obscura/research/uncontrollable/behavioral-biometricsobscura/research/uncontrollable/behavioral-biometrics

Categoría: Comportamiento del Usuario / Interacción Humano-Computadora

---

1. Descripción

La biometría del comportamiento mide cómo un usuario interactúa con su dispositivo. A diferencia de los fingerprints de hardware, estos son dinámicos — varían con el estado de ánimo, contexto, fatiga y práctica. Sin embargo, también son altamente individuales: la dinámica de teclado por sí sola puede identificar a un usuario con >95% de precisión en entornos controlados.

---

2. Vectores

2.1 Dinámica de Teclado

document.addEventListener('keydown', event => {
  console.log({
    key: event.key,
    timestamp: performance.now(),
    code: event.code,
    location: event.location
  })
})
document.addEventListener('keyup', event => {
  console.log({
    key: event.key,
    timestamp: performance.now(),
    holdTime: performance.now() - keydownTime, // Duración de pulsación
  })
})

Características medibles:

• Tiempo de pulsación: Duración entre keydown y keyup (típicamente 50-150ms)
• Intervalo entre teclas: Tiempo entre pulsaciones sucesivas
• Presión de tecla (en dispositivos compatibles): Presión táctil para cada tecla
• Patrones de error: Uso de retroceso, comportamiento de corrección
• Velocidad de escritura: Caracteres por minuto (varía según la tarea)
• Ritmo: Patrones consistentes de intervalos largos/cortos

Entropía: ~15-25 bits (altamente individual)

Estabilidad: Moderada — afectada por fatiga, emoción, dispositivo, tipo de teclado

2.2 Patrones de Movimiento del Ratón

document.addEventListener('mousemove', event => {
  console.log({
    x: event.clientX,
    y: event.clientY,
    timestamp: performance.now(),
    button: event.buttons,
    movementX: event.movementX,
    movementY: event.movementY
  })
})

Características medibles:

• Trayectoria: Curvatura del camino, rectitud, sobrepaso
• Perfil velocidad-aceleración: Cómo cambia la velocidad durante el movimiento
• Comportamiento de clic: Tiempo entre mouse-down y mouse-up, precisión de posición
• Patrones de hover: Dónde pausa el ratón
• Acoplamiento de desplazamiento: Movimiento del ratón durante el desplazamiento

Entropía: ~10-20 bits (moderadamente individual)

Estabilidad: Baja-Moderada — afectada por superficie, dispositivo, tarea

2.3 Patrones de Desplazamiento

document.addEventListener('scroll', event => {
  console.log({
    scrollY: window.scrollY,
    timestamp: performance.now(),
    deltaMode: event.deltaMode,
    deltaY: event.deltaY
  })
})

Características medibles:

• Velocidad de desplazamiento: Píxeles por evento de scroll
• Aceleración: Cómo cambia la velocidad de desplazamiento
• Frecuencia de pausa: Con qué frecuencia se detiene el desplazamiento
• Ritmo: Desplazamiento regular vs ráfagas
• Patrón de leer-y-desplazar: Tiempo entre detener el desplazamiento y el siguiente desplazamiento

Entropía: ~8-12 bits

Estabilidad: Baja — dependiente de la tarea (artículo vs resultados de búsqueda vs redes sociales)

2.4 Gestos Táctiles (Móvil)

element.addEventListener('touchstart', e => { /* inicio táctil */ })
element.addEventListener('touchmove', e => { /* trayectoria táctil */ })
element.addEventListener('touchend', e => { /* fin táctil, velocidad */ })

Medible:

• Ángulo de deslizamiento, velocidad, aceleración
• Presión de toque (en dispositivos compatibles)
• Patrones de pellizco-zoom
• Coordinación multi-dedo
• Tamaño de toque (área de contacto del dedo)

Entropía: ~12-18 bits

Estabilidad: Moderada — afectada por dispositivo, agarre, postura

---

3. Fortalezas del Atacante

---

4. Debilidades del Atacante

---

5. Detección de Manipulación

---

6. Mitigaciones para Obscura

6.1 Lo Que Obscura Puede Hacer

6.2 Lo Que Obscura No Puede Hacer

6.3 Enfoque Recomendado

1. Redondear marcas de tiempo de eventos a 50ms de granularidad  (reduce precisión de temporización)
2. Aceptar — la biometría del comportamiento requiere infraestructura ML  (la mayoría de atacantes no tendrán esto)
3. Usar Tor Browser para navegación de alta sensibilidad  (Tor deshabilita muchos eventos)

Nota: La biometría del comportamiento es principalmente una preocupación para objetivos de alto valor (banca, redes sociales) con inversión significativa en ML. Para la navegación típica, este vector rara vez se explota.

---

7. Referencias de Investigación

• Monaco, J. et al. (2018). "Behavioral Biometrics: A Survey." ACM Computing Surveys.
• Teh, P. et al. (2014). "A Survey on Keystroke Dynamics." ACM Computing Surveys.
• Yampolskiy, R. et al. (2011). "Behavioral Biometrics: A Survey and Classification." International Journal of Biometrics.
• Acar, G. et al. (2014). "The Web Never Forgets" — menciona el rastreo de comportamiento en el contexto de correlación entre sitios.