CN104318136A - 用户键盘按键行为模式建模与分析系统及其身份识别方法 - Google Patents

Abstract

用户键盘按键行为模式建模与分析系统及其身份识别方法。身份识别方法：根据用户一段时间内账户登录时输入密码的历史按键信息进行数据分析并建立相应的隐马尔可夫概率模型，并对于新的待测数据进行模型计算，以识别用户身份。系统由用户数据采集模块、数据清洗模块、模型训练模块以及用户身份认证模块组成。本发明利用用户的输入行为模式不需要额外的硬件支持，在用户输入其用户名和密码的同时记录键入时间特征，此认证方法在实现的过程更加方便可行。通过采集用户的键入的时间间隔序列，挖掘每个用户特有的键入行为模式，以此来识别用户的真实身份，使得用户的身份认证更加准确。

Description

用户键盘按键行为模式建模与分析系统及其身份识别方法

技术领域

本发明涉及电子商务身份认证。

背景技术

随着电子商务的发展，其中的不安全因素也暴露无遗，越来越多的安全隐患存在于电商网站之中，给不法分子有了可乘之机。传统的电子商务网站采用用户名和密码对来识别用户，这种认证方法是在建立在只有真实用户才知道其用户名和密码的假设之上，一旦非法用户获知了用户的信息，这种认证方法就不再有效。如何有效的识别用户的真实身份已经成为电子商务发展中引人关注的领域。

发明内容

每个人都会其个人独特的行为习惯，在键盘输入行为上也是如此，个人的行为习惯也很难被他人所模仿和盗取，在此基础上建立的认证方法比传统的仅仅只是用户名、密码对的方法更加有效。

本发明面向的情况是在传统用户名、密码对被不法分子盗取时的情况。现有的认证方法和手段都无法防止不法分子盗用他人合法账户获取个人利益。

为此，为达到这个发明目的，本发明给出的技术方案为：

方法原理：根据用户一段时间内账户登录时输入密码的历史按键信息进行数据分析并建立相应的隐马尔可夫概率模型，并对于新的待测数据进行模型计算，以识别用户身份。方法步骤为：

步骤1，用户数据采集

负责采集用户输入其用户名和密码的时间间隔序列。在HTML网页中利用JS采集用户键入用户名和密码的时间数据，采集的数据为用户键入其用户名和密码的每个字符的按下时间戳和弹起的系统时间戳，原始数据存入数据库。

步骤2，数据清洗

负责对采集到的数据进行预处理。对于一个用户，其固定密码，每条记录的数据项数目为已定，对于数据项与既定长度不匹配的数据条目进行剔除。

步骤3，模型训练

负责对每个用户的键入模式进行分析和建模。所选建模特征为按键延时即按下弹起时间(也可采用每个按键之间的间隔时间来建模)。

步骤4，用户身份认证

负责对于新的待测数据进行模型计算，用以识别用户的身份。采集用户键入的数据，根据训练模块构建的模型，判定该用户是否为合法用户。不同键盘的阻尼系数不同，导致用户按下的时间特性在不同的键盘上可能具有差异，本发明提供消除键盘阻尼的算法。消除键盘阻尼算法：

(41)根据每个按键的按下和弹起时间，计算两者差值，得到每个按键的延时。

(42)根据隐马尔科夫模型中，每个按键延时的期望，计算当前序列按键延时与模型值的差值，得到一组关于每个按键延时的差值序列。

(43)计算差值序列的方差和期望。

(44)当方差小于阈值，则对当前序列按键延时的观测值分别减去差值序列的期望，得到校准后的键盘按键延时。

对于未知用户的键入，利用前向选择算法计算用户的可信值，判断用户可信值是否高于设定的阈值来判断是否为合法用户。

一种用户键盘按键行为模式建模与分析系统，其特征在于，由用户数据采集模块、数据清洗模块、模型训练模块以及用户身份认证模块组成。

用户数据采集模块负责采集用户输入其用户名和密码的时间间隔序列。在HTML网页中利用JS采集用户键入用户名和密码的时间数据，采集的数据为用户键入其用户名和密码的每个字符的按下时间戳和弹起的系统时间戳，原始数据存入数据库。

