1/27/2020

Episode 249 - Adferdsbiometri

Teknisk Sett tar for seg adferdsbiometri, en metode for å identifisere personer basert på oppførsel. Patrick Bors fra NTNU Gjøvik forklarer hvordan ganglag og tastaturbruk kan brukes til å gjenkjenne personer, selv i chatrom. Teknologien har potensiale for å identifisere seksuelle overgripere, men kan også brukes til å spore og identifisere personer i offentlige rom. Selv om det er etiske dilemmaer knyttet til denne teknologien, er det klart at adferdsbiometri er et fascinerende og potensielt nyttig felt.

00:01

Professor Patrick Bors diskuterer adferdsbiometri, inkludert stemmegjenkjenning og tastaturgjenkjenning, for å avdekke identitet og atferd.

07:53

Taleren beskriver sin erfaring med biometri og gjenkjenningsteknologi, fra ganglagsgjenkjenning til sikkerhet ved tastaturbruk.

10:49

Vi utvikler et system for å gjenkjenne og varsle om potensielle seksuelle overgripere i chatrom.

Transkript

Nei, selvfølgelig. Hvis jeg er en mann og prøver å lure deg til at jeg er en 13 år gammel jente, så skal jeg ikke skrive om fotball og sånne ting. Men skriverittene er noen som er bygget inn i våre muskler, og det kommer helt automatisk. Det avslører oss.

Velkommen til Teknisk Sett, en podcast fra TU. Jeg sitter her som selvvanlig med Aldrik Artvaldmott. Hei Jan. Og mitt navn er Jan Moberg.

Det har vi skjønt. Ja, du begynner å bli litt lei nå. Ja, jeg har hørt det over 250 ganger nå. Ja. Veldig snart. Men det folk ikke ser når de lytter på podcasten, er den kula du har rundt leggen. Du ikke slipper unna. Men, Odd-Rikard, i dag har vi tatt tog igjen. Ja. Det var jo ikke fullt. Det var bedre enn å dra til Gøteborg. Det var det, absolutt. Til og med god netttilgang fra togselskapet. Ja, det var overraskende. Det var det. Vi tok toget til Jøvik.

Det har ikke jeg gjort før. Nei. Jeg har tatt toget én gang til Jøvik. Nummer to nå da. Erfaren. Og grunnen til at vi dro ut var at vi ville besøke NTNU her på Jøvik. Tenkte du litt sånn gjennom hva vi skulle finne?

Ja, nei, jeg ble litt overrasket over at her var det mye morsomt. Mer mangfold enn jeg egentlig hadde sett for meg. Ja, at datasikkerhet lå her, det visste jeg også. Ja, det har vi vist. Men mye rart, det som er datasikkerhet, ja. Det er det, og vi kunne lagde sikkert mange podcaster rundt det tema, men det var spesielt et tema vi syntes var veldig spennende i dag å få med oss, og det går på adferdsbiometri. Ja.

Det er faktisk veldig spennende. Så ut fra det jeg skjønner nå, så kan jeg få denne overvåkningen i bakgrunnen, og så kan jeg sitte og se på om jeg får tekstmeldinger og e-poster fra deg, om det faktisk er du som skriver det, eller om du har leid i denne ralla kajen. En fiolinkasse. Men for å snakke om dette, som er langt mer spennende enn denne litt...

Denne innledningen vår har vi fått med professor Patrick Bors. Velkommen. Tusen takk. Du må fortelle oss litt mer om hva dere holder på med på denne adferdsbiometri. Ja, folk flest vet om biometri fordi de har en mobiltelefon og går til å gang med fingeraftrykk, ansiktsgjenkjening, noen med irisgjenkjening også. Men adferdsbiometri det går an på hvordan folk oppfører seg, hvordan folk gjør

en bestemt oppgave på en bestemt måte. Jeg kan tenke deg de to mest kjente atferdsbiometriske moduler er vel stemmegjenkjenning, måten hvordan vi snakker, og signatur. Ja, det kjenner vi vel fra bank hvor vi måtte signere på dokumenter eller pass eller sånn.

