KR102450763B1 - 사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법 - Google Patents

사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법 Download PDF

Info

Publication number
KR102450763B1
KR102450763B1 KR1020160001969A KR20160001969A KR102450763B1 KR 102450763 B1 KR102450763 B1 KR 102450763B1 KR 1020160001969 A KR1020160001969 A KR 1020160001969A KR 20160001969 A KR20160001969 A KR 20160001969A KR 102450763 B1 KR102450763 B1 KR 102450763B1
Authority
KR
South Korea
Prior art keywords
user
keystroke
posture
data
pattern
Prior art date
Application number
KR1020160001969A
Other languages
English (en)
Other versions
KR20170082778A (ko
Inventor
노종혁
김석현
김수형
김승현
조상래
조영섭
조진만
황정연
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160001969A priority Critical patent/KR102450763B1/ko
Priority to US15/232,565 priority patent/US10162953B2/en
Publication of KR20170082778A publication Critical patent/KR20170082778A/ko
Application granted granted Critical
Publication of KR102450763B1 publication Critical patent/KR102450763B1/ko

Links

Images

Classifications

    • G06K9/6227—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G06K9/6256—
    • G06K9/627—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/08—Access security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/68—Gesture-dependent or behaviour-dependent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/02—Terminal devices

Abstract

사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법이 개시된다. 키스트로크 패턴을 이용한 사용자 분류 방법은 사용자로부터 키스트로크 데이터를 수신하는 단계; 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자의 고유한 패턴에 대응하는 특성 정보를 추출하는 단계; 상기 추출된 특성 정보를 학습을 통해 미리 생성된 사용자의 자세별 키스트로크 프로파일의 패턴과 비교하는 단계; 및 상기 미리 생성된 사용자의 자세별 키스트로크 프로파일의 패턴과 비교한 결과에 기초하여 현재 입력된 키스트로크 데이터가 학습된 사용자의 것인지를 판단하는 단계를 포함할 수 있다.

