Thesis

Méthodologie de collecte de données pour l’authentification biométrique comportementale

Patrice-Prisca Ntsako Guiegou

Master’s Thesis, École de technologie supérieure, November 2024.

Résumé

Behavioral biometric authentication, unlike traditional biometric methods such as facial or fingerprint recognition, relies on unique behaviors such as gait or keyboard typing to verify the identity of individuals. As part of this authentication, it is important to collect behavioral biometric data under real-life conditions to train AI models. This data collection is carried out through sensors embedded in smartphones and watches. This research work proposes a data collection methodology for behavioral biometric authentication, focusing on real-life conditions of use. Using a survey we have set up, we analyze the usual wearing positions of the phone and watch, and plan data collection based on these usage habits. The results of the survey on usual phone and watch carrying positions highlighted users’ behaviors and preferences when carrying these devices on the move. The survey revealed that walking is the activity in which users most frequently carry their phone, often in their trouser pocket. The watch can be seen as a secondary collection device, offering an opportunity to collect additional data. Based on these results, a plan for data collection was developed, incorporating a protocol adapted to actual user preferences. This protocol takes advantage of the phone’s positioning habits. Implementation of this protocol will optimize the data collected by capturing it in real-life conditions, enabling AI models to be developed based on authentic behavior.

Abstract

L’authentification biométrique comportementale, contrairement aux méthodes biométriques traditionnelles telles que la reconnaissance faciale ou d’empreintes digitales, se base sur des comportements uniques comme la démarche ou la frappe au clavier pour vérifier l’identité des individus. Dans le cadre de cette authentification, il est important de collecter des données biométriques comportementales dans des conditions réelles pour entraîner des modèles d’IA. Cette collecte de données s’effectue à travers des capteurs intégrés dans les téléphones et les montres intelligents. Ce travail de recherche propose une méthodologie de collecte de données pour l’authentification biométrique comportementale, en se concentrant sur des conditions réelles d’utilisation. À partir d’un sondage que nous avons mis en place, nous analysons les positions habituelles de port du téléphone et de la montre et planifions une collecte de données basée sur ces habitudes d’utilisation. Les résultats du sondage sur les positions habituelles de port du téléphone et de la montre ont permis de mettre en évidence les comportements et préférences des utilisateurs en matière de déplacement avec ces appareils. Ce sondage a révélé que la marche est l’activité où les utilisateurs transportent le plus fréquemment leur téléphone, souvent dans la poche du pantalon. La montre peut être considérée comme un équipement secondaire de collecte, offrant une opportunité de collecter des données supplémentaires. À partir de ces résultats, un plan de collecte de données a été élaboré, intégrant un protocole adapté aux préférences réelles des utilisateurs. Ce protocole tire parti des habitudes de positionnement du téléphone. La mise en œuvre de ce protocole permettra d’optimiser les données collectées en les capturant dans des conditions réelles, permettant ainsi de développer des modèles d’IA fondés sur des comportements authentiques.