、ユーザの片手に装着されるリストバンド型の加速度センサであり、ユーザの手または腕のＸ，Ｙ，Ｚ軸方向の加速度を計測する場合を例に説明する。

ユーザ端末３０は、ユーザのキー操作に基づき、様々な処理を実行する。このユーザ端末３０は、例えば、ユーザ端末３０へのキー入力における入力時刻および入力値をキー操作ログとして記録し、また、センサ２０からセンサデータ（加速度データ）を取得する。そして、ユーザ端末３０は、入力装置１０のキー操作とセンサ２０の加速度データとの発生時刻照合による人物の同一性判定を行う。つまり、ユーザ端末３０は、加速度データからセンサ装着者によるキー操作が発生したと推定される時刻と、キー操作ログにおいてキー操作が発生した時刻とが同じであれば、キー入力者とセンサ装着者とは同じ人物であると判定する。

ここで、ユーザ端末３０は、事前に、キー入力時における加速度データの特徴量と、キー未入力時における加速度データの特徴量とを学習することにより、センサ２０の装着者の加速度データの特徴量から、センサ２０の装着者によるキー入力の有無を分類する分類器３４６（後記）を作成しておく。そして、ユーザ端末３０は、この分類器３４６（後記）によりセンサ２０の装着者によるキー入力の有無の分類（判定）を行う。これにより、ユーザ端末３０は、センサ２０の装着者によるキー入力の有無を精度よく判定することができる。この分類器３４６（後記）の作成の詳細について後記する。

次に、図２を用いて、システムの各構成を詳細に説明する。入力装置１０は、データ取得部１１と、データ送信部１２とを備える。データ取得部１１は、ユーザ端末３０へのキー操作（キー入力）を受け付ける。データ送信部１２は、データ取得部１１で受け付けたキー操作の内容をユーザ端末３０へ送信する。

センサ２０は、データ取得部２１と、データ送信部２２とを備える。データ取得部２１は、加速度センサにより当該センサ２０の装着者（ユーザ）の手や腕の動きを示す加速度データを取得する。データ送信部２２は、データ取得部２１により取得された加速度データをユーザ端末３０へ送信する。

なお、破線で示す脈波データ取得部２３および生体情報判定部２４は、装備される場合と装備されない場合とがあり、装備される場合については後記する。

ユーザ端末３０は、前記した分類器３４６を作成する。そして、ユーザ端末３０は、作成した分類器３４６により分類された各時刻におけるセンサ２０の装着者によるキー入力の有無と、キー操作ログに記録される各時刻におけるキー入力の有無との一致率に基づき、ユーザ端末３０へのキー入力の入力者が、センサ２０の装着者と同一人物か否かを判定する。

このユーザ端末３０は、入出力部３１と、通信部３２と、記憶部３３と、制御部３４とを備える。入出力部３１は、外部装置（例えば、入力装置１０や、表示装置（図示省略））との間のデータ入出力のインタフェースを司る。通信部３２は、外部装置（例えば、センサ２０）との間で有線または無線の通信を行うための通信インタフェースを司る。

記憶部３３は、制御部３４が処理を実行する際に参照する各種データを記憶する。例えば、記憶部３３は、センサ２０から送信された各時刻における加速度データ（加速度データの特徴量）と、入力装置１０から送信された当該各時刻におけるキー操作とを対応付けたデータ（加速度−キー操作対応付けデータ、図７参照）を記憶する領域を備える。

制御部３４は、ユーザ端末３０全体の制御を司る。制御部３４は、データ受信部３４１と、加速度データ記録部３４２と、キー操作ログ記録部３４３と、特徴量算出部３４４と、分類器作成部３４５と、同一人物性判定部３４７とを備える。なお、分類器３４６は、分類器作成部３４５により、分類器３４６が作成された後に制御部３４に装備される。

データ受信部３４１は、入力装置１０から、ユーザ端末３０へのキー入力における入力時刻および入力値を受信する。また、データ受信部３４１は、センサ２０から加速度データを受信する。