Description

사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법{APPARATUS AND METHOD FOR USER CLASSIFICATION BY USING KEYSTROKE PATTERN BASED ON USER POSTURE}
본 발명은 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법에 관한 것으로, 보다 구체적으로는 사용자 자세에 기초한 키스트로크 패턴을 학습하고, 이를 이용하여 사용자를 분류하는 장치 및 방법에 관한 것이다.
인증 기술에 있어 ID와 패스워드를 이용하는 방법은 사용자의 패스워드 반복 사용, 추측하기 쉬운 패스워드 사용, 사전 공격 등 여러 약점이 존재하고 있으나 아직도 많이 사용되고 있다. 이러한 문제들을 해결하기 위해 수년 전부터 생체정보를 인증에 사용하는 방법이 연구 개발되어 오고 있다. 그러나 이러한 방식은 특별한 장치를 필요로 하고 사용자의 불편함 및 거부감으로 인하여 쉽게 도입되지 못하는 실정이다.
최근 스마트폰이 활성화되면서 온라인 뱅킹, 핀테크 간편결제 등 사용자 인증 기술에 대한 요구가 많아지고 있다. 지문 인식 기능을 탑재한 스마트폰이 발표되면서 생체 인식을 활용한 방식도 등장하고 있으나, 아직은 패스워드 입력 방식이 가장 많이 사용되고 있다. 하지만, 패스워드 입력은 공격자가 옆에서 보면 쉽게 알아낼 수 있다는 단점이 있다.
이러한 단점을 극복하기 위해 사용자의 행동 특성을 이용하는 방식이 도입되었다. 이는 사용자가 패스워드를 입력하기 위해 키를 누르고 떼는 시간이 사용자마다 다른 패턴을 가지고 있다는 특성을 이용하는 것이다. 이러한 키스트로크 다이나믹스 패턴을 이용하면 패스워드를 알고 있더라도 흉내내기 힘들다는 장점이 있다.
키스트로크 다이나믹스에 관한 연구는 오랜 기간 동안 연구가 되어 왔는데, 최근 스마트폰이 등장하면서 다시 관심을 불러오고 있다. 스마트폰에는 여러 센서가 있고 이를 활용하면 사용자 패턴을 분류하기에 용이할 수 있다.
본 발명은 사용자 자세에 기초한 키스트로크 패턴 및 군집화를 이용한 키스트로크 패턴을 학습하고, 이를 이용하여 사용자를 분류함으로써 사용자의 분류 성공률을 높일 수 있는 장치 및 방법을 제공한다.
본 발명의 일실시예에 따른 키스트로크 패턴의 학습 방법은 사용자로부터 키스트로크 데이터를 수신하는 단계; 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자의 고유한 패턴에 대응하는 특성 정보를 추출하는 단계; 및 상기 추출된 특성 정보를 이용하여 상기 사용자의 자세별 키스트로크 패턴을 학습하는 단계를 포함할 수 있다.
상기 학습하는 단계는 상기 추출된 특성 정보와 미리 설정된 자세 특성 정보를 이용하여 상기 사용자의 자세를 판단하는 단계; 및 상기 판단된 사용자의 자세별로 키스트로크 패턴을 학습하는 단계를 포함할 수 있다.
상기 미리 설정된 자세 특성 정보는 상기 사용자의 자세를 분류하기 위한 정보를 포함할 수 있다.
상기 자세별로 학습된 키스트로크 패턴은 자세별 키스트로크 프로파일의 형태로 저장될 수 있다.
상기 키스트로크 데이터는 상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 상기 시간 정보 동안 수집되는 센서 정보를 포함할 수 있다.
본 발명의 일실시예에 따른 키스트로크 패턴의 학습 방법은 사용자로부터 키스트로크 데이터를 수신하는 단계; 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자의 고유한 패턴에 대응하는 특성 정보를 추출하는 단계; 및 상기 추출된 특성 정보를 이용하여 상기 사용자의 군집별 키스트로크 패턴을 학습하는 단계를 포함할 수 있다.
상기 학습하는 단계는 상기 추출된 특성 정보에 포함된 데이터에 기초하여 상기 추출된 특성 정보를 복수의 군집으로 분류하는 단계; 및 상기 분류된 군집별로 상기 사용자의 키스트로크 패턴을 학습하는 단계를 포함할 수 있다.
상기 분류된 군집별로 학습된 사용자의 키스트로크 패턴은 군집별 키스트로크 프로파일의 형태로 저장될 수 있다.
본 발명의 일실시예에 따른 키스트로크 패턴을 이용한 사용자 분류 방법은 사용자로부터 키스트로크 데이터를 수신하는 단계; 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자의 고유한 패턴에 대응하는 특성 정보를 추출하는 단계; 상기 추출된 특성 정보를 학습을 통해 미리 생성된 사용자의 자세별 키스트로크 프로파일의 패턴과 비교하는 단계; 및 상기 미리 생성된 사용자의 자세별 키스트로크 프로파일의 패턴과 비교한 결과에 기초하여 현재 입력된 키스트로크 데이터가 학습된 사용자의 것인지를 판단하는 단계를 포함할 수 있다.
상기 키스트로크 데이터는 상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 상기 시간 정보 동안 수집되는 센서 정보를 포함할 수 있다.
