Autenticação contínua de alunos utilizando biometria comportamental em ambiente Juiz On-line

  • Ronem Matos Lavareda Filho Universidade Federal do Amazonas
  • Juan Gabriel Colonna Universidade Federal do Amazonas
  • David Braga Fernandes Oliveira UFAM

Resumo


Como na maioria dos sistemas computacionais, a autenticação do aluno em ambientes de juiz on-line é feita somente no início da sessão mediante a digitação de um login e senha. Entretanto, no caso de exercícios e avaliações feitas em ambientes como esse, há a necessidade da verificação contínua e não-intrusiva da identidade dos estudantes durante toda a sessão, não apenas no login. Neste artigo, apresentamos um método de autenticação contínua dos alunos em ambientes de Juiz on-line utilizando biometria comportamental, mas especificamente a dinâmica da codificação. Para isso, foi projetada uma arquitetura de rede neural convolucional siamesa que busca aprender de maneira automática a representação necessária para o reconhecimento dos alunos. Nos experimentos, nosso método atinge uma precisão de reconhecimento de 97,2%.
Palavras-chave: Juiz on-line, alunos, autenticação contínua, biometria comportamental

Referências

Chong, P., Elovici, Y., and Binder, A. (2019). User authentication based on mouse dynamics using deep neural networks: A comprehensive study. IEEE Transactions onInformation Forensics and Security.


Cruz, M. A. S., Duarte, J. C., and Goldschmidt, R. R. (2017). Dinâmica da digitação aplicada a autenticação periódica de usuários em ambientes virtuais de aprendizagem. Revista Brasileira de Informática na Educação, 25(02):36.


Galvão, L., Fernandes, D., and Gadelha, B. (2016). Juiz online como ferramenta de apoio a uma metodologia de ensino híbrido em programação. In Brazilian Symposium on Computers in Education (SBIE), volume 27, page 140.


Giot, R. and Rocha, A. (2019). Siamese networks for static keystroke dynamics authentication. In IEEE International Workshop on Information Forensics and Security.


Longi, K., Leinonen, J., Nygren, H., Salmi, J., Klami, A., and Vihavainen, A. (2015). Identification of programmers from typing patterns. InProceedings of the 15th KoliCalling Conference on Computing Education Research, pages 60–67. ACM.


Mondal, S. and Bours, P. (2017). A study on continuous authentication using a combina-tion of keystroke and mouse biometrics.Neurocomputing, 230:1–22.


Pisani, P. H. and Lorena, A. C. (2013). A systematic review on keystroke dynamics.Journal of the Brazilian Computer Society, 19(4):573–587.


Santos, V. A. et al. (2018). Siamesevo-depth: odometria visual através de redes neurais convolucionais siamesas.


Sekhar, C., Mukherjee, P., Guru, D. S., and Pulabaigari, V. (2019). Osvnet: Convolutional siamese network for writer independent online signature verification.arXiv preprintarXiv:1904.00240.


Ullah, A., Xiao, H., and Barker, T. (2019). A dynamic profile questions approach to mitigate impersonation in online examinations. Journal of Grid Computing, 17(2):209–223.


Xiaofeng, L., Shengfei, Z., and Shengwei, Y. (2019). Continuous authentication by free-text keystroke based on cnn plus rnn.Procedia computer science, 147:314–318.


Young, J. R., Davies, R. S., Jenkins, J. L., and Pfleger, I. (2019). Keystroke dynamics: establishing keyprints to verify users in online courses. Computers in the Schools,36(1):48–68.


Publicado
24/11/2020
FILHO, Ronem Matos Lavareda; COLONNA, Juan Gabriel; OLIVEIRA, David Braga Fernandes. Autenticação contínua de alunos utilizando biometria comportamental em ambiente Juiz On-line. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 31. , 2020, Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 1193-1202. DOI: https://doi.org/10.5753/cbie.sbie.2020.1193.