なお、データ受信部３４１は、分類器３４６の作成に用いられる学習データ（キー入力時における加速度データおよびキー未入力時における加速度データ）の受信にも用いられるし、同一人物性判定の対象となるユーザ（センサ２０の装着者）の加速度データの受信にも用いられる。

加速度データ記録部３４２は、データ受信部３４１で受信した、加速度データを時系列で記憶部３３に記録する。キー操作ログ記録部３４３で受信した、ユーザ端末３０へのキー入力における入力時刻および入力値を、キー操作ログとして記憶部３３に記録する。

特徴量算出部３４４は、各時刻における加速度データの特徴量を算出する。例えば、特徴量算出部３４４は、加速度データの特徴量として、所定時間（例えば、０．１秒間）における加速度データの、平均値、分散値、標準偏差、最大値と最小値との組み合わせ、絶対値の和、および、運動強度の少なくともいずれかを算出する。

分類器作成部３４５は、キー入力の有無を分類する分類器３４６を作成する。この分類器作成部３４５は、例えば、キー入力時の加速度データの特徴量およびキー未入力時の加速度データの特徴量（例えば、記憶部３３に記憶される加速度−キー操作対応付けデータ）を教師データとして用いて機械学習を行い、分類器３４６を作成する。具体的には、データ受信部３４１により、学習用データとして、キー入力時の加速度データおよびキー未入力時の加速度データが入力されると、特徴量算出部３４４において、キー入力時における加速度データの特徴量と、キー未入力時における加速度データの特徴量とを算出する。そして、分類器作成部３４５は、特徴量算出部３４４により算出された、キー入力時の加速度データの特徴量およびキー未入力時の加速度データの特徴量を教師データとして用いた機械学習を行い、その機械学習の結果を用いて分類器３４６を作成する。なお、キー入力時およびキー未入力時がどの時刻かは、キー操作ログを参照することで特定可能である。

分類器３４６は、各時刻におけるセンサ２０の装着者の加速度データの特徴量から、各時刻におけるセンサ２０の装着者によるキー入力の有無を分類する。具体的には、データ受信部３４１により、同一人物性判定の対象となるユーザ（センサ２０の装着者）の各時刻における加速度データを受信すると、特徴量算出部３４４により、この各時刻における加速度データの特徴量を算出する。そして、分類器３４６は、特徴量算出部３４４により算出された、各時刻におけるセンサ２０の装着者の加速度データの特徴量から、同時刻におけるセンサ２０の装着者によるキー入力の有無（入力ｏｒ未入力）を分類する。

なお、センサ２０が片手に装着される場合、キー操作ログに示されるキー入力のうち、センサ２０が装着される方の手によるキー入力に関する情報（入力時刻、キー入力値）が、分類器３４６の作成のための学習の対象となる。例えば、センサ２０が右手に装着される場合、分類器作成部３４５は、キー操作ログにおける右手側に配置されるキーが操作された時刻をキー入力時として、キー入力時の加速度データの特徴量およびキー未入力時の加速度データの特徴量を学習して、分類器３４６を作成する。

同一人物性判定部３４７は、ユーザ端末３０へのキー入力の入力者が、センサ２０の装着者と同一人物であるか否かを判定する。具体的には、同一人物性判定部３４７は、分類器３４６により分類された各時刻におけるセンサ２０の装着者（同一人物性判定の対象となるユーザ）によるキー入力の有無と、キー操作ログに記録される上記の各時刻におけるキー入力の有無との一致率を算出する。

そして、同一人物性判定部３４７は、分類器３４６により分類された各時刻におけるセンサ２０の装着者によるキー入力の有無と、キー操作ログに記録される各時刻におけるキー入力の有無との一致率が所定の閾値（例えば、７０％）以上であれば、ユーザ端末３０へのキー入力の入力者は、センサ２０の装着者と同一人物であると判定する。一方、両者の一致率が所定の閾値未満であれば、同一人物性判定部３４７は、ユーザ端末３０へのキー入力の入力者は、センサ２０の装着者と同一人物ではないと判定する。

