Contributions à la dynamique de frappe au clavier : multibiométrie, biométrie douce et mise à jour de la référence

Keystroke dynamics is a behavioural biometry which allows to authenticate individuals through there way of typing on a keyboard. Such systems are cheap, as they do not need specific devices different from the keyboard of the computer. They are also well accepted by the user. We are mainly interested in static systems where the text typed by the user is known in advance by the machine. Sadly, the performance of this modality are rather mediocre because of the high variability of the biometric data which comes from emotional state of the individual, the learning of they way to type, ... In this thesis, we propose various contributions which allow to improve the recognition performance of keystroke dynamics systems. We also do an analysis of the public datasets allowing to evaluate the performance of new recognition systems. One contribution is the creation of a system which allows the authentication of users with a shared password. Then, we study the biometric fusion with face recognition and keystroke dynamics in order to increase the performance of the two systems. We show, on two different datasets, that it is possible to guess the gender of an individual through its way of typing to a keyboard. Finally, we present a new template update method which allows to take into account the ageing of the biometric data in order to not observe a decrease of performance overtime.La dynamique de frappe au clavier est une modalité biométrique comportementale qui permet d'authentifier des individus selon leur façon de taper au clavier. Un tel système est peu coûteux, car il ne nécessite pas de matériel d'acquisition autre que le clavier de l'ordinateur, et est facilement accepté par l'utilisateur. Nous nous sommes principalement intéressé aux systèmes statiques où le texte saisit par l'utilisateur est connu à l'avance par la machine. Malheureusement, les performances de cette modalité sont plutôt médiocres en raison de la forte variabilité de la donnée biométrique. Cette variabilité est due à l'état émotionnel de la personne, l'apprentissage de la façon de taper, \ldots Nous proposons dans cette thèse différentes contributions permettant d'améliorer les performances de reconnaissance de systèmes de dynamique de frappe au clavier (DDF). Nous effectuons également une analyse des bases publiques permettant d'évaluer la performance de nouveaux systèmes de reconnaissance. Une contribution est la mise au point d'un système de DDF par mot de passe partagé. Nous étudions ensuite la fusion multibiométrique avec la dynamique de frappe au clavier et la reconnaissance faciale afin d'augmenter les performances des deux systèmes. Nous montrons, sur deux jeux de données différents, qu'il est possible de reconnaitre le genre d'un individu suivant sa façon de taper au clavier. Enfin, nous présentons une nouvelle méthode de mise à jour de la référence biométrique qui permet de prendre en compte le vieillissement de la donnée biométrique, afin de ne pas avoir une diminution des performances de reconnaissance au cours du temps