본 발명의 일실시예에 따른 키스트로크 패턴을 이용한 사용자 분류 방법은 사용자로부터 키스트로크 데이터를 수신하는 단계; 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자의 고유한 패턴에 대응하는 특성 정보를 추출하는 단계; 상기 추출된 특성 정보를 학습을 통해 미리 생성된 사용자의 군집별 키스트로크 프로파일의 패턴과 비교하는 단계; 및 상기 미리 생성된 사용자의 군집별 키스트로크 프로파일의 패턴과 비교한 결과에 기초하여 상기 사용자가 기존의 학습된 사용자인지 여부를 판단하는 단계를 포함할 수 있다.
상기 키스트로크 데이터는 상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 상기 시간 정보 동안 수집되는 센서 정보를 포함할 수 있다.
본 발명의 일실시예에 따르면 사용자 자세에 기초한 키스트로크 패턴 및 군집화를 이용한 키스트로크 패턴을 학습하고, 이를 이용하여 사용자를 분류함으로써 사용자의 분류 성공률을 높일 수 있다.
도 1은 본 발명의 일실시예에 따른 키스트로크 패턴을 이용한 분류 방법의 일반적인 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 키스트로크 패턴 학습 장치를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 사용자의 자세별 키스트로크 패턴을 학습 하는 방법을 플로우차트로 나타낸 도면이다.
도 4는 본 발명의 일실시예에 따른 사용자의 군집별 키스트로크 패턴을 학습 하는 방법을 플로우차트로 나타낸 도면이다.
도 5는 본 발명의 일실시예에 따른 사용자 분류 장치를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 사용자의 자세별 키스트로크 패턴을 이용한 사용자 분류 방법을 플로우차트로 나타낸 도면이다.
도 7은 본 발명의 일실시예에 따른 사용자의 군집별 키스트로크 패턴을 이용한 사용자 분류 방법을 플로우차트로 나타낸 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일실시예에 따른 키스트로크 패턴을 이용한 분류 방법의 일반적인 예를 도시한 도면이다.
단계(110)과 같이 사용자가 스마트폰과 같은 사용자 단말을 이용하여 패스워드를 입력할 수 있다. 이때, 사용자가 패스워드를 입력할 때, 각각의 키를 누르고 떼는 시간 정보(120)와 사용자 단말에 포함된 복수의 센서 정보(130)를 이용하여 사용자의 키스트로크 패턴을 추출할 수 있다.
이와 같이 추출된 사용자의 키스트로크 패턴을 이용하여 단계(140)의 학습 기능을 이용하여 사용자의 고유한 키스트로크 패턴을 학습할 수 있다.
이후, 사용자 분류를 위해 사용자가 패스워드를 입력하면, 단계(140)의 분류 기능에서 입력된 패스워드에 대한 사용자의 키스트로크 패턴과 기존에 학습된 사용자의 키스트로크 패턴을 비교하여 기존 사용자 인지를 판단할 수 있다.
도 2는 본 발명의 일실시예에 따른 키스트로크 패턴 학습 장치를 도시한 도면이다.
사용자의 키스트로크 패턴은 사용자의 자세에 따라 달라질 수 있다. 즉, 사용자가 걷고 있는 경우, 의자에 앉아 있는 경우, 바닥에 누워 있는 경우 및 스마트폰을 테이블 위에 올려 놓은 경우 등 사용자가 현재 취하고 있는 자세는 다양할 수 있고, 이에 따라 각각의 자세에 대한 사용자의 키스트로크 패턴은 달라질 수 있다.
이와 같이 사용자의 자세에 따라 달라지는 사용자의 키스트로크 패턴을 이용하여 사용자의 분류 성공률을 높일 수 있다.
이때, 사용자가 스마트폰과 같은 사용자 단말에 입력하는 정보는 패스워드와 같이 짧고 고정된 문장에 한정되지 않고 약속되거나 정해진 문장 또는 길고 자유로운 문장 등을 포함할 수 있다.
키스트로크 패턴 학습 장치(200)는 수신부(210), 추출부(220), 학습부(230) 및 저장부(240)로 구성될 수 있다. 수신부(210)는 사용자로부터 키스트로크 데이터를 수신할 수 있다. 키스트로크 데이터는 사용자가 스마트폰과 같은 사용자 단말에 키를 입력할 때 발생할 수 있는 정보이다. 구체적으로 키스트로크 데이터는 사용자가 키를 누르고 떼는 시간 정보 및 사용자가 키를 누르고 떼는 동안 사용자 단말에 포함된 복수의 센서로부터 수집된 센서 정보를 포함할 수 있다.
추출부(220)는 사용자로부터 수신된 키스트로크 데이터를 이용하여 사용자의 고유한 패턴에 대응하는 특성 정보를 추출할 수 있다. 이때, 추출되는 특성 정보는 사용자가 키스트로크 시 취하고 있는 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함할 수 있다.
즉, 추출부(220)를 통해 추출된 특성 정보를 이용하면 사용자의 자세를 구분할 수 있고, 사용자의 키스트로크 패턴을 표현할 수 있다.
학습부(230)는 추출부(220)를 통해 추출된 특성 정보를 이용하여 사용자의 키스트로크 패턴을 학습할 수 있다. 이때, 학습된 사용자의 키스트로크 패턴은 특이성(Uniqueness)과 일관성(Consistency)를 가질 수 있다.
