Различите наборщиков
Почему это важно "Ваш набор текста вас опознаёт" звучит как страшилка, пока вы сами не построите сопоставитель. В этой лаборатории вы различите 50 вымышленных наборщиков только по времени, а затем включите простую защиту и измерите, насколько она помогает. В конце вы будете знать, и как работает этот приём, и что его притупляет.
План простыми словами
Представьте, что вы учитесь узнавать 50 человек по стуку. Сначала вы слушаете, как каждый стучит четыре раза, и запоминаете его обычный ритм. Потом кто-то стучит, и вы спрашиваете: к чьему обычному ритму это ближе всего? Это и есть весь метод.
Профиль: сводка обычного поведения одного человека, здесь - среднее его времён. Построение профилей по известным примерам называется регистрацией.
Признак: одно число, которое описывает пример. Список признаков превращает беспорядочное событие (набранную фразу) в то, что код может сравнивать.
Учебные данные
typing_samples() из учебного мира даёт вам попытки набрать заданную фразу keep it private. Каждая попытка - словарь:
{"typist": "T07",
"dwell": [96, 104, 88, ...], # 15 numbers, one per key, in milliseconds
"flight": [151, 130, 202, ...]} # 14 numbers, one per gap between keys
Наборщики придуманы генератором с seed и лишь примерно похожи на обычный набор. Поэтому измеренная вами точность говорит о том, насколько хорошо вы различаете этих наборщиков. Настоящие исследования сообщают очень разные результаты в зависимости от людей, клавиатур и текста; мы ничего не утверждаем о точности в реальном мире.
Измеряем "насколько близко"
Чтобы сравнить два списка времён, сложите, насколько они расходятся на каждой позиции, не обращая внимания, положительная разница или отрицательная. abs() в Python отбрасывает знак: abs(-7) - это 7. zip(a, b) в Python проходит по двум спискам рядом:
for x, y in zip([100, 150], [90, 170]):
print(x, y, abs(x - y)) # 100 90 10, then 150 170 20
Значит, расстояние здесь 10 + 20 = 30. Меньшее расстояние означает "больше похоже".
Защита: шум
Параметр noise добавляет к каждому времени случайное дрожание примерно на столько миллисекунд, как это мог бы делать инструмент приватности, задерживая события клавиш на небольшие случайные величины, прежде чем их увидит страница. Посмотрите, что это делает с вашей точностью, и подумайте, что это сделало бы с печатающим человеком: 150 миллисекунд случайной задержки на каждой клавише ощущались бы как торможение.
На других языках
Шаги расстояния и ближайшего профиля на JavaScript:
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;
}И расстояние на Rust:
fn distance(a: &[f64], b: &[f64]) -> f64 {
a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}Что вы должны увидеть
Без шума почти каждая попытка сопоставляется с правильным наборщиком. Умеренный шум (50 мс) немного снижает точность, но большинство попыток по-прежнему сопоставляются; сильный шум (150 мс) резко снижает точность. Это честный компромисс: шум во времени помогает, но шум, достаточный, чтобы вас скрыть, ещё и делает набор неприятнее. Последний урок этого модуля рассматривает защиты, которые не стоят вам удобства.
Итоги
- Регистрация: усредните времена каждого человека в профиль.
- Опознание: выберите профиль с наименьшим суммарным расхождением (расстоянием).
- Случайный шум во времени снижает точность, но сильно - только сильный шум, а он стоит удобства.
- Точность на сгенерированных наборщиках описывает генератор, а не реальных людей.
Напишите пять функций. features(sample) возвращает sample["dwell"], а за ним sample["flight"] одним списком. distance(a, b) возвращает сумму abs(x - y) по двум спискам рядом. build_profiles(samples) возвращает словарь, сопоставляющий имени каждого наборщика среднее по позициям его списков признаков. identify(sample, profiles) возвращает имя, чей профиль ближе всего к признакам образца. accuracy(train, test) строит профили по train и возвращает долю образцов test, которые identify определяет правильно (число от 0 до 1). Вывод внизу уже написан.
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.