Évaluation des performances et de la sécurité des systèmes biométriques comportementales

Performance and security evaluation of behavioral biometric systems

• Auteur / Autrice : Yris Brice Wandji Piugie
• Direction : Christophe Rosenberger, Christophe Charrier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 28/11/2023
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale mathématiques, information et ingénierie des systèmes (Caen)
• Partenaire(s) de recherche : Laboratoire : Groupe de recherche en informatique, image, automatique et instrumentation de Caen (1995-....)
• Partenaire(s) de recherche : établissement co-accrédité : Université de Caen Normandie (1971-....)
• Jury : Président / Présidente : Stéphanie Schuckers
• Jury : Examinateurs / Examinatrices : William Puech, Hélène Laurent, Joël Di Manno, Patrick Bours
• Jury : Rapporteurs / Rapporteuses : William Puech, Hélène Laurent

Mots clés

Mots clés contrôlés

Séries chronologiques

Authentification

Identification

Systèmes informatiques -- Mesures de sûreté

Biométrie

Mots clés libres

Disponibilités : Tous les jours de la semaine mais avec une préférence le jeudi et vendredi. Bibliothèque universitaire Rappel des propositions de mots-clés en français : Biométrie comportementale

Signaux Comportementaux Synthétiques

Instrument d'Attaque par Présentation

Behavioral Biometrics

Identification

Cybersecurity

Authentication

Synthetic Behavioral Biometrics

Time series to Image

Presentation Attack Instrument

Résumé

La biométrie comportementale est une approche prometteuse pour renforcer la sécurité des systèmes informatiques tout en améliorant l'expérience utilisateur grâce à l'analyse des interactions des utilisateurs. Cette thèse de doctorat propose une méthode générique basée sur l'analyse de séries temporelles comportementales. Elle explore l'utilisation de techniques d'apprentissage machine traditionnelles et d'apprentissage profond pour l'authentification des utilisateurs basée sur ces comportements.En outre, nous examinons la vulnérabilité des systèmes biométriques comportementales aux attaques par présentation. Nous utilisons le TimeGAN pour générer des données biométriques synthétiques préservant les caractéristiques temporelles, rendant difficile leur distinction des données authentiques. Les résultats obtenus soulignent la capacité du TimeGAN à générer des modèles comportementaux pour tester les systèmes d'authentification, remettant en question la robustesse de ces systèmes face aux attaques malveillantes.

Behavioral biometrics enhances IT security and improves user experience by analyzing interactions. This Ph.D. thesis proposes a generic method based on the analysis of behavioral time series. It explores the use of traditional machine learning and deep learning techniques for user identification and authentication based on these behaviors.In addition, the research carried out examines the vulnerability of behavioral biometric systems to presentation attacks. To this end, we use TimeGAN to generate synthetic behavioral biometric data capable of fooling authentication systems. These synthetic data preserve temporal characteristics, making it difficult to distinguish them from authentic data. The results highlight TimeGAN's ability to generate behavioral patterns that could be used to test authentication systems, raising questions about the robustness of such systems against malicious attacks.