특이성은 실제 사용자가 학습에 사용하도록 입력한 키스트로크 패턴들이 잠재적 침입자들이 입력한 키스트로크 패턴들과 얼마나 다른지를 나타내는 개념이다. 학습에 사용된 키스트로크 패턴들의 특징이 잠재적 침입자들의 키스트로크 패턴들과 다르면 다를수록, 사용자의 분류 성공률은 높아질 수 있다.
일관성은 실제 사용자가 학습에 사용하도록 입력한 키스트로크 패턴들과, 실제 사용자 자신이 키스트로크 패턴 학습 장치(200)에 입력한 키스트로크 패턴들이 얼마나 유사한지를 나타내는 개념이다. 따라서, 학습에 사용한 키스트로크 패턴들과 사용자 인증을 위해 입력하는 키스트로크 패턴들이 최대한 유사하도록 하는 것이 사용자의 분류 성공률을 높일 수 있는 중요한 요인이 될 수 있다.
이때, 학습부(230)를 통해 학습되는 사용자의 키스트로크 패턴은 두 가지 방법으로 학습될 수 있다. 첫 번째는 사용자의 자세를 분류할 수 있는 자세 특성 정보를 미리 파악하고 있는 경우에 사용하는 방법이다. 두 번째는 사용자의 자세를 직접적으로 분류하지 않고 특성 정보를 군집화하여 사용자의 키스트로크 패턴을 분류하는 방법이다.
사용자의 키스트로크 패턴이 학습되는 두 가지 방법은 이후 도 3과 도 4를 통해 자세히 설명하도록 한다.
저장부(240)는 학습부(230)를 통해 학습된 사용자의 키스트로크 패턴을 저장할 수 있다. 저장부(240)에 저장된 사용자의 키스트로크 패턴은 이후 사용자의 인증이 필요한 경우 사용될 수 있다.
도 3은 본 발명의 일실시예에 따른 사용자의 자세별 키스트로크 패턴을 학습하는 방법을 플로우차트로 나타낸 도면이다.
단계(301)에서, 키스트로크 패턴 학습 장치(200)는 사용자로부터 키스트로크 데이터(310)를 수신할 수 있다. 키스트로크 데이터는 사용자가 스마트폰과 같은 사용자 단말에 키를 입력할 때 발생할 수 있는 정보이다. 구체적으로 키스트로크 데이터는 사용자가 키를 누르고 떼는 시간 정보 및 사용자가 키를 누르고 떼는 동안 사용자 단말에 포함된 복수의 센서로부터 수집된 센서 정보를 포함할 수 있다. 이때, 키스트로크 데이터(310)는 분류 성공률을 높이기 위해 자세별로 복수 회에 걸쳐 수집될 수 있다.
단계(302)에서, 키스트로크 패턴 학습 장치(200)는 수신된 키스트로크 데이터를 이용하여 사용자의 고유한 패턴에 대응하는 특성 정보를 추출할 수 있다. 이때, 추출되는 특성 정보는 사용자가 키스트로크 시 취하고 있는 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함할 수 있다.
즉, 키스트로크 패턴 학습 장치(200)를 통해 추출된 특성 정보를 이용하면 사용자의 자세를 구분할 수 있고, 사용자의 키스트로크 패턴을 표현할 수 있다.
단계(303)에서 키스트로크 패턴 학습 장치(200)는 단계(302)에서 추출된 특성 정보를 이용하여 사용자의 자세를 분류할 수 있다. 보다 구체적으로, 키스트로크 패턴 학습 장치(200)는 추출된 특성 정보와 미리 설정된 자세 특성 정보(320)를 이용하여 사용자의 자세를 분류할 수 있다.
자세 특성 정보(320)는 일반 사용자들이 스마트폰과 같은 사용자 단말을 이용하여 키스트로크를 할 때 특정 자세에 따라 발생되는 데이터이다. 즉, 일반 사용자들이 걷거나 앉아 있는 경우 또는 누워있는 경우 등 일반 사용자가 취할 수 있는 다양한 자세에 따라 서로 다른 특징을 가지는 데이터가 발생될 수 있다.
키스트로크 패턴 학습 장치(200)는 이러한 자세 특성 정보(320)와 추출된 특성 정보를 비교함으로써 사용자가 키스트로크를 수행할 때의 자세가 무엇인지 찾을 수 있다.
이와 같은 자세 특성 정보(320)는 사전에 수집될 수 있으며, 키스트로크 패턴을 학습하고자 하는 사용자와는 독립된 정보를 포함할 수 있다.
또한, 자세 특성 정보(320)는 키스트로크 패턴 학습 장치(200) 내의 데이터베이스에 저장되거나 별도의 데이터베이스에 저장될 수 있다.
단계(304)에서 키스트로크 패턴 학습 장치(200)는 단계(303)에서 분류된 자세별로 사용자의 키스트로크 패턴을 학습할 수 있다. 예를 들어, 키스트로크 패턴 학습 장치(200)는 키스트로크를 수행하는 사용자의 자세가 걷고 있는 자세라면, 추출된 특성 정보를 걷고 있는 자세에 대응하는 키스트로크 패턴으로 학습할 수 있다.
다른 경우에, 키스트로크를 수행하는 사용자의 자세가 누워 있는 자세라면, 키스트로크 패턴 학습 장치(200)는 추출된 특성 정보를 누워 있는 자세에 대응하는 키스트로크 패턴으로 학습할 수 있다.
이와 같이 자세별로 학습된 키스트로크 패턴은 단계(305)와 같이 자세별 키스트로크 프로파일(330)의 형태로 저장될 수 있다. 이때, 학습 과정이 복수 회 수행되는 경우, 앞서 수행된 학습 과정에서 학습된 특성 정보와 결합하여 학습을 수행할 수 있다.
자세별 키스트로크 프로파일(330)의 형태로 저장된 자세별 키스트로크 패턴은 자세 특성 정보(320)와 마찬가지로 키스트로크 패턴 학습 장치(200) 내의 데이터베이스에 저장되거나 별도의 데이터 베이스에 저장될 수 있다.
