
By Sebastian Erdenreich
Im Umfeld des E-Commerce gibt es eine Vielzahl an Mechanismen und technischen Maßnahmen, um Transaktionen abzusichern, z. B. durch biometrische Systeme. Nach der Einführung in die Thematik biometrischer Verfahren und in die Tippverhaltenserkennung beschreibt Sebastian Erdenreich, wie auf foundation des Tippverhaltens Mehrfachanmeldungen erkannt werden können. Unter Verwendung moderner Methoden des maschinellen Lernens präsentiert er ein Verfahren, welches das Tippverhalten basierend auf beliebigen, relativ kurzen Eingabetexten auswerten und vergleichen kann. Das Verfahren lässt sich sowohl zur biometrischen Verifizierung als auch zur Identifizierung einsetzen, wobei die jeweils resultierende Erkennungsleistung in Abhängigkeit von den relevanten Einflussgrößen analysiert wird.
Read Online or Download Negative Identifizierung anhand des Tippverhaltens bei Verwendung fester und freier Textbestandteile PDF
Best german_5 books
- Vierstellige Logarithmentafel: mit trigonometrischen Tafeln nebst ergänzendem Zahlenwerk zum natürlichen Rechnen
- Duration and Change: Fifty Years at Oberwolfach
- Benutzerfreundliche Kommunikation / User-Friendly Communication: Vorträge des am 12./13. März 1990 in München abgehaltenen Kongresses / Proceedings of the Congress Held in Munich, March 12/13, 1990
- Brennstoffzellentechnik: Grundlagen, Komponenten, Systeme, Anwendungen
- Man sollte nicht den Finger, der auf den Mond weist, für den Mond selbst halten
- Informatik-Grundbildung in Schule und Beruf: GI-Fachtagung, Kaiserslautern, 29. September–1. Oktober 1986 Proceedings
Extra resources for Negative Identifizierung anhand des Tippverhaltens bei Verwendung fester und freier Textbestandteile
Example text
Das Verfahren nach Bakdi ist auch für geringe Textmengen bzw. 2 zu entnehmen ist. 1). Bei Bergadano wird als geringste untersuchte Textmenge vier mal eine Tippprobe der Länge 170 Zeichen verwendet. Inwieweit sich dieses Verfahren für den Einsatz noch geringerer Textmengen eignet, lässt sich nicht abschätzen. Allerdings erwähnt Bergadano, dass sein Verfahren wegen der analysierten Merkmale wohl eher für größere Textmengen geeignet ist [9]. Die Verfahren von Teh, Rybnik und Sheng sind alle drei für vergleichsweise geringe Textmengen konzipiert worden.
4]. Anders als bei der positiven Identifizierung möchte ein Benutzer bei der negativen Identifizierung daher nicht erkannt werden [12]. Dies sind die bedeutenden Unterschiede zwischen positiver und negativer Identifizierung, die sich rein methodisch sehr ähnlich sind. Der Ablauf der negativen Identifizierung entspricht in fast allen Schritten dem der positiven Identifizierung. 5 dargestellt. Genau wie bei der positiven muss auch bei der negativen Identifizierung je nach Anwendungsfall das Teilsystem Entscheidung angepasst sein, d.
Jedoch ist dies in den meisten Fällen nicht möglich, da notwendige Details bzw. verwendete Parameter dort nicht angegeben sind. Daher können nur die in den jeweiligen Publikationen angegebenen Werte für die Trennschärfe herangezogen werden. Die Angaben zur Trennschärfe bei allen fünf Verfahren sind zu unterschiedlichen Textmengen gegeben. Um eine möglichst objektive Vergleichbarkeit zu erreichen, wird folgendes Vorgehen gewählt: Das Verfahren nach Bakdi2 liegt am Lehrstuhl Bartmann vor und kann somit für beliebige Textmengen untersucht werden.