Allgegenwärtige Computer liefern reichhaltige Verhaltensdaten

Das ubihave Projekt untersucht, wie allgegenwärtige Computer von Verhaltensmodellen profitieren können. Diese Forschung ist durch die Tatsache motiviert, dass Computer unser Leben durchdringen, als alltägliche Begleiter (Smartphones, Tablets, Fitness-Armbänder, intelligente Kleidung) sowie in Form von in die Umgebung eingebetteten Sensoren (WiFi-Hotspots, NFC, Kameras, Tiefensensoren, Eye-Tracker). Diese Geräte liefern reichhaltige benutzerspezifische Datenströme, die neue Wege für Anwendungen basierend auf Verhaltensmodellen eröffnen. Durch die Nutzung und Kombination allgegenwärtiger Datenquellen für die Modellierung von Nutzerverhalten eröffnet sich erstmals die Möglichkeit, die lange existierende Vision von intelligenten Benutzeroberflächen, smarten Geräten und reaktiven Umgebungen, die sich an den individuellen Benutzer und seinen Kontext anpassen, zu realisieren. 

Modellierung von Benutzerverhalten

Viele aktuelle Benutzeroberflächen und Geräte können auf simple Sensordaten reagieren (z.B. Orientierung eines Smartphone-Displays). Allerdings werden Schnittstellen und Interaktionen nur selten an den individuellen Benutzer und Kontext angepasst, da dies spezielle Methoden erfordert, um unsichere benutzerspezifische Sensordaten zu verarbeiten. Um benutzerspezifische Informationen für Anwendungen und Benutzer zugänglicher und nützlicher zu machen, zielt dieses Projekt darauf ab, Modelle zu erstellen und anzuwenden, die das Benutzerverhalten basierend auf Daten von mobilen Geräten und allgegenwärtigen Sensoren beschreiben, analysieren und vorhersagen können. Anwendungsbereiche, von denen wir erwarten, dass sie stark von solchen Modellen profitieren, sind Benutzbare Sicherheit und Privatsphäre, Touch-Interaktion, Texteingabe und kontextabhängige adaptive Schnittstellen. 

Forschungsfragen

Dieses Projekt kombiniert die Perspektiven der Mensch-Maschine Interaktion mit Benutzermodellierung, um eine Reihe von Forschungsfragen zu beantworten: In welchen Anwendungen und Kontexten können Benutzer von Verhaltensmodellen profitieren? Wie können Modelle die Interaktion verbessern? Bemerken Benutzer solche Anpassungen und entsprechen sie ihren Erwartungen? Welche Funktionen, Modelle und Algorithmen sind geeignet, um Benutzerverhalten zu erfassen und für Anwendungen nutzbar zu machen? Wie können Metriken für Benutzeraktionen mit verhaltensbasierten Schnittstellen entwickelt werden? Welche Interaktionen rufen charakteristisches und konsistentes Verhalten hervor? 

Auswirkungen

Dieses Projekt leistet folgende Beiträge: Erstens wird ein ganzheitlicher Gestaltungsraum entwickelt, um das Potential der Benutzermodellierung auch jenseits von Desktop-Umgebungen zu verstehen und zu untersuchen. Daraus ergeben sich zukünftige Möglichkeiten und ein Ziel, dass für dieses Projekt einzigartig ist: Gemeinsamkeiten für verschiedene Anwendungen zu identifizieren, die auf der gleichen Benutzerrepräsentation basieren, um eine effiziente Datenverarbeitung über Anwendungen hinweg zu ermöglichen. Zweitens nutzen wir die anwendungsorientierte Forschung, um Szenarien zu identifizieren, in denen verhaltensbiometrische Daten helfen können, Interaktionen zu optimieren, zu personalisieren und zu schützen. Beispiele sind neuartige benutzbare Sicherheitsmechanismen, effiziente und benutzbare mobile Texteingabe, an Nutzeraktivitäten angepasste Anwendungen und neuartige adaptive mobile Dienste. Damit Anwendungen benutzerspezifische Interaktionseigenschaften und -verhalten berücksichtigen können, werden in diesem Projekt, drittens, Inferenzwerkzeuge entwickelt, die unsichere Sensordaten im Hinblick auf die angestrebten Benutzerkontexte und -ziele verarbeiten können.

