E se il tuo smartphone ti riconoscesse dal modo in cui tocchi lo schermo?

I sistemi di autenticazione tradizionali, come PIN e password, sono vulnerabili a vari attacchi. Un nuovo studio propone un framework robusto che usa il machine learning per riconoscere il comportamento di tocco sullo smartphone. Analizzando traiettorie, pressione e velocità del tocco, il sistema identifica modelli unici per ogni utente. Grazie a algoritmi come Random Forest, Gradient Boosting e K-Nearest Neighbors, l'accuratezza raggiunge il 95,2%. Inoltre, il sistema è resistente a vari attacchi, mantenendo un'alta precisione anche in condizioni variabili. Questo metodo promette di migliorare la sicurezza degli smartphone in modo user-friendly e scalabile.

Il framework proposto combina il riconoscimento dei pattern di tocco con tecniche di machine learning avanzate. La TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) viene utilizzata per selezionare le caratteristiche più rilevanti, come la curvatura della traiettoria, la pressione e la velocità del tocco. Questi dati vengono poi elaborati da tre algoritmi di machine learning: Random Forest, Gradient Boosting Machines e K-Nearest Neighbors. Il modello Random Forest ha dimostrato di essere il più efficace, con un F1-Score del 95,1% e un'accuratezza del 95,2%. Per migliorare ulteriormente la resilienza del sistema, sono state applicate tecniche di perturbazione dei dati, come la scalatura temporale e l'inserimento di rumore. Questo approccio garantisce che il sistema sia resistente a vari attacchi, inclusi quelli basati su variazioni ambientali e spoofing, con un tasso di rilevamento del 96%.