融合击键内容和击键行为的持续身份认证

为提高真实击键场景中用户的持续身份认证能力,搭建完全自由的实验环境采集击键数据。将连续击键事件中各后置击键的频次作为击键内容特征,将排序后的连续击键时间间隔序列作为击键行为特征,引入改进的Yager证据合成理论融合击键内容域和击键行为域的子分类器得到最终的持续身份认证模型。实验结果表明,与现有的击键认证模型相比,采用融合技术的认证方法提高了用户持续身份认证的准确率,在真实的内网中有应用价值。

击键动力学研究综述

击键动力学主要研究内容是:分析击键行为特征,将其应用于身份认证/识别或入侵检测等。数据是分析击键行为特征的基础,现有数据集的规模还比较小,其采集过程需要进行规范。击键行为特征分析的一般做法是:在选择/提取击键行为数据中所蕴含的特征信息的基础上设计分类模型。在此工作中人们尝试了各种统计理论、机器学习和深度学习方法。基于分类模型的软件系统面临能否适应击键行为动态变化的挑战。设计准确的分类模型和特征模板更新算法是解决该问题的关键。尽管击键动力学模型准确率不高,但可以和其它特征融合使用,以提高系统整体安全。对上述内容进行梳理,归纳总结该领域的研究发展方向。

基于键盘行为进行用户识别的方法与应用

基于键盘行为的已有研究大多限制在实验环境下,并限定用户的输入为特定字符串,或只在有限实验参与者中进行识别,从而导致其无法应用在真实的环境中。为了克服已有研究的局限,解决真实环境中正负样本不均衡和负样本缺失的问题,对真实环境下一千万条用户击键行为进行分析,提出了一种基于键盘行为进行用户识别的方法。该方法使用击键持续时间和击键间隔时间描述用户的击键行为,通过实验选择马氏距离进行用户击键行为相似度的对比,并对未知击键行为进行预测。实验结果表明,该方法可获得80%的预测准确率。

击键动力学在欺骗研究中的进展

传统的测谎技术大多依赖个体的生理指标,如皮肤电、心率、呼吸、眼动和神经信号功能等指标的变化,容易受个体身体条件、反测试以及外部环境等方面的影响,并且很难进行大面积的筛查测试。将击键动力学应用于测谎可以很大程度上克服传统测谎技术的不足,增加测谎结果的可靠性,促进测谎结论在司法鉴定实践中的法定证据效力。本文介绍了击键动力学及其在欺骗研究中的应用,和传统测谎技术相比,击键动力学除了可以进行欺骗行为研究外,还可用于身份识别、网络筛查等大面积的测试,应用范围相对更广。同时,本文还对击键动力学在测谎领域的发展方向进行了展望。

统一身份认证系统中的多因子身份认证方法

本研究总结常用的身份认证方案,针对传统的基于单因子身份认证方案存在的诸多安全问题,提出基于统一身份认证系统的多因子身份认证方法.该方法综合使用3种不同的认证因子,对于可能的非法登录行为进行预警.实验结果显示,系统可以识别出88.8%的非法用户,使用该方法可以提升系统安全性.