《Applied Sciences》：Personal Identification Using Eye Movements During Manga Reading: Effects of Stimulus Variation and Template Aging
Yuichi Wada
编辑推荐：
眼动模式难以观察和复制，使其成为行为生物识别领域一个有前景但尚未充分研究的模态。本研究首次探讨了利用漫画阅读期间的眼动模式作为生物识别标识的可能性，借助该媒介从多样化阅读行为中获取丰富的行为数据。研究人员记录了59名参与者在屏幕上阅读两部漫画作品时的眼动数据。
眼动模式难以观察和复制，使其成为行为生物识别领域一个有前景但尚未充分研究的模态。本研究首次探讨了利用漫画阅读期间的眼动模式作为生物识别标识的可能性，借助该媒介从多样化阅读行为中获取丰富的行为数据。研究人员记录了59名参与者在屏幕上阅读两部漫画作品时的眼动数据。采用五种机器学习分类器对一系列凝视特征进行了提取和评估，其中随机森林（Random Forest, RF）始终表现出最佳性能。在受控实验条件下，RF分类器实现了95.0%的Rank-1识别率和1.9%的等错误率（Equal Error Rate, EER）。此外，本研究系统地调查了实际部署中的两个关键挑战：刺激依赖性和模板老化。交叉刺激评估显示，当训练和测试使用不同漫画作品时，性能显著下降；模板老化分析在约90天的时间间隔内显示识别准确度明显下降。这些结果提供了初步证据，支持自然阅读行为用于生物识别连续认证系统的潜力，同时强调了进一步研究跨刺激泛化和时间稳定性的必要性。
本研究旨在评估在漫画阅读过程中使用眼动数据进行人员身份验证的准确性。眼动生物识别可以在用户正常使用设备时被动记录，无需干扰用户体验，因此非常适合于连续认证。眼动模式由自主和不自主的神经肌肉控制机制复杂组合而成，形成高度独特且抗欺骗尝试的行为指纹。本文提出了一种新颖的方法，利用阅读过程中收集的眼动数据进行用户识别。虽然阅读任务中的眼动追踪已被广泛研究，但其在用户识别方面的应用仍属探索阶段。与以往主要使用文学节选作为阅读材料的研究不同，本研究独创性地采用了日本漫画这一类型作为阅读材料。漫画因其广泛的日常消费，特别是年轻群体中的流行，被选为焦点阅读材料。漫画整合了多种视觉元素——角色插画、对话气泡和面板布局——传达动态动作和叙事发展。漫画的阅读顺序受面板排列影响但并非严格规定，允许读者根据意愿重读或跳过面板。读者在阅读漫画时表现出个体差异的眼动行为，但在个体内部观察到一致的模式。这些因素表明，漫画阅读捕捉到丰富的行为数据，反映出读者的个体特征。
研究人员开展了眼动数据分析实验，旨在评估漫画阅读期间的眼动模式作为生物识别标识的可行性。通过对59名参与者的实验，采用随机森林（Random Forest, RF）分类器，在受控实验条件下达到了95.0%的Rank-1识别率和1.9%的等错误率（EER）。此外，研究还系统地考察了刺激依赖性和模板老化这两个关键挑战。交叉刺激评估揭示，当训练和测试使用不同的漫画作品时，性能显著下降；模板老化分析在约90天的时间间隔内显示识别准确度明显下降。这些发现为自然阅读行为在生物识别连续认证系统中的潜在应用提供了初步证据，同时强调了进一步研究跨刺激泛化和时间稳定性的重要性。
本研究采用的主要技术方法包括：参与者招募基于类似的眼动生物识别研究，使用Tobii TX-300眼动仪在23英寸显示器上记录眼动数据，刺激材料为两部商业出版的漫画作品。通过滑动时间窗口法将记录的数据分段分析，并采用随机森林（Random Forest, RF）等五种机器学习分类器进行特征提取和模型训练。此外，研究人员还采用了SHAP分析来识别最具区分性的眼动特征。
研究结果显示：在滑动窗口方法下，对于Manga A，最高识别性能出现在15秒时间窗口，识别率最高为95.0%，EER为1.9%；对于Manga B，最佳性能出现在5秒时间窗口，识别率为93.6%，EER为2.1%。交叉刺激评估显示，当使用Manga A训练而Manga B测试时，最高Rank-1识别率为15.6%，EER为23.4%；反之亦然。模板老化分析显示，在约90天间隔后，识别准确度显著下降。页面级方法显示，Manga A的Rank-1识别率为66.6%，EER为7.2%；Manga B的Rank-1识别率为76.6%，EER为4.9%。SHAP分析显示，最具有影响力的特征主要集中在N-gram统计特征上，这些特征捕捉了独特的扫视移动模式。
研究结论表明，漫画阅读期间的眼动数据可以作为有效的生物识别模态，达到95.0%的Rank-1识别率和1.9%的EER。然而，识别性能高度依赖于刺激，跨漫画内容的泛化能力有限。此外，由于模板老化效应，性能随时间逐渐下降，可能受到参与者对先前阅读内容熟悉度的影响。这些发现突出了内容不变和时间稳定的基于眼动的认证研究的必要性。尽管存在这些限制，该研究证实了在自然阅读场景下的眼动生物识别在连续和隐式认证系统中具有重大潜力。未来研究应探索域适应技术、自适应模板更新机制，以及与其他行为模态的融合，以提高认证的鲁棒性和可靠性。
