dc.contributor.advisor | Bours, Patrick | |
dc.contributor.advisor | Cherrier, Estelle | |
dc.contributor.author | Tverrå, Oliver Dagsland | |
dc.date.accessioned | 2023-09-28T17:23:34Z | |
dc.date.available | 2023-09-28T17:23:34Z | |
dc.date.issued | 2023 | |
dc.identifier | no.ntnu:inspera:139587122:97339821 | |
dc.identifier.uri | https://hdl.handle.net/11250/3092833 | |
dc.description.abstract | Når noen kommuniserer digitalt med en annen person, er det mange aspekter
som ikke er kjent i forhold til disse partene. Personene som kommuniserer kan
også ha ondsinnede hensikter, og som et resultat kan de lyve i forhold til alder
og kjønn. Som et resultat av dette kan et offer for en slik hensikt få konsek-
venser som upassende bilder som deles på nettet, grooming eller fysisk skade.
Ved å bruke keystroke dynamics er det mulig å bestemme et menneskes alder
eller kjønn. Noen studier har oppnådd varierende resultater i denne forbindelse
ved å bruke keystroke dynamics og kommunikasjonsdata. I denne studien vil fast-
settelse av alder og kjønn være i fokus. Imidlertid, på en kontinuerlig måte, ved å
bruke keystroke dynamics som resulterer i kontinuerlig bestemmelse av soft bio-
metrics med keystroke dynamics. Resultatet vil bli videre analysert, bearbeidet og
deretter representert statistisk. Forskning på området viser lovende resultater når
prediksjonen baseres på hele datasettet og periodiske klassifiseringer. Den tidlig-
ste bestemmelsen av kjønn med tilfredsstillende nøyaktighet oppnådd for denne
studien var et gjennomsnitt på 126 tastetrykk og en nøyaktighet på 71%. Den
høyeste var 87,5% nøyaktighet med 1644 tastetrykk. For alder var det tidligste et
gjennomsnitt på 312 tastetrykk med 72% nøyaktighet, det høyeste var 77% nøyak-
tighet med 825 gjennomsnittlige tastetrykk. Det var omtrent 1750 tastetrykk for
hver deltaker, noe som betyr at den tidligste klassifiseringen trengte omtrent 7%
av deltakerens skriving for kjønn og 17% av deltakerens skriving for alder. Derfor
er det funnet at det er mulig å bestemme kjønn og alder kontinuerlig ganske tidlig,
men på bekostning av nøyaktighet. | |
dc.description.abstract | When someone communicates online with another person, there are many aspects
that is not known in regards to these parties. The individuals that communicate
may also have malicious intentions, and as a result may lie in regards to age and
gender. As a result of this, a victim of such intent can suffer consequences like in-
appropriate pictures being shared online, grooming attempts or physical harm. By
utilizing keystroke dynamics, it is possible to determine a human’s age or gender.
Some studies have achieved varying results in this regard by utilizing keystroke
dynamics and communication data. In this study, the determination of age and
gender will be the focus; the age and gender groups was divided into 2 classes
respectively. However, in a continuous manner, using keystroke dynamics that res-
ults in the continuous determination of soft biometrics with keystroke dynamics.
The output will be further analyzed, processed and then represented statistically.
Research in the area displays promising results when basing the prediction on the
full data set and periodic predictions. The earliest determination of gender with
satisfactory accuracy achieved for this study was a mean of 126 keystrokes and an
accuracy of 71%. The highest accuracy was 87.5% with 1644 keystrokes. For age
the earliest was a mean of 312 keystrokes with 72% accuracy, the highest accuracy
was 77% with 825 mean keystrokes. There were approximately 1750 keystrokes
for each participant, meaning that the earliest determination needed approxim-
ately 7% of the participant’s writing to determine gender and 17% of the writing
in terms of age. Therefore, it is found that it is possible to determine gender and
age continuously and early but at the cost of accuracy. | |
dc.language | eng | |
dc.publisher | NTNU | |
dc.title | Continuous Determination of Age and Gender | |
dc.type | Master thesis | |