基于用户鼠标行为的身份认证方法

针对已有身份认证方法存在的问题,提出了一种基于用户鼠标行为的身份认证方法。首先,给出了基于用户鼠标行为的身份认证模型及其实体构成,之后采用层次化划分方法对用户鼠标行为进行了定义,同时给出了不同行为需要提取的特征值及对应的计算方法。采用随机森林分类器作为鼠标行为分类工具,以解决已有方案中存在的数据的过度拟合和数据噪声问题。在身份认证阶段,结合用户鼠标行为,采用层次结构的分类决策模型对用户身份进行认证。最后,对所提出的身份认证方法进行了实验分析,结果表明该方法具有较好的错误拒绝率和错误接受率。

基于鼠标行为的三支身份认证方法

为了实现使用鼠标行为数据进行身份认证时认证时间和认证准确率的平衡,该文通过引入三支决策思想,提出了一种新的身份认证方法。该方法首先基于部分鼠标行为对用户做第一次判定,分为合法用户、非法用户和延迟决策用户3个类别,实现部分用户的预先判定;然后,通过再多收集一部分鼠标行为对延迟决策用户做合法性判断,保证了方法的认证准确率。实验结果证明,该方法可以有效地降低期望认证时间并得到较高的认证准确率。

鼠标行为HHT变换的工业互联网用户身份认证

工业互联网的快速发展引发了对网络安全的广泛关注,终端用户身份认证技术成为研究热点。根据工业互联网人机交互特点,设计了实验网站,收集了该网站24名用户两年半的非受控环境下鼠标行为数据作实例,采用希尔伯特黄变换(HHT,Hilbert-Huang transform)提取鼠标行为信号频域特征,结合时域特征,形成163维时频域联合特征矩阵,用于表征用户鼠标行为模式特征。使用Bagged tree、支持向量机(SVM,support vector machine)、Boost tree和K最邻近(KNN,K-nearest neighbor)算法构建网络用户身份认证模型,对比数据测试结果表明,Bagged tree算法在本案例中内部检测效果最佳,平均错误接受率(FAR,false acceptance rate)为0.12%、平均错误拒绝率(FRR,false rejection rate)为0.28%;外部检测中,平均FAR为1.47%。相较于传统鼠标动力学方法,使用HHT提取鼠标行为频域信息能更好地实现终端用户身份认证,为保障工业互联网安全提供有效的技术支撑。

基于用户鼠标行为的身份认证方法

提出一种基于用户鼠标行为特征的身份认证方法,通过对用户的鼠标行为数据进行分析,归纳出两类鼠标行为特征,基于鼠标基本行为的一级特征,以及基于基本行为关系的二级特征,并采用极限学习机作为分类算法实现对用户身份的认证。通过实验表明所提出的二级特征能够有效降低认证方法的认假率,而极限学习机因其良好的泛化能力与优秀的学习速度是合适的认证算法。

新的基于鼠标行为的持续身份认证方法

随着互联网技术的快速发展,安全问题一直是人们关注的焦点。基于鼠标行为的持续身份认证对于保护计算机系统的安全起着至关重要的作用。针对鼠标行为认证方法存在的认证准确率较低和认证时间较长的问题,提出了一种新的基于鼠标行为的持续身份认证方法。该方法将用户的鼠标事件序列按不同的类型划分为相应的鼠标行为,并基于鼠标行为从多方面挖掘鼠标行为特征,对于时间和空间的特征值需要计算其统计值来唯一表示,从而更好地表示不同用户的鼠标行为差异,提高认证准确率。通过ReliefF算法得到鼠标行为特征的重要度,并在此基础上结合邻域粗糙集去除鼠标行为的无关或冗余特征,以达到降低模型复杂度和建模时间的目的,并采用二分类算法进行认证模型的训练。在身份认证时会根据每次收集的鼠标行为使用认证模型得到分类得分,再结合信任模型更新用户的信任值,当用户的信任值降低到信任模型阈值以下时,就会被判断为非法用户。在Balabit和DFL数据集上对所提方法的身份认证效果进行仿真实验,结果表明,该方法相较于其他文献的方法,不仅可以提高身份认证准确率、降低身份认证时间,而且对于外部用户的非法入侵具有一定的鲁棒性。

基于鼠标行为的电子商务中用户异常行为检测

针对电子商务中用户身份易被窃取冒用这一问题,设计研究了利用鼠标输入行为特征进行身份识别的方法,通过采集网上购物过程中用户的鼠标行为数据,使用聚类算法进行鼠标行为模式的固化,通过比较鼠标行为特征向量间的距离进行用户行为合法性判断。方法应用在电子商务系统,误检率与漏检率均在可接受范围内,可作为电子商务中用户身份认证的一种新的辅助手段。

