การผสานคุณลักษณะทางสถิติกับนิวรอลเน็ตเวิร์กเพื่อจำแนกผู้ใช้บนข้อความอิสระขนาดสั้น

วรุตม์ โรจน์รุ่งวศินกุล

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/20015

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สุกรี สินธุภิญโญ	-
dc.contributor.author	วรุตม์ โรจน์รุ่งวศินกุล	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2012-06-03T09:57:44Z	-
dc.date.available	2012-06-03T09:57:44Z	-
dc.date.issued	2553	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/20015	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553	en
dc.description.abstract	การจำแนกผู้ใช้จากระยะเวลาในการพิมพ์ เป็นหนึ่งในวิธีการยืนยันตัวตนที่น่าสนใจในปัจจุบัน เพราะสามารถใช้งานได้โดยไม่ต้องติดตั้งอุปกรณ์เพิ่มเติม และยังสามารถใช้ร่วมกับวิธีการจำแนกด้วยชื่อผู้ใช้และรหัสผ่านแบบเดิมได้อีกด้วย งานวิจัยที่ผ่านมาอาจแบ่งได้เป็นสองประเภท คืองานวิจัยที่ศึกษาการใช้ข้อความที่ถูกกำหนดไว้ และงานวิจัยที่ศึกษาการใช้ข้อความอิสระ งานวิจัยส่วนมากนั้นจะเป็นศึกษาการใช้ข้อความที่ถูกกำหนดไว้ และมีบางงานวิจัยที่รายงานผลการจำแนกได้ดีมาก มีเพียงส่วนน้อยเท่านั้นที่ศึกษาการใช้ข้อความอิสระ และงานวิจัยเหล่านั้นยังต้องการข้อความอิสระขนาดยาวเพื่อให้ได้ผลการจำแนกที่ดี วิทยานิพนธ์นี้จึงนำเสนอวิธีการใช้ข้อความอิสระขนาดสั้น เพื่อให้ได้ผลการจำแนกที่ดีขึ้นกว่างานวิจัยที่เคยมีมา โดยใช้วิธีการแปลงข้อมูลเวลาในการพิมพ์จากตัวอย่าง ให้เป็นเวกเตอร์ของคุณลักษณะทางสถิติที่สามารถนำไปใช้งานกับนิวรอลเน็ตเวิร์กได้ และยังเสนอการผสานคุณลักษณะเพื่อให้ได้ผลการจำแนกที่ดีขึ้นอีกด้วย จากผลการทดลองพบว่า วิธีการที่นำเสนอให้ผลการจำแนกผู้ใช้ได้ดีกว่าวิธีอื่นเมื่อใช้ข้อความอิสระขนาดสั้น และให้ผลการจำแนกเทียบเท่ากันกับวิธีอื่น เมื่อใช้ข้อความอิสระที่มีความยาวมากขึ้น	en
dc.description.abstractalternative	Currently, user classification using keystroke latency patterns is one of the interesting authentication methods because this method does not require any additional devices and can be combined with traditional username-password authentication. Previous research can be categorized into two groups, namely fixed-text and works free-text. Most of the works concerned fixed-text and some of them reported a very good result. Only a few works concerned free-text and those works still require long free-text input sample to obtain a good classification result. Thus, this thesis proposes a method to use short length free-text input and obtain better user classification result. This method consists of how to transform keystroke latencies from a sample into a vector of statistical features that can be used with neural network and also proposes a combination of features to obtain better user classification result. The results show that the proposed method yields better classification result when using short length free-text input and also gives comparable results when using longer free-text input.	en
dc.format.extent	2567035 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2010.188	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	เครือข่ายคอมพิวเตอร์ -- มาตรการความปลอดภัย	en
dc.subject	คอมพิวเตอร์ -- การควบคุมการเข้าถึง	-
dc.subject	ความปลอดภัยในระบบคอมพิวเตอร์	-
dc.subject	นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)	-
dc.subject	Computer networks -- Security measures	-
dc.subject	Computers -- Access control	-
dc.subject	Computer security	-
dc.subject	Neural networks ‪(Computer sciences)‬	-
dc.title	การผสานคุณลักษณะทางสถิติกับนิวรอลเน็ตเวิร์กเพื่อจำแนกผู้ใช้บนข้อความอิสระขนาดสั้น	en
dc.title.alternative	A combination of statistical features and neural networks to classify users on short free text	en
dc.type	Thesis	es
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.identifier.DOI	10.14457/CU.the.2010.188	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
warut_ro.pdf		2.51 MB	Adobe PDF	View/Open

Show simple item record