부분관측 히든 마코프 모델과 키스트로크 역학 적용

본 논문은 “부분관측 히든 마코프 모델(POHMM)”이라는 새로운 확장 모델을 제안하고, 이를 키스트로크 역학에 적용함으로써 사용자 인증 및 연속 검증 성능을 향상시키는 연구이다. 1. **배경 및 동기** 히든 마코프 모델(HMM)은 50년 이상 다양한 분야에서 시계열 데이터를 모델링하는 데 사용돼 왔으며, 특히 음성·제스처·필기 인식 등에 널리 활용된다. 그러나 전통적인 HMM은 관측값만을 기반으로 숨은 상태 전이를 정의하기 때문에, 관측값 이외에 존재하는 메타데이터(예: 키보드 이벤트 타입)가 숨은 상태에 미치는 영향을 반영하기 어렵다. 키스트로크 역학에서는 사용자가 입력하는 텍스트(키 이름)가 타이핑 속도와 밀접하게 연관되어, ‘활동(active)’ 상태와 ‘비활동(passive)’ 상태를 구분하는 중요한 단서가 된다. 이러한 점을 고려해 저자들은 메타데이터를 독립적인 마코프 체인으로 모델링하고, 숨은 상태와 방출 확률을 해당 메타데이터에 조건부로 정의하는 POHMM을 고안했다. 2. **모델 정의** POHMM은 두 개의 독립적인 마코프 체인을 결합한다. 첫 번째는 전통적인 숨은 상태 zₙ (M개의 상태)이며, 두 번째는 이벤트 타입 Ωₙ (키 이름, 알파벳 크기 m)이다. 관측값 xₙ₊₁(시간 간격 τₙ₊₁)는 현재 숨은 상태와 현재 이벤트 타입에 조건부로 발생한다: P(xₙ₊₁ | zₙ₊₁, Ωₙ₊₁). 전이 확률은 이전 숨은 상태와 이전·다음 이벤트 타입 모두에 의존한다: P(zₙ₊₁ | zₙ, Ωₙ, Ωₙ₊₁). 이 구조는 이벤트 타입이 숨은 상태 공간을 부분적으로 인덱싱하는 역할을 하며, ‘부분 관측(partial observability)’이라는 용어가 여기서 유래한다. 파라미터는 시작 확률 π