Abstract
В статье представлен систематизированный обзор нейросетевых моделей, применяемых для анализа клавиатурного почерка в целях биометрической аутентификации пользователей. Рассмотрены архитектуры LSTM, GRU, CNN, трансформеров и сиамских сетей, проанализированы их достоинства и ограничения. Отдельное внимание уделено гибридным моделям, которые демонстрируют улучшенную точность и устойчивость к изменениям в поведении пользователей. Приведены результаты сравнительного анализа различных подходов на основе открытых и пользовательских наборов данных, а также обсуждены ключевые метрики эффективности: точность, FAR и FRR. Показано, что нейросетевые методы существенно повышают надежность аутентификации, однако требуют дальнейших исследований в области адаптивности и защиты биометрической информации. Работа подчеркивает потенциал нейросетевых решений в повышении уровня информационной безопасности современных систем.