Robustez de las métricas de clasificación de cadencia de tecleo frente a variaciones emocionales

Abstract

La dinámica de tecleo permite la identificación de una persona por la forma en que escribe. Esta tesis se enfoca en analizar la robustez de los algoritmos de análisis de cadencia de tecleo frente a variaciones en los registros biométricos mediante electroencefalografía y cuestionario de autoinforme, utilizando el enfoque dimensional para modelizar estados afectivos. Se realizó un experimento para capturar patrones de tecleo en diferentes estados afectivos. Los resultados sugirieron que la tasa de aciertos para ciertas distancias de clasificación, como las métricas A y R, la distancia de Camberra, Manhattan y una distancia basada en Minkowski se ven influenciadas negativamente por los cambios en las respuestas de excitación y valencia. La distancia euclídea fue la menos afectada de las seis evaluadas.

Keystroke dynamics facilitates the identification of a person by the way they type. This thesis focuses on analysing the robustness of keystroke dynamics algorithms against variations in biometric records through electroencephalography and a self-report questionnaire, using the dimensional approach to model affective states. An experiment was conducted to capture typing patterns in different affective states. The results suggested specific classification distances, such as the A and R metrics, Canberra, Manhattan and a Minkowski-based distance have their accuracy slightly and negatively influenced by the changes in arousal and valence responses. Euclidean distance was the least affected among the six evaluated distances.