چکیده مقاله
رویکردهای فعلی احراز هویت بیومتریک کاربر، مبتنی بر اندازه گیری های غیرفعال ویژگی های فرد هستند و معمولا دقت رضایت بخشی ندارند این مقاله رویکردی منحصر به فرد به احراز هویت بیومتریک دارد به طور خاص، این مقاله به جای آموزش یک الگوریتم یادگیری ماشین برای شناسایی یک کاربر قانونی، یک نوع آموزش ترکیبی را پیشنهاد می کند که در آن کاربر قانونی نیز برای استفاده از یک نمونه سفارشی از دستگاه آموزش می بیند بنابراین کاربر به سطحی از تخصص مصنوعی برای تعامل با دستگاه دست می یابد که تشخیص کاربر را آسان تر می کند ما این مفهوم را در یک سیستم احراز هویت کاربر مبتنی بر ماوس پیاده سازی می کنیم که در آن با معرفی یک انحراف زاویه ای به ماوس استاندارد، نمونه های ماشین سفارشی تولید می کنیم سپس افراد برای دستیابی به یادگیری حرکتی و سازگاری بصری حرکتی با ماوس اصلاح شده، به هوش جنبشی خود تکیه می کنند ما یک آزمایش ۷هفته ای مورد تایید IRBطراحی می کنیم، داده ها را از ۱۸ فرد انسانی در این دوره جمع آوری می کنیم و رویکرد پیشنهادی را با دو طرح احراز هویت مبتنی بر ماوس پیشرفته موجود ارزیابی می کنیم ما دریافتیم که در هر دو طرح، رویکرد ما به طور قابل توجهی از خط پایه که در آن از یک ماوس معمولی بدون تغییر استفاده می شود، بهتر عمل می کند تا حدودی شگفت آور است که نتایج همچنین نشان می دهد که رویکرد ما عملکرد احراز هویت را حتی زمانی که کاربران مشروع و غیر مشروع دقیقا برای یک نمونه از دستگاه سفارشی یعنی، انحراف زاویه ماوس یکسان آموزش دیده اند، بهبود می بخشد علاوه بر این، ما همچنین مشاهده می کنیم که کاربران عموما می توانند تخصص آموخته شده خود را حتی پس از یک هفته از بین رفتن اطلاعات حفظ کنند، که این امر عملی بودن این رویکرد را بیشتر نشان می دهد در نهایت، ما یک استراتژی عملی برای مدیریت ثبت نام کاربران در چنین سیستم پیشنهادی ارائه می دهیم
کلیدواژهها
نویسندگان
شیوه ارجاع
�جم اکرامی، فاطمه و جلالی، مریم،1404،احراز هویت کاربر در جلسات و کلاسهای آنلاین مبتنی بر ماوس بر پایه هیبرید یادگیری انسان- ماشین،بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک28 بهمن 1404 · شیروان