CN110188529A - 一种异常滑动轨迹的检测方法、装置及电子设备 - Google Patents
一种异常滑动轨迹的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110188529A CN110188529A CN201910450464.5A CN201910450464A CN110188529A CN 110188529 A CN110188529 A CN 110188529A CN 201910450464 A CN201910450464 A CN 201910450464A CN 110188529 A CN110188529 A CN 110188529A
- Authority
- CN
- China
- Prior art keywords
- detected
- sliding trace
- tracing point
- trace
- acquisition time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/44—Program or device authentication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例提供了一种异常滑动轨迹的检测方法、装置及电子设备,方法包括:获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,获得待检测滑动轨迹的来源标识,基于待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定样本滑动轨迹中每一样本轨迹点的位置信息和采集时间,基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定待检测滑动轨迹与样本滑动轨迹之间的相似度,基于相似度,确定待检测滑动轨迹是否为异常滑动轨迹,以实现对异常滑动轨迹更有效的检测,进而提高对恶意访问设备的检测准确性。
Description
技术领域
本发明涉及异常检测技术领域,特别是涉及一种异常滑动轨迹的检测方法、装置及电子设备。
背景技术
滑动验证码作为一种简单易用的验证工具,已经广泛应用于各大互联网公司的网站和APP(Application,应用程序)的防护中,避免被人为或机器多次恶意登录。
目前,当访问设备在通过滑动验证码来进行验证时,网站或APP通过统计该访问设备通过滑动滑动验证码进行验证的频次,即统计获得该访问设备生成的滑动轨迹的频次,来确定该访问设备是否为恶意访问设备,其过程一般为:获得访问设备发送的滑动滑动验证码的滑动结果,其中,滑动结果包括访问设备的访问设备标识以及滑动轨迹,基于该访问设备访问设备标识,确定该访问设备生成滑动轨迹的频次,基于该访问设备生成滑动轨迹的频次,确定该滑动结果包括的滑动轨迹是否为异常滑动轨迹,进而,确定该访问设备是否为恶意访问设备,其中,当该访问设备生成的滑动轨迹的频次超过预设频次时,则确定该滑动结果中的滑动轨迹为异常滑动轨迹,进而将该访问设备确定为恶意访问设备。
然而,发明人在实现本发明的过程中发现,相关技术至少存在如下问题:通过上述方法确定滑动轨迹是否为异常滑动轨迹,容易将多次验证的非恶意访问设备生成的滑动轨迹确定为异常滑动轨迹,进而将多次验证的非恶意访问设备确定为恶意访问设备,造成误确定的情况。
发明内容
本发明实施例的目的在于提供一种异常滑动轨迹的检测方法、装置及电子设备,以实现对异常滑动轨迹更有效的检测,进而提高对恶意访问设备的检测准确性。具体技术方案如下:
一方面,本发明实施例提供了一种异常滑动轨迹的检测方法,所述方法包括:
获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间;
获得所述待检测滑动轨迹的来源标识;
基于所述待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定所述样本滑动轨迹中每一样本轨迹点的位置信息和采集时间;所述样本滑动轨迹包括历史滑动轨迹和/或异常滑动轨迹;
基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度;
基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹。
可选地,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在预设坐标系下的横轴的第一横坐标;所述样本轨迹点的位置信息包括:所述样本轨迹点在所述预设坐标系下的横轴的第二横坐标;
所述基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度,包括:
针对每一目标滑动轨迹中每一轨迹点的采集时间,统计所有所述目标滑动轨迹中该采集时间对应的轨迹点,并基于统计得到的所有轨迹点的横坐标,生成该采集时间对应的轨迹点组;其中,所述目标滑动轨迹为所述待检测滑动轨迹或所述样本滑动轨迹,当所述目标滑动轨迹为所述待检测滑动轨迹时,所述轨迹点为所述待检测轨迹点,所述采集时间为所述待检测轨迹点的采集时间,所述横坐标为所述第一横坐标;当所述目标滑动轨迹为所述样本滑动轨迹时,所述轨迹点为所述样本轨迹点,所述采集时间为所述样本轨迹点的采集时间,所述横坐标为所述第二横坐标;
根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差;
基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
可选地,所述基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度,包括:
计算所有轨迹点组的方差的均值;
将所述均值确定为所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
可选地,在所述基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度之前,所述方法还包括:
统计在生成所述待检测滑动轨迹之前,生成的与所述待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和所述待检测滑动轨迹的总个数为第一总数目;
判断所述第一总数目是否超过第一数量阈值;
若所述第一总数目超过所述第一数量阈值,执行所述基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度步骤。
可选地,在所述基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹之前,所述方法还包括:
基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,其中,所述每对待检测轨迹点为:所述待检测滑动轨迹中采集时间相邻的每两个待检测轨迹点;
基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征;
所述基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹,包括:
基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹。
可选地,所述基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹,包括:
将所述目标轨迹特征与预存的轨迹特征进行匹配;
若匹配成功,则将第二总数目加一,并更新所述第二总数目,其中,所述第二总数目为满足预设条件的滑动轨迹的总数目,所述预设条件为滑动轨迹中存在与所述预存的轨迹特征相匹配的轨迹特征;
若所述第二总数目超过第二数量阈值,且所述相似度不小于预设相似度阈值,则确定所述待检测滑动轨迹为异常滑动轨迹。
可选地,所述方法还包括:
若预存的轨迹特征中不存在与所述目标轨迹特征匹配的轨迹特征,则当所述相似度不小于所述预设相似度阈值时,确定所述待检测滑动轨迹为异常滑动轨迹。
可选地,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标;
所述基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,包括:
基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标,计算该对待检测轨迹点的第一横坐标的差值,并确定该差值为该对待检测轨迹点的位置差异信息。
可选地,所述待检测滑动轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标和纵轴的第一纵坐标;
所述基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,包括:
基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标和第一纵坐标,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息。