なお、上記の一致率の算出には、例えば、式（１）に示すF-measureを用いる。

このF-measureにおける適合率（Precision）は、分類器３４６による分類結果の正確性を評価する指標であり、例えば、分類器３４６によりセンサ２０の装着者によるキー入力が有と判定された各時刻において、キー操作ログにおいてもキー入力の有である割合を用いる。また、F-measureにおける再現率（Recall）は、分類器３４６による分類結果の網羅性を評価する指標であり、例えば、キー操作ログにおいてキー入力の有である各時刻において、センサ２０の装着者によるキー入力も有と判定された割合を用いる。

適合率（Precision）の算出例を説明する。例えば、所定時間における各時刻の加速度データの特徴量から、分類器３４６により１（入力）と分類されたものの数をN_aとする。例えば、図３に示すデータにおいて、N_a=4である。また、分類器３４６により加速度データの特徴量が１と分類された各時刻におけるキー操作ログと照合し、キー操作ログも１（入力有）である数をN_bとする。例えば、図３に示すデータにおいてN_b=3である。ここで、Precision=N_b/N_aなので、図３に示すデータに基づくPrecisionの値は、3/4となる。

次に、再現率（Recall）の算出例を説明する。例えば、所定時間におけるキー操作ログにおいて１（入力有）である数を、N_cとする。例えば、図４に示すデータにおいて、N_c=4である。また、キー操作ログが１（入力有）である各時刻において、分類器３４６により、加速度データの特徴量が１と分類されたものの数をN_dとする。例えば、図４に示すデータにおいてN_d=3である。ここで、Recall=N_d/N_cなので、図４に示すデータに基づくRecallの値は、3/4となる。

このように、同一人物性判定部３４７において、分類器３４６が分類した各時刻におけるセンサ２０の装着者によるキー入力の有無と、キー操作ログに記録される上記の各時刻におけるキー入力の有無との一致率の算出に、F-measureを用いることで、例えば、分類精度の低い分類器３４６を用いた場合でも、分類精度の低さを考慮した一致率の算出を行うことができる。

なお、分類器３４６の分類精度が比較的高いことが保証されていれば、同一人物性判定部３４７は、上記の適合率（Precision）のみを用いて、一致率の算出を行ってもよい。

次に、図５を用いて、ユーザ端末３０による分類器３４６の作成手順を説明する。まず、データ受信部３４１は、学習データとして、キー入力時およびキー未入力時における加速度データと、キー入力における入力時刻および入力値を取得する（Ｓ１）。そして、加速度データ記録部３４２は、取得した加速度データを時系列で記憶部３３に記録し、また、キー操作ログ記録部３４３は、キー入力における入力時刻および入力値をキー操作ログとして記憶部３３に記録する。

なお、時系列の加速度データは、例えば、センサ２０に対し、Ｘ，Ｙ，Ｚ軸の方向を図６の右図のように定めたとき、図６のグラフに示すような値となる。図６のグラフにおいてＡｃｃ_Ｘの値はＸ軸方向の加速度データの値であり、Ａｃｃ_Ｙの値はＹ軸方向の加速度データの値であり、Ａｃｃ_Ｚの値はＺ軸方向の加速度データの値である。なお、図６に示すグラフには、キー入力時刻も併記している。

図５のＳ１の後、分類器作成部３４５は、各時刻における加速度データとキー操作ログとの対応付けを行う（Ｓ２）。また、特徴量算出部３４４は、各時刻における加速度データの特徴量を算出する（Ｓ３）。

例えば、分類器作成部３４５は、特徴量算出部３４４から各時刻における加速度データの特徴量を受け取ると、この各時刻における加速度データの特徴量とキー操作ログとの対応付けを行い、図７に示すような加速度−キー操作対応付けデータを作成する。

