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.

Nevnt 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.

IQ 

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.

TU 

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.

Deltakere

Host

Aldrik Artvaldmott

Host

Jan Moberg

Host

Odd-Rikard

Guest

Patrick Bors

Lignende

Laster