Aprendizaje profundo para la autenticación de usuarios mediante patrones de comportamiento en el uso del ratón

Abstract

[Resumen] La autenticación continua basada en biometría comportamental permite verificar la identidad de una persona durante su interacción con un sistema. En este contexto, la dinámica del ratón ofrece información sobre los patrones de movimiento y su evolución temporal, aunque su variabilidad natural plantea dificultades a la hora de diferenciar entre comportamientos legítimos y posibles anomalías. En este proyecto se desarrolla un sistema de autenticación continua basado en técnicas de aprendizaje profundo aplicadas a la dinámica del ratón. A partir de los eventos registrados se extraen características espaciales, temporales y geométricas, que se organizan en secuencias para su procesamiento mediante arquitecturas GRU, Transformer y SRNN. Además, se incorpora aprendizaje contrastivo supervisado (SupCon) para mejorar la separación entre usuarios y se estudian distintas estrategias de fine-tuning para adaptar los modelos a nuevas incorporaciones. Finalmente, las diferentes alternativas se evalúan mediante métricas de autenticación y de calidad del espacio de representación.[Abstract] Continuous authentication based on behavioural biometrics makes it possible to verify a person’s identity throughout their interaction with a system. In this context, mouse dynam ics provides information about movement patterns and their evolution over time, although its natural variability makes it difficult to distinguish between legitimate behaviour and potential anomalies. This project develops a continuous authentication system based on Deep learning techniques applied to mouse dynamics. Spatial, temporal and geometric features are extracted from the recorded events and organised into sequences for processing by GRU, Transformer and SRNN architectures. In addition, supervised contrastive learning (SupCon) is incorporated to improve the separation between users, and different fine-tuning strategies are studied to adapt the models to newly enrolled users. Finally, the different alternatives are evaluated using authentication metrics and measures of representation-space quality.