基于线上用户合成行为的身份盗用检测方法技术

一种基于合成行为建模的线上用户身份盗用检测方法，其特征在于，首先基于线上用户的合成行为投影关联性填充不充分的行为数据；然后基于合成行为形成机制特征，同时考虑合成行为的投影空间关联，设计线上用户合成行为的生成模型并推导出其中的关键参数；最后根据所得模型快速、准确地判断新行为是否正常，实现实时地身份盗用检测。本发明专利技术设计的基于线上用户合成行为的身份盗用检测方法，解决传统身份识别系统的弊病，为信息化时代安全问题的解决提供了新的思路和分析方法。本发明专利技术克服了现有技术的不足，用于实时地检测线上用户合成行为的异常指数，有效地检测出可能发生的线上身份盗用行为。

Identity theft detection method based on online user synthesis behavior

A method of online user identity embezzlement detection based on composite behavior modeling is presented, which is characterized by filling inadequate behavior data with projection correlation of composite behavior of online users at first, and then designing composite rows of online users based on projection correlation of composite behavior formation mechanism and considering projection spatial correlation of composite behavior at the same time. In order to generate the model and derive the key parameters, the model is used to quickly and accurately judge whether the new behavior is normal or not, and to realize real-time identity theft detection. The identity embezzlement detection method designed by the invention based on online user synthesizing behavior solves the drawbacks of the traditional identity recognition system and provides a new idea and analysis method for solving the security problems in the information age. The invention overcomes the shortcomings of the prior art and is used to detect the anomalous index of online user's synthetic behavior in real time, and effectively detects the possible online identity embezzlement.

【技术实现步骤摘要】
基于线上用户合成行为的身份盗用检测方法
本专利技术涉及线上用户身份盗用检测方法。
技术介绍
随着互联网的迅速发展，越来越多的事务可以在线处理，给人们生活带来了诸多便利。然而由此也引发了诸多潜在的风险。线上账户充当着网络世界中用户的身份凭证。线上身份盗用是一种典型的网络犯罪，事实上，被盗用的账户通常也是其他网络犯罪，如勒索，欺诈和垃圾邮件的源头。因此，线上身份盗窃检测对于保障用户在网络世界的安全至关重要。传统的身份盗用检测方法通常是基于接入控制的，例如设置登录密码、物理令牌。但用户需要为管理诸多的密码、令牌而付出额外的精力。近年来，随着生物认证技术的发展，人们进入了免密时代。但是这些技术应用在实时的线上服务中时仍有一些缺陷：(1)这些检测是侵入式的检测，检测中需要用户进行额外的操作；(2)这些检测不具有持续性，一旦被攻破缺乏后续的矫正能力。基于行为的身份盗用检测方法作为一种能够实现非侵入、持续式的线上身份认证的方法备受瞩目。基于线上用户合成行为的用户身份盗用检测方法为互联网信息安全问题提供了新的视角，利用网络中产生的海量信息，考虑用户行为在物理-网络-社交空间上的行为特点及之间的关联性本文档来自技高网...

【技术保护点】
1.一种基于合成行为建模的线上用户身份盗用检测方法，其特征在于，首先基于线上用户的合成行为投影关联性填充不充分的行为数据；然后基于合成行为形成机制特征，同时考虑合成行为的投影空间关联，设计线上用户合成行为的生成模型并推导出其中的关键参数；最后根据所得模型快速、准确地判断新行为是否正常，实现实时地身份盗用检测。

【技术特征摘要】
1.一种基于合成行为建模的线上用户身份盗用检测方法，其特征在于，首先基于线上用户的合成行为投影关联性填充不充分的行为数据；然后基于合成行为形成机制特征，同时考虑合成行为的投影空间关联，设计线上用户合成行为的生成模型并推导出其中的关键参数；最后根据所得模型快速、准确地判断新行为是否正常，实现实时地身份盗用检测。2.如权利要求1所述的方法，其特征在于，分为三个阶段：第一阶段是合成行为数据预处理阶段，负责对历史数据进行筛选、填充；第二阶段是合成行为模型建立阶段，负责根据阶段一所得行为数据建立合成行为生成模型，并估计其中的关键参数；第三阶段是线上用户身份盗用检测阶段，负责按照阶段二所得模型判断线上用户身份是否被盗用。第一阶段具体实施步骤：步骤1-1，根据用户的社交关系确定每个用户u的可能行为域步骤1-2，根据张量分解的结果计算每个用户u进行其对应可能行为域中各行为的概率，选择其中概率超过阈值P0的最大的n个合成行为作为其候选行为添加到历史行为记录中。第二阶段具体实施步骤：步骤2-1，构建一个线上用户合成行为生成模型。每个用户的行为记录作为一个行为集，全部用户的行为记录构成了一个行为库。用户的每次行为遵循机制：首先需要确定他所扮演的角色，再根据这个具体的角色确定他的位置与活动主题，最后根据活动主题产生他要发表的文本信息，这些共同构成了该用户的一次合成行为。步骤2-2，根据线上用户的合成行为的历史记录，采用Gibbs采样的方法估计各个参数的值。对于一个合成行为(u,v,D)，其中u代表用户，v代表签到地点，D代表发表的文本包含的词的集合，对应每个行为记录，有下述Gibbs采样公式：该行为对应的用户角色状态c的分布近似满足：该行为对应的文本主题z的分布近似满足：其中表示该行为是在用户角色状态为c时完成的概率，表示该行为...

【专利技术属性】
技术研发人员：王成，杨波，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31