Identificazione di utenti in base a come digitano sullo smartphone tramite reti neurali

Negli ultimi anni i metodi di autenticazione tradizionali sui dispositivi elettronici, come password e token, si sono rivelati obsoleti a causa della capacità sempre più avanzata di malintenzionati di risalire a tali informazioni sfruttando debolezze nei sistemi informatici. I sistemi di riconoscimento biometrico nascono come sostitutivi di questi metodi tradizionali e offrono una soluzione più affidabile in quanto si basano su attributi distintivi e propri di un individuo, che non possono essere rubati, manipolati o condivisi. Ad oggi i sistemi di riconoscimento biometrico su smartphone si limitano alla valutazione di caratteristiche fisiche, come la geometria del viso e l'impronta del dito, ma da anni vengono studiate alternative che sfruttano invece caratteristiche comportamentali come l'apposizione di una firma o il pattern di digitazione su una tastiera. I primi studi sul riconoscimento di utenti basato sulla digitazione utilizzavano le tastiere dei computer, ma ben presto si sono estesi anche agli smartphone sfruttando le Application Programming Interface (API) dei sistemi operativi. I metodi più utilizzati per questo compito finora si sono affidati ad algoritmi come 'Random Forest', 'k-Nearest Neighbor' e 'Support Vector Machine'. Questa tesi studia invece la possibilità di utilizzare reti neurali per l'identificazione di utenti sulla base di dati estratti dai pattern di digitazione ('keystroke dynamics') e dai sensori di movimento dello smartphone, mettendole a confronto con i tradizionali classificatori. I risultati indicano che è possibile ottenere risultati soddisfacenti, se non addirittura migliori, anche con l’utilizzo di reti neurali, ma rimane il fatto che le reti neurali sono computazionalmente più complesse dei classici algoritmi di classificazione, il che potrebbe rappresentare un limite per gli smartphone che hanno potenza computazionale ridotta.