可选地,所述基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征,包括:
基于每对待检测轨迹点的采集时间,对每对待检测轨迹点的位置差异信息进行排序,得到位置差异信息序列;
根据预设缩放公式,对排序得到的位置差异信息序列进行缩放,得到所述待检测滑动轨迹的目标轨迹特征。
可选地,所述预设缩放公式,为:
pk=INT(dk/s+0.5)*s;
其中,所述pk表示所述目标轨迹特征中第k个缩放后的位置差异信息,所述INT(.)表示对括号里的数值取整,所述s表示预设缩放尺寸,所述dk表示所述目标轨迹特征中第k个缩放前的位置差异信息,k为[1,N-1]中的整数,N为所述待检测滑动轨迹包含的待检测轨迹点的数量。
另一方面,本发明实施例提供了一种异常滑动轨迹的检测装置,所述装置包括:
第一获得模块,用于获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间;
第二获得模块,用于获得所述待检测滑动轨迹的来源标识;
第一确定模块,用于基于所述待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定所述样本滑动轨迹中每一样本轨迹点的位置信息和采集时间;所述样本滑动轨迹包括历史滑动轨迹和/或异常滑动轨迹;
第二确定模块,用于基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度;
第三确定模块,用于基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹。
可选地,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在预设坐标系下的横轴的第一横坐标;所述样本轨迹点的位置信息包括:所述样本轨迹点在所述预设坐标系下的横轴的第二横坐标;
所述第二确定模块,具体用于针对每一目标滑动轨迹中每一轨迹点的采集时间,统计所有所述目标滑动轨迹中该采集时间对应的轨迹点,并基于统计得到的所有轨迹点的横坐标,生成该采集时间对应的轨迹点组;其中,所述目标滑动轨迹为所述待检测滑动轨迹或所述样本滑动轨迹,当所述目标滑动轨迹为所述待检测滑动轨迹时,所述轨迹点为所述待检测轨迹点,所述采集时间为所述待检测轨迹点的采集时间,所述横坐标为所述第一横坐标;当所述目标滑动轨迹为所述样本滑动轨迹时,所述轨迹点为所述样本轨迹点,所述采集时间为所述样本轨迹点的采集时间,所述横坐标为所述第二横坐标;
根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差;
基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
可选地,所述第二确定模块,具体用于计算所有轨迹点组的方差的均值;
将所述均值确定为所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
可选地,所述装置还包括:
第一处理模块,用于统计在生成所述待检测滑动轨迹之前,生成的与所述待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和所述待检测滑动轨迹的总个数为第一总数目;
判断所述第一总数目是否超过第一数量阈值;
若所述第一总数目超过所述第一数量阈值,触发所述第二确定模块。
可选地,所述装置还包括:
第二处理模块,用于基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,其中,所述每对待检测轨迹点为:所述待检测滑动轨迹中采集时间相邻的每两个待检测轨迹点;
基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征;
所述第三确定模块,具体用于基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹。
可选地,所述第三确定模块,具体用于将所述目标轨迹特征与预存的轨迹特征进行匹配;
若匹配成功,则将第二总数目加一,并更新所述第二总数目,其中,所述第二总数目为满足预设条件的滑动轨迹的总数目,所述预设条件为滑动轨迹中存在与所述预存的轨迹特征相匹配的轨迹特征;
若所述第二总数目超过第二数量阈值,且所述相似度不小于预设相似度阈值,则确定所述待检测滑动轨迹为异常滑动轨迹。
可选地,所述第三确定模块,还用于若预存的轨迹特征中不存在与所述目标轨迹特征匹配的轨迹特征,则当所述相似度不小于所述预设相似度阈值时,确定所述待检测滑动轨迹为异常滑动轨迹。
可选地,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标;
所述第二处理模块,具体用于基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测迹轨点的第一横坐标,计算该对待检测轨迹点的第一横坐标的差值,并确定该差值为该对待检测轨迹点的位置差异信息。
可选地,所述待检测滑动轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标和纵轴的第一纵坐标;
所述第二处理模块,具体用于基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标和第一纵坐标,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息。
可选地,所述第二处理模块,具体用于基于每对待检测轨迹点的采集时间,对每对待检测轨迹点的位置差异信息进行排序,得到位置差异信息序列;
根据预设缩放公式,对排序得到的位置差异信息序列进行缩放,得到所述待检测滑动轨迹的目标轨迹特征。
可选地,所述预设缩放公式,为:
pk=INT(dk/s+0.5)*s;
其中,所述pk表示所述目标轨迹特征中第k个缩放后的位置差异信息,所述INT(.)表示对括号里的数值取整,所述s表示预设缩放尺寸,所述dk表示所述目标轨迹特征中第k个缩放前的位置差异信息,k为[1,N-1]中的整数,N为所述待检测滑动轨迹包含的待检测轨迹点的数量。
另一方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本发明实施例所提供的上述任一所述的异常滑动轨迹的检测方法步骤。
另一方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的异常滑动轨迹的检测方法。
另一方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的异常滑动轨迹的检测方法。
本发明实施例提供的技术方案,获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,获得待检测滑动轨迹的来源标识,基于待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定样本滑动轨迹中每一样本轨迹点的位置信息和采集时间,基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定待检测滑动轨迹与样本滑动轨迹之间的相似度,基于相似度,确定待检测滑动轨迹是否为异常滑动轨迹。
本发明实施例,可以直接通过确定来自于同一来源处的滑动轨迹之间的相似度,即利用滑动轨迹自身的轨迹特征,来确定滑动轨迹是否为异常滑动轨迹,进而确定该异常滑动轨迹的来源对应的设备是否为恶意访问设备,在一定程度上,可以提高对异常滑动轨迹的确定的准确性,实现对异常滑动轨迹更有效的检测,进而提高对恶意访问设备的检测准确性。
当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例所提供的一种异常滑动轨迹的检测方法的流程示意图;
图2为本发明实施例所提供的一种异常滑动轨迹的检测方法的另一流程示意图;
图3为本发明实施例所提供的一种异常滑动轨迹的检测方法的另一流程示意图;
图4为本发明实施例所提供的一种异常滑动轨迹的检测装置的结构示意图;
图5为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
本发明实施例提供了一种异常滑动轨迹的检测方法、装置及电子设备,以实现对异常滑动轨迹更有效的检测,进而提高对恶意访问设备的检测准确性。
参见图1,该方法可以包括以下步骤:
S101:获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间。
其中,待检测滑动轨迹为当前需要确定是否异常的滑动轨迹,可以为用户通过滑动滑动验证码而生成的轨迹。步骤S101可以在生成待检测滑动轨迹的同时,逐一获取待检测轨迹点的位置信息和采集时间,也可以在该待检测滑动轨迹生成后,获取该滑动轨迹中的待检测轨迹点的位置信息和采集时间。
可以理解的是,本发明实施例所提供的异常滑动轨迹的检测方法,可以应用于任意类型的电子设备,在此不再赘述。在一种情况中,实现本发明实施例所提供的异常滑动轨迹的检测方法的功能软件,可以以专门的客户端的形式存在,也可以以其他客户端的插件的形式存在,这都是可以。
在一种实现方式中,该电子设备可以为终端也可以为服务器。当该电子设备为终端时,终端可以监控用户滑动滑动验证码的滑动过程,采集得到用户滑动滑动验证码所生成的滑动轨迹中包括的多个轨迹点的位置信息和采集时间。