基于眼动跟踪和鼠标行为的用户兴趣研究

互联网使网上购物成为一种新的生活方式,但同时网络信息超载不可避免。提高电子商务的推荐精度已经成为各电商的重点。首先对现有推荐系统介绍分析并找出不足,提出结合眼动追踪和鼠标行为改进推荐系统的假设。利用AHP层次分析法分析用户感兴趣的眼动参数权重,分析用户感兴趣程度伴随着用户眼部行为的变化。再通过马尔科夫链来预测用户鼠标行为。最后通过鼠标行为分析辅助眼动参数分析用户真正兴趣,为判别用户真正兴趣提供依据。

基于鼠标行为分析的教学平台设计

提出自适应教学平台的开发方法,利用学生的鼠标操作特征判断其对学习内容的认知状态;基于知识图谱构建课程资源模型;根据对学生认知状态的诊断结果为学生动态调整学习资源.给出了认知状态追踪模型的训练算法、知识追踪算法、学习资源的动态调整方法 .实践表明,用此方法开发的教学平台对提高学生的学习质量和效率有较好的作用.

基于鼠标和键盘行为特征组合的用户身份认证

为解决单一行为特征存在的不足和提高认证识别率,提出一种基于鼠标和键盘行为特征组合的双指标用户身份认证方法。首先分别提取鼠标和键盘两种指标的行为特征,然后利用支持向量机进行模式识别,实现特征分析和验证,以达到实时监测用户身份、检测非法用户的目的。最后通过多个用户采集鼠标和键盘行为数据进行身份识别与认证实验。结果表明,相对于单一行为特征,该方法提高了用户身份认证的识别率,降低了误识率和拒识率,而且结果优于BP和SOM方法,充分展示了双指标身份认证的高可靠性。

基于鼠标行为时频联合分析的用户可信认证

提出了一种基于时频联合分析的鼠标动力学认证方法。对用户操作鼠标行为的连续时序信号进行小波包变换,依据不同频带的子信号提取其时频联合分布特征,并使用递归特征消除法筛选出特征。采用随机森林算法建立用户独特的鼠标行为模式,据此进行用户身份认证。为验证方法的有效性,采取单因素实验设计,以特征分析方法为唯一因素,采集真实网络环境中40个用户在31个月内的鼠标行为数据,对其中18个用户分别采用时序分析和时频联合分析提取并筛选特征;使用相同算法建立用户鼠标行为模式,对比了基于2种特征分析方法的可信身份认证系统的性能差异。结果显示,相比时序分析方法,所提方法将可信身份认证的操作特性曲线下的面积从97.02%提升为99.10%.

基于用户行为的身份认证方法研究

随着网络技术的不断发展与应用,如今网络已成为人们生活中不可或缺的一部分,人们广泛使用网络技术进行网络办公、网络娱乐、网络购物等网络活动。但是,网络在为当代人们生活提供便利的同时,也带来许多隐形问题。其中,最为突出的问题在于如何应用合适的手段认证用户的身份,以保证用户计算机及网络使用安全以及网络账户中财产安全。笔者就对基于用户行为的身份认证方法进行研究。

单分类人机检测方法

针对人机检测领域中脚本机器人种类多样的问题,提出了一种利用单分类方法基于鼠标行为的人机检测技术,实现对带有行为模拟功能的高级脚本机器人的检测。利用JavaScript获取网页页面正常用户的鼠标行为数据,经过数据预处理、特征提取过程获得描述用户行为的特征向量并送入单分类器中,建立人机检测模型。为验证单分类方法的有效性,通过统计分析网页页面正常用户的鼠标行为数据,设计3种具有模拟人类功能的脚本机器人,模拟正常用户完成网页页面登录场景任务。使用直线类型的脚本机器人样本参与特征选择,之后提取特征子集,完成单分类器在人机检测领域的性能评价。实验结果表明:单分类器对直线、规则曲线、不规则曲线3种脚本机器人检测效果最好的等错误率分别为7.25%、9.45%和12.7%;较二分类方法对未知类型脚本机器人检测效果最好的等错误率为20.56%;单分类方法具有良好的泛化性。

鼠标交互行为下的网络互动视觉设计

在网络交互设计中,鼠标事件是最基本的交互方式,用户通过鼠标经过、单击、拖动等交互行为来触发事件,与交互对象产生互动。同时,鼠标运动轨迹、速度的瞬时变化打破了原有形态的构成格局。多种鼠标交互行为与设计创意结合所生成的视觉语言给用户带来多维度的视觉体验和广泛的信息传播。