この加速度−キー操作対応付けデータは、例えば、図７に示すように、加速度データの取得時刻、当該時刻における加速度データのＸ，Ｙ，Ｚ軸方向の特徴量（Ａｃｃ_Ｘ、Ａｃｃ_Ｙ、Ａｃｃ_Ｚ）、当該時刻におけるキー入力ＢＯＯＬの値（ＢＯＯＬ値）を対応付けたデータである。なお、ＢＯＯＬ値は、キー操作ログにおいて「時刻」に示される時刻の前後０．０５秒（合計で０．１秒間）で、センサ２０が装着される方の手でキー入力があれば値を「１」とし、センサ２０が装着される方の手でキー入力が無ければ値を「０」としている。つまり、センサ２０が装着される方の手でキー入力が無かった場合、および、いずれの手によってもキー入力がなかった場合、ＢＯＯＬ値を「０」としている。

なお、センサ２０が片手に装着される場合、キー入力が、センサ２０の装着される方の手で行われたものか、センサ２０の装着されていない方の手で行われたものかは、例えば、入力されたキー値および入力に用いられたキーの配列等を用いて判断される。

図５のＳ３の後、分類器作成部３４５は、上記の加速度−キー操作対応付けデータを用いた機械学習を行い（Ｓ４：学習）、その学習結果を用いて、分類器３４６を作成する（Ｓ５）。

次に、図８を用いて、上記の手順により作成された分類器３４６を用いた、同一人物性判定処理を説明する。まず、ユーザ端末３０のデータ受信部３４１は、同一人物性判定の対象となるユーザの加速度データと、キー入力における入力時刻および入力値を取得する（Ｓ１１）。そして、加速度データ記録部３４２は、取得した加速度データを時系列で記憶部３３に記録し、また、キー操作ログ記録部３４３は、キー入力における入力時刻および入力値をキー操作ログとして記憶部３３に記録する。また、特徴量算出部３４４は、各時刻における加速度データの特徴量を算出する（Ｓ１２）。

Ｓ１２の後、分類器３４６は、各時刻におけるセンサ２０の装着者の加速度データの特徴量から、各時刻におけるセンサ２０の装着者によるキー入力の有無を分類する（Ｓ１３：分類（入力ｏｒ未入力））。そして、同一人物性判定部３４７は、分類器３４６が分類した各時刻におけるセンサ２０の装着者によるキー入力の有無と、キー操作ログに記録される同時刻におけるキー入力の有無との一致率を算出する（Ｓ１４：分類結果とキー操作ログとの一致率を算出）。

Ｓ１４の後、同一人物性判定部３４７は、Ｓ１４で算出した一致率が所定の閾値以上である場合（Ｓ１５でＹｅｓ）、キー入力者は、センサ２０の装着者であると判定する（Ｓ１６）。一方、同一人物性判定部３４７は、Ｓ１４で算出した一致率が所定の閾値未満である場合（Ｓ１５でＮｏ）、キー入力者は、センサ２０の装着者ではないと判定する（Ｓ１７）。

このようにすることで、ユーザ端末３０は、キー入力者がセンサ２０の装着者（センサ装着者）と同一人物か否かを精度よく判定することができる。その結果、ユーザ端末３０は、キー入力者が、本人か否かを精度よく判定することができる。

なお、システムは、例えば、図９に示すように、センサ２０の装着者が確かに正当なユーザであることを保証するため、センサ２０の装着者に対し生体認証等を行う認証装置４０を備えていてもよい。

この認証装置４０は、例えば、静脈認証機能と脈波センサとを備える。この認証装置４０は静脈認証により、被認証者（つまり、センサ装着者）が正当なユーザであることを確認する。