Vi jobber stort sett med to andre saker. Vi jobber med ganglagsbiometri, måten folk går. Vi kan gjenkjenne når en person går om det er den vi tror. Den andre er tastaturgjenkjenning. Når du bruker et tastatur, det kan være på en datamaskin eller på mobiltelefonen,

gjenkjenner folk på den måten de bruker tastaturet. Ikke bare hva du skriver, men måten du skriver det på. Det er begge deler. Ja,

De fleste har vi sett på måten vi skriver, skriveritmet. Er det raskt eller langsomt? Vi ser på hver bestemt enkeltaste på en tastatur, hvordan du bruker den. Men i det siste har vi også bidr til hva folk skriver. Dette kan avslå litt om en bestemt person. Og der er det jo spesielt innenfor et felt.

Ja. Og det har skjedd mye spennende. Ja. Nå i det siste så jobber vi veldig mye med å detektere

seksuelle overgripere, i en chat-rom helt spesielt. I en chat-rom er det ofte bare tekst som vi kan bruke, så folk skriver en melding på den ene siden og sender den til den andre siden. Ja, da kommer jo den ferdig overført da. Ja, og så vi ser vel, vi kan se teksten som blir skrevet, men med litt ekstra programvare som blir installert på chat-serveren, kan vi også detektere hvordan en person skriver.

Og ut fra dette kan vi avslå mye ting. Ikke kanskje om akkurat hvem en person er, ikke identifisere og autentisere en bestemt person, men ut fra skriveritmet og ut fra teksten en person skriver, så kan vi se litt om skjønn, er det en mann eller en kvinne? Og også om aldersgruppe, snakker vi om et barn eller noen i 20-årene eller 30-50-årene?

Det er vanskelig å bestemme om en person er 38 eller 39. Det er veldig lite forskjell. - Men ikke 14 eller 15? - Nei, men det kan vi si. Er en person 14-15 eller er han godvoksen? - Hvor har du noe formening om det? - Vi har gjort forskning allerede.

Når vi ser på skriveritmet, så kan vi se på en kort melding med omtrent 80% nøyaktighet hva aldersgruppen og hva skjønnen har. Resultatene blir omtrent like sammen. Men når vi er i en chat, så sender vi flere meldinger, og så bygges det opp. Da ser du ikke tastetrykkene.

Du skriver det også, så dukker du enter. Jo, men vi har forsket på begge deler. Vi har forsket på skriveritme, og vi har forsket også på tekst. Og i begge tilfeller, jeg tror med teksten, så hadde vi litt høyere nøyaktighet med en per melding, enn med skriveritme. Men når det kombineres, så blir det enda bedre. Hva er som eksempel for lytterne da? Hvor

hvordan uttrykker menn seg i forhold til kvinner for eksempel

En stor forskjell er at menn skriver ofte i «jeg»-formen. Kvinner skriver ofte i «vi»-formen. Når vi ser om rollemodeller en person skriver om, så er det menn som skriver om far eller sønn, eller de mennlige rollemodellene. Kvinner skriver ofte om mor, datter, bestemor.

Men nå snakker vi om selv menn som prøver å utgi seg for unge jenter. Nei, selvfølgelig. Hvis jeg er en mann og prøver å

lure deg til at jeg er en 13 år gammel jente så skal jeg ikke skrive om fotball og om sånne ting da prøver jeg å tilpasse meg det går delveis med ordene jeg bruker selvfølgelig men skriveritmet er noen som har bygd inn i våre muskler og det kommer helt automatisk det avslører oss men du må fortelle oss Patrick, hvordan du er jo opprinnelig nederlending hvordan havnet du her på dette temaet?

