南田玉

新疆科技學院，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，讓他人產生某種錯誤信念的行為[1]。欺騙的產生是一個復雜的心理過程，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雜，這種復雜性反映為個體在執(zhí)行任務時的行為改變上，那么就有可能通過記錄行為變化來推斷正在執(zhí)行任務的個體是否在說謊。隨著科學技術的發(fā)展，測謊結論也不斷地應用于各種案、事件，以及甄別嫌疑人和案、事件關系中，然而到目前為止，我國還沒有明確將測謊結論納入法庭證據中，究其原因，和測謊工作的科學性和準確性有關，如測謊設立指標是否科學、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)的測謊技術大多依賴個體的生理指標，如皮膚電、心率、呼吸、眼動和神經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，造成測謊結論為假陽性或假陰性的情況[3]。

擊鍵動力學描述了人類打字節(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論的客觀性和準確性。因此，擊鍵動力學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，人們對擊鍵動力學研究的興趣呈指數(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)。這些擊鍵動力學和心理學的研究為擊鍵特征應用于欺騙行為的發(fā)現(xiàn)提供了理論依據，也為研究擊鍵動力學對欺騙行為的影響奠定了基礎。

本文梳理了擊鍵動力學的特征，歸納總結了擊鍵動力學在欺騙行為中的應用情況，并提出了擊鍵動力學在欺騙行為應用中的研究發(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]提出用擊鍵動力學欺騙檢測模型來解釋欺騙行為和擊鍵動力學之間的關系。通過這個模型，發(fā)現(xiàn)謊言的產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]。根據被試的擊鍵特征建立相應的模型，再根據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 擊鍵動力學在欺騙行為研究中的應用

2.1 網絡交互信息真?zhèn)巫R別

如何區(qū)別網絡信息的真?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，在識別網絡信息中的欺騙行為時，如果單純靠語言學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，網絡交互信息真?zhèn)巫R別的準確性將更高。ZHOU[24]的研究結果表明，將被試的按鍵反應時間、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雜性、內容的詞匯量以及多樣性等相結合，能夠顯著區(qū)分被試聊天內容的真?zhèn)?。DERRICK 等[21]研究了被試擊鍵的反應時間、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，結果顯示，欺騙與反應時間和編輯次數(shù)呈正相關，與字數(shù)呈負相關，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，在進行網絡交互信息真?zhèn)巫R別時，將個體的反應時間、編輯次數(shù)、刪除頻率等擊鍵特征與文本信息相結合將有助于提高識別準確率。

2.2 網絡個體身份識別

隨著手機、電腦和平板電腦等電子設備的普及，也產生了很多問題，如過多依賴網絡，可能產生網絡成癮綜合征；過長時間使用電子設備，造成視力下降；瀏覽不健康的網頁損害身心健康等。其中還有些網絡犯罪現(xiàn)象，如偽造個人資料，網絡欺凌或者網上暴力，濫用在線評論攻擊商業(yè)競爭對手，傳播虛假新聞，網絡詐騙和黑客攻擊網上銀行系統(tǒng)等。據統(tǒng)計[25]，在網戀的青少年中，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)更準確的網絡個體身份識別。

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也會發(fā)生變化，從而反映其欺騙行為。有研究[28]設計了基于擊鍵動力學的身份認證系統(tǒng)，該系統(tǒng)在實際應用中可以對用戶身份進行較為準確的識別。龍永明[14]構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)將客戶端和服務器端的功能進行了區(qū)分，其中，客戶端負責收集數(shù)據和提取特征，服務器端主要負責訓練樣本、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。

擊鍵動力學除了可以運用于網絡安全維護、防止網絡犯罪、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測量的基礎上，而被試則是在回答有關被審查事件的問題。然而，這些方法在應用上存在一些限制：（1）測試之前主測人員必須知道某些關鍵信息（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，被試很容易訓練自己并實施反測試隱藏自己；（3）傳統(tǒng)測謊技術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)測謊技術都有復雜的指令，需要有一個真正的替代選項，這使得其不適合大規(guī)模應用（如網絡語言真?zhèn)巫R別）。

與傳統(tǒng)測謊技術相比，擊鍵動力學具有很大的優(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)模應用（如線上篩查）。其次，擊鍵動力學本質上是基于認知策略，能夠增加撒謊者的認知負荷，運用被試的反應時間結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)測謊技術更多依賴個體生理指標（如皮膚電、心率、呼吸、眼動和神經信號功能等）的變化和假陽性較高[29]的情況，擊鍵動力學更客觀和標準化，為測謊提供了新思路，并為測謊結論在司法鑒定中的應用提供了證據支持[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，擊鍵動力學有望得到更廣泛的應用和研究，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，有研究將機器學習算法引入測謊模型的構建中，這非常有利于對欺騙行為的識別。蘆效峰等[31]利用擊鍵特征結合模型，使用公開數(shù)據集進行實驗，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，根據用戶在不同時間、不同地點與計算機的交互行為，自適應地為用戶提供不同層次的安全保障?；跈C器學習算法的數(shù)據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模式。這一優(yōu)勢來自經典測謊范式與計算機科學技術的集成，為測謊研究和測謊工具的實際應用提供了一種方法。機器學習分類器可以捕捉到簡單線性模型無法捕捉到的數(shù)據中的復雜關系，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，將機器學習算法應用于測謊數(shù)據和一般的行為數(shù)據，可能會導致測謊方法無法兼容使用的情況。機器學習需要大量的實例，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。未來的發(fā)展方向還應包括將機器學習算法集成到測謊工具和在線測謊系統(tǒng)等應用中，開發(fā)出適用于各種類型的欺騙行為檢測系統(tǒng)。