文件名称：keystroke-biometrics:击键动力学的生物识别
文件大小：15.06MB
文件格式：ZIP
更新时间：2024-06-03 14:24:57
python data-science sklearn keras classification
击键动力学的生物特征预测 该项目着眼于具有击键动力学的生物特征识别器。 除了输入密码来验证用户外，还可以通过他们的输入节奏来区分用户。 此功能可用于检测冒名顶替者。 该项目基于出版物Killinghy，KS和Maxion，RA的数据集，该数据集 在过程中。 的Conf。 关于可靠的系统和网络（DSN）（第125-134页） 。 目的是使用库在神经网络上建立分类基础。 包含51个主题，每个主题键入密码.tie5Roanl 400次。 收集的量度是保持时间（H），按键按下时间（DD）和按键按下时间（UD）。 执照 该项目已获得MIT许可。 有关详细信息，请参阅
【文件预览】：
keystroke-biometrics-master
----calculate_models.py(3KB)
----models()
--------model_total_250.json(2KB)
--------model_UD_300.json(2KB)
--------model_pca3_200.h5(216KB)
--------model_pca3_100.json(2KB)
--------model_DD_150.h5(141KB)
--------model_DD_50.json(2KB)
--------model_UD_200.json(2KB)
--------model_H_250.h5(324KB)
--------model_pca10_250.h5(323KB)
--------model_H_200.h5(222KB)
--------model_UD_300.h5(442KB)
--------model_total_300.h5(467KB)
--------model_H_150.h5(141KB)
--------model_total_150.h5(153KB)
--------model_H_300.json(2KB)
--------model_pca10_50.json(2KB)
--------model_H_300.h5(443KB)
--------model_UD_50.h5(39KB)
--------model_pca10_300.h5(442KB)
--------model_UD_100.json(2KB)
--------model_total_150.json(2KB)
--------model_UD_250.json(2KB)
--------model_DD_300.h5(442KB)
--------model_UD_150.h5(141KB)
--------model_pca10_150.h5(141KB)
--------model_H_100.h5(80KB)
--------model_total_200.json(2KB)
--------model_pca3_250.h5(316KB)
--------model_pca3_300.json(2KB)
--------model_UD_250.h5(323KB)
--------model_DD_100.json(2KB)
--------model_total_200.h5(237KB)
--------model_total_50.json(2KB)
--------model_UD_200.h5(221KB)
--------model_total_50.h5(43KB)
--------model_UD_100.h5(80KB)
--------.directory(169B)
--------model_DD_150.json(2KB)
--------model_pca3_100.h5(78KB)
--------model_DD_300.json(2KB)
--------model_pca10_200.h5(221KB)
--------model_pca10_200.json(2KB)
--------model_H_200.json(2KB)
--------model_DD_50.h5(39KB)
--------model_DD_250.json(2KB)
--------model_pca10_250.json(2KB)
--------model_total_100.h5(88KB)
--------model_H_50.json(2KB)
--------model_H_150.json(2KB)
--------model_H_250.json(2KB)
--------model_pca10_300.json(2KB)
--------model_total_250.h5(343KB)
--------model_pca10_50.h5(39KB)
--------model_DD_250.h5(323KB)
--------model_H_50.h5(39KB)
--------model_H_100.json(2KB)
--------model_pca3_50.json(2KB)
--------model_pca3_150.h5(137KB)
--------model_pca3_150.json(2KB)
--------model_pca3_50.h5(37KB)
--------model_UD_150.json(2KB)
--------model_UD_50.json(2KB)
--------model_pca10_150.json(2KB)
--------model_DD_200.json(2KB)
--------model_total_100.json(2KB)
--------model_pca3_300.h5(434KB)
--------model_pca10_100.json(2KB)
--------model_DD_100.h5(80KB)
--------model_total_300.json(2KB)
--------model_DD_200.h5(221KB)
--------model_pca10_100.h5(80KB)
--------model_pca3_200.json(2KB)
--------model_pca3_250.json(2KB)
----utils.py(740B)
----keystroke-biometrics.ipynb(2.18MB)
----LICENSE(1KB)
----README.md(1024B)
----compare-performance.ipynb(375KB)
----data()
--------DSL-StrongPasswordData.txt(10.78MB)
--------DSL-StrongPasswordData.csv(4.41MB)
--------DSL-StrongPasswordData.xls(11.93MB)
----tsne.png(130KB)
----.gitignore(1KB)