Ja, det er en hel historie tilbake. Det var i 2004 at jeg fant en stilling her på Identity A-høyskolen i Jøvik, og jeg trodde det var veldig interessant for å komme meg ut fra Nederland, som har veldig mye

mennesker som bor der, veldig tett. Også her i Norge er det rolig å stille, og helt spesielt her i Jøvik. Ikke hvis du jobber sammen med Rikard. Nei, ok. Men så bestemte jeg meg å søke for denne jobb, så fikk jeg først en påståkstilling her for tre år, så begynte jeg å jobbe med biometri i denne tida, på en prosjekt fra professor Einar Sneckenes. Og det handler om, da begynte jeg å jobbe med ganglags

gjenkjenning, så atferd, biometri, ganglagsgjenkjenning. Og så etterpå så trodde jeg det var veldig fint å prøve å identifisere eller autentisere folk ut fra ting de gjør. Og så gikk jeg over til tastaturgjenkjenning. Prøvde å

beskytte min datamaskin litt bedre. Det skjer ofte at jeg går og henter meg en kopp kaffe, og så står datamaskinen åpent på min kantor. Du låser den ikke. Jeg låser ikke, fordi det er så skjelig. Hver gang jeg kommer tilbake, må jeg taste inn passordet igjen. Og så begynte jeg å se på skriveritmet på langere tekster, ikke bare passord eller sånn, men kan jeg gjenkjenne en person når han skriver på en tastatur? Ja, det kan jeg. Jeg kan skille mellom

flere personer, så det betyr at hvis en annen person kommer og sitter bak min datamaskin og begynner å skrive kanskje en e-post til sjefen med kjedelige ord, eller med barneord, eller begynner å slette data, at systemet tjener seg til at dette er ikke slik Patrick skal gjøre det, og så lås han seg, for å beskytte min data. Og så gikk det

Lenger og lenger, og så kom jeg til de seksuelle overgripene. Så alt fra ganglag til tastaturgjenkjenning, det er mange ting vi kan gjenkjennes på. Nesten alt. Hva med mobilen, som er det moderne, digitale verdt det alle har hele tiden? Jo, mobil er omtrent det samme som en vanlig datamaskin. På en vanlig datamaskin har jeg en tastatur, hvor jeg kan skrive,

og på en mobil har jeg en skjerm hvor jeg klikker på de forskjellige tassene

På en vanlig datamaskin har jeg en mus som jeg bruker, på en mobil så swiper jeg. Så alt jeg kan gjøre på en vanlig datamaskin med å følge med tastatur og mus, kan jeg også gjøre på en mobiltelefon. Og da har jeg enda mer. Måten hvordan jeg holder mobiltelefonen. Nettverket jeg ser, bluetooth-nettverket eller sånn, så det avslår mye om meg.

Og fremtidig også bilkjøring og annet, i den grad vi skal gjøre det selv, så vil jo alt ha en slags rytme eller vår måte å gjøre det på. Med bilkjøring kan du tenke deg at du og kjæresten din når dere sitter på bilen, du kan se forskjell mellom måten du kjører og kjæresten kjører. Så systemet

Vi kan legge en modell på hvordan en person kjører og legge det inn i datamaskinen i en bil. Og helt sikkert kan de bilene beskyttes på denne måten. Hvis kjøremønstret plutselig er helt annerledes enn som forventet fra denne ene personen, så kan bilen stanses eller sendes meldinger til politiet eller sånn.

Vi må litt tilbake til dette med tekstgjenkjening og tastaturgjenkjening. Nå har jeg skjønt at dette prosjektet har kommet så langt at det skal i praktisk bruk.

Ikke helt ennå, men vi jobbet hardt med dette, så fikk vi penger fra forskningsrådet i det siste for å få en boost på utvikling av systemet. Vi har jobbet litt med analys av forskjellige typer data, vi har jobbet med analys av kjønn- og aldersgjenkjening. Det vanskelige er å skille mellom

en vanlig person som snakker og en seksuell overgriper som skjønner. Og da har vi en del data som vi brukte til å opplære et system som var veldig nøye med å gjenkjenne en seksuell overgriper i en to-trins-

system. Første trinn er det her har vi en chat, er det en seksuell overgriper inni denne chatten? Og i den neste trinn var det hvem av de to chatterne er den seksuelle overgriperen og hvem er offer? Den siste trinnen er ikke så viktig.

Fordi systemet vi skal bygge skal ikke peke på en person og si at du er en seksuell overgriper. En elektronisk system kan aldri gjøre sånn avsløring. Men systemet skal varsle en moderator på en chat som skal se nøye på en bestemt kjøp. Noen røde flagg, ja.

