シラバス レッスン 156 中 128 · 端末ではなく、人を追跡する
端末ではなく、人を追跡する

打ち手を見分ける

なぜ大切か 「入力があなたを特定する」は、自分で照合器を作るまでは脅しの話のように聞こえます。このラボでは、タイミングだけから 50 人のでっち上げの打ち手を見分け、それから単純な防御をオンにして、それがどれだけ役立つかを測ります。仕掛けがどう働き、何がそれを鈍らせるかの両方がわかって終わります。

計画、ふだんの言葉で

50 人をノックで見分けることを覚えるところを想像してください。まず各人が 4 回ノックするのを聞き、その いつもの リズムを覚えます。それから誰かがノックし、こう尋ねます。これは誰のいつものリズムに最も近いか? それが方法のすべてです。

プロフィール:ひとりの人のいつもの振る舞いの要約で、ここではタイミングの平均です。既知の例からプロフィールを作ることは 登録 と呼ばれます。

特徴量:ひとつの例を表すひとつの数です。特徴量のリストは、雑然とした出来事(打たれた言い回し)を、コードが比べられるものに変えます。

練習用のデータ

練習用の世界の typing_samples() は、決まった言い回し keep it private を打った試みを返します。各試みは辞書です:

{"typist": "T07",
 "dwell":  [96, 104, 88, ...],    # 15 numbers, one per key, in milliseconds
 "flight": [151, 130, 202, ...]}  # 14 numbers, one per gap between keys

打ち手はシード付きの生成器が作り出したもので、ふつうの入力におおまかに似せてあります。だから測る正解率は、この 打ち手たちをどれだけよく分けるかを言うものです。本物の研究は、人、キーボード、テキストによって幅広い結果を報告していて、私たちは現実の正解率について何も主張しません。

「どれだけ近いか」を測る

2 つのタイミングのリストを比べるには、各位置でどれだけ離れているかを、差が正か負かを無視して足し合わせます。Python の abs() は符号を落とします。abs(-7) は 7 です。Python の zip(a, b) は 2 つのリストを並べてたどります:

for x, y in zip([100, 150], [90, 170]):
    print(x, y, abs(x - y))    # 100 90 10, then 150 170 20

だからここでの距離は 10 + 20 = 30 です。距離が小さいほど「似ている」という意味です。

防御:雑音

noise のオプションは、プライバシーの道具がページに見える前に鍵のイベントを小さなランダムな量だけ遅らせるように、すべてのタイミングに、およそその数のミリ秒のランダムなぶれを加えます。それが正解率に何をするかを見て、打っている人にとって何をするかを考えてください。鍵ごとに 150 ミリ秒のランダムな遅れがあれば、もたついて感じるでしょう。

ほかの言語では

JavaScript での距離と、最も近いプロフィールの手順:

const distance = (a, b) => a.reduce((t, x, i) => t + Math.abs(x - b[i]), 0);

function identify(features, profiles) {
  let best = null, bestDist = Infinity;
  for (const [name, p] of Object.entries(profiles)) {
    const d = distance(features, p);
    if (d < bestDist) { best = name; bestDist = d; }
  }
  return best;
}

そして Rust での距離:

fn distance(a: &[f64], b: &[f64]) -> f64 {
    a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}

見えるはずのこと

雑音がなければ、ほぼすべての試みが正しい打ち手に照合されます。ほどほどの雑音(50 ミリ秒)は正解率をいくらか下げますが、ほとんどの試みはまだ照合されます。重い雑音(150 ミリ秒)は正解率を急に下げます。それが正直なトレードオフです。タイミングの雑音は役立ちますが、あなたを隠すほどの雑音は入力の心地も悪くします。このモジュールの最後のレッスンでは、心地を犠牲にしない防御を見ます。

まとめ

  • 登録:各人のタイミングを平均してプロフィールにします。
  • 特定:合計の間隔(距離)が最も小さいプロフィールを選びます。
  • ランダムなタイミングの雑音は正解率を下げますが、大きく下げるのは重い雑音だけで、それは心地を犠牲にします。
  • 生成した打ち手での正解率が表すのは生成器で、本物の人ではありません。
あなたの番

5 つの関数を書いてください。features(sample) は sample["dwell"] の後に sample["flight"] を続けたひとつのリストを返します。distance(a, b) は、2 つのリストを並べて abs(x - y) を合計したものを返します。build_profiles(samples) は、各打ち手の名前を、その特徴量のリストの位置ごとの平均に対応づける辞書を返します。identify(sample, profiles) は、プロフィールとサンプルの特徴量の距離が最も小さい名前を返します。accuracy(train, test) は train からプロフィールを作り、identify が正しく当てた test のサンプルの割合(0 から 1 の数)を返します。下の表示はすでに書いてあります。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。