도 4는 본 발명의 일실시예에 따른 사용자의 군집별 키스트로크 패턴을 학습하는 방법을 플로우차트로 나타낸 도면이다.
단계(401)에서 키스트로크 패턴 학습 장치(200)는 사용자로부터 키스트로크 데이터(410)를 수신할 수 있다. 키스트로크 데이터는 사용자가 스마트폰과 같은 사용자 단말에 키를 입력할 때 발생할 수 있는 정보이다. 구체적으로 키스트로크 데이터는 사용자가 키를 누르고 떼는 시간 정보 및 사용자가 키를 누르고 떼는 동안 사용자 단말에 포함된 복수의 센서로부터 수집된 센서 정보를 포함할 수 있다. 이때, 키스트로크 데이터(410)는 분류 성공률을 높이기 위해 자세별로 복수 회에 걸쳐 수집될 수 있다.
단계(402)에서 키스트로크 패턴 학습 장치(200)는 수신된 키스트로크 데이터를 이용하여 사용자의 고유한 패턴에 대응하는 특성 정보를 추출할 수 있다.
단계(403)에서 키스트로크 패턴 학습 장치(200)는 추출된 특성 정보에 포함된 데이터에 기초하여 추출된 특성 정보를 복수의 군집으로 분류할 수 있다.
키스트로크 패턴 학습 장치(200)는 추출된 특성 정보를 복수의 군집으로 분류한 군집 정보(420)를 키스트로크 패턴 학습 장치(200) 내의 데이터베이스 또는 별도의 데이터베이스에 저장할 수 있다.
단계(404)에서 키스트로크 패턴 학습 장치(200)는 단계(403)에서 분류된 군집별로 사용자의 키스트로크 패턴을 학습할 수 있다.
이와 같이 군집별로 학습된 사용자의 키스트로크 패턴은 단계(405)와 같이 군집별 키스트로크 프로파일(430)의 형태로 저장될 수 있다. 이때, 학습 과정이 복수 회 수행되는 경우, 앞서 수행된 학습 과정에서 학습된 특성 정보와 결합하여 학습을 수행할 수 있다.
군집별 키스트로크 프로파일(430)의 형태로 저장된 군집별 키스트로크 패턴은 군집 정보(420)와 마찬가지로 키스트로크 패턴 학습 장치(200) 내의 데이터베이스에 저장되거나 별도의 데이터 베이스에 저장될 수 있다.
도 3과 도 4를 통해 키스트로크 패턴을 학습하는 방법에 대해 알아 보았다. 도 3과 도 4에서는 사용자의 자세를 분류할 수 있는 자세 특성 정보의 유무에 따라 각각 키스트로크 패턴을 학습하는 방법이 달라지는 것을 확인할 수 있다.
그러나, 키스트로크 패턴 학습 장치(200)는 상기 두 가지 방법을 개별적으로 운용할 수 있지만 두 가지 방법을 함께 적용하여 키스트로크 패턴을 학습할 수도 있다.
도 5는 본 발명의 일실시예에 따른 키스트로크 패턴을 이용한 사용자 분류 장치를 도시한 도면이다.
사용자 분류 장치(500)는 수신부(510), 추출부(520), 자세 및 군집 분류부(530) 및 키스트로크 패턴 분류부(540)로 구성될 수 있다. 수신부(510)는 사용자로부터 키스트로크 데이터를 수신할 수 있다. 키스트로크 데이터는 사용자가 스마트폰과 같은 사용자 단말에 키를 입력할 때 발생할 수 있는 정보이다. 구체적으로 키스트로크 데이터는 사용자가 키를 누르고 떼는 시간 정보 및 사용자가 키를 누르고 떼는 동안 사용자 단말에 포함된 복수의 센서로부터 수집된 센서 정보를 포함할 수 있다.
추출부(520)는 사용자로부터 수신된 키스트로크 데이터를 이용하여 사용자의 고유한 패턴에 대응하는 특성 정보를 추출할 수 있다. 추출된 특성 정보를 이용하면 사용자의 키스트로크 패턴을 추출할 수 있다.
자세 및 군집 분류부(530)는 추출부(520)를 통해 추출된 사용자의 키스트로크 패턴을 미리 학습을 통해 학습된 사용자의 자세별 키스트로크 패턴 또는 사용자의 군집별 키스트로크 패턴과 비교할 수 있다.
키스트로크 패턴 분류부(540)는 자세 및 군집 분류부(530)에 의해 비교된 결과에 기초하여 기존 사용자인지 여부를 판단할 수 있다. 키스트로크 패턴 분류부(540)는 추출부(520)를 통해 추출된 사용자의 키스트로크 패턴과 미리 학습을 통해 학습된 사용자의 자세별 키스트로크 프로파일의 패턴 또는 사용자의 군집별 키스트로크 프로파일의 패턴 간의 유사도를 측정할 수 있다.
이때, 측정된 유사도가 미리 설정된 값 이상인 경우, 사용자 분류 장치(500)는 해당 사용자를 학습된 사용자로 분류하고, 측정된 유사도가 미리 설정된 값 이하인 경우, 해당 사용자를 학습되지 않은 사용자로 분류할 수 있다.
보다 구체적인 사용자 분류 방법은 도 6과 도 7을 이용하여 설명하도록 한다.
도 6은 본 발명의 일실시예에 따른 사용자의 자세별 키스트로크 패턴을 이용한 사용자 분류 방법을 플로우차트로 나타낸 도면이다.
단계(601)에서 사용자 분류 장치(500)는 사용자로부터 키스트로크 데이터(610)를 수신할 수 있다. 키스트로크 데이터는 사용자가 스마트폰과 같은 사용자 단말에 키를 입력할 때 발생할 수 있는 정보이다. 구체적으로 키스트로크 데이터는 사용자가 키를 누르고 떼는 시간 정보 및 사용자가 키를 누르고 떼는 동안 사용자 단말에 포함된 복수의 센서로부터 수집된 센서 정보를 포함할 수 있다. 이때 키스트로크 데이터(610)는 하나이다.