Så slik at moderater trenger ikke å se på miljonevis av forskjellige samtaler, men bare på de som blir oppdaget av vårt... Ja, det er et seleksjonsfilter altså. Ja, som effektiviser jobben. Akkurat, ja.

Men overgriperne vil jo også forsøke å tilpasse seg, for de får jo bare lytte på denne podcasten, så vil jo de vite at dette er på gang. Og det er jo sikkert også seksuelle overgriper lytter på det, men... Nei, men derfor ser vi begge på

hva folk skriver, og hvordan de skriver. Og hvis de prøver å tilpasse seg slik at systemet ikke oppdager hva de skriver, så er det fortsatt skriverett med som avslører at det er noen som har galt her.

Veldig spennende. Hva sier du, Rikard? Jeg synes det er veldig morsomt. Men også det med ganglag, altså brukscenariene på ganglag. Det kan brukes på forskjellige måter. Det er også forskjellige måter for å gjøre ganglag gjenkjent. Det kan bruke kameraovervåkning, for eksempel. Der kan du tenke deg at i en bank er det en overvåkningssystem, og så plutselig kommer det inn med en maske.

som kan ikke gjenkjennes, og så ta ut liten penger fra andre manns kontor. Hvis politiet pågriper en mann etterpå, så kan de sammenligge ganglag av denne personen med ganglag som er på overvakningsvideoer. Og hvis maskinkraften er sterk nok, så kan du følge en person gjennom byen med forskjellige typer kameraer. Det går også an. Jeg kan tenke deg, ikke byen, men jeg kan tenke deg for eksempel på Gardermoen.

Er det ganglager for en bestemt person som jeg ser nå i mine klær, så plutselig går det i dameklær på samme måte. Det kan også være noen som kan være interessant for å detektere. Men det var en ting jeg tenkte på, altså det

Det kan jo brukes i det kallede ondnes tjeneste også, for at vi er så spikina hvor alle nå blir identifisert av ansiktsgjertjening. Hvis du legger på ganglag, så får du ytterligere en parameter, så du kan få mye sterkere identifisering. Er ikke det riktig? Jo, jo, jo mer

Sakene jeg ser på, jo bedre systemet blir selvfølgelig. Tenk deg en identisk tvilling. De er vanskelig å skille med ansiktet, men de går kanskje på en litt annen måte. Jeg kan fortsatt skille mellom de to. Så jo mer sakene jeg ser på, jo bedre jeg kan identifisere personen. Det kan brukes på en god og ond måte selvfølgelig.

Det viktigste med ganglaggjenkjenning, Oddrik Art, er at jeg har lest at de som går raskt har høyere IQ enn de som går sakte. Derfor løper du og går i sånn område. Ja, jeg prøver å få høyere IQ. Jeg vet ikke om denne er vitenskapelig holdbar, Patrick, men tusen takk til deg, og vi må jo bare ønske deg lykke til med dette arbeidet. Vi hører gjerne mer om det. Tusen takk. Takk.

Nævnt i episoden

NTNU

NTNU Gjøvik er et universitet hvor Patrick Bors jobber.

Gjøvik

NTNU Gjøvik er universitetet hvor Patrick Bors jobber.

Adferdsbiometri

Adferdsbiometri er en metode for å identifisere personer basert på deres oppførsel.

Identitet A-høyskolen

Patrick Bors fikk jobb ved Identity A-høyskolen i Gjøvik.

Nederland

Patrick Bors kommer opprinnelig fra Nederland.

Einar Sneckenes

Patrick Bors jobbet med et prosjekt fra professor Einar Sneckenes.

Ganglagsgjenkjenning

En type adferdsbiometri som identifiserer personer basert på hvordan de går.

Tastaturgjenkjenning

En type adferdsbiometri som identifiserer personer basert på hvordan de skriver på et tastatur.

Forskningsrådet

Patrick Bors' prosjekt mottok finansiering fra Forskningsrådet.

Seksuelle overgripere

Adferdsbiometri kan brukes til å detektere seksuelle overgripere i chatrom.