また、センサ２０は、脈波データ取得部２３と、生体情報判定部２４とを備える（図２参照）。脈波データ取得部２３は、脈波センサにより計測されたセンサ装着者の脈波を取得する。生体情報判定部２４は、センサ２０で計測した脈波と、認証装置４０で計測された脈波との発生時刻照合による人物の同一性判定を行う。例えば、センサ２０は、脈波データ取得部２３によりセンサ装着者の脈波（脈波１）を取得し、また、認証装置４０も、被認証者の脈波（脈波２）を取得する。そして、センサ２０の生体情報判定部２４は、脈波１と脈波２の発生時刻照合による人物の同一性判定を行う。つまり、センサ２０の生体情報判定部２４は、脈波１と脈波２の発生時刻が同じであれば、センサ装着者は認証装置４０の被認証者と同一人物と判定する。

このように、システムは、認証装置４０は被認証者が正当なユーザであることを確認し、また、認証装置４０の被認証者がセンサ装着者と同一人物であることを上記の脈波を用いた判定するので、センサ装着者が正当なユーザであることを確認することができる。

次に、図１０を用いて、図９に示したシステムの処理手順例を説明する。なお、システムは、事前に、正当なユーザによるキー操作ログと、キー入力時およびキー未入力時における加速度データとに基づく機械学習により分類器３４６を作成しておくものとする。

まず、認証装置４０はユーザの生体情報（例えば、静脈パターン）を用いて、当該ユーザの認証を行う（Ｓ２１）。その後、認証装置４０は、所定期間、認証装置４０のユーザの脈波データを取得し（Ｓ２２：脈波取得）、取得した脈波データの特徴量（脈波特徴量）を抽出する（Ｓ２３）。そして、認証装置４０は、Ｓ２１の認証結果と、Ｓ２３で抽出した脈波特徴量とをセンサ２０へ送信する（Ｓ２４）。

また、センサ２０は、ユーザがセンサ２０を装着したことを検知すると、所定期間、ユーザの脈波データを取得し（Ｓ２５：脈波取得）、取得した脈波データの特徴量（脈波特徴量）を抽出する（Ｓ２６）。

Ｓ２６の後、センサ２０は、Ｓ２４で認証装置４０から送信された脈波特徴量と、Ｓ２６で抽出した脈波特徴量とを照合する（Ｓ２７：脈波照合）。そして、センサ２０は、Ｓ２４で認証装置４０から送信されたユーザの認証結果およびＳ２７の脈波の照合結果をユーザ端末３０へ送信する（Ｓ２８）。

ユーザ端末３０は、Ｓ２８で送信された認証結果および脈波の照合結果を表示する（Ｓ２９）。ここで、Ｓ２８で送信された認証結果が認証成功を示し、かつ、脈波の照合結果が、認証装置４０およびセンサ２０のユーザの脈波特徴量が一致することを示す場合、ユーザ端末３０は、ユーザに対するキー操作の開始指示を表示する（Ｓ３０）。これによりユーザは、ユーザ端末３０へのキー操作（キー入力）を開始する。

そして、センサ２０は、当該ユーザのキー入力時における手等の動き（Ｓ３１）を加速度データとして取得する。また、ユーザ端末３０は、入力装置１０から、ユーザのキー操作によるキー入力の情報（キー入力における入力時刻および入力値）を取得する（Ｓ３２）。さらに、センサ２０は、ユーザの手首等の動きを示す加速度データをユーザ端末３０へ送信する（Ｓ３３）。そして、ユーザ端末３０は、分類器３４６を用いて、Ｓ３３で送信された各時刻における加速度データから、当該各時刻におけるキー入力の有無（入力ｏｒ未入力）を分類する（Ｓ３４：分類（入力ｏｒ未入力））。

その後、ユーザ端末３０は、分類器３４６により分類された各時刻におけるキー入力の有無と、キー操作ログに記録される同時刻におけるキー入力の有無との一致率を用いて、ユーザ端末３０のユーザ（入力装置１０による入力者）が、センサ２０のユーザ（センサ２０の装着者）と同一人物か否かを判定する（Ｓ３５：同一人物性判定）。ここで、ユーザ端末３０のユーザ（入力装置１０による入力者）が、センサ２０のユーザ（センサ２０の装着者）と同一人物であれば、ユーザ端末３０は、ユーザ端末３０へのキー入力が正当なユーザによる入力であると判定する。一方、ユーザ端末３０のユーザ（入力装置１０による入力者）が、センサ２０のユーザ（センサ２０の装着者）と同一人物でなければ、ユーザ端末３０は、ユーザ端末３０へのキー入力が正当なユーザによる入力ではないと判定する。そして、ユーザ端末３０は、上記の判定結果を表示装置（図示省略）等に出力する。