当该电子设备为服务器时,服务器可以获得所连接的每一终端所上传的每一滑动轨迹中轨迹点的位置信息和采集时间,其中,每一终端所上传的每一滑动轨迹中的轨迹点可以为:该终端监控用户滑动滑动验证码的过程,而生成的滑动轨迹中的轨迹点。
上述滑动验证码可以是网页和/或应用软件所展示的滑动验证码。
每一滑动轨迹中可以包括多个轨迹点。在一种情况中,为了便于后续的异常滑动轨迹的检测流程,可以从每一滑动轨迹包括的多个轨迹点中,筛选出预设数量的轨迹点,将该所筛选出的预设数量个轨迹点,作为该滑动轨迹的用于异常滑动轨迹的检测流程的轨迹点。
上述从每一滑动轨迹包括的多个轨迹点中,筛选出预设数量的轨迹点的过程,可以是:采用随机的方式,从每一滑动轨迹包括的多个轨迹点中,筛选出预设数量的轨迹点。也可以是:尽量均匀地从每一滑动轨迹所包括的轨迹点中,筛选出预设数量的轨迹点。例如:当预设数量为10,滑动轨迹所包括的轨迹点为20,此时,可以每隔一个轨迹点选择一个轨迹点,以确定出预设数量个轨迹点。
在另一种情况中,为了便于后续的异常滑动轨迹的检测流程,电子设备在监控用户滑动滑动验证码的过程中,可以每隔预设时间间隔采集一轨迹点,以针对每一滑动轨迹采集得到预设数量个轨迹点。
一种情况中,为了保证异常滑动轨迹的检测的及时性,电子设备每获得一滑动轨迹,可以将该滑动轨迹作为待检测滑动轨迹,获得该待检测滑动轨迹中每一待检测轨迹点的位置信息(可以称为第一位置信息)和采集时间(可以称为第一采集时间)。
在一种实现方式中,每一待检测轨迹点在展示其所对应的滑动验证码的设备的展示界面中存在一界面位置信息,电子设备可以基于展示其所对应的滑动验证码的设备对应的坐标系,与该预设坐标系之间的转换关系,将该界面位置信息转化至预设坐标系下,可以得到每一待检测轨迹点的第一位置信息。
S102:获得待检测滑动轨迹的来源标识。
待检测滑动轨迹的来源标识用于表示生成待检测滑动轨迹的来源。在一种情况中,电子设备获得第一位置信息和第一采集时间时,可以同时获得待检测滑动轨迹的来源标识。
在一种实现方式中,该来源标识可以包括:生成待检测滑动轨迹的设备的设备标识、生成待检测滑动轨迹的设备的IP地址(Internet Protocol Address,互联网协议地址,又译为网际协议地址)和/或登录生成待检测滑动轨迹的设备的用户的用户标识。
S103:基于待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定样本滑动轨迹中每一样本轨迹点的位置信息和采集时间。
其中,样本滑动轨迹可以包括历史滑动轨迹和/或异常滑动轨迹,历史滑动轨迹可以为在预设时间段内从待检测滑动轨迹的来源标识对应的来源处所获得的滑动轨迹,异常滑动轨迹可以为之前已检测出的存在异常的滑动轨迹,也可以为机器生成的滑动轨迹。上述预设时间段可以是工作人员根据实际情况所设置的,也可以是电子设备默认设置的。
在一种情况中,为了更好的保证异常滑动轨迹的检测的有效性,上述预设时间段可以是:第一时间与当前时间之间的时间段,其中,上述当前时间为:获得第一位置信息和第一采集时间的时间;第一时间为:该当前时间向前预设时长对应的时间。
一种实现方式中,电子设备所获得的每一滑动轨迹均对应一来源标识,通过滑动轨迹对应的来源标识,可以确定出每一滑动轨迹的来源。并且,每一滑动轨迹均对应一获得时间,该获得时间用于标识电子设备获得该滑动轨迹的时间。
当获得待检测轨迹点的第一位置信息和第一采集时间之后,可以基于待检测滑动轨迹的来源标识和获得时间,确定出样本滑动轨迹,进而,获得样本滑动轨迹中每一轨迹点(可以称为样本轨迹点)的位置信息(可以称为第二位置信息)和采集时间(可以称为第二采集时间)。
其中,每一样本轨迹点的第二位置信息和第二采集时间,可以已预先存储于电子设备本地或所连接的存储设备中。电子设备可以直接从存储第二位置信息和第二采集时间的位置处,获得每一样本轨迹点的第二位置信息和第二采集时间。
S104:基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定待检测滑动轨迹与样本滑动轨迹之间的相似度。
S105:基于相似度,确定待检测滑动轨迹是否为异常滑动轨迹。
理论上,来自同一来源的滑动轨迹之间越相似,其为异常滑动轨迹的可能性越高。恶意访问设备在访问电子设备时,可以自动滑动滑动验证码,进而生成滑动轨迹,该类滑动轨迹一般非常相似。鉴于此,本发明实施例可以通过计算同一来源的滑动轨迹之间的相似度,确定滑动轨迹是否为异常滑动轨迹。
其中,待检测滑动轨迹中每一待检测轨迹点的第一位置信息和第一采集时间,可以表征出该待检测滑动轨迹的轨迹特征;样本滑动轨迹中每一样本轨迹点的第二位置信息和第二采集时间,可以表征出该样本滑动轨迹的轨迹特征。通过待检测滑动轨迹的轨迹特征,以及样本滑动轨迹的轨迹特征,可以确定出待检测滑动轨迹与样本滑动轨迹之间的相似度,该相似度可以表征出待检测滑动轨迹与样本滑动轨迹相似的程度。
一种情况中,待检测滑动轨迹与样本滑动轨迹之间的相似度越大,表征待检测滑动轨迹与样本滑动轨迹之间越相似,且待检测滑动轨迹与样本滑动轨迹之间越相似,该待检测滑动轨迹为异常滑动轨迹的可能性越高。
在一种实现方式中,可以将确定的相似度与预设相似度阈值进行比较;若相似度不小于预设相似度阈值,确定待检测滑动轨迹为异常滑动轨迹,同时可以确定样本滑动轨迹也为异常滑动轨迹;若相似度小于预设相似度阈值,确定待检测滑动轨迹为非异常滑动轨迹,同时可以确定样本滑动轨迹也为非异常滑动轨迹。
示例性的,如果样本滑动轨迹为一个,且样本滑动轨迹为已检测出的异常滑动轨迹,如果待检测滑动轨迹与该样本滑动轨迹的相似度,不小于预设相似度阈值,确定待检测滑动轨迹为异常滑动轨迹;如果待检测滑动轨迹与该样本滑动轨迹的相似度,确定待检测滑动轨迹为非异常滑动轨迹。
示例性的,如果样本滑动轨迹为多个,可以计算待检测滑动轨迹与每一样本滑动轨迹的相似度,进而,可以计算得到的多个相似度的平均值,将计算的平均值作为待检测滑动轨迹与样本滑动轨迹的相似度,进而,如果待检测滑动轨迹与样本滑动轨迹的相似度,不小于预设相似度阈值,确定待检测滑动轨迹为异常滑动轨迹;如果待检测滑动轨迹与样本滑动轨迹的相似度,小于预设相似度阈值,确定待检测滑动轨迹为非异常滑动轨迹。
在一种情况中,在确定待检测滑动轨迹为异常滑动轨迹后,可以记录待检测滑动轨迹的来源标识,并标识该来源标识对应的来源为恶意访问设备对应的来源。
一种实现方式中,可以继续对待检测滑动轨迹对应的访问请求进行拦截,不允许生成待检测滑动轨迹的设备进行访问。
本发明实施例,可以直接通过确定来自于同一来源处的滑动轨迹之间的相似度,即利用滑动轨迹自身的轨迹特征,来确定滑动轨迹是否为异常滑动轨迹,进而确定该异常滑动轨迹的来源对应的设备是否为恶意访问设备,在一定程度上,可以提高对异常滑动轨迹的确定的准确性,实现对异常滑动轨迹更有效的检测,进而提高对恶意访问设备的检测准确性。
在一种实现方式中,第一位置信息可以包括:待检测轨迹点在预设坐标系下的横轴的第一横坐标,第二位置信息可以包括:样本轨迹点在预设坐标系下的横轴的第二横坐标。
S104可以包括以下步骤:
针对每一目标滑动轨迹中每一轨迹点的采集时间,统计所有目标滑动轨迹中该采集时间对应的轨迹点,并基于统计得到的所有轨迹点的横坐标,生成该采集时间对应的轨迹点组。
其中,目标滑动轨迹为待检测滑动轨迹或样本滑动轨迹,当目标滑动轨迹为待检测滑动轨迹时,目标滑动轨迹中的轨迹点为待检测轨迹点,轨迹点的采集时间为待检测轨迹点的采集时间,轨迹点的横坐标为第一横坐标;当目标滑动轨迹为样本滑动轨迹时,目标滑动轨迹中的轨迹点为样本轨迹点,轨迹点的采集时间为样本轨迹点的采集时间,轨迹点的横坐标为第二横坐标。
根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差。
基于每组轨迹点组的方差,确定待检测滑动轨迹与样本滑动轨迹之间的相似度。
其中,预设坐标系下的横轴的方向与滑动滑动验证码的方向平行,预设坐标系下的竖轴的方向与滑动滑动验证码的方向垂直。
在一种实现方式中,每一目标滑动轨迹包含的轨迹点的数量是相同的,且轨迹点的获取方式一致。例如,目标滑动轨迹包含的轨迹点可以为每隔预设时间间隔采集的轨迹点。
一种情况中,每一目标滑动轨迹包含的轨迹点的横坐标,按轨迹点的采集时间的从早到晚的顺序进行有序排序。此时,可以从每一目标滑动轨迹包含的轨迹点的横坐标中,确定采集时间相同的轨迹点的横坐标,作为一组轨迹点组的横坐标。
举例而言,当每一目标滑动轨迹包含的轨迹点的数量为5时,可以是:从每一目标滑动轨迹包含的轨迹点的横坐标中,确定出顺序位置均为1的轨迹点的横坐标,作为一组轨迹点组的横坐标;再确定出顺序位置均为2的轨迹点的横坐标,作为一组轨迹点组的横坐标;再确定出顺序位置均为3的轨迹点的横坐标,作为一组轨迹点组的横坐标;以此类推,可以确定出5组轨迹点组的横坐标。
另一种情况中,每一目标滑动轨迹包含的轨迹点的横坐标可以是无序排列的,此时,可以首先基于每一目标滑动轨迹包含的轨迹点的采集时间的先后顺序,对每一目标滑动轨迹包含的轨迹点的横坐标进行排序;进而从每一目标滑动轨迹包含的轨迹点的横坐标的排列顺序中,确定出顺序位置相同的轨迹点的横坐标,作为一组轨迹点组的横坐标。
例如:可以是从每一目标滑动轨迹包含的轨迹点的横坐标的排序顺序中,确定出顺序位置均为i的轨迹点的横坐标,作为一组轨迹点组的横坐标。其中,i可以取[1,N]之间的整数,N为每一目标滑动轨迹包含的轨迹点的数量,为正整数。