• Go for Gold
  https://www.unibw.de/usable-security-and-privacy/research/datasets/go-for-gold 
• Intentional Behavior Modifications
  https://www.unibw.de/usable-security-and-privacy/research/datasets/intentional-behaviour-modifications 
• Full Body Identification
  https://www.unibw.de/usable-security-and-privacy/research/datasets/unique-body-moves    

• CHI Course “Introduction to Authentication Using Behavioral Biometrics”
  https://dl.acm.org/doi/abs/10.1145/3544549.3574190 
• VHS Course “Security in Smart Homes”
  https://www.unibw.de/code/news/vhs-workshop-sicherheit-im-smart-home
• Special Issue “Emerging Trends in Usable Security and Privacy”
  https://www.degruyter.com/journal/key/icom/18/3/html?lang=en

• Behavior and Physiology-Aware User Interfaces for Security, Keynote @ACM Augmented Humans 2023, Glasgow, Scotland, 13. March 2023
• Where Ubicomp Meets Usable Security - Novel Security User Interfaces based on User Behavior and Physiology
  Invited Talks at the University of Bremen, 15.05.2023
• Behavioral Security – Challenges and Opportunities of Behavioral Biometrics from an HCI Perspective
  Invited Talk at the Graphics Interfaces 2021 conference, 28.05.2021
• Authentication Beyond Desktop and Smartphone - How Trends in Ubiquitous Computing will Affect User-Centered Security
  Invited Talk at the Usable Security and Privacy Day (USP’20), TU Berlin / Fraunhofer AISEC, 10.01.2020

• Praktikum “Design Sicherer und Benutzbarer Systeme” (UniBW). FT 2019, FT 2020, FT 2021, FT 2022, FT 2023
• Praktikum “Usable Security and Privacy” (HAW München), SoSe 2018, SoSe 2019
• Praktikum “Usable Security and Privacy” (LMU München), SoSe 2020, SoSe 2021, SoSe 2022, SoSe 2023
• Vorlesungen “Benutzbare Sicherheit” (UniBW), FT 2019, FT 2020, FT 2021, FT 2022, FT 2023
• Security and Privacy in the Context of Intelligent User Interfaces
  Invited Lecture in the Intelligent User Interface Course, LMU Munich, WT 2020, WT 2022

Masterarbeiten (2018 - 2022)

• Matthias Geiger (2018) – Behavioral Biometrics in VR
  in collaboration with Dr. Ken Pfeuffer (Bundeswehr University Munich)
• Maria-Lena Bittl (2018) – Investigating User Perceptions of Biometric Wearables
  in collaboration with Prof. Dr. Sven Mayer (LMU Munich)
• Anna Ovsjannikova (2018) – Analyzing the Influence of GUI Elements and Hand Postures on Touch-
  based Behavioral Biometrics
  in collaboration with Prof. Dr. Daniel Buschek (University of Bayreuth)
• Jan Kaiser (2019) – Investigating User behavior in Smart Homes
  in collaboration with Dr. Emanuel von Zezschwitz (Google Inc.)
• Elisaveta Karypidou (2021) – Investigating Human behavior towards Fake News on Social Media

Bachelorarbeiten (2018 - 2022)

• Matthias Kiermeier (2018) – Explicit behavior Variations for Passwords on Mobile Device
  in collaboration with Daniel Buschek (University of Bayreuth)
• Robin Reuter (2018) – Mobile Emotion Assessment in Real-Time using Facial Expressions
  in collaboration with Thomas Kosch (Humbolt University of Berlin)
• Peter Ehrich (2018) – Analysing User behavior in Problem Solving Tasks Using a Smartwatch
  in collaboration with Daniel Buschek (University of Bayreuth) / Ken Pfeuffer (University of Aarhus)
• Sarah Delgado (2018) – Reauthentication Concepts for Biometric Authentication on Mobile Devices
  in collaboration with Daniel Buschek (University of Bayreuth)
• Felix Kakuschke (2019) – Leveraging the Role of Gaze During Password Verification
• Carolin Schuppe (2019) – Comparing Usability of Different Multi-Factor Authentication Models
• Hatem Abdelmoteleb (2019) – Nudging Mechanisms for Frontal Camera Use on Mobile Devices
  in collaboration with Prof. Dr. Mohamed Khamis (University of Glasgow)
• Hannah Maier (2020) – Empirical Evaluation of Gaze-enhanced Menus in Virtual Reality
  in collaboration with Prof. Ken Pfeuffer (University of Aarhus)
• Ryan Steimer (2020) – Phishing Detection Using Eye Gaze and Mouse Movements
• Mohamed Matnawy (2020) – Exploring the Use of Gaze behavior to Enhance Password Assessments
  in collaboration with the German University in Cairo, Egypt
• David Weyenschops (2021) – Phishing Email Susceptibility Detection from Eye Gaze and Keystroke Bio-
  metrics
• Christoph Patezelt (2022) – Investigating Time of Day & Situational Context on Phishing Vulnerability