数据清洗模块负责对采集到的数据进行预处理。对于一个用户，其固定密码，每条记录的数据项数目为已定，对于数据项与既定长度不匹配的数据条目进行剔除。

模型训练模块负责对每个用户的键入模式进行分析和建模。所选建模特征为按键延时即按下弹起时间(也可采用每个按键之间的间隔时间来建模)。

用户身份认证模块负责对于新的待测数据进行模型计算，用以识别用户的身份。采集用户键入的数据，根据训练模块构建的模型，判定该用户是否为合法用户。

本发明利用用户的输入行为模式不需要额外的硬件支持，在用户输入其用户名和密码的同时记录键入时间特征，此认证方法在实现的过程更加方便可行。通过采集用户的键入的时间间隔序列，挖掘每个用户特有的键入行为模式，以此来识别用户的真实身份，使得用户的身份认证更加准确。其创新点及有益效果体现在：

1.消除同一用户在不同键盘上操作，键盘阻尼不同对身份认证结果的影响。

2.消除同一账户多人使用对于身份认证结果的影响。

3.对于密码长度以及复杂程度，采用分级建模的方式。

4.具有可移植性，配置方便，无需第三方软件支持。

附图说明

图1用户键入行为模式挖掘系统。

图2密码转换成类别码。

图3认证流程图。

图4需要校准键盘阻尼系数。

图5不需要校准键盘阻尼系数。

具体实施方式

用户键入行为模式挖掘系统如图1所示。

数据采集模块：在HTML网页中利用JS采集用户键入用户名和密码的时间数据，采集的数据为用户键入其用户名和密码的每个字符的按下时间戳和弹起的系统时间戳，原始数据存入数据库。由于用户对于自己的用户名和密码是由陌生到熟悉的过程，其键入的模式也会随着时间的推移而变化，我们记录最近一个月的键入数据作为用户的训练数据进行采集。

数据格式如下表所示：

按键序列	按下时间	弹起时间
			1	1972	2088
2	2486	2557
			3	2666	2715
4	2777	2778

其中，按下、弹起的时间为动作完成时的系统时间戳。

数据清洗模块：清洗脏数据。

JS采集的数据有些并不符合规则，对这些数据进行相关的处理或剔除。对于一个用户，其固定密码，每条记录的数据项数目为已定，对于数据项与既定长度不匹配的数据条目进行剔除。假设大于5000ms表示用户由于外部因素阻断了整个密码输入过程，对于该异常值采用线性插值的方法进行补偿。

电子商务网站普遍存在多人共用一个账号的现象存在，尤其是家庭群组多使用一个账号使用电商网站。对于多人共用账户，每个合法的成员都有自己独特的键入行为模式，单单使用键入行为来判断会有很大的误判率。通过K-means对多用户数据聚类，剔除异常数据，并以区分数据来源是否来源于不同的用户。

计算一个账户内所有脏数据处理后的数据项的方差，大于特定的阀值时，对该账户进行K-means聚类。K-means聚类是将各个聚类子集内的所有数据样本的均值作为该聚类的中心向量，采用迭代的过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，使得生成的每个聚类内紧凑，类间独立。

K-means算法描述：

1，随机挑选k个点作为初始的中心向量，k为所要聚类的子类数目；

2，将其他样本分配给距离其最近的中心向量，构成不相交的聚类；

3，用各个聚类的中心向量作为新的中心；

4，重复步骤2和3，直到算法收敛。

此发明采用方差值作为准则函数，对于方差大于阈值的账户进行聚类，直到方差值小于一定阈值时，聚类结束。

模型训练模块：

1.所选建模特征为按键延时即按下弹起时间(也可采用每个按键之间的间隔时间来建模)。

2.对于一个用户，假定其输入一个特定的字符的间隔时间服从于一个正态分布过程。利用采集到的训练数据为用户建立其自身的密码输入过程中每个字符所服从的正态分布模型。由于正态分布过程中的参数无法准确获得，利用最大似然估计的方法从训练模型中计算出每个字符所服从的正态分布的参数值。其中， $\widehat{\mathrm{\μ}}=\frac{\underset{i=1}{\overset{k}{\mathrm{\Σ}}}\mathrm{Ai}}{k},{\widehat{\mathrm{\σ}}}^2=\frac{\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{[\mathrm{Ai}-\widehat{\mathrm{\μ}}]}^2}{k-1},$ A_i为某个字符在第i个样本中的按键间隔值；k为训练样本数。

3.对于密码长度，复杂程度分别建模。

密码长度和复杂度对于认证的准确度有很大的影响。密码越长越复杂，其用户的键入行为模式就越难以被他人模仿，认证的准确度越高。根据不同的密码长度和复杂度建立不同的认证模型，使得系统认证的准确度得以提高。

对于短密码或者简单密码，非法与合法用户的键入区分度不高，对于认证模型的选择和参数的设定就更为严格；长密码或者是复杂密码的用户特征更为明显，为了降低系统的错误拒绝率，选择更适用于长密码的认证模型和参数设定。