단계(602)에서 사용자 분류 장치(500)는 수신된 키스트로크 데이터를 이용하여 사용자의 고유한 패턴에 대응하는 특성 정보를 추출할 수 있다. 이때, 추출되는 특성 정보는 사용자가 키스트로크 시 취하고 있는 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함할 수 있다.
즉, 사용자 분류 장치(500)를 통해 추출된 특성 정보를 이용하면 사용자의 자세를 구분할 수 있고, 사용자의 키스트로크 패턴을 표현할 수 있다.
단계(603)에서 사용자 분류 장치(500)는 단계(602)에서 추출된 특성 정보를 이용하여 사용자의 자세를 분류할 수 있다. 보다 구체적으로, 사용자 분류 장치(500)는 추출된 특성 정보와 미리 설정된 자세 특성 정보(620)를 이용하여 사용자의 자세를 분류할 수 있다.
자세 특성 정보(620)는 일반 사용자들이 스마트폰과 같은 사용자 단말을 이용하여 키스트로크를 할 때 특정 자세에 따라 발생되는 데이터이다. 즉, 일반 사용자들이 걷거나 앉아 있는 경우 또는 누워있는 경우 등 일반 사용자가 취할 수 있는 다양한 자세에 따라 서로 다른 특징을 가지는 데이터가 발생될 수 있다.
사용자 분류 장치(500)는 이러한 자세 특성 정보(620)와 추출된 특성 정보를 비교함으로써 사용자가 키스트로크를 수행할 때의 자세가 무엇인지 찾을 수 있다.
이와 같은 자세 특성 정보(620)는 사전에 수집될 수 있으며, 키스트로크 패턴을 학습하고자 하는 사용자와는 독립된 정보를 포함할 수 있다.
또한, 자세 특성 정보(620)는 사용자 분류 장치(500) 내의 데이터베이스에 저장되거나 별도의 데이터베이스에 저장될 수 있다.
단계(604)에서 사용자 분류 장치(500)는 자세별 키스트로크 프로파일(630)에서 현재 사용자의 자세에 대응하는 키스트로크 프로파일을 선택할 수 있다.
사용자 분류 장치(500)는 선택된 키스트로크 프로파일과 단계(602)에서 추출된 특성 정보를 이용하여 사용자를 분류할 수 있다. 구체적으로 사용자 분류 장치(500)는 추출된 특성 정보와 선택된 키스트로크 프로파일의 패턴이 유사한지를 판단한다.
비교한 결과 추출된 사용자의 키스트로크 패턴과 선택된 키스트로크 프로파일의 패턴이 유사하면, 현재 키를 입력한 사용자를 기존에 학습했던 사용자로 판단할 수 있다.
만약 비교한 결과 추출된 사용자의 키스트로크 패턴과 선택된 키스트로크 프로파일의 패턴이 유사하지 않으면, 현재 키를 입력한 사용자를 기존에 학습했던 사용자와 다른 사용자로 판단할 수 있다.
도 7은 본 발명의 일실시예에 따른 사용자의 군집별 키스트로크 패턴을 이용한 사용자 분류 방법을 플로우차트로 나타낸 도면이다.
단계(701)에서 사용자 분류 장치(500)는 사용자로부터 키스트로크 데이터(710)를 수신할 수 있다. 키스트로크 데이터는 사용자가 스마트폰과 같은 사용자 단말에 키를 입력할 때 발생할 수 있는 정보이다. 구체적으로 키스트로크 데이터는 사용자가 키를 누르고 떼는 시간 정보 및 사용자가 키를 누르고 떼는 동안 사용자 단말에 포함된 복수의 센서로부터 수집된 센서 정보를 포함할 수 있다. 이때 키스트로크 데이터(710)는 하나이다.
단계(702)에서 사용자 분류 장치(500)는 수신된 키스트로크 데이터를 이용하여 사용자의 고유한 패턴에 대응하는 특성 정보를 추출할 수 있다.
단계(703)에서 사용자 분류 장치(500)는 단계(702)에서 추출된 특성 정보와 미리 설정된 군집 정보(720)를 이용하여 현재 추출된 특성 정보가 어느 군집에 속하는지 분류할 수 있다.
즉, 사용자 분류 장치(500)는 미리 설정된 군집 정보(720)를 이용하여 추출된 특성 정보가 복수의 군집 중 어느 군집에 해당하는 지 확인할 수 있다.
이러한 군집 정보(720)는 사용자 분류 장치(500) 내의 데이터베이스에 저장되거나 별도의 데이터베이스에 저장될 수 있다.
단계(704)에서 사용자 분류 장치(500)는 군집별 키스트로크 프로파일(730)에서 현재 사용자의 군집에 대응하는 키스트로크 프로파일을 선택할 수 있다.
사용자 분류 장치(500)는 선택된 키스트로크 프로파일과 단계(702)에서 추출된 특성 정보를 이용하여 사용자를 분류할 수 있다. 구체적으로 사용자 분류 장치(500)는 추출된 특성 정보와 선택된 키스트로크 프로파일의 패턴이 유사한지를 판단한다.
비교한 결과 추출된 사용자의 키스트로크 패턴과 선택된 키스트로크 프로파일의 패턴이 유사하면, 현재 키를 입력한 사용자를 기존에 학습했던 사용자로 판단할 수 있다.
만약 비교한 결과 추출된 사용자의 키스트로크 패턴과 선택된 키스트로크 프로파일의 패턴이 유사하지 않으면, 현재 키를 입력한 사용자를 기존에 학습했던 사용자와 다른 사용자로 판단할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
200 : 키스트로크 패턴 학습 장치
500 : 키스트로크 패턴을 이용한 사용자 분류 장치
210, 510 : 수신부
220, 520 : 추출부
230 : 학습부
240 : 저장부
530 : 자세 및 군집 분류부
540 : 키스트로크 패턴 분류부