本发明实施例中,对每一目标滑动轨迹包含的轨迹点的横坐标进行排序时,其排列规则均相同,其中,该排列规则可以为按采集时间的升序排列的规则也可以为按采集时间的降序排列的规则。
确定出每一组轨迹点组中的横坐标之后,可以根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差;进而基于每组轨迹点组的方差,确定待检测滑动轨迹与样本滑动轨迹之间的相似度。
在一种实现方式中,根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差的步骤,可以包括:
根据每组轨迹点组中的横坐标,执行以下操作,以确定每组轨迹点组的方差:
从目标轨迹点组的横坐标中,确定出最大横坐标以及最小横坐标,其中,该目标轨迹点组为轨迹点组中的一组;基于最大横坐标和最小横坐标,对目标轨迹点组中的每一横坐标进行归一化;基于每一归一化后的横坐标,确定目标轨迹点组的方差。
本实现方式中,可以依次将每一轨迹点组作为目标轨迹点组,并针对目标轨迹点组中的横坐标,执行以下步骤,确定出每一轨迹点组的方差。其中,从从目标轨迹点组的横坐标中,确定出数值最大的横坐标,作为最大横坐标;并确定出数值最小的横坐标,作为最小横坐标。
进而,可以采用如下公式(1),基于最大横坐标和最小横坐标,对目标轨迹点组中的每一横坐标进行归一化。
xj归一=(xj-xmin)/(xmax-xmin) (1)
其中,xj归一表示目标轨迹点组中的第j个轨迹点的归一化后的横坐标,xj表示目标轨迹点组中的第j个轨迹点的横坐标,xmin表示目标轨迹点组中的最小横坐标,xmax表示目标轨迹点组中的最大横坐标,j可以取[1,M]中的整数,M为目标轨迹点组中的轨迹点的数量。
计算得到目标轨迹点组中的每一归一化后的横坐标之后,采用预设方差计算公式,基于目标轨迹点组中的每一归一化后的横坐标,确定目标轨迹点组的方差。其中,该预设方差计算公式可以是相关技术中任一可以计算一组数据的方差的计算公式,本发明实施例并不对预设方差计算公式的具体类型进行限定。
在一种实现方式中,基于每组轨迹点组的方差,确定待检测滑动轨迹与样本滑动轨迹之间的相似度的步骤,可以包括:
计算所有轨迹点组的方差的均值;将该均值确定为待检测滑动轨迹与样本滑动轨迹之间的相似度。
本实现方式中,可以采用如下公式(2),计算得到所有轨迹点组的方差的均值:
其中,var平均表示所有轨迹点组的方差的均值,vari表示顺序位置均为i的轨迹点所组成的轨迹点组的方差,i可以取[1,N]之间的整数,N为每一目标滑动轨迹包含的轨迹点的数量,为正整数。
在一种实现方式中,如图2所示,方法可以包括如下步骤:
S201:获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间。
S202:获得待检测滑动轨迹的来源标识。
S203:基于待检测滑动轨迹的来源标识,获得与该来源标识相匹配的样本滑动轨迹,并确定样本滑动轨迹中每一样本轨迹点的位置信息和采集时间。
S204:统计在生成待检测滑动轨迹之前,生成的与待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和待检测滑动轨迹的总个数为第一总数目。
S205:判断第一总数目是否超过第一数量阈值,若判断第一总数目超过第一数量阈值,执行S206,若判断第一总数目不超过第一数量阈值,执行S207。
S206:基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定待检测滑动轨迹与样本滑动轨迹之间的相似度,并基于相似度,确定待检测滑动轨迹是否为异常滑动轨迹。
S207:确定待检测滑动轨迹为不是异常滑动轨迹。
其中,该S201与图1所示的S101相同,该S202与图1所示的S102相同,该S203与图1所示的S103相同,该S206与图1所示的S104和S105相同。
一种情况中,恶意访问设备在进行访问时,一般会高频率地进行访问,为了在一定程度上保证异常滑动轨迹检测的准确性的同时,减少电子设备的资源消耗,当预设时间段内同一来源的滑动轨迹的数量在正常范围内时,可以直接认为该来源对应的滑动轨迹不是异常滑动轨迹。
当预设时间段内同一来源的滑动轨迹的数量超出正常范围内时,可以基于待检测轨迹点的位置信息和采集时间、样本轨迹点的位置信息和采集时间,确定待检测滑动轨迹与样本滑动轨迹之间的相似度,进而根据相似度,确定待检测滑动轨迹是否为异常滑动轨迹。进一步的确定待检测滑动轨迹的来源对应的设备是否为恶意访问设备。
其中,可以统计在生成待检测滑动轨迹之前,生成的与待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和待检测滑动轨迹的总个数为第一总数目,然后,判断第一总数目是否在正常范围内,即判断第一总数目是否超过第一数量阈值,若判断第一总数目超过第一数量阈值,则确定该第一总数目超出正常阈值范围,若判断第一总数目未超过第一数量阈值,则确定第一总数目在正常阈值范围内。
该第一数量阈值可以是工作人员根据实际情况进行设定的,也可以是电子设备默认设置的,其中,该电子设备默认设置可以是电子设备出厂时的设置。
可以理解的是,滑动轨迹中包含多个轨迹点,某一滑动轨迹包含的轨迹点之间的关系,可以在一定程度上表征该滑动轨迹的轨迹特征。本发明实施例中,可以基于待检测滑动轨迹包含的轨迹点之间的关系所表征的轨迹特征,来确定待检测滑动轨迹是否为异常滑动轨迹。
在一种情况中,在滑动滑动验证码时,一般是在一个方向上进行滑动,例如,在预设坐标系的横轴方向上进行滑动,同时在纵轴方向上的滑动差异不大。鉴于此,可以通过滑动轨迹中相邻的每两个轨迹点在横轴方向上的间隔,来表征该滑动轨迹的轨迹特征(可以称为第一轨迹特征)。进而,确定与该滑动轨迹的第一轨迹特征相似的其他滑动轨迹。其中,上述相邻的每两个轨迹点可以指:采集时间相邻的每两个轨迹点。
在另一种情况中,在滑动滑动验证码时,虽然滑动滑动验证码时是在一个方向上进行滑动,但是难免出现滑动抖动的情况,例如在预设坐标系的横轴方向上进行滑动时,在纵轴方向上也存在位置上的差异。鉴于此,可以通过滑动轨迹中相邻的每两个轨迹点连线的方向与预设坐标系的横轴的夹角,来表征该滑动轨迹的轨迹特征(可以称为第二轨迹特征)。进而,确定与该滑动轨迹的第二轨迹特征相似的其他滑动轨迹。
理论上,恶意访问设备在单位时间内生成滑动轨迹的频次较高,且所生成的滑动轨迹之间的相似性较高。鉴于此,一种实现中,可以结合滑动轨迹的第一轨迹特征和/或第二轨迹特征,以及滑动轨迹之间的相似度,来确定预设时间段内得到的与待检测滑动轨迹相似的样本滑动轨迹的数目。进而,基于确定出的样本滑动轨迹的数目,确定待检测滑动轨迹是否为异常滑动轨迹。
在一种实现方式中,如图3所示,该方法可以包括如下步骤:
S301:获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间。
S302:获得待检测滑动轨迹的来源标识。
S303:基于待检测滑动轨迹的来源标识,获得与该来源标识相匹配的样本滑动轨迹,并确定样本滑动轨迹中每一样本轨迹点的位置信息和采集时间。
S304:基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定待检测滑动轨迹与样本滑动轨迹之间的相似度。
S305:基于待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定待检测滑动轨迹中的每对待检测轨迹点的位置差异信息。
其中,每对待检测轨迹点为:待检测滑动轨迹中采集时间相邻的每两个待检测轨迹点,位置差异信息包括:每对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,和/或每对待检测轨迹点在横轴方向上的位移差。
S306:基于每对待检测轨迹点的位置差异信息,确定待检测滑动轨迹的轨迹特征,作为目标轨迹特征。
S307:基于相似度以及目标轨迹特征,确定待检测滑动轨迹是否为异常滑动轨迹。
其中,该S301与图1所示的S101相同,该S302与图1所示的S102相同,该S303与图1所示的S103相同,该S304与图1所示的S104相同,该S307为图1所示的S105的一种具体实现方式。
本实现方式中,上述S302至S304,可以与S305至S306同时并行执行,可以是如图3所示先执行S302至S304,再执行S305至S306,也可以是先执行S305至S306,再执行S302至S304,这都是可以的。另外,为了布局清楚,后续对S305和S306的具体实现进行介绍。
在一种实现方式中,基于相似度以及目标轨迹特征,确定待检测滑动轨迹是否为异常滑动轨迹的步骤,可以包括:
将目标轨迹特征与预存的轨迹特征进行匹配;若匹配成功,则将第二总数目加一,并更新第二总数目,其中,第二总数目为满足预设条件的滑动轨迹的总数目,预设条件为滑动轨迹中存在与预存的轨迹特征相匹配的轨迹特征;若第二总数目超过第二数量阈值,且相似度不小于预设相似度阈值,确定待检测滑动轨迹为异常滑动轨迹。
可以理解的是,电子设备预存的每一轨迹特征为:利用本发明实施例所提供的第一轨迹特征和第二轨迹特征的确定方式,针对之前所获得的滑动轨迹包含的轨迹点的采集时间和位置信息确定出的。其中,上述“之前”指的是:获得当前的待检测滑动轨迹之前。