将用户的密码字符分为四类记录，分别为：数字(N)，大写字母(U)，小写字母(D)，特殊字符(S)，将用户的密码转换为类别码，进行密码复杂度的计算。转换后形式如图2所示。

为计算用户密码的复杂度，定义密码的复杂度为字符复杂度和跳转复杂度之和，计算规则如下：

①字符复杂度。每个字符的复杂度定义为：N为0，D为1，U为2，S为4；

②跳转复杂度。为一个字符到下一字符的复杂度，如果下一字符与当前字符的类别码不同，复杂度就加一。

密码的总体复杂度为其字符复杂度和跳转复杂度之和。

4.通过多次迭代，进行参数优化。

用户身份认证模块：采集用户键入的数据，根据训练模块构建的模型，判定该用户是否为合法用户。对于未知用户的键入，利用前向选择算法计算用户的可信值，判断用户可信值是否高于设定的阈值来判断是否为合法用户。认证流程如图3所示。

由于键盘的种类不同，不同键盘的阻尼系数不同，导致用户按下的时间特性在不同的键盘上可能具有差异，本发明提供消除键盘阻尼的算法。消除键盘阻尼算法：

1，根据每个按键的按下和弹起时间，计算两者差值，得到每个按键的延时。

2，根据隐马尔科夫模型中，每个按键延时的期望，计算当前序列按键延时与模型值的差值，得到一组关于每个按键延时的差值序列。

3，计算差值序列的方差和期望。

4，当方差小于阈值，则对当前序列按键延时的观测值分别减去差值序列的期望，得到校准后的键盘按键延时。

消除键盘阻尼算法的示意图如图4、图5所示。

Claims (3)

1.一种用户键盘按键行为模式建模与分析的身份识别方法，其特征在于，根据用户一段时间内账户登录时输入密码的历史按键信息进行数据分析并建立相应的隐马尔可夫概率模型，并对于新的待测数据进行模型计算，以识别用户身份；方法步骤为：

步骤1，用户数据采集

负责采集用户输入其用户名和密码的时间间隔序列，在HTML网页中利用JS采集用户键入用户名和密码的时间数据，采集的数据为用户键入其用户名和密码的每个字符的按下时间戳和弹起的系统时间戳，原始数据存入数据库；

步骤2，数据清洗

对于一个用户，其固定密码，每条记录的数据项数目为已定，对于数据项与既定长度不匹配的数据条目进行剔除；

步骤3，模型训练

负责对每个用户的键入模式进行分析和建模，所选建模特征为按键延时即按下弹起时间，或者采用每个按键之间的间隔时间来建模；

步骤4，用户身份认证

负责对于新的待测数据进行模型计算；采集用户键入的数据，根据训练模块构建的模型，判定该用户是否为合法用户；当不同键盘的阻尼系数不同，导致用户按下的时间特性在不同的键盘上可能具有差异，消除键盘阻尼算法：

(41)根据每个按键的按下和弹起时间，计算两者差值，得到每个按键的延时；

(42)根据隐马尔科夫模型中，每个按键延时的期望，计算当前序列按键延时与模型值的差值，得到一组关于每个按键延时的差值序列；

(43)计算差值序列的方差和期望；

(44)当方差小于阈值，则对当前序列按键延时的观测值分别减去差值序列的期望，得到校准后的键盘按键延时。

2.如权利要求1所述的用户键盘按键行为模式建模与分析的身份识别方法，其特征在于，对于未知用户的键入，利用前向选择算法计算用户的可信值，判断用户可信值是否高于设定的阈值来判断是否为合法用户。

3.一种用户键盘按键行为模式建模与分析系统，其特征在于，由用户数据采集模块、数据清洗模块、模型训练模块以及用户身份认证模块组成，

用户数据采集模块负责采集用户输入其用户名和密码的时间间隔序列；在HTML网页中利用JS采集用户键入用户名和密码的时间数据，采集的数据为用户键入其用户名和密码的每个字符的按下时间戳和弹起的系统时间戳，原始数据存入数据库；

数据清洗模块负责对采集到的数据进行预处理，对于一个用户，其固定密码，每条记录的数据项数目为已定，对于数据项与既定长度不匹配的数据条目进行剔除；

模型训练模块负责对每个用户的键入模式进行分析和建模，所选建模特征为按键延时即按下弹起时间，或者采用每个按键之间的间隔时间来建模；

用户身份认证模块负责对于新的待测数据进行模型计算，用以识别用户的身份；采集用户键入的数据，根据训练模块构建的模型，判定该用户是否为合法用户。