Dhakal Keystroke Dataset

Informacje podstawowe

• Nazwa: Dhakal et al. Keystroke Dataset
• Alias: Aalto University Desktop Keystroke Dataset
• Dziedzina: Biometrics, Security
• Typ: Time-series, Keystroke Dynamics Data

Źródło

• URL: Dostępne poprzez IJCAI CHI Conference na temat Human Factors in Computing Systems
• Paper: Dhakal et al. - “Observations on typing from 136 million keystrokes”
• Organizacja: Aalto University, Helsinki
• Rok: 2018

Charakterystyka

• Rozmiar: 136+ milionów klawiszy z 168,000 uczestników
• Wielkość pliku: Ponad 5GB
• Typ urządzenia: Klawiatury fizyczne (desktop/laptop)
• Typ sceneria: Wolny tekst (free-text) - uczestnicy memoryzują i pisują angielskie zdania
• Liczba sesji: 15 sesji na uczestnika
• Źródła zdań: Enron mobile email i Gigaword Newswire corpus
• Długość zdania: 3-70 znaków (ale mogą być dłuższe z błędami)
• Format: Press/Release event timings (millisecond resolution)
• Licencja: Badawcza - dostępne do badań akademickich

Opis

Dhakal et al. dataset to jedna z największych publicznie dostępnych baz danych dynamiki pisania. Dane zostały zebrane poprzez online’ową aplikację, w której uczestnicy zapamiętywali i pisali angielskie zdania z losowo wybranego zestawu 1,525 przykładów. Każdy uczestnik ukończył 15 sesji, z których każda stanowi jedno zdanie do przepisania. Zbiór danych jest całkowicie niekontrolowany - uczestnicy mogli uczestniczyć z dowolnego miejsca na świecie.

Cechy demograficzne:

• 72% uczestników ukończyło kurs pisania
• Uczestnicy z 218 krajów
• 85% ma angielski jako język ojczysty

Zastosowania

• Uwierzytelnianie biometryczne na dużą skalę (large-scale authentication)
• Badania dynamiki pisania w wolnym tekście
• Trening modeli deep learning do rozpoznawania użytkowników
• Ocena generalizacji systemów biometrycznych na dużych populacjach
• Badanie zależności scenerii od wydajności
• Benchmarking algorytmów keystroke dynamics

Używany w publikacjach

• [acien-typenet-keystroke-2021] - Główny dataset do trenowania TypeNet na scenarii desktop (68,000 użytkowników do trenowania, 100,000 do testowania)

Benchmarki

Model	Urządzenie	Metric	EER (%)	Rok	Publikacja
TypeNet (Softmax)	Desktop	EER	6.0	2021	Acien et al.
TypeNet (Contrastive)	Desktop	EER	3.9	2021	Acien et al.
TypeNet (Triplet)	Desktop	EER	1.2	2021	Acien et al.
CNN+RNN	Desktop	EER	13.7	2019	Lu et al.
POHMM	Desktop	EER	24.7	2018	Monaco & Tappert

Uwagi

• Dane dostępne po zaakceptowaniu warunków badawczych
• Zbiór jest wielokulturowy i międzynarodowy, co zbliża go do rzeczywistych scenariuszy
• Zawiera pełne informacje o czasach naciśnięcia i zwolnienia klawiszy
• Możliwość podziału na sekwencje o różnych długościach
• Zazwyczaj używane dla scenariuszy free-text keystroke authentication
• Należy zwrócić uwagę na zmienność wewnątrz-osobnika ze względu na warunki pisania

Tagi

dataset keystroke-dynamics biometrics large-scale free-text desktop authentication