本实现方式中,确定出待检测滑动轨迹的目标轨迹特征之后,将目标轨迹特征与预存的每一轨迹特征进行匹配,即判断预存的轨迹特征中是否存在与该目标轨迹特征相同的轨迹特征,若判断存在与该目标轨迹特征相同的轨迹特征,则确定匹配成功,若判断不存在与该目标轨迹特征相同的轨迹特征,则确定匹配失败。
若匹配成功,则可以确定预存的具有与目标轨迹特征匹配的轨迹特征的滑动轨迹的总数目(即第二总数目),然后,可以在将第二总数目加一后,更新第二总数目,并判断更新后的第二总数目是否超过第二数量阈值,若更新后的第二总数目超过第二数量阈值,进一步判断相似度是否不小于预设相似度阈值,若相似度不小于预设相似度阈值,确定待检测滑动轨迹为异常滑动轨迹。
可以理解的是,如果目标特征轨迹包括待检测滑动轨迹的第一轨迹特征和第二轨迹特征,则针对预存的某一滑动轨迹,只有当该滑动轨迹的第一轨迹特征与待检测滑动轨迹的第一轨迹特征相同,且该滑动轨迹的第二轨迹特征与待检测滑动轨迹的第二轨迹特征相同时,确定该滑动轨迹为具有与目标轨迹特征匹配的轨迹特征的滑动轨迹。
另外,在另一种实现方式中,电子设备也可以无需计算相似度,当更新后的第二总数目超过第二数量阈值时,电子设备可以直接确定待检测滑动轨迹为异常滑动轨迹。
在另一种实现方式中,该方法还可以包括:若预存的轨迹特征中不存在与目标轨迹特征匹配的轨迹特征,当相似度不小于预设相似度阈值,确定待检测滑动轨迹为异常滑动轨迹。
在上述实现方式中,可以在一定程度上提高对异常滑动轨迹的检出率,并且,在确定滑动轨迹是否为异常滑动轨迹时,基于该滑动轨迹本身的轨迹特征,在一定程度上可以提高异常滑动轨迹的检测的准确性。
在一种实现方式中,若更新后的第二总数目超过第二数量阈值,可以继续确定预存的具有与目标轨迹特征匹配的轨迹特征的所有的滑动轨迹,均为异常滑动轨迹。这在一定程度上,可以实现对异常滑动轨迹的批量识别检测。
进而,通过滑动轨迹的轨迹特征,批量识别检测异常滑动轨迹,在一定程度上可以提高对修改自身的设备标识和/或IP地址的设备所生成的异常滑动轨迹的检出率。对可修改自身的设备标识和/或IP地址的设备的恶意访问进行防范。
在一种实现方式中,可以通过周期性统计在一定时间段内具有每一轨迹特征的滑动轨迹出现的数量,进而基于该一定时间段内具有每一轨迹特征的滑动轨迹出现的数量,确定具有该轨迹特征的滑动轨迹是否为异常滑动轨迹。鉴于此,预存的具有每一轨迹特征的滑动轨迹的第二总数目,可以在预设周期到来时即进行更新。其中,上述更新可以指:预存的具有每一轨迹特征的滑动轨迹的第二总数目的数值清零,开始重新计数。
在一种实现方式中,如果目标轨迹特征为第一轨迹特征,则第一位置信息可以包括:待检测轨迹点在预设坐标系下的横轴的第一横坐标。
基于待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定待检测滑动轨迹中的每对待检测轨迹点的位置差异信息的步骤,可以包括:
基于待检测轨迹点的采集时间,确定每对待检测轨迹点;针对每对待检测轨迹点,基于两个待检测轨迹点的第一横坐标,计算该对待检测轨迹点的第一横坐标的差值,并确定该差值为该对待检测轨迹点的位置差异信息。
本实现方式中,可以是基于每一待检测轨迹点的第一采集时间的先后顺序,对每一待检测轨迹点的第一横坐标进行排序,例如,该排列顺序可以表示为(x1,x2,x3…xN),其中,该排列顺序中待检测轨迹点的第一采集时间越早,待检测轨迹点的第一横坐标的位置越靠前,N为待检测滑动轨迹中包含的待检测轨迹点的总数量。
将排列顺序中每位置相邻的两个第一横坐标对应的待检测轨迹点,作为一对待检测轨迹点;进而,利用每一对待检测轨迹点的第一横坐标,计算得到每对待检测轨迹点的第一横坐标的差值,确定为每对待检测轨迹点在横轴方向上的位移差。其中,每对待检测轨迹点在横轴方向上的位移差可以表示为(xv-xv-1),其中,v可以取[1,N]之间的整数,进而,可以将每对待检测轨迹点在横轴方向上的位移差,确定为该对待检测轨迹点的位置差异信息。
在另一种实现方式中,如果目标轨迹特征为第二轨迹特征,则第一位置信息可以包括:待检测轨迹点在预设坐标系下的横轴的第一横坐标和纵轴的第一纵坐标。
基于待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定待检测滑动轨迹中的每对待检测轨迹点的位置差异信息步骤,可以包括:
基于待检测轨迹点的采集时间,确定每对待检测轨迹点;针对每对待检测轨迹点,基于两个待检测轨迹点的第一横坐标和第一纵坐标,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息。
本实现方式中,可以是基于每一待检测轨迹点的第一采集时间的先后顺序,对每一待检测轨迹点的第一位置信息进行排序,例如,该排列顺序可以表示为(w1,w2,w3…wN),其中,该排列顺序中待检测轨迹点的第一采集时间越早,待检测轨迹点的第一位置信息的位置越靠前,其中,N为待检测滑动轨迹中包含的待检测轨迹点的总数量。将排列顺序中每位置相邻的两个第一位置信息对应的待检测轨迹点,作为一对待检测轨迹点,进而,利用每一对待检测轨迹点的第一位置信息以及预设角度计算公式,计算得到每对待检测轨迹点连线的方向与预设坐标系的横轴的夹角。
其中,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息,可以是:计算每对待检测轨迹点中第一采集时间靠后的待检测轨迹点的第一纵坐标和第一采集时间靠前的待检测轨迹点的第一纵坐标的差值,作为每对待检测轨迹点对应的第一差值;计算每对待检测轨迹点中第一采集时间靠后的待检测轨迹点的第一横坐标,和第一采集时间靠前的待检测轨迹点的第一横坐标的差值,作为每对待检测轨迹点对应的第二差值,进而基于预设角度计算公式,以及每对待检测轨迹点对应的第一差值和第二差值,确定每对待检测轨迹点连线的方向与预设坐标系的横轴的夹角。
一种实现方式中,上述预设角度计算公式,可以标识为:
du=atan2(xud*yud,xud*xud)*180/π;
其中,du表示第u对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,其中,u为[1,N-1]中的整数,N为待检测滑动轨迹包含的待检测轨迹点的数量;(xud,yud)表示第u对待检测轨迹点连线的方向,xud=xu+1-xu,yud=yu+1-yu;π表示圆周率。
可选的,基于每对待检测轨迹点的位置差异信息,确定待检测滑动轨迹的轨迹特征,作为目标轨迹特征的步骤,可以包括:
基于每对待检测轨迹点的采集时间,对每对待检测轨迹点的位置差异信息进行排序,得到位置差异信息序列;根据预设缩放公式,对排序得到的位置差异信息序列进行缩放,得到待检测滑动轨迹的目标轨迹特征。
一种实现方式中,如果目标轨迹特征为第一轨迹特征,可以按所对应第一采集时间的先后顺序,对每对待检测轨迹点在横轴方向上的位移差进行排序,得到待检测滑动轨迹在横轴方向上的位移差序列,其中,该位移差序列可以表示为:(x2-x1,x3-x2,…,xv-xv-1)。
然后,可以利用预设缩放公式,对待检测滑动轨迹在横轴方向上的位移差序列中的每一位移差进行缩放,得到待检测滑动轨迹的目标轨迹特征。
另一种实现方式中,如果目标轨迹特征为第二轨迹特征,可以按所对应第一采集时间的先后顺序,对每对待检测轨迹点连线的方向与预设坐标系的横轴的夹角进行排序,得到待检测滑动轨迹的夹角序列,其中,该夹角序列可以表示为:(d1,d2,…,dN-1)。
然后,可以利用预设缩放公式,对待检测滑动轨迹的夹角序列中的每一夹角进行缩放,得到待检测滑动轨迹的目标轨迹特征。
可选的,预设缩放公式,可以为:
pk=INT(dk/s+0.5)*s;
其中,pk表示目标轨迹特征中第k个缩放后的位置差异信息,INT(.)表示对括号里的数值取整,s表示预设缩放尺寸,dk表示目标轨迹特征中第k个缩放前的位置差异信息,k为[1,N-1]中的整数,N为待检测滑动轨迹包含的待检测轨迹点的数量。
本发明实施例中,将每对待检测轨迹点的位置差异信息进行处理,以得到标准化后的待检测滑动轨迹的目标轨迹特征,即将所得到的待检测滑动轨迹在横轴方向上的位移差序列中的每一位移差进行缩放,和/或将待检测滑动轨迹的夹角序列中的每一夹角进行缩放,以得到缩放后的目标轨迹特征。在一定程度上可以减少恶意访问设备通过添加随机因子,使得所生成的滑动轨迹所存在的区别,提高异常滑动轨迹的检出率。
相应于上述方法实施例,本发明实施例提供了一种异常滑动轨迹的检测装置,如图4所示,所述装置包括:
第一获得模块401,用于获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间;
第二获得模块402,用于获得所述待检测滑动轨迹的来源标识;
第一确定模块403,用于基于所述待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定所述样本滑动轨迹中每一样本轨迹点的位置信息和采集时间;所述样本滑动轨迹包括历史滑动轨迹和/或异常滑动轨迹;
第二确定模块404,用于基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度;
第三确定模块405,用于基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹。
可选地,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在预设坐标系下的横轴的第一横坐标;所述样本轨迹点的位置信息包括:所述样本轨迹点在所述预设坐标系下的横轴的第二横坐标;
