Chaoshen-2 Mouse Dynamics Dataset

Informacje podstawowe

  • Nazwa: Chaoshen-2
  • Alias: Shen et al. continuous authentication dataset
  • Dziedzina: Behavioral Biometrics, Cybersecurity, Continuous Authentication
  • Typ: Mouse movement tracking data with temporal context

Źródło

  • Paper: Shen et al. [113] - “Continuous authentication for mouse dynamics: A pattern-growth approach”
  • Organizacja: Shen, Zhongmin et al.
  • Rok: 2012
  • Dostęp: Na żądanie od autorów

Charakterystyka

  • Rozmiar: 90k mouse actions over 30 sessions
  • Liczba Uczestników: 28 subjects
  • Typ Zbioru: App agnostic semi-controlled environment
  • Format: Mouse events with action types and timestamps
  • Sesje: 30 per participant
  • Licencja: Na żądanie

Opis

Chaoshen-2 reprezentuje bardziej realistyczne warunki zbierania danych niż Chaoshen-1. Dataset został zebrany w warunkach semi-kontrolowanych, gdzie aplikacja jest ustandaryzowana, ale otoczenie użytkownika jest zmienne. Uczestników proszono o wykonywanie zadań z zestawu aplikacji, generując naturalnie zmienne sekwencje akcji myszy.

Dataset zawiera 90,000 akcji myszy (Mouse Movement, Drag-and-Drop, Point-and-Click, Click, Scroll) zebranych przez 30 sesji dla każdego z 28 uczestników. Odmiennie od dataset’u Chaoshen-1, ten dataset umożliwia badanie ciągłej autentykacji (continuous authentication) – monitorowania tożsamości użytkownika przez cały czas sesji.

Autorzy zastosowali algorytm PrefixSpan do ekstrakcji wzorów z działań myszy, osiągając wyraźnie lepsze wyniki niż podejścia poprzedniego pokolenia.

Zastosowania

  • Continuous user authentication
  • Real-time user verification during ongoing sessions
  • Pattern mining and behavior modeling
  • Evaluation of continuous authentication algorithms
  • Semi-realistic user behavior analysis

Używany w publikacjach

Benchmarki

ModelMetricPerformanceRokPublikacja
1-class SVMFAR0.37%2012Shen et al. [113]
1-class SVMFRR1.12%2012Shen et al. [113]

Uwagi

  • More realistic than fixed static sequence but still semi-controlled
  • Balance between experimental control and real-world relevance
  • Good for evaluating pattern-growth based mining algorithms
  • Multiple sessions per user allows study of behavior change over time
  • Useful for continuous authentication research
  • Contact authors for access

Tagi

dataset behavioral-biometrics mouse-dynamics continuous-authentication authentication semi-controlled