[发明专利]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

摘要

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。

主权项

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。