Masquerader detection in mobile context based on behaviour and environment monitoring

Mobiilipäätelaitteiden, matkapuhelimien ja kämmentietokoneiden yleistymisen myötä riski näiden laitteiden väärinkäytölle on kasvanut. Matkapuhelimia ja kämmentietokoneita varastetaan ja hukataan koko ajan. Tällöin on mahdollista laitteen päätyminen henkilölle, joka voi käyttää laitetta luvattomasti. Luvattoman käytön estämiseksi on syntynyt tarve turvajärjestelmälle, jonka avulla voidaan varmistaa, että mobiilipäätelaitetta käyttävällä henkilöllä on oikeus laitteen käyttöön.Mazhelis kehitti väitöskirjassaan menetelmää, jonka avulla mobiilipäätelaitteen laillinen käyttäjä erotetaan muista henkilöistä. Tähän pyritään käytön aikaista toimintaa ja toimintaympäristön informaatiota analysoimalla.Mazhelisin kehittämä malli koostuu kolmesta osasta. Ensimmäiseksi määritellään käyttäjien persoonallisuutta heijastelevia käytön ja käyttöympäristön mittareita. Toiseksi muodostetaan yksiluokkaisten luokittelijoiden kokoelma. Kukin luokittelija analysoi mittausarvojen osajoukkoa. Kolmanneksi Mazhelis yhdisti yksiluokkaisten luokittelijoiden antamat tulokset mahdollisimman luotettavan lopputuloksen kokoamiseksi kehittämällä ja validoimalla uuden yhdistämistekniikan.

In recent years, mobile terminals such as mobile phones and PDAs have evolved into functionally powerful devices that can be used to store, process, and communicate valuable information. The access to this information should be properly secured, and hence a great demand for security systems exists. The security issue emphasised in this thesis is the necessity to ensure that the current user of the terminal is its legitimate user. The importance of this issue stems from the fact that a number of mobile terminals are lost or stolen daily: the unauthorised use of such a terminal by a masquerader impersonating the legitimate user may involve abuse of sensitive information kept locally on the terminal or accessible over a network connection. The aim of the reported research is to develop a conceptual basis for differentiating between the legitimate user of the terminal and other individuals by analysing the information about user behaviour and environment, and to address the practical issue of applying it to the problem of mobile-masquerader detection.The main contribution of this thesis is a three-part model of mobile-masquerader detection developed and verified empirically in the thesis. In this model, the problem of mobile-masquerader detection is approached as a classification problem.The first part of the model identifies behavioural and environmental characteristics and measures that can be used for differentiating the user from other individuals. The second part of the model defines how the values of the identified measures can be classified by a set of one-class classifiers each analysing a subset of the measures. The third part addresses the issue of combining the outputs of the classifiers so that accurate final classification can be achieved; a new combining technique is proposed and validated using numerical experiments.Finally, the feasibility of the proposed mobile-masquerader detection model is experimentally validated on a real-world dataset describing the behaviour and environment of smart-phone users