Grâce à des algorithmes, il est possible de savoir à 95 % si c’est un homme ou une femme avec la lettre N au O, et du M au O. Ils pensent que cela pourrait aider à identifier des auteurs de cyberattaque
Nuage
Votre manière de taper sur votre ordinateur pourrait révéler votre genre
Taper à la machine | Adikos via Flickr CC License by
Repéré par Peggy Sastre
Repéré sur Digital Investigation, Science
Avec plus de 95% de fiabilité, un programme informatique serait capable de détecter votre sexe à votre seule façon de frapper sur les touches de votre clavier.
Si votre webcam ou l’appareil photo de votre téléphone connaissent votre visage, votre clavier pourrait détecter… votre sexe.
Selon une étude en passe d’être publiée dans la revue Digital Investigation, des modèles informatiques semblent capables de détecter si c’est un homme ou une femme qui frappe les touches d’un clavier, avec un degré de fiabilité pouvant dépasser les 95%.
Avant d’arriver à ce résultat, Ioannis Tsimperidis, Avi Arampatzis et Alexandros Karakos, chercheurs en ingénierie informatique à l’université de Thrace (Grèce), ont enrôlé soixante-quinze volontaires –trente-six hommes, trente-neuf femmes– et ont enregistré leurs habitudes de frappe au quotidien et dix mois durant. Les scientifiques ont ensuite passé leurs données brutes à la moulinette d’un programme de leur cru, baptisé «IsqueezeU», afin de soupeser la pertinence de différents marqueurs potentiels de genre, comme le temps séparant les pressions entre telle ou telle touche ou le temps d’une seule pression.
Selon ce programme, certaines caractéristiques seraient bien plus prédictives que d’autres: le champion toutes catégories est le temps moyen pour passer du N au O, suivi du laps de temps séparant le M du O. Le programme n’est pas capable de dire si les hommes ou les femmes pressent ces touches plus vite ou plus souvent, simplement qu’il existe une différence significative entre les sexes dans la vitesse et la fréquence d’utilisation du clavier.
Tellement significative qu’une fois intégrées dans cinq algorithmes d’apprentissage différents, ces données allaient permettre de prédire le sexe d’un frappeur de clavier avec 78% de fiabilité pour le modèle le plus médiocre et à 95,6% pour le modèle le plus efficace.
Selon les chercheurs, leurs travaux pourraient notamment servir à identifier les auteurs de cyberharcèlement ou de vol d’identité sur internet. Tsimperidis, Arampatzis et Karakos prévoient aussi d’augmenter la fiabilité de leurs modèles en y implémentant d’autres facteurs comme la latéralité manuelle ou le niveau d’études de leurs volontaires –qu’ils espèrent plus nombreux lors de leurs futures expériences.