所述第二确定模块404,具体用于针对每一目标滑动轨迹中每一轨迹点的采集时间,统计所有所述目标滑动轨迹中该采集时间对应的轨迹点,并基于统计得到的所有轨迹点的横坐标,生成该采集时间对应的轨迹点组;其中,所述目标滑动轨迹为所述待检测滑动轨迹或所述样本滑动轨迹,当所述目标滑动轨迹为所述待检测滑动轨迹时,所述轨迹点为所述待检测轨迹点,所述采集时间为所述待检测轨迹点的采集时间,所述横坐标为所述第一横坐标;当所述目标滑动轨迹为所述样本滑动轨迹时,所述轨迹点为所述样本轨迹点,所述采集时间为所述样本轨迹点的采集时间,所述横坐标为所述第二横坐标;
根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差;
基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
可选地,所述第二确定模块404,具体用于计算所有轨迹点组的方差的均值;
将所述均值确定为所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
可选地,所述装置还包括:
第一处理模块,用于统计在生成所述待检测滑动轨迹之前,生成的与所述待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和所述待检测滑动轨迹的总个数为第一总数目;
判断所述第一总数目是否超过第一数量阈值;
若所述第一总数目超过所述第一数量阈值,触发所述第二确定模块。
可选地,所述装置还包括:
第二处理模块,用于基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,其中,所述每对待检测轨迹点为:所述待检测滑动轨迹中采集时间相邻的每两个待检测轨迹点;
基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征;
所述第三确定模块405,具体用于基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹。
可选地,所述第三确定模块405,具体用于将所述目标轨迹特征与预存的轨迹特征进行匹配;
若匹配成功,则将第二总数目加一,并更新所述第二总数目,其中,所述第二总数目为满足预设条件的滑动轨迹的总数目,所述预设条件为滑动轨迹中存在与所述预存的轨迹特征相匹配的轨迹特征;
若所述第二总数目超过第二数量阈值,且所述相似度不小于预设相似度阈值,则确定所述待检测滑动轨迹为异常滑动轨迹。
可选地,所述第三确定模块405,还用于若预存的轨迹特征中不存在与所述目标轨迹特征匹配的轨迹特征,则当所述相似度不小于所述预设相似度阈值时,确定所述待检测滑动轨迹为异常滑动轨迹。
可选地,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标;
所述第二处理模块,具体用于基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测迹轨点的第一横坐标,计算该对待检测轨迹点的第一横坐标的差值,并确定该差值为该对待检测轨迹点的位置差异信息。
可选地,所述待检测滑动轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标和纵轴的第一纵坐标;
所述第二处理模块,具体用于基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标和第一纵坐标,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息。
可选地,所述第二处理模块,具体用于基于每对待检测轨迹点的采集时间,对每对待检测轨迹点的位置差异信息进行排序,得到位置差异信息序列;
根据预设缩放公式,对排序得到的位置差异信息序列进行缩放,得到所述待检测滑动轨迹的目标轨迹特征。
可选地,所述预设缩放公式,为:
pk=INT(dk/s+0.5)*s;
其中,所述pk表示所述目标轨迹特征中第k个缩放后的位置差异信息,所述INT(.)表示对括号里的数值取整,所述s表示预设缩放尺寸,所述dk表示所述目标轨迹特征中第k个缩放前的位置差异信息,k为[1,N-1]中的整数,N为所述待检测滑动轨迹包含的待检测轨迹点的数量。
相应于上述方法实施例,本发明实施例还提供了一种电子设备,如图5所示,包括处理器510、通信接口520、存储器530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信,
存储器530,用于存放计算机程序;
处理器510,用于执行存储器530上所存放的程序时,实现本发明实施例所提供的异常滑动轨迹的检测方法步骤。
本发明实施例,可以直接通过确定来自于同一来源处的滑动轨迹之间的相似度,即利用滑动轨迹自身的轨迹特征,来确定滑动轨迹是否为异常滑动轨迹,进而确定该异常滑动轨迹的来源对应的设备是否为恶意访问设备,在一定程度上,可以提高对异常滑动轨迹的确定的准确性,实现对异常滑动轨迹更有效的检测,进而提高对恶意访问设备的检测准确性。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral PomponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的异常滑动轨迹的检测方法步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的异常滑动轨迹的检测方法步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (24)
1.一种异常滑动轨迹的检测方法,其特征在于,所述方法包括:
获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间;
获得所述待检测滑动轨迹的来源标识;
基于所述待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定所述样本滑动轨迹中每一样本轨迹点的位置信息和采集时间;所述样本滑动轨迹包括历史滑动轨迹和/或异常滑动轨迹;
基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度;
基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹。
2.根据权利要求1所述的方法,其特征在于,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在预设坐标系下的横轴的第一横坐标;所述样本轨迹点的位置信息包括:所述样本轨迹点在所述预设坐标系下的横轴的第二横坐标;
所述基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度,包括:
针对每一目标滑动轨迹中每一轨迹点的采集时间,统计所有所述目标滑动轨迹中该采集时间对应的轨迹点,并基于统计得到的所有轨迹点的横坐标,生成该采集时间对应的轨迹点组;其中,所述目标滑动轨迹为所述待检测滑动轨迹或所述样本滑动轨迹,当所述目标滑动轨迹为所述待检测滑动轨迹时,所述轨迹点为所述待检测轨迹点,所述采集时间为所述待检测轨迹点的采集时间,所述横坐标为所述第一横坐标;当所述目标滑动轨迹为所述样本滑动轨迹时,所述轨迹点为所述样本轨迹点,所述采集时间为所述样本轨迹点的采集时间,所述横坐标为所述第二横坐标;
根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差;
基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
3.根据权利要求2所述的方法,其特征在于,所述基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度,包括:
计算所有轨迹点组的方差的均值;
将所述均值确定为所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
4.根据权利要求1所述的方法,其特征在于,在所述基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度之前,所述方法还包括:
统计在生成所述待检测滑动轨迹之前,生成的与所述待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和所述待检测滑动轨迹的总个数为第一总数目;
判断所述第一总数目是否超过第一数量阈值;
若所述第一总数目超过所述第一数量阈值,执行所述基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度步骤。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹之前,所述方法还包括:
基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,其中,所述每对待检测轨迹点为:所述待检测滑动轨迹中采集时间相邻的每两个待检测轨迹点;
基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征;
