南田玉

新疆科技學(xué)院，新疆維吾爾自治區(qū) 庫爾勒 841000

欺騙是指個體對自己的真實情況故意使用言語或非言語信息，讓他人產(chǎn)生某種錯誤信念的行為[1]。欺騙的產(chǎn)生是一個復(fù)雜的心理過程，認知在其中起著重要的作用。說謊就是欺騙的一種形式，是個體通過言語或者文字對自己或他人的信念進行有意操作的行為[2]。說謊在認知上比說實話更復(fù)雜，這種復(fù)雜性反映為個體在執(zhí)行任務(wù)時的行為改變上，那么就有可能通過記錄行為變化來推斷正在執(zhí)行任務(wù)的個體是否在說謊。隨著科學(xué)技術(shù)的發(fā)展，測謊結(jié)論也不斷地應(yīng)用于各種案、事件，以及甄別嫌疑人和案、事件關(guān)系中，然而到目前為止，我國還沒有明確將測謊結(jié)論納入法庭證據(jù)中，究其原因，和測謊工作的科學(xué)性和準確性有關(guān)，如測謊設(shè)立指標是否科學(xué)、規(guī)范，能否正確、客觀地反映被試欺騙行為的真實情況。傳統(tǒng)的測謊技術(shù)大多依賴個體的生理指標，如皮膚電、心率、呼吸、眼動和神經(jīng)信號功能等指標的變化，容易受個體身體條件、反測試以及外部環(huán)境等各方面的影響，造成測謊結(jié)論為假陽性或假陰性的情況[3]。

擊鍵動力學(xué)描述了人類打字節(jié)奏中的詳細計時信息，精確記錄了一個人在電腦鍵盤、手機或觸摸屏上打字時按下和釋放每一個鍵的時間[4]。擊鍵模式分析可以被認為是一種隱含的行為測量，因為用戶在與設(shè)備交互時并沒有意識到測謊的存在[5]。此外，擊鍵特征是每個個體的獨特特征[6-7]，這將有助于增強測謊結(jié)論的客觀性和準確性。因此，擊鍵動力學(xué)在既往研究中通常使用生物測量指標來進行安全審查，如用戶認證[8-9]和用戶識別[10-11]。值得一提的是，TEH 等[4]強調(diào)，人們對擊鍵動力學(xué)研究的興趣呈指數(shù)級增長。還有研究[12]表明，通過被試的擊鍵特征可以分析用戶的情緒狀態(tài)。這些擊鍵動力學(xué)和心理學(xué)的研究為擊鍵特征應(yīng)用于欺騙行為的發(fā)現(xiàn)提供了理論依據(jù)，也為研究擊鍵動力學(xué)對欺騙行為的影響奠定了基礎(chǔ)。

本文梳理了擊鍵動力學(xué)的特征，歸納總結(jié)了擊鍵動力學(xué)在欺騙行為中的應(yīng)用情況，并提出了擊鍵動力學(xué)在欺騙行為應(yīng)用中的研究發(fā)展方向，以期為研究更多的欺騙行為指標提供參考。

1 概述

1.1 簡介

20 世紀80 年代初期，美國的研究組織首先發(fā)現(xiàn)了個體的擊鍵特征能夠被捕捉并且可以準確地被識別[13]。擊鍵動力學(xué)的研究是通過監(jiān)測計算機用戶的鍵盤輸入，并對用戶的擊鍵數(shù)據(jù)進行采集，最后對用戶的擊鍵特征進行分類建模，由此對用戶進行分析判別[14]。

GRIMES 等[15]提出用擊鍵動力學(xué)欺騙檢測模型來解釋欺騙行為和擊鍵動力學(xué)之間的關(guān)系。通過這個模型，發(fā)現(xiàn)謊言的產(chǎn)生會增加情感喚起和認知負荷，這些會影響精細運動，從而影響個人的擊鍵動力學(xué)基線。

