Yüksek Lisans Adayı: Gürkan Gündüz

EABD: Veri Bilişimi

Tarih: 21.08.2025 / 10:00

Yer: A-212

Özet: Mobil cihazlar, şifre, PIN veya fizyolojik biyometri gibi geleneksel kimlik doğrulama yöntemleriyle korunsa bile güvenlik tehditlerine açıktır. Bu yöntemler, omuz üzerinden gözetleme ve sahtecilik gibi saldırılara karşı savunmasızdır ve ilk erişimden sonra sürekli kimlik doğrulama mekanizmalarından yoksundur. Bu sorunlar, kaydırma ve dokunma davranışları gibi davranışsal biyometri ile kimliği sürekli doğrulayan Sürekli Kimlik Doğrulama (CA) ile azaltılır. Bu çalışmada, özet istatistikler yerine etkileşim özelliklerinin (hareket hızı, ivme, eğrilik, kümülatif ortalama hız) tam olasılık dağılımlarını modelleyen dokunma tabanlı bir CA çerçevesi sunulmuştur. Çekirdek Yoğunluk Tahmini (KDE) ile özellik dağılımları oluşturulur ve Kullback-Leibler (KL) ıraksaması kullanılarak oturum ve kullanıcıya özel bant genişlikleri optimize edilir, böylece bireysel davranış modellerinin doğruluğu artırılır. Bu dağılım tabanlı özellikler, bir CNN tabanlı Siamese ağına beslenir ve kimlik doğrulama için oturumlar arası benzerlik gösterimleri öğrenilir. BehavePassDB veri seti üzerinde değerlendirildiğinde, önerilen yöntemin sabit bant genişlikli bir alternatifi ve elle hazırlanmış istatistikler kullanan bir XGBoost temel modelini sürekli olarak geride bıraktığı gösterilmiştir. Daha yüksek ROC AUC, daha düşük Eşit Hata Oranları ve gelişmiş kesinlik–duyarlılık metrikleri elde edilmiştir. Tam davranışsal dağılımların modellenmesi ve KDE parametrelerinin kullanıcı bazında uyarlanması sayesinde, kimlik doğrulama doğruluğu, dayanıklılığı ve cihazlar ile popülasyonlar arasında genelleme yeteneği önemli ölçüde artırılmıştır.