所述基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹,包括:
基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹。
6.根据权利要求5所述的方法,其特征在于,所述基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹,包括:
将所述目标轨迹特征与预存的轨迹特征进行匹配;
若匹配成功,则将第二总数目加一,并更新所述第二总数目,其中,所述第二总数目为满足预设条件的滑动轨迹的总数目,所述预设条件为滑动轨迹中存在与所述预存的轨迹特征相匹配的轨迹特征;
若所述第二总数目超过第二数量阈值,且所述相似度不小于预设相似度阈值,则确定所述待检测滑动轨迹为异常滑动轨迹。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若预存的轨迹特征中不存在与所述目标轨迹特征匹配的轨迹特征,则当所述相似度不小于所述预设相似度阈值时,确定所述待检测滑动轨迹为异常滑动轨迹。
8.根据权利要求5所述的方法,其特征在于,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标;
所述基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,包括:
基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标,计算该对待检测轨迹点的第一横坐标的差值,并确定该差值为该对待检测轨迹点的位置差异信息。
9.根据权利要求5所述的方法,其特征在于,所述待检测滑动轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标和纵轴的第一纵坐标;
所述基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,包括:
基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标和第一纵坐标,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息。
10.根据权利要求5所述的方法,其特征在于,所述基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征,包括:
基于每对待检测轨迹点的采集时间,对每对待检测轨迹点的位置差异信息进行排序,得到位置差异信息序列;
根据预设缩放公式,对排序得到的位置差异信息序列进行缩放,得到所述待检测滑动轨迹的目标轨迹特征。
11.根据权利要求10所述的方法,其特征在于,所述预设缩放公式,为:
pk=INT(dk/s+0.5)*s;
其中,所述pk表示所述目标轨迹特征中第k个缩放后的位置差异信息,所述INT(.)表示对括号里的数值取整,所述s表示预设缩放尺寸,所述dk表示所述目标轨迹特征中第k个缩放前的位置差异信息,k为[1,N-1]中的整数,N为所述待检测滑动轨迹包含的待检测轨迹点的数量。
12.一种异常滑动轨迹的检测装置,其特征在于,所述装置包括:
第一获得模块,用于获得待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间;
第二获得模块,用于获得所述待检测滑动轨迹的来源标识;
第一确定模块,用于基于所述待检测滑动轨迹的来源标识,确定与该来源标识相匹配的样本滑动轨迹,并确定所述样本滑动轨迹中每一样本轨迹点的位置信息和采集时间;所述样本滑动轨迹包括历史滑动轨迹和/或异常滑动轨迹;
第二确定模块,用于基于所获得的待检测轨迹点的位置信息和采集时间、所确定的样本轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度;
第三确定模块,用于基于所述相似度,确定所述待检测滑动轨迹是否为异常滑动轨迹。
13.根据权利要求12所述的装置,其特征在于,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在预设坐标系下的横轴的第一横坐标;所述样本轨迹点的位置信息包括:所述样本轨迹点在所述预设坐标系下的横轴的第二横坐标;
所述第二确定模块,具体用于针对每一目标滑动轨迹中每一轨迹点的采集时间,统计所有所述目标滑动轨迹中该采集时间对应的轨迹点,并基于统计得到的所有轨迹点的横坐标,生成该采集时间对应的轨迹点组;其中,所述目标滑动轨迹为所述待检测滑动轨迹或所述样本滑动轨迹,当所述目标滑动轨迹为所述待检测滑动轨迹时,所述轨迹点为所述待检测轨迹点,所述采集时间为所述待检测轨迹点的采集时间,所述横坐标为所述第一横坐标;当所述目标滑动轨迹为所述样本滑动轨迹时,所述轨迹点为所述样本轨迹点,所述采集时间为所述样本轨迹点的采集时间,所述横坐标为所述第二横坐标;
根据每组轨迹点组中的横坐标,确定每组轨迹点组的方差;
基于每组轨迹点组的方差,确定所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
14.根据权利要求13所述的装置,其特征在于,所述第二确定模块,具体用于计算所有轨迹点组的方差的均值;
将所述均值确定为所述待检测滑动轨迹与所述样本滑动轨迹之间的相似度。
15.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第一处理模块,用于统计在生成所述待检测滑动轨迹之前,生成的与所述待检测滑动轨迹的来源标识相匹配的滑动轨迹的总个数,并确定所统计的总个数和所述待检测滑动轨迹的总个数为第一总数目;
判断所述第一总数目是否超过第一数量阈值;
若所述第一总数目超过所述第一数量阈值,触发所述第二确定模块。
16.根据权利要求12-15任一项所述的装置,其特征在于,所述装置还包括:
第二处理模块,用于基于所述待检测滑动轨迹中每一待检测轨迹点的位置信息和采集时间,确定所述待检测滑动轨迹中的每对待检测轨迹点的位置差异信息,其中,所述每对待检测轨迹点为:所述待检测滑动轨迹中采集时间相邻的每两个待检测轨迹点;
基于所述每对待检测轨迹点的位置差异信息,确定所述待检测滑动轨迹的轨迹特征,作为目标轨迹特征;
所述第三确定模块,具体用于基于所述相似度以及所述目标轨迹特征,确定所述待检测滑动轨迹是否为异常滑动轨迹。
17.根据权利要求16所述的装置,其特征在于,所述第三确定模块,具体用于将所述目标轨迹特征与预存的轨迹特征进行匹配;
若匹配成功,则将第二总数目加一,并更新所述第二总数目,其中,所述第二总数目为满足预设条件的滑动轨迹的总数目,所述预设条件为滑动轨迹中存在与所述预存的轨迹特征相匹配的轨迹特征;
若所述第二总数目超过第二数量阈值,且所述相似度不小于预设相似度阈值,则确定所述待检测滑动轨迹为异常滑动轨迹。
18.根据权利要求17所述的装置,其特征在于,所述第三确定模块,还用于若预存的轨迹特征中不存在与所述目标轨迹特征匹配的轨迹特征,则当所述相似度不小于所述预设相似度阈值时,确定所述待检测滑动轨迹为异常滑动轨迹。
19.根据权利要求16所述的装置,其特征在于,所述待检测轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标;
所述第二处理模块,具体用于基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测迹轨点的第一横坐标,计算该对待检测轨迹点的第一横坐标的差值,并确定该差值为该对待检测轨迹点的位置差异信息。
20.根据权利要求16所述的装置,其特征在于,所述待检测滑动轨迹点的位置信息包括:所述待检测轨迹点在所述预设坐标系下的横轴的第一横坐标和纵轴的第一纵坐标;
所述第二处理模块,具体用于基于所述待检测轨迹点的采集时间,确定每对待检测轨迹点;
针对每对待检测轨迹点,基于所述两个待检测轨迹点的第一横坐标和第一纵坐标,按照预设角度计算公式,计算该对待检测轨迹点连线的方向与预设坐标系的横轴的夹角,并确定该横轴的夹角为该对待检测轨迹点的位置差异信息。
21.根据权利要求16所述的装置,其特征在于,所述第二处理模块,具体用于基于每对待检测轨迹点的采集时间,对每对待检测轨迹点的位置差异信息进行排序,得到位置差异信息序列;
根据预设缩放公式,对排序得到的位置差异信息序列进行缩放,得到所述待检测滑动轨迹的目标轨迹特征。
22.根据权利要求21所述的装置,其特征在于,所述预设缩放公式,为:
pk=INT(dk/s+0.5)*s;
其中,所述pk表示所述目标轨迹特征中第k个缩放后的位置差异信息,所述INT(.)表示对括号里的数值取整,所述s表示预设缩放尺寸,所述dk表示所述目标轨迹特征中第k个缩放前的位置差异信息,k为[1,N-1]中的整数,N为所述待检测滑动轨迹包含的待检测轨迹点的数量。
23.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-11任一所述的异常滑动轨迹的检测方法步骤。