1.2 測量指標

每個人敲擊鍵盤均有其個性化特征，通過特殊軟件測量、收集被試擊鍵過程中的特定指標，即可反映被試的擊鍵特征。測試中要求被試通過敲擊鍵盤將文字輸入指定的編輯框中，敲擊“回車鍵”表示一個測試項目完成。軟件收集的擊鍵特征性測量指標包括：所犯錯誤的總數(shù)，電腦屏幕上句子開始到第一個按鍵被按下之間的時間間隔，刺激開始到按鍵的總時間，按下第一個鍵與按下回車鍵之間的時間，最后一個按鍵與按下回車鍵之間的時間，按鍵反應(yīng)的字符數(shù)，平均打字速度，每次按鍵的時間戳（停頓時間），每個密鑰釋放的時間戳（啟動時間），每個鍵上下鍵移動的時間間隔（按下時間），每個上升鍵與下一個下降鍵之間的交錯時間（飛行時間），上下兩鍵和連續(xù)三鍵的時間之和，特殊字符（移位、刪除、取消、空格和箭頭鍵）的使用頻率等[16]。根據(jù)被試的擊鍵特征建立相應(yīng)的模型，再根據(jù)模型分類對被試進行檢測和識別。JOYCE等[17]最早使用擊鍵平均時間來進行用戶的身份識別。根據(jù)這一擊鍵特征可以快速識別用戶身份。KACHOLIA等[18]采用按下和釋放擊鍵特征構(gòu)建了持續(xù)鍵盤事件下的模型，使用該模型顯著提升了身份識別率。

2 擊鍵動力學(xué)在欺騙行為研究中的應(yīng)用

2.1 網(wǎng)絡(luò)交互信息真?zhèn)巫R別

如何區(qū)別網(wǎng)絡(luò)信息的真?zhèn)我殉蔀榧毙杞鉀Q的問題。2012 年，F(xiàn)acebook 統(tǒng)計出了約400 萬個虛假的賬戶，數(shù)量相當于Facebook 個人資料總數(shù)的4%[19]。針對這種情況，有研究者使用語言學(xué)方法[20]或僅考慮一些簡單的特征進行語言真?zhèn)伪孀R[21]，但識別能力有限。MIHALCEA 等[20]使用基于心理語言學(xué)分析的自動分類器對被試的陳述進行分類，準確率達70%。OTT 等[22]使用5 倍交叉驗證酒店評論數(shù)據(jù)集進行虛假評論和真實評論區(qū)分，準確率達90%。2013 年，MUKHERJEE 等[23]將OTT 等[22]獲得的虛假評論與Yelp歸類為虛假的評論進行對比，結(jié)果顯示，使用語言特征進行虛假評論檢測在現(xiàn)實環(huán)境中并不是那么有效，而在實驗環(huán)境中生成的虛假評論可能無法代表現(xiàn)實生活中的虛假評論。上述研究表明，在識別網(wǎng)絡(luò)信息中的欺騙行為時，如果單純靠語言學(xué)或文本信息進行分析過于單一。研究表明，如果納入被試的擊鍵特征，網(wǎng)絡(luò)交互信息真?zhèn)巫R別的準確性將更高。ZHOU[24]的研究結(jié)果表明，將被試的按鍵反應(yīng)時間、按鍵時間、撤回或糾正信息的頻率等擊鍵特征和文本的語句復(fù)雜性、內(nèi)容的詞匯量以及多樣性等相結(jié)合，能夠顯著區(qū)分被試聊天內(nèi)容的真?zhèn)巍ERRICK 等[21]研究了被試擊鍵的反應(yīng)時間、編輯次數(shù)（基本的鍵擊，如退格和刪除）、字數(shù)和詞匯多樣性，結(jié)果顯示，欺騙與反應(yīng)時間和編輯次數(shù)呈正相關(guān)，與字數(shù)呈負相關(guān)，支持認知負荷理論，可以有效區(qū)分說謊者和說真話者。因此，在進行網(wǎng)絡(luò)交互信息真?zhèn)巫R別時，將個體的反應(yīng)時間、編輯次數(shù)、刪除頻率等擊鍵特征與文本信息相結(jié)合將有助于提高識別準確率。