Chatrom

Adferdsbiometri kan brukes til å detektere seksuelle overgripere i chatrom.

Moderater

Moderater i chatrom kan bruke adferdsbiometri for å identifisere mistenkelige brukere.

Gardermoen

Eksempel på et sted hvor ganglagsgjenkjenning kan brukes til å identifisere personer.

Ansiktsgjertjening

Ansiktsgjenkjenning brukes til å identifisere personer.

Identiske tvillinger

Identiske tvillinger kan være vanskelige å skille med ansiktsgjenkjenning, men ganglagsgjenkjenning kan hjelpe.

Det er en teori om at personer som går raskt har høyere IQ enn de som går sakte.

Teknisk Sett

Podcasten som episoden er fra.

Teknisk Ukeblad, mediehuset som produserer podcasten Teknisk Sett.

Aldrik Artvaldmott

Programleder for Teknisk Sett.

Jan Moberg

Medprogramleder for Teknisk Sett.

Patrick Bors

Professor i informasjonssikkerhet ved NTNU Gjøvik, gjest på podcasten.

Odd-Rikard

Medprogramleder for Teknisk Sett.

Mobiltelefon

Mobiltelefoner kan brukes for å identifisere personer gjennom adferdsbiometri.

Bluetooth

Bluetooth-nettverk kan brukes for å identifisere personer gjennom adferdsbiometri.

Bilkjøring

Adferdsbiometri kan brukes til å identifisere personer og til å beskytte kjøretøy.

Kameraovervåkning

Kameraovervåkning kan brukes til å identifisere personer gjennom ganglagsgjenkjenning.

Bank

Eksempel på et sted hvor kameraovervåkning og ganglagsgjenkjenning kan brukes.

Maske

En maske kan brukes for å skjule identiteten til en person.

Politiet

Politiet kan bruke ganglagsgjenkjenning for å identifisere personer.

Deltagere

Host

Aldrik Artvaldmott

Host

Jan Moberg

Host

Odd-Rikard

Guest

Patrick Bors

Lignende

8/22/2019

Teknisk sett

Episode 216 - Sesam med samlemani

Konsulentselskapet Bouvet har gjennom mange år utviklet en dataplattform for å samle inn, kvalitetssikre og tilgjengeliggjøre data. Å gjøre dette med ekstremt store datamengder er ikke en jobb for mennesker lenger. Det trengs kunstig intelligens (AI) og maskinlæring, og begge må være av den smarte sorten. Dette er en formidabel ryddejobb. Dette er oppgaver som løser oppgaver for flere enn Bouvet. Derfor har de skilt ut plattformen i selskapet Sesam. Dette selskapet har oppgaver for Hafslund, Avinor, Aker Solution og andre. I dag snakker vi med Sesamsjef Axel Borge.

Se mer

6/23/2020

Teknisk sett

Episode 276: Scanreach sender og mottar trådløse data fra Faraday-bur

Se mer

4/15/2021

Teknisk sett

Episode 330 - Moberg & Valmot: Cyberskurkene jubler over Covid-19

Sikkerhetsekspert Kai Roer driver selskapet KnobBe4 sin forskningsavdeling i Norge. De har sett hvordan pandemien har ført til økt cyberkriminalitet, typisk fra lavkostland. I dag snakker vi med Roer om den mørke siden av nettet og hva vi alle bør tenke på.

Se mer

7/2/2020

Teknisk sett

Episode 280: River Security om datasikkerhet

Se mer

1/9/2019

Teknisk sett

Episode 169 - Bedre bruk av helsedata

Norge og de andre nordiske landene er av de som har best data over befolkningshelsen i verden. I tillegg alle nordmenn hatt et personnummer og det har vi hatt lenge. Så rart det enn høres ut så er det ikke slik i svært mange land. Til sammen er dette en gullgruve for forskere. Vi kan finne sammenhenger som få andre kan. De har rett og slett ikke noe mål i høystakken. Men alt er ikke problemfritt her eller. Våre data er spredt rundt i hundrevis av små og store helseregistre. Til nå har forskere måttet søke til hvert register om å få tilgang til data og de bruker uforholdsmessig lang tid på slik innsamling. Det er mange eksempler på at det har tatt mer enn et år å få data og da kommer de på en minnepinne. Nå vil Direktoratet for e-helse rydde og modernisere tilgangen til data. De vil gjøre det enkelt og mye sikrere å få tilgang til data slik at både pasienter, forskere og medisinsk industri kan få glede av denne nasjonale ressursen. I dag snakker vi med programleder for Helsedataprogrammet i Direktoratet for e-helse, Marianne Braaten.

