Phân biệt những người gõ phím
Vì sao điều này quan trọng "Việc gõ phím nhận dạng được bạn" nghe như một câu chuyện dọa dẫm cho tới khi bạn tự xây bộ so khớp. Trong bài thực hành này bạn sẽ phân biệt 50 người gõ phím bịa ra chỉ từ thời gian, rồi bật một cách phòng thủ đơn giản và đo nó giúp được bao nhiêu. Cuối bài bạn sẽ biết cả mánh này hoạt động ra sao lẫn điều gì làm nó cùn đi.
Kế hoạch, nói bằng lời thường ngày
Hãy hình dung việc học nhận ra 50 người qua tiếng gõ cửa của họ. Trước hết bạn nghe mỗi người gõ bốn lần và nhớ nhịp thường ngày của họ. Rồi ai đó gõ và bạn hỏi: nhịp này gần nhất với nhịp thường ngày của ai? Đó là toàn bộ phương pháp.
Hồ sơ (profile): một bản tóm tắt hành vi thường ngày của một người, ở đây là trung bình các thời gian của họ. Dựng hồ sơ từ các ví dụ đã biết được gọi là ghi danh (enrolment).
Đặc trưng (feature): một con số mô tả một ví dụ. Một list đặc trưng biến một sự kiện lộn xộn (một cụm từ được gõ) thành thứ mã so sánh được.
Dữ liệu luyện tập
typing_samples() từ thế giới luyện tập cho bạn các lần gõ cụm từ cố định keep it private. Mỗi lần gõ là một dict:
{"typist": "T07",
"dwell": [96, 104, 88, ...], # 15 numbers, one per key, in milliseconds
"flight": [151, 130, 202, ...]} # 14 numbers, one per gap between keysNhững người gõ phím được bịa ra bởi một bộ sinh có seed, có hình dạng đại khái giống việc gõ phím bình thường. Nên độ chính xác bạn đo được cho biết bạn tách những người gõ phím này tốt tới đâu. Các nghiên cứu thật báo cáo một khoảng kết quả rộng tùy vào con người, bàn phím và văn bản; ta không khẳng định gì về độ chính xác ngoài đời thật.
Đo "gần đến đâu"
Để so sánh hai list thời gian, cộng lại chúng cách nhau bao xa ở mỗi vị trí, bỏ qua việc khoảng cách là dương hay âm. abs() của Python bỏ dấu: abs(-7) là 7. zip(a, b) của Python đi qua hai list song song:
for x, y in zip([100, 150], [90, 170]):
print(x, y, abs(x - y)) # 100 90 10, then 150 170 20Vậy khoảng cách ở đây là 10 + 20 = 30. Khoảng cách nhỏ hơn nghĩa là "giống nhau hơn".
Cách phòng thủ: nhiễu
Tùy chọn noise thêm độ rung ngẫu nhiên khoảng ngần ấy mili giây vào mọi thời gian, như cách một công cụ quyền riêng tư có thể trì hoãn các sự kiện phím một lượng ngẫu nhiên nhỏ trước khi trang thấy chúng. Hãy xem nó làm gì với độ chính xác của bạn, và nghĩ xem nó sẽ làm gì với người đang gõ: 150 mili giây độ trễ ngẫu nhiên trên mỗi phím sẽ có cảm giác ì ạch.
Trong các ngôn ngữ khác
Các bước khoảng cách và hồ sơ gần nhất trong 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;
}Và khoảng cách trong Rust:
fn distance(a: &[f64], b: &[f64]) -> f64 {
a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}Bạn sẽ thấy gì
Không có nhiễu, gần như mọi lần gõ đều được khớp với đúng người gõ. Nhiễu vừa phải (50 ms) làm mất một ít độ chính xác, nhưng phần lớn lần gõ vẫn được khớp; nhiễu nặng (150 ms) kéo độ chính xác xuống mạnh. Đó là sự đánh đổi trung thực: nhiễu thời gian có giúp, nhưng đủ nhiễu để giấu bạn cũng làm việc gõ có cảm giác tệ hơn. Bài cuối của mô-đun này xem xét những cách phòng thủ không khiến bạn mất sự thoải mái.
Tóm tắt
- Ghi danh: lấy trung bình thời gian của mỗi người thành một hồ sơ.
- Nhận dạng: chọn hồ sơ có tổng khoảng cách (distance) nhỏ nhất.
- Nhiễu thời gian ngẫu nhiên làm giảm độ chính xác, nhưng chỉ nhiễu nặng mới giảm nhiều, và cái đó tốn sự thoải mái.
- Độ chính xác trên những người gõ phím được sinh ra mô tả bộ sinh, không mô tả người thật.
Viết năm hàm. features(sample) trả về sample["dwell"] theo sau là sample["flight"] dưới dạng một list. distance(a, b) trả về tổng abs(x - y) trên hai list song song. build_profiles(samples) trả về một dict ánh xạ tên của mỗi người gõ tới trung bình từng vị trí của các list đặc trưng của họ. identify(sample, profiles) trả về cái tên có hồ sơ có khoảng cách nhỏ nhất tới các đặc trưng của mẫu. accuracy(train, test) dựng hồ sơ từ train và trả về tỷ lệ các mẫu test mà identify làm đúng (một số từ 0 tới 1). Phần in ra ở cuối đã được viết sẵn.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.