[发明专利]基于人机交互行为特征的用户身份属性检测方法

说明书

技术领域

本发明涉及一种计算机及移动网络用户信息感知分析技术，特别涉及一种基于计算机及智能手机用户人机交互行为特征的身份属性检测方法。

背景技术

随着社会信息化、网络化大潮的推进，在计算机及移动网络中对用户信息的感知分析变得越来越重要。一方面，在电子商务、网络银行等网络虚拟化经济活动中，商家迫切希望能够尽量充分的了解客户，以提供针对性的商品或服务从而提高商业活动的成功率；另一方面，计算机网络和移动网络信息犯罪活动也越来越严重，提取和分析存在于计算网络系统中的电子证据进而确定操作者的性别、年龄、种族、语言等身份属性能够为网络犯罪活动的发现和遏制提供重要的帮助。

近年来，有研究人员提出基于生物特征检测用户的信息或身份属性，他们根据人脸、指纹、虹膜、掌纹等生理特征对用户的性别、年龄、种族等信息进行检测，但是此类方法需要使用特定的生物信息采集设备，如摄像头、指纹传感器等，不适用于现有的计算网络环境。目前还没有可以在现有的计算网络环境中大规模应用的分析检测用户身份属性的技术或方法。

针对上述需求，本发明提出一种基于人机交互行为特征来分析检测用户身份属性的技术或方法。

发明内容

本发明的目的是提供一种基于人机交互行为特征的计算机及智能手机用户身份属性检测技术，特别是利用用户操作人机交互设备过程中所产生的交互行为特征作为依据来检测操作者的身份属性的方法。

为达到以上目的，本发明是采取如下技术方案予以实现的：

一种基于人机交互行为特征的用户身份属性检测方法，其特征在于，包括建立身份属性模型和检测身份属性两个部分：

（1）建立身份属性模型，包括下述步骤：

第一步，在计算机及智能手机用户正常使用人机交互设备的过程中，采集并记录用户的人机交互行为数据，包括鼠标交互行为数据、击键交互行为数据、触摸交互行为数据；

第二步，针对所有计算机及智能手机用户，定义身份属性的种类，及每种身份属性的划分类别；

第三步，以固定观测时间长度T为周期对记录的人机交互行为数据进行划分，形成多个时间长度为T的人机交互行为数据块；根据用户的身份属性的种类及每种身份属性的划分对这些行为数据块进行标记；

第四步，针对每个标记的数据块，提取并标记人机交互行为特征向量，将不同数据块中的人机交互行为特征向量组合形成用户的身份属性特征向量训练集；

第五步，针对每种身份属性，根据身份属性种类的标记，得到每个身份属性对应的特征向量训练集；根据每个身份属性划分类别的标记，得到训练集中每个特征向量的标记；分别将每个身份属性对应的特征向量训练集作为训练样本，同时将训练集中特征向量的标记作为训练样本的标记，对每个身份属性分别构建身份属性模型。

（2）检测身份属性，包括下述步骤：

第一步，用户登入计算机或智能手机后，捕获当前用户的人机交互行为，以长度T为周期，获取T内用户人机交互行为数据并提取对应的人机交互行为特征向量，进而生成对应每个身份属性的特征向量；

第二步，对当前用户的身份属性进行检测：将生成的身份属性特征向量作为已建立的身份属性推测模型的输入，得到用户身份属性的检测值，对用户的身份属性进行判断。

上述方法中，所述建立身份属性模型部分第四步中形成用户的身份属性特征向量训练集的具体步骤如下：

（1）在观测时间长度为T的人机交互行为数据块中，遍历人机交互事件序列，依次分离出不同类型的交互行为事件，包括鼠标交互行为事件、击键交互行为事件、触摸交互行为事件；

（2）针对不同类型的交互行为事件，提取交互行为特征向量，包括鼠标行为特征向量、击键行为特征向量、触摸行为特征向量；

（3）将不同数据块中的人机交互行为特征向量组合在一起，形成身份属性特征向量训练集。

所述计算机或智能手机用户产生的人机交互行为数据为基本人机交互事件组成的序列，基本人机交互事件的格式为：{交互时间戳，交互屏幕位置，包括鼠标、键盘、或触摸板的交互设备类型，交互事件类型}。

所述身份属性是指计算机及智能手机用户所固有的生理或行为特性，包括用户的性别、年龄、种族、语言、左右手使用习惯、文化程度、计算机使用熟练程度、职业、手指健康状况。

所述建立身份属性模型由一种或多种分类器联合实现，所述分类器包括加权随机森林分类器、人工神经网络分类器、支持向量机分类器。其中，由加权随机森林分类器建立身份属性模型的具体步骤为：