以上説明したシステムによれば、ユーザ端末３０へのキー入力が正当なユーザによる入力であるか否かを判定することができる。

なお、上記のシステムにおけるセンサ２０および認証装置４０は、脈波（脈波データ）の照合により、認証装置４０により認証されたユーザがセンサ２０のユーザと同一人物であるか否かを判定することとしたが、脈波以外の生体情報を用いて同一人物であるか否かを判定してもよい。

また、正当なユーザがセンサ２０を外し、他の人がセンサ２０を装着して、キー操作が行われてしまうことを防止するため、センサ２０に近接センサや脱着センサを装備し、センサ２０の脱着を検知するようにしてもよい。また、センサ２０がリストバンド型のセンサであれば、バンド部分にバンドの切断等を検知するセンサを装備し、センサ２０の脱着を検知するようにしてもよい。

また、図１０のＳ３５において、ユーザ端末３０が、ユーザ端末３０のキー入力が正当なユーザによる入力であると判定した場合、その後の当該ユーザによるキー入力を受け付けるが、Ｓ３５において、ユーザ端末３０が、ユーザ端末３０のキー入力が正当なユーザによる入力ではないと判定した場合、その後の当該ユーザのキー入力を受け付けないようにしてもよい。

さらに、図１０のＳ３０において、認証結果が認証失敗を示す場合、または、脈波の照合結果が、認証装置４０およびセンサ２０のユーザの脈波特徴量が一致しないことを示す場合、ユーザ端末３０は、センサ２０から、加速度データを受け付けないようにしたり、入力装置１０から、ユーザのキー操作によるキー入力の情報を受け付けないようにしたりしてもよい。

（プログラム）
また、上記の実施形態で述べたユーザ端末３０の機能を実現するプログラムを所望の情報処理装置（コンピュータ）にインストールすることによって実装できる。例えば、パッケージソフトウェアやオンラインソフトウェアとして提供される上記のプログラムを情報処理装置に実行させることにより、情報処理装置をユーザ端末３０として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）等の移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistants）等がその範疇に含まれる。また、ユーザ端末３０を、クラウドサーバに実装してもよい。

以下に、上記のプログラム（本人性判定プログラム）を実行するコンピュータの一例を説明する。図１１は、本人性判定プログラムを実行するコンピュータを示す図である。図１１に示すように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ（Central Processing Unit）１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ（Random Access Memory）１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。ディスクドライブ１１００には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１１１０およびキーボード１１２０が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１１３０が接続される。

ここで、図１１に示すように、ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。前記した実施形態で説明した各種データや情報は、例えばハードディスクドライブ１０９０やメモリ１０１０に記憶される。

そして、ＣＰＵ１０２０が、ハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。

なお、本人性判定プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、本人性判定プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

１０ 入力装置
１１，２１ データ取得部
１２，２２ データ送信部
２０ センサ
２３ 脈波データ取得部
２４ 生体情報判定部
３０ ユーザ端末（本人性判定装置）
３１ 入出力部
３２ 通信部
３３ 記憶部
３４ 制御部
４０ 認証装置
３４１ データ受信部
３４２ 加速度データ記録部
３４３ キー操作ログ記録部
３４４ 特徴量算出部
３４５ 分類器作成部
３４６ 分類器
３４７ 同一人物性判定部

Claims (7)