Claims (12)

  1. 사용자가 모바일 기기에 포함된 어플리케이션의 인증을 수행할 때 상기 사용자로부터 키스트로크 데이터를 수신하는 단계;
    상기 수신된 키스트로크 데이터를 이용하여 상기 사용자가 키스트로크를 수행할 때 수행한 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함하는 특성 정보를 추출하는 단계; 및
    상기 추출된 특성 정보 중 자세에 대한 데이터를 일반 사용자의 보행 자세, 앉은 자세 및 눕는 자세를 포함하는 자세에 기초하여 미리 설정된 자세 특징 정보와 비교함으로써 상기 사용자의 자세를 분류하는 단계; 및
    상기 추출된 특성 정보 중 키스트로크 패턴에 대한 데이터를 이용하여 상기 사용자의 분류된 자세에 대한 키스트로크 패턴을 학습하는 단계
    를 포함하는 키스트로크 패턴의 학습 방법.
  2. 제1항에 있어서,
    상기 분류된 자세에 대해 학습된 키스트로크 패턴은 키스트로크 프로파일의 형태로 저장되는 키스트로크 패턴의 학습 방법.
  3. 제1항에 있어서,
    상기 미리 설정된 자세 특성 정보는,
    상기 일반 사용자의 보행 자세, 앉은 자세 및 눕는 자세 중 적어도 하나 이상에 기초하여 생성되는 키스트로크 패턴의 학습 방법.
  4. 제1항에 있어서,
    상기 키스트로크 데이터는,
    상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 해당 시간 정보에 대응하는 시간 동안 가속도 센서, 자이로, 센서 및 근접 센서로부터 수집되는 센서 정보를 포함하는 키스트로크 패턴의 학습 방법.
  5. 키스트로크 패턴 학습 장치에 있어서,
    프로세서를 포함하고,
    상기 프로세서는,
    사용자가 모바일 기기에 포함된 어플리케이션의 인증을 수행할 때 상기 사용자로부터 키스트로크 데이터를 수신하고, 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자가 키스트로크를 수행할 때 수행한 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함하는 특성 정보를 추출하며, 상기 추출된 특성 정보 중 자세에 대한 데이터를 일반 사용자의 보행 자세, 앉은 자세 및 눕는 자세를 포함하는 자세에 기초하여 미리 설정된 자세 특징 정보와 비교함으로써 상기 사용자의 자세를 분류하고, 상기 추출된 특성 정보 중 키스트로크 패턴에 대한 데이터를 이용하여 상기 사용자의 분류된 자세에 대한 키스트로크 패턴을 학습하는 키스트로크 패턴 학습 장치.
  6. 제5항에 있어서,
    상기 분류된 자세에 대해 학습된 키스트로크 패턴은 키스트로크 프로파일의 형태로 저장되는 키스트로크 패턴 학습 장치.
  7. 제5항에 있어서,
    상기 미리 설정된 자세 특성 정보는,
    상기 일반 사용자의 보행 자세, 앉은 자세 및 눕는 자세 중 적어도 하나 이상에 기초하여 생성되는 키스트로크 패턴 학습 장치.
  8. 제5항에 있어서,
    상기 키스트로크 데이터는,
    상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 해당 시간 정보에 대응하는 시간 동안 가속도 센서, 자이로, 센서 및 근접 센서로부터 수집되는 센서 정보를 포함하는 키스트로크 패턴 학습 장치.
  9. 모바일 기기에서 키스트로크 패턴을 이용한 사용자 분류 방법에 있어서,
    사용자가 모바일 기기에 포함된 어플리케이션의 인증을 수행할 때 상기 사용자로부터 키스트로크 데이터를 수신하는 단계;
    상기 수신된 키스트로크 데이터를 이용하여 상기 사용자가 키스트로크를 수행할 때 수행한 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함하는 특성 정보를 추출하는 단계;
    상기 추출된 특성 정보 중 자세에 대한 데이터를 일반 사용자의 보행 자세, 앉은 자세 및 눕는 자세를 포함하는 자세에 기초하여 미리 설정된 자세 특징 정보와 비교함으로써 상기 사용자의 자세를 분류하는 단계;
    상기 분류된 사용자의 자세에 대응하는 키스트로크 프로파일을 선택하는 단계;
    상기 추출된 특성 정보 중 키스트로크 패턴에 대한 데이터를 상기 선택된 키스트로크 프로파일의 패턴과 비교하는 단계; 및
    비교 결과에 기초하여 상기 사용자가 미리 학습된 사용자 인지의 여부를 판단하는 단계
    를 포함하는 키스트로크 패턴을 이용한 사용자 분류 방법.
  10. 제9항에 있어서,
    상기 키스트로크 데이터는,
    상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 해당 시간 정보에 대응하는 시간 동안 가속도 센서, 자이로 센서 및 근접 센서로부터 수집되는 센서 정보를 포함하는 키스트로크 패턴을 이용한 사용자 분류 방법.
  11. 키스트로크 패턴을 이용한 사용자 분류 장치에 있어서,
    프로세서를 포함하고,
    상기 프로세서는,
    사용자가 모바일 기기에 포함된 어플리케이션의 인증을 수행할 때 상기 사용자로부터 키스트로크 데이터를 수신하고, 상기 수신된 키스트로크 데이터를 이용하여 상기 사용자가 키스트로크를 수행할 때 수행한 자세에 대한 데이터 및 키스트로크 패턴에 대한 데이터를 포함하는 특성 정보를 추출하며, 상기 추출된 특성 정보 중 자세에 대한 데이터를 일반 사용자의 보행 자세, 앉은 자세 및 눕는 자세를 포함하는 자세에 기초하여 미리 설정된 자세 특징 정보와 비교함으로써 상기 사용자의 자세를 분류하고, 상기 분류된 사용자의 자세에 대응하는 키스트로크 프로파일을 선택하며, 상기 추출된 특성 정보 중 키스트로크 패턴에 대한 데이터를 상기 선택된 키스트로크 프로파일의 패턴과 비교하고, 비교 결과에 기초하여 상기 사용자가 미리 학습된 사용자 인지의 여부를 판단하는 키스트로크 패턴을 이용한 사용자 분류 장치.
  12. 제11항에 있어서,
    상기 키스트로크 데이터는,
    상기 사용자에 의해 키가 입력될 때 생성되는 데이터로써, 상기 사용자가 키를 누르고 떼는 시간 정보 및 해당 시간 정보에 대응하는 시간 동안 가속도 센서, 자이로 센서 및 근접 센서로부터 수집되는 센서 정보를 포함하는 키스트로크 패턴을 이용한 사용자 분류 장치.
KR1020160001969A 2016-01-07 2016-01-07 사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법 KR102450763B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160001969A KR102450763B1 (ko) 2016-01-07 2016-01-07 사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법
US15/232,565 US10162953B2 (en) 2016-01-07 2016-08-09 User classification apparatus and method using keystroke pattern based on user posture

