authentication - 使机器学习算法适应我的问题

Question

我正在开发一个项目，需要您的想法和建议。

首先，让我说说我的问题。

机器上有电源按钮和其他一些按键，只有一个用户有权限使用这台机器。有没有其他认证方式，机器在公司公共(public)区域。

机器正在通过按下电源按钮和其他一些键的组合来工作。按键顺序是 secret 的，但我们不信任它，任何人都可以知道密码并可以访问机器。

我有能力管理按键保持时间以及其他一些指标测量按键之间的时间差异，例如水平或垂直按键时间(差异)。我还可以测量保持时间等。

这些都意味着我有一些输入，

现在我正在尝试通过分析这些输入来获取用户个人资料。

我的想法是让经过身份验证的用户按密码 n 次并创建一个阈值或类似的东西。

这种方法也可以说是BIOMETRICS，任何知道机器按钮组合的人都可以尝试密码，但如果超出这个范围就无法访问它。

我如何将这些应用到我的算法中？我应该从哪里开始？

我不想深入研究机器学习，而且我可以看到，在我的第一次尝试中，我可以获得非常高的假阳性和假阴性值，但我可以通过更改输入来管理它。

谢谢。

Answer 1

对我来说，这似乎是分类问题的一个很好的候选者。您有两个类(密码输入正确/不正确)，您的数据可能是按下按钮的时间(从时间 0 开始)。您可以教授学习算法，但有几个正确密码数据和不正确密码数据的示例。一旦您的分类器经过训练并令人满意地工作，您就可以尝试用它来预测新密码输入尝试的正确性。

您可以尝试 Weka 的几个分类器，Weka 是一个基于 GUI 的机器学习工具 http://www.cs.waikato.ac.nz/ml/weka/

您需要的是简单的表格格式的数据，以便在 weka 中进行实验，如下所示:

Attempt No | 1st button time | 2nd button time | 3rd button time | is_correct
-----------|-----------------|-----------------|-----------------|------------
     1     |    1.2          |    1.5          |  2.4            | YES
     2     |    1.3          |    1.8          |  2.2            | YES
     3     |    1.1          |    1.9          |  2.0            | YES
     4     |    0.8          |    2.1          |  2.9            | NO
     5     |    1.2          |    1.9          |  2.2            | YES
     6     |    1.1          |    1.8          |  2.1            | NO

这将是一个训练集。结果(已知)是 is_ Correct 类。您可以通过 weka 选择分类器(例如朴素贝叶斯)来运行此数据。这将产生一个可用于预测 future 条目的 Claffier(例如一组规则)。