1. センサの装着者の手または腕の動きを計測するセンサから送信された、前記センサの装着者の手または腕の動きを示すセンサデータを受け付けるデータ受信部と、
   前記センサデータを時系列で記録するセンサデータ記録部と、
   ユーザ端末へのキー入力における入力時刻および入力値をキー操作ログとして記録するキー操作ログ記録部と、
   各時刻における前記センサデータの特徴量を算出する特徴量算出部と、
   前記センサの装着者のキー入力時における前記センサデータの特徴量およびキー未入力時における前記センサデータの特徴量を教師データとして学習することにより、前記各時刻におけるセンサデータの特徴量から、前記各時刻における前記センサの装着者によるキー入力の有無を分類する分類器と、
   前記分類器が分類した各時刻における前記センサの装着者によるキー入力の有無と、前記キー操作ログに記録される前記各時刻におけるキー入力の有無との一致率を算出し、前記一致率が所定の閾値以上である場合、前記ユーザ端末へのキー入力の入力者は、前記センサの装着者であると判定し、前記一致率が所定の閾値未満である場合、前記ユーザ端末へのキー入力の入力者は、前記センサの装着者ではないと判定する判定部と
   を備えることを特徴とする本人性判定装置。
2. 前記センサの装着者のキー入力時における前記センサデータの特徴量およびキー未入力時における前記センサデータの特徴量を教師データとして学習することにより、前記分類器を作成する分類器作成部をさらに備えることを特徴とする請求項１に記載の本人性判定装置。
3. 前記センサデータは、
   直交するＸ，Ｙ，Ｚ軸方向の加速度データの組み合わせであることを特徴とする請求項１に記載の本人性判定装置。
4. 前記特徴量算出部は、
   所定時間における前記センサデータの特徴量を、所定時間における前記センサデータの、平均値、分散値、標準偏差、最大値と最小値との組み合わせ、絶対値の和、および、運動強度の少なくともいずれかにより算出することを特徴とする請求項１に記載の本人性判定装置。
5. 前記判定部は、
   前記分類器により前記センサの装着者によるキー入力が有と判定された各時刻において、前記キー操作ログにおいてもキー入力の有である割合をF-measureにおける適合率、前記キー操作ログにおいてキー入力の有である各時刻において、前記センサの装着者によるキー入力も有と判定された割合をF-measureにおける再現率として用いて算出したF-measureの値を、前記一致率として用いることを特徴とする請求項１に記載の本人性判定装置。
6. 前記データ受信部は、さらに、
   生体認証装置による前記センサの装着者の生体認証の結果を受信し、
   前記ユーザ端末は、
   前記生体認証の結果が、前記装着者が正当なユーザであることを示すものである場合、前記ユーザ端末のユーザに対するキー入力の開始指示を表示することを特徴とする請求項１に記載の本人性判定装置。
7. 本人性判定装置が、
   センサの装着者の手または腕の動きを計測するセンサから送信された、前記センサの装着者の手または腕の動きを示すセンサデータを受け付けるデータ受信ステップと、
   前記センサデータを時系列で記録するセンサデータ記録ステップと、
   ユーザ端末へのキー入力における入力時刻および入力値をキー操作ログとして記録するキー操作ログ記録ステップと、
   各時刻における前記センサデータの特徴量を算出する特徴量算出ステップと、
   前記センサの装着者のキー入力時における前記センサデータの特徴量およびキー未入力時における前記センサデータの特徴量を教師データとして学習することにより、前記各時刻における前記センサデータの特徴量から、前記各時刻における前記センサの装着者によるキー入力の有無を、分類器により分類する分類ステップと、
   前記分類ステップにおいて分類された各時刻における前記センサの装着者によるキー入力の有無と、前記キー操作ログに記録される前記各時刻におけるキー入力の有無との一致率を算出し、前記一致率が所定の閾値以上である場合、前記ユーザ端末へのキー入力の入力者は、前記センサの装着者であると判定し、前記一致率が所定の閾値未満である場合、前記ユーザ端末へのキー入力の入力者は、前記センサの装着者ではないと判定する判定ステップと
   を含んだことを特徴とする本人性判定方法。

Images