Se mer

1/28/2020

Teknisk sett

Episode 250 - Datasikkerhetens høyborg

Nils Kalstad er instituttleder for informasjonssikkerhet og kommunikasjonsteknologi og koordinerer aktiviteten i Center for Cyber and Information Security. Han er siv. ing. fra Institutt for matematiske fag og har en doktorgrad i informasjonssikkerhet fra Institutt for informatikk ved UiO. På Gjøvik har NTNU svært bred aktivitet innen datasikkerhet. I tillegg til å utdanne nye sivilingeniører på feltet trener de folk i datasikkerhet og holder kontakten med samarbeidspartnere i utlandet. Kalstad opplever at vi står overfor stadig mer sofistikerte motstandere som både vil ha penger og informasjon. Da må vi utvikle beskyttelse i minst like rask takt. Senteret kan smykke seg med mange EU-prosjekter på området og dagen før vårt besøk hadde de innkassert to til på over ti millioner kroner.

Se mer

1/2/2020

Teknisk sett

Episode 245 - Ti år i ryggespeilet, og ti år fram

En liten titt bakover og fremover i starten av det nye tiåret er på sin plass. Jan og Odd Richard har sett på de store teknologiene som, om de ikke nødvendigvis ble født i dette tiåret, så en voldsom vekst. Ikke alt er like stort rundt om i verden, men at elbilismen har tatt av i Norge er det ingen tvil om. Og det er heller ingen tvil om at den vil sette sitt preg på resten av verden det neste tiåret. Vi har sett industrier stille seg opp bak begrepene Cloud og IoT, og bli motoren i mye av det som skjer. Ikke alt har vært like vellykket. Noen spektakulært kostbare bomskudd har det blitt. Men nå er det duket for et nytt tiår hvor andre teknologier skal vokse seg store og kanskje noen nye skal komme til. Noen ting er det lett å spå som at 5G vil prege utviklingen gjennom hele tiåret slik som 4G gjorde i det vi nettopp gikk ut av. Det å spå at mobiltelefoner vil bli kraftigere, får bedre kameraer og mye ny teknologi er heller ikke spesielt revolusjonerende. Det er heller ikke at AI og maskinlæring vil prege oss veldig mye mer. Når vi om ti år skal se tilbake til 2020 ut utviklingen som skjedde fram til 2030 er det kanskje ikke mekanikken og elektronikken som vil slå oss som tiårets store endringskraft. Biologien vil kanskje ha inntatt førsteplassen. Oppdagelsen av Crisper/Cas9 kan revolusjonere alt fra medisin til matproduksjon og miljø. Men, som alltid, både som problemløser og problemskaper.

Se mer

1/29/2020

Teknisk sett

Episode 251 - Fargebildeteknologi

Fargebilder er mer enn det vi ser på skjermen og i avisen. Bak ligger masse teknologi og feltet utvikler seg raskt. Professor og PhD Marius Pedersen i ved NTNU i Gjøvik leder et felt som kalles fargebildeteknologi. Her leder han også Norsk laboratorium for farge og visuell prosessering – Fargelaboratoriet. 400 studerer under Pedersen og de 50 ansatte kommer fra hele 25 land. Det er vel ganske nær rekord skulle vi tro. En ting er å jobbe med hvordan farger gjengis korrekt på ulike plattformer, noe annet er å analysere kunst med multispektrale kameraer. Har kan de generere informasjon som ikke er synlig for øyet og de kan se tekst som Munch har malt inn i Skrik. Slik analyse kan til og med gjenskape hvordan bildet egentlig så ut da det ble malt etter årtier eller århundrer på veggen.

Se mer

Loader