2.2 網(wǎng)絡(luò)個體身份識別

隨著手機、電腦和平板電腦等電子設(shè)備的普及，也產(chǎn)生了很多問題，如過多依賴網(wǎng)絡(luò)，可能產(chǎn)生網(wǎng)絡(luò)成癮綜合征；過長時間使用電子設(shè)備，造成視力下降；瀏覽不健康的網(wǎng)頁損害身心健康等。其中還有些網(wǎng)絡(luò)犯罪現(xiàn)象，如偽造個人資料，網(wǎng)絡(luò)欺凌或者網(wǎng)上暴力，濫用在線評論攻擊商業(yè)競爭對手，傳播虛假新聞，網(wǎng)絡(luò)詐騙和黑客攻擊網(wǎng)上銀行系統(tǒng)等。據(jù)統(tǒng)計[25]，在網(wǎng)戀的青少年中，近一半人的身份屬于偽造，而且在這些人中很多都是未成年人。因此，建立能夠識別電子設(shè)備安全操作的系統(tǒng)很有必要[26]。

身份驗證是驗證系統(tǒng)用戶身份的過程，電子設(shè)備（手機、電腦、平板等）中的認證通?；诿艽a、手勢模式、指紋掃描或面部識別等來實現(xiàn)。但是，由于這些方法仍存在被假冒或被破譯的風險，故有必要尋找更具特征性的方法或指標實現(xiàn)更準確的網(wǎng)絡(luò)個體身份識別。

MONARO 等[27]通過收集被試的擊鍵特征，發(fā)現(xiàn)說謊者比說真話者更容易犯錯，在識別被試說謊或說真話的訓(xùn)練和測試中平均準確率為93.75%。在個體身份識別過程中使用認知負荷問題會干擾個體擊鍵特征，被試在回答審核問題時，說謊者的擊鍵特征相應(yīng)也會發(fā)生變化，從而反映其欺騙行為。有研究[28]設(shè)計了基于擊鍵動力學(xué)的身份認證系統(tǒng)，該系統(tǒng)在實際應(yīng)用中可以對用戶身份進行較為準確的識別。龍永明[14]構(gòu)建了一套基于用戶擊鍵行為的可持續(xù)性身份識別系統(tǒng)，該系統(tǒng)將客戶端和服務(wù)器端的功能進行了區(qū)分，其中，客戶端負責收集數(shù)據(jù)和提取特征，服務(wù)器端主要負責訓(xùn)練樣本、樣本匹配和監(jiān)控客戶端的操作，該系統(tǒng)使用擊鍵特征對用戶的行為進行實時監(jiān)控和管理，更有效和便捷。

擊鍵動力學(xué)除了可以運用于網(wǎng)絡(luò)安全維護、防止網(wǎng)絡(luò)犯罪、進行身份識別以外，還可用于大規(guī)模的線上招聘篩查或者安全審查等方面，但未來還需要進一步證實。

3 總結(jié)與展望

傳統(tǒng)謊言檢測的方法都是建立在說謊和延遲反應(yīng)測量的基礎(chǔ)上，而被試則是在回答有關(guān)被審查事件的問題。然而，這些方法在應(yīng)用上存在一些限制：（1）測試之前主測人員必須知道某些關(guān)鍵信息（如案件的細節(jié)問題）；（2）被試不被允許秘密地進行欺騙檢測，因為被試總是能意識到自己正在接受審查，而且大多都是基于生理指標（呼吸、皮膚電、脈搏等）的測驗，被試很容易訓(xùn)練自己并實施反測試隱藏自己；（3）傳統(tǒng)測謊技術(shù)需要使用測謊儀等儀器，相對來說，測謊成本昂貴，并且對測試者（實施測試的人員）要求較高；（4）傳統(tǒng)測謊技術(shù)都有復(fù)雜的指令，需要有一個真正的替代選項，這使得其不適合大規(guī)模應(yīng)用（如網(wǎng)絡(luò)語言真?zhèn)巫R別）。

