Profiling soft biometric traits from a gesture-driven mobile game

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2021-05-17
Department
Major/Subject
Computer Science
Mcode
SCI3042
Degree programme
Master’s Programme in Computer, Communication and Information Sciences
Language
en
Pages
64 + 5
Series
Abstract
Touch interaction is the most prevalent way of interacting with smartphones: touch gestures provide a way to navigate and perform actions. The Android operating system's application programming interface enables applications to intercept user interaction on the level of individual touchpoints; while it enables precise tracking of user interaction, it also exposes the user's touch biometrics. The touch biometrics are shown to provide sufficient information for both the classification of soft biometrics and user identification. This thesis aims to evaluate the feasibility of gender classification based on touch gestures recorded during mobile gameplay. Moreover, the informativeness and suitability of gesture properties in gender classification are analyzed. In order to gather the data, a mobile application containing the 2048 game was created and distributed on the Google Play Store, and 62 study participants played the game, resulting in a dataset of 260.000 touch gestures. The dataset was firstly analyzed based on statistical tests to evaluate the differences among the genders in multiple different touch properties. The dataset was then classified with five different machine learning classifiers, each including property and feature optimization. The results of the statistical analysis showed differing distributions on the majority of the touch features. Moreover, the classification results showed a 72 percent accuracy in gender classification, thus showing that data gathered from the study participants' devices can be classified with relatively good accuracy. The results provide a promising basis for future remotely conducted research on touch biometrics.

Kosketuseleet ovat yleisin tapa olla vuorovaikutuksessa älypuhelinten kanssa: ne tarjoavat tavan navigoida ja suorittaa toimintoja. Android-käyttöjärjestelmän sovellusohjelmointirajapinnan avulla sovellus voi seurata käyttäjän sormen liikkeitä kosketusnäytöllä. Tämä mahdollistaa käyttäjän vuorovaikutuksen tarkan seurannan, mutta samalla se paljastaa myös käyttäjän kosketusbiometriatiedot. Kosketusbiometriikan on osoitettu sisältävän riittävästi tietoa sekä pehmeiden biometrioiden luokitteluun että käyttäjän tunnistamiseen. Tämän työn tavoitteena on arvioida sukupuolen luokittelun toteutettavuutta mobiilipelaamisen aikana tallennettujen kosketuseleiden perusteella. Kosketuseleiden keräämiseksi luotiin Google Play Storessa jaettu mobiilisovellus, joka sisälsi 2048-pelin. Tutkimukseen osallistui 62 pelaajaa, joiden pelaamisen tuloksena saatiin kerättyä 260 000 kosketukseleestä koostuva tietokokonaisuus. Kerättyä tietoaineisto analysoitiin ensin tilastollisten testien perusteella, jotta voitiin arvioida sukupuolten välisiä eroja useissa eri kosketusominaisuuksissa. Sen jälkeen tietokokonaisuus luokiteltiin viidellä eri koneoppimisen luokittelijalla, joiden prosesseihin sisältyi ominaisuuksien ja parametrien optimointi. Tilastollisen analyysin tulokset osoittivat erilaisia jakaumia useimpien kosketusominaisuuksien osalta. Lisäksi koneoppimisen luokittelutulokset osoittivat parhaimmillaan 72 prosentin tarkkuuden sukupuolen luokittelussa, osoittaen, että käyttäjien omilta laitteilta kerättyä dataa voidaan luokitella verratten tarkasti. Tulokset tarjoavat lupaavan pohjan tulevalle etänä tehtävälle kosketusbiometriikan tutkimukselle.
Description
Supervisor
Suoranta, Sanna
Thesis advisor
Suoranta, Sanna
Keywords
touch biometrics, user profiling, behavioural biometrics, gender recognition
Other note
Citation