PIN authentication using multi-model anomaly detection in keystroke dynamics on mobile devices
Other Title(s)
التحقق من الرقم الشخصي باستخدام نموذج متعدد لكشف التباين في أسلوب الكتابة على المفاتيح على الأجهزة المحمولة
Dissertant
Thesis advisor
University
Middle East University
Faculty
Faculty of Information Technology
Department
Computer Science Department
University Country
Jordan
Degree
Master
Degree Date
2019
Arabic Abstract
انتقل استخدام القياسات الحيوية السلوكية في مصادقة المستخدم مؤخرا إلى مناطق تطبيق أمان جديدة، أحدها يتحقق من رقم التعريف الشخصي ( PIN ).
تبحث هذه الأطروحة في تصميم أجهزة الكشف عن الشذوذ و المجموعات المميزة لمصادقة PIN على الأجهزة المحمولة التي تعمل باللمس، تضمن العمل مجموعة مختارة من مجموعات بيانات البيانات الأولية التي يتم استخراجها من الأجهزة المحمولة الحديثة، مثل منطقة الإصبع و الضغط و الطابع الزمني.
تمت صياغة مجموعة من ميزات التوثيق الأساسية و الثانوية، و التي يتم حسابها من ميزات البيانات الأولية.
و يستند كاشف الشدود المقترح إلى المفهوم الغريب، حيث يتم تصنيف عنصر العنصر المحسوب لـ PIN المدخلات كمسجل إذا كان خارج منطقة مقبولة من قيمة مركزية مثل متوسط أو متوسط مجموعة من قيم التدريب.
يتم استخدام طريقة Z-Score كوظيفة المسافة للكشف عن الشذوذ، و يتم التحقيق في ثلاثة إصدارات ؛ مقياس Z-Score المعتمد على الانحراف المعياري المعدل Z-Score الذي يستخدم الانحراف المطلق ( MAD ) و دالة Z-Score للامتداد المطلق .( AAD ).
أيضا، يتم دمج النماذج الثلاثة الفردية في نماذج المجموعة.
يتم تطبيق مجموعات الميزات المقترحة كنظام لجمع البيانات على جهاز Nexus-- Android اللوحي.
نتج عن العمل التجريبي جمع مجموعة بيانات IN IN Dynamics من 70 موضوعا، حيث تضمنت البيانات بيانات PIN حقيقية و دامية.
تم تحويل بيادات ميزات البيانات الأولية من مجموعة البيانات الجديدة إلى ميزات التوثيق الأساسية و الثانوية المقترحة.
تم تحليل مجموعة بيانات ميزات المصادقة من خلال استخدام أجهزة الكشف الشادة الأحادية الثلاثة و الكاشفات الشاذة الثلاثة للمجموعة، باستخدام مقياس معدل الخطأ المتساوي ( EER ).
و أظهرت النتائج أن كاشف الشاذة AAD Z-Score أنتج أدنى معدل للخطأ بين النماذج المفردة، في حين حقق نموذج AAD و MAD المدمج أدنى معدل للخطأ الكلي.
تنتهي الرسالة باستنتاج و اقتراح للعمل المستقبلي.
English Abstract
Osteoporosis is common in the elderly and the dentist is often the most healthcare professional that they visit regularly.
The aim of this study is to detecting osteoporosis using cone beam computed tomography (CBCT images) in order to reduce the risk of jaws fracture and dental implant failure, and looking forward to create an opportunity for early osteoporosis detection, and timely diagnosis, in addition to treatment cost reduction.
Fast computers and artificial intelligence provide excellent tool to serve this purpose.
A set of mandibles CBCT image slices samples for 50-85 years old women that will be obtained from patients’ data that consist of CBCT and bone minerals density (BMD) information that were already determined by dual-energy X-ray absorptiometry (DEXA).
These sample images were anonymously supplied from local digital radiology centers using highly sophisticated modern radiographic equipment.
The obtained patients CBCT images will be assigned into two groups; osteoporosis and healthy (normal), using the T-score derives from the DEXA technique.
Professional physicians already did the medical diagnosis.
The diagnosis algorithm proposed in this paper is designed for automatic detection of Osteoporosis in CBCT images.
The approach is based on image processing, feature extraction and artificial neural network (ANN) technology.
Employing feed forward back-propagation classifier has successfully allowed for osteoporosis detection from CBCT images.
Seven parameters were involved in the experiment data preparation as input; the author introduces four of them in order to increase the decision accuracy.
For classification a database of 120 CBCT image slices, which are organized in two classes of 60 images that include both normal and osteoporotic cases, 72 images used for training and 48 images used for testing.
The obtained research performance of the classification algorithm for the osteoporosis occurrence in the test samples used is evaluated using four metrics, namely; precision, recall, accuracy rate, and F1-score, which resulted into 0.96, 1, 97.917%, and 0.97959, respectively.
The designed classifier converges to the acceptable level using a best validation performance of 5.5761e-08.
The results demonstrate the effectiveness of the proposed algorithm.
With the help of the proposed method, dentists will be able to predict osteoporosis accurately and efficiently without the need for further examination by the painful and costly DEXA examination.
This means a great relief on reducing the risk of jaws fracture and dental implant failure.
Main Subjects
Information Technology and Computer Science
Topics
No. of Pages
60
Table of Contents
Table of contents.
Abstract.
Abstract in Arabic.
Chapter One : Introduction.
Chapter Two : Background and literature review.
Chapter Three : Methodology and the proposed model.
Chapter Four : Experimental results and discussion.
Chapter Five : Conclusion and future work.
References.
American Psychological Association (APA)
Khalaf, Ghufran Mahmud. (2019). PIN authentication using multi-model anomaly detection in keystroke dynamics on mobile devices. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-899294
Modern Language Association (MLA)
Khalaf, Ghufran Mahmud. PIN authentication using multi-model anomaly detection in keystroke dynamics on mobile devices. (Master's theses Theses and Dissertations Master). Middle East University. (2019).
https://search.emarefa.net/detail/BIM-899294
American Medical Association (AMA)
Khalaf, Ghufran Mahmud. (2019). PIN authentication using multi-model anomaly detection in keystroke dynamics on mobile devices. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-899294
Language
English
Data Type
Arab Theses
Record ID
BIM-899294