與傳統(tǒng)測謊技術(shù)相比，擊鍵動力學(xué)具有很大的優(yōu)勢：首先，其不需要真正的記憶進行對照探測（如必須清楚地記得案、事件發(fā)生的過程），只需要收集擊鍵特征即可，因此，適用于大規(guī)模應(yīng)用（如線上篩查）。其次，擊鍵動力學(xué)本質(zhì)上是基于認知策略，能夠增加撒謊者的認知負荷，運用被試的反應(yīng)時間結(jié)合鼠標或擊鍵特征的測謊方式，將會大大提高謊言識別的能力。從認知的角度來看，意外的問題可以用來揭露欺騙行為，說謊者很難發(fā)現(xiàn)并快速無誤地回答意想不到的問題，他們的所有反應(yīng)將會被擊鍵特征捕捉到。在謊言識別過程中運用擊鍵特征更標準化。相比于傳統(tǒng)測謊技術(shù)更多依賴個體生理指標（如皮膚電、心率、呼吸、眼動和神經(jīng)信號功能等）的變化和假陽性較高[29]的情況，擊鍵動力學(xué)更客觀和標準化，為測謊提供了新思路，并為測謊結(jié)論在司法鑒定中的應(yīng)用提供了證據(jù)支持[30]。

擊鍵特征擁有大量的指標，被試很難進行反測謊對抗。擊鍵特征可以從主題上隱藏謊言檢測。研究[13]表明，擊鍵動力學(xué)有望得到更廣泛的應(yīng)用和研究，如針對自傳體記憶的欺騙檢測。但遺憾的是，擊鍵動力學(xué)仍在初始研究階段，其適用性還依賴于校準和模型的開發(fā)，希望未來有進一步的發(fā)展。

近年來，有研究將機器學(xué)習(xí)算法引入測謊模型的構(gòu)建中，這非常有利于對欺騙行為的識別。蘆效峰等[31]利用擊鍵特征結(jié)合模型，使用公開數(shù)據(jù)集進行實驗，獲得最優(yōu)拒真率為1.95%，容假率為4.12%，相等錯誤率為3.04%。鐘意[32]提出了一種在上下文變化時基于用戶交互信息的持續(xù)身份認證方法，根據(jù)用戶在不同時間、不同地點與計算機的交互行為，自適應(yīng)地為用戶提供不同層次的安全保障?；跈C器學(xué)習(xí)算法的數(shù)據(jù)分析方法可以同時考慮多個變量，從而更準確地檢測出說謊者的反應(yīng)模式。這一優(yōu)勢來自經(jīng)典測謊范式與計算機科學(xué)技術(shù)的集成，為測謊研究和測謊工具的實際應(yīng)用提供了一種方法。機器學(xué)習(xí)分類器可以捕捉到簡單線性模型無法捕捉到的數(shù)據(jù)中的復(fù)雜關(guān)系，可以將例子分類為屬于兩個或兩個以上類別中的一個（如說謊者或說真話者）。然而，將機器學(xué)習(xí)算法應(yīng)用于測謊數(shù)據(jù)和一般的行為數(shù)據(jù)，可能會導(dǎo)致測謊方法無法兼容使用的情況。機器學(xué)習(xí)需要大量的實例，這一要求在傳統(tǒng)的測謊研究中并不適用，在現(xiàn)實生活中使用的傳統(tǒng)測謊方法，如認知綜合測試法、隱藏信息測試法、準繩測試法等，都是基于探測個體對案、事件的回憶進行謊言識別，因此很難收集到大量的實際案例數(shù)據(jù)。未來的發(fā)展方向還應(yīng)包括將機器學(xué)習(xí)算法集成到測謊工具和在線測謊系統(tǒng)等應(yīng)用中，開發(fā)出適用于各種類型的欺騙行為檢測系統(tǒng)。