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160001969A KR102450763B1 (ko) 2016-01-07 2016-01-07 사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170082778A KR20170082778A (ko) 2017-07-17
KR102450763B1 true KR102450763B1 (ko) 2022-10-06

Family

ID=59275719

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160001969A KR102450763B1 (ko) 2016-01-07 2016-01-07 사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법

Country Status (2)

Country Link
US (1) US10162953B2 (ko)
KR (1) KR102450763B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10360464B1 (en) * 2016-03-04 2019-07-23 Jpmorgan Chase Bank, N.A. Systems and methods for biometric authentication with liveness detection
CN110287664A (zh) * 2019-07-01 2019-09-27 贵州大学 一种基于多行为特征选择的身份认证方法
WO2021235798A1 (ko) * 2020-05-18 2021-11-25 삼성전자 주식회사 전자 장치 및 전자 장치에서 키보드의 입력을 이용하여 사용자 인증을 수행하는 방법
US11630886B2 (en) * 2020-09-17 2023-04-18 International Business Machines Corporation Computer security forensics based on temporal typing changes of authentication credentials
CN113850632B (zh) * 2021-11-29 2022-03-01 平安科技（深圳）有限公司 用户类别确定方法、装置、设备及存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100923179B1 (ko) 2007-08-16 2009-10-22 재단법인서울대학교산학협력재단 행동패턴 분석에 기초한 계정 공유 탐지 방법 및 시스템
US8508481B1 (en) * 2010-07-01 2013-08-13 Sprint Communications Company L.P. Adaptive touch keyboard
US9329699B2 (en) * 2010-10-22 2016-05-03 Southern Methodist University Method for subject classification using a pattern recognition input device
KR101189078B1 (ko) * 2010-12-17 2012-10-10 고려대학교 산학협력단 터치 감지 수단을 구비하는 사용자 식별 장치 및 방법
KR101248156B1 (ko) * 2011-06-02 2013-03-27 서울대학교산학협력단 키스트로크 다이나믹스 패턴 정보에 기초한 사용자 인증 방법 및 장치
US20140026210A1 (en) 2012-07-23 2014-01-23 Electronics And Telecommunications Research Institute Method for authenticating mobile devices
KR20140088487A (ko) * 2013-01-02 2014-07-10 삼성디스플레이 주식회사 단말기 및 그의 조작 방법
KR102060723B1 (ko) 2013-01-18 2019-12-31 삼성전자주식회사 사용자 행동 인식 장치, ｏｎｍｆ 기반 기저 행렬 생성 방법 및 ｏｓｓｎｍｆ 기반 기저 행렬 생성 방법
KR20140100761A (ko) 2013-02-07 2014-08-18 한국전자통신연구원 터치식 입력장치에서의 제스처 입력 구분 방법 및 제스처 입력 구분 장치
RU2581785C2 (ru) * 2013-12-30 2016-04-20 ХЕРЕ Глобал Б.В. Способ и устройство для различения связанных со здоровьем состояний пользователя на основании информации о взаимодействии с пользователем
US10649653B2 (en) * 2014-07-15 2020-05-12 Hewlett-Packard Development Company, L.P. Virtual keyboard

Also Published As

Publication number Publication date
KR20170082778A (ko) 2017-07-17
US20170199995A1 (en) 2017-07-13
US10162953B2 (en) 2018-12-25

Similar Documents

Publication Publication Date Title
KR102608470B1 (ko) 데이터 인식 장치 및 방법과 트레이닝 장치 및 방법
KR102501838B1 (ko) 심전도 신호를 이용한 인증 장치 및 방법
KR102450763B1 (ko) 사용자 자세에 기초한 키스트로크 패턴을 이용한 사용자 분류 장치 및 방법
KR102486699B1 (ko) 영상 인식 방법, 영상 검증 방법, 장치, 및 영상 인식 및 검증에 대한 학습 방법 및 장치
Lamiche et al. A continuous smartphone authentication method based on gait patterns and keystroke dynamics
KR102439938B1 (ko) 사용자 인증을 위한 멀티-모달 퓨전 방법 및 사용자 인증 방법
US11295111B2 (en) Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
US20160217198A1 (en) User management method and apparatus
Centeno et al. Smartphone continuous authentication using deep learning autoencoders
KR102401170B1 (ko) 복합 인증 장치 및 방법
US9530417B2 (en) Methods, systems, and circuits for text independent speaker recognition with automatic learning features
KR102427853B1 (ko) 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
US20190130411A1 (en) Method and system for data processing
KR102090940B1 (ko) 특징 정보를 추출하기 위한 방법 및 시스템
CN103034429A (zh) 用于触摸屏的身份验证方法和装置
CN104036175A (zh) 指纹注册方法、利用指纹组合顺序执行操作的方法及终端
KR102547820B1 (ko) 복수의 생체 인증기들을 이용한 사용자 인증 방법 및 그 장치
TWI694383B (zh) 具有指紋識別功能的電子裝置及指紋識別方法
WO2017113407A1 (zh) 一种手势识别方法、装置及电子设备
KR20170045813A (ko) 사용자 인증을 위한 생체 영역을 검출하는 방법 및 장치
CN111382666A (zh) 具有用户验证的设备和方法
Lu et al. Gesture on: Enabling always-on touch gestures for fast mobile access from the device standby mode
KR20180082948A (ko) 심전도 신호를 사용한 사용자의 신분 인증 방법 및 신분 인증 장치.
JP6771361B2 (ja) 認証方法、認証装置及び学習方法
KR102205495B1 (ko) 지문 인식 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right