24.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-11任一所述的异常滑动轨迹的检测方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910450464.5A CN110188529B (zh) | 2019-05-28 | 2019-05-28 | 一种异常滑动轨迹的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910450464.5A CN110188529B (zh) | 2019-05-28 | 2019-05-28 | 一种异常滑动轨迹的检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110188529A true CN110188529A (zh) | 2019-08-30 |
CN110188529B CN110188529B (zh) | 2021-04-09 |
Family
ID=67718193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910450464.5A Active CN110188529B (zh) | 2019-05-28 | 2019-05-28 | 一种异常滑动轨迹的检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110188529B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113970974A (zh) * | 2020-07-22 | 2022-01-25 | 福建天泉教育科技有限公司 | 一种线条轨迹预测方法及终端 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678147A (zh) * | 2016-01-05 | 2016-06-15 | 网易(杭州)网络有限公司 | 触控操作的方法和装置 |
CN106529264A (zh) * | 2016-10-19 | 2017-03-22 | 广东欧珀移动通信有限公司 | 应用锁定和解锁方法及装置 |
CN106886694A (zh) * | 2015-12-15 | 2017-06-23 | 北京奇虎科技有限公司 | 一种屏幕的解锁方法和装置 |
EP3185160A1 (en) * | 2015-12-21 | 2017-06-28 | Xiaomi Inc. | Screen unlocking method and apparatus, terminal |
US20170255772A1 (en) * | 2016-03-03 | 2017-09-07 | Mediatek Singapore Pte. Ltd. | Electronic device and a screen unlocking method thereof |
CN107679374A (zh) * | 2017-08-23 | 2018-02-09 | 北京三快在线科技有限公司 | 一种基于滑动轨迹的人机识别方法及装置,电子设备 |
CN107766852A (zh) * | 2017-12-06 | 2018-03-06 | 电子科技大学 | 一种基于卷积神经网络的人机鼠标轨迹检测方法 |
CN108121906A (zh) * | 2016-11-28 | 2018-06-05 | 阿里巴巴集团控股有限公司 | 一种验证方法、装置以及计算设备 |
CN109241709A (zh) * | 2018-08-03 | 2019-01-18 | 平安科技(深圳)有限公司 | 基于滑块验证码验证的用户行为识别方法及装置 |
-
2019
- 2019-05-28 CN CN201910450464.5A patent/CN110188529B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886694A (zh) * | 2015-12-15 | 2017-06-23 | 北京奇虎科技有限公司 | 一种屏幕的解锁方法和装置 |
EP3185160A1 (en) * | 2015-12-21 | 2017-06-28 | Xiaomi Inc. | Screen unlocking method and apparatus, terminal |
CN105678147A (zh) * | 2016-01-05 | 2016-06-15 | 网易(杭州)网络有限公司 | 触控操作的方法和装置 |
US20170255772A1 (en) * | 2016-03-03 | 2017-09-07 | Mediatek Singapore Pte. Ltd. | Electronic device and a screen unlocking method thereof |
CN106529264A (zh) * | 2016-10-19 | 2017-03-22 | 广东欧珀移动通信有限公司 | 应用锁定和解锁方法及装置 |
CN108121906A (zh) * | 2016-11-28 | 2018-06-05 | 阿里巴巴集团控股有限公司 | 一种验证方法、装置以及计算设备 |
CN107679374A (zh) * | 2017-08-23 | 2018-02-09 | 北京三快在线科技有限公司 | 一种基于滑动轨迹的人机识别方法及装置,电子设备 |
CN109858211A (zh) * | 2017-08-23 | 2019-06-07 | 北京三快在线科技有限公司 | 一种基于滑动轨迹的人机识别方法及装置,电子设备 |
CN107766852A (zh) * | 2017-12-06 | 2018-03-06 | 电子科技大学 | 一种基于卷积神经网络的人机鼠标轨迹检测方法 |
CN109241709A (zh) * | 2018-08-03 | 2019-01-18 | 平安科技(深圳)有限公司 | 基于滑块验证码验证的用户行为识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113970974A (zh) * | 2020-07-22 | 2022-01-25 | 福建天泉教育科技有限公司 | 一种线条轨迹预测方法及终端 |
CN113970974B (zh) * | 2020-07-22 | 2023-04-28 | 福建天泉教育科技有限公司 | 一种线条轨迹预测方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN110188529B (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102694696B (zh) | Dns服务器异常检测的方法及装置 | |
CN111274583A (zh) | 一种大数据计算机网络安全防护装置及其控制方法 | |
CN107992738B (zh) | 一种账号登录异常检测方法、装置及电子设备 | |
CN110099059A (zh) | 一种域名识别方法、装置及存储介质 | |
CN104954188B (zh) | 基于云的网站日志安全分析方法、装置和系统 | |
CN107172064B (zh) | 数据访问控制方法、装置及服务器 | |
CN104935601B (zh) | 基于云的网站日志安全分析方法、装置及系统 | |
CN107276851B (zh) | 一种节点的异常检测方法、装置、网络节点及控制台 | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
CN109413071A (zh) | 一种异常流量检测方法及装置 | |
CN106685899A (zh) | 用于识别恶意访问的方法和设备 | |
CN109905396A (zh) | 一种WebShell文件检测方法、装置及电子设备 | |
CN108390856A (zh) | 一种DDoS攻击检测方法、装置及电子设备 | |
CN108520177A (zh) | 应用软件管理方法、装置、移动终端及可读存储介质 | |
CN107426136B (zh) | 一种网络攻击的识别方法和装置 | |
CN105939342A (zh) | Http攻击检测方法及装置 | |
CN109313541A (zh) | 用于显示和比较攻击遥测资源的用户界面 | |
CN111641619B (zh) | 一种基于大数据构建黑客画像的方法、装置和计算机设备 | |
CN110213255A (zh) | 一种对主机进行木马检测的方法、装置及电子设备 | |
US11297082B2 (en) | Protocol-independent anomaly detection | |
CN109302383A (zh) | 一种url监控方法及装置 | |
CN110598959A (zh) | 一种资产风险评估方法、装置、电子设备及存储介质 | |
CN111934954A (zh) | 宽带的检测方法、装置、电子设备及存储介质 | |
CN107819758A (zh) | 一种网络摄像头漏洞远程检测方法及装置 | |
CN110188529A (zh) | 一种异常滑动轨迹的检测方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |