一种身份认证方法、装置及其存储介质制造方法及图纸

本发明专利技术提供了一种身份认证方法、装置及其存储介质，涉及击键识别技术领域。所述身份认证方法包括：获取用户自由输入时的击键时间序列中的单键持续时间和双键持续时间，其中，所述单键持续时间是指单键的持续按压时间，所述双键持续时间是指相邻两个键中开始动作和结束动作之间的时间差；基于所述单键持续时间生成单键序列矩阵，基于所述双键持续时间生成双键序列矩阵；采用分组卷积分别对所述单键序列矩阵和所述双键序列矩阵进行特征提取；将特征提取的结果输入击键识别模型，采用所述击键识别模型获得身份认证结果。该身份认证方法融合单键特征和双键特征进行击键识别，提高了击键识别的识别精确度和泛化能力。

An Identity Authentication Method, Device and Storage Medium

The invention provides an identity authentication method, device and storage medium, and relates to the technical field of keystroke recognition. The authentication method includes: acquiring the duration of a single key and a double key in the keystroke time series when a user freely enters, in which the duration of a single key refers to the duration of a single key pressing, and the duration of a double key refers to the time difference between the start and end actions in two adjacent keys; generating a single key sequence matrix based on the duration of the single key The double-key sequence matrix is generated based on the double-key duration; the single-key sequence matrix and the double-key sequence matrix are extracted by grouping convolutions; the results of feature extraction are input into the keystroke recognition model, and the identification results are obtained by using the keystroke recognition model. The identity authentication method combines single-key features and double-key features for keystroke recognition, which improves the accuracy and generalization ability of keystroke recognition.

【技术实现步骤摘要】
一种身份认证方法、装置及其存储介质
本专利技术涉及击键识别
，具体而言，涉及一种身份认证方法、装置及其存储介质。
技术介绍
随着用户身份认证作为网络安全的第一道大门，因为其仅允许认证用户通过的特点，是保护用户个人信息的有力工具。而所有身份认证方式中，生物认证似乎是最安全最方便的方式，因为生物特征识别无需用户携带认证设备或记忆认证字段，同时生物认证也具备较为理想的识别效果。生物特征分为物理特征和行为特征，物理特征指人体固有的物理特征，包含指纹、虹膜、DNA等，而行为特征指的是用户的行为方式，包含步态、签名等。近年来，生物识别的应用越来越广泛，如指纹解锁、刷脸支付等。但是这些物理特征大都需要额外的设备来提取，这无疑增加了系统的成本与操作难度。与物理特征相反，行为特征中的击键动力学却没有这些限制。由于击键动力学的特征极易获取，并且方便、低成本、易集成、具有高安全性，吸引了众多研究者开始了这方面的研究。而其中，相对于固定文本分析，自由文本分析能对用户输入的任意击键序列进行识别，因而能持续监控系统用户的使用情况，防止非法用户中途截获已登录账号的系统，进一步持续保护系统的安全性。这在用户邮件系统、即时消息系统、个人文章系统、命令行终端系统等都能得到广泛的应用。但是现有的击键识别技术会根据语言特点挑选单键特征或双键特征作为特征向量进行击键识别，但是仅仅基于单一的单键特征或双键特征作为特征向量进行击键识别存在识别准确率低、泛化能力差的问题。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种身份认证方法、装置及其存储介质，以解决上述问题。第一方面，本专利技术实施例提供了一种身份认证方法，所述身份认证方法包括：获取用户自由输入时的击键时间序列中的单键持续时间和双键持续时间，其中，所述单键持续时间是指单键的持续按压时间，所述双键持续时间是指相邻两个键中开始动作和结束动作之间的时间差，所述开始动作包括第一按键的按下或弹起，所述结束动作包括第二按键的按下或弹起；基于所述单键持续时间生成单键序列矩阵，基于所述双键持续时间生成双键序列矩阵；采用分组卷积分别对所述单键序列矩阵和所述双键序列矩阵进行特征提取；将特征提取的结果输入击键识别模型，采用所述击键识别模型获得身份认证结果。上述实施例同时获得用户击键时间序列的单键持续时间和双键持续时间，并将单键持续时间和双键持续时间转换为相应的序列矩阵，并进行特征提取后融合输入击键识别模型，以基于单键特征和双键特征进行击键识别，能够挖掘出相邻操作持续时间之间的隐含关系，提高击键识别的准确度；还采用分组卷积的方式进行特征提取，使击键识别模型能够轻易扩展到更高维度，进而提高了击键识别的识别准确度和泛化能力；同时该方法能在用户自由输入、完全不受干扰的情况下对用户进行身份认证，改善了用户的使用体验。综合第一方面，所述基于所述单键持续时间生成单键序列矩阵，基于所述双键持续时间生成双键序列矩阵，包括：以矩阵的行代表所述单键持续时间中对应的按键按下，以矩阵的列代表所述单键持续时间中对应的按键弹起，以所述矩阵的行列交叉对应的值代表所述单键持续时间中对应按键按下到弹起的平均持续时间，生成单键序列矩阵；以矩阵的行和列分别代表所述双键持续时间中对应的按键按下或弹起，以所述矩阵的行列交叉对应的值代表所述双键持续时间中从行对应按键按下或弹起到列对应按键按下或弹起的平均持续时间，生成双键序列矩阵。上述实施例将单键持续时间转换为单键序列矩阵，将双键持续时间转换为双键序列矩阵，以单键序列矩阵和双键序列矩阵表示按键的操作以及操作的平均持续时间，提高了规范化程度，提高了特征提取的规范性和准确率。综合第一方面，在所述采用分组卷积分别对所述单键序列矩阵和所述双键序列矩阵进行特征提取之前，所述身份认证方法还包括：对所述单键序列矩阵和所述双键序列矩阵进行最大最小标准化处理。上述实施例通过对单键序列矩阵和双键序列矩阵进行最大最小标准化处理，进一步使击键识别模型获得的输入规范化，提高了击键识别模型的击键识别效率和精确度。综合第一方面，所述将特征提取的结果输入击键识别模型，包括：通过单通道输入将所述单键序列矩阵的特征提取结果输入击键识别模型；通过多通道输入将所述双键序列矩阵的特征提取结果输入所述击键识别模型。上述实施例分别通过单通道输入和多通道输入进行单键特征和双键特征的输入，从而可以基于单键特征和双键特征中各自具有辨识力的特征进行击键识别，从而能够融合单键特征和双键特征进行分类识别。综合第一方面，在所述采用所述击键识别模型获得身份认证结果之前，所述身份认证方法还包括：基于TensorFlow搭建卷积神经网络；由所述卷积神经网络训练获得所述击键识别模型。上述实施例基于TensorFlow搭建卷积神经网络，可以使用GPU进行计算，同时还可以通过不同的GPU块计算不同组的卷积特征提取，加快了模型的训练和识别效率。综合第一方面，所述卷积神经网络包括卷积层和全连接层，所述由所述卷积神经网络训练获得所述击键识别模型，包括：获取所述用户大量的自有输入时的击键时间序列作为训练样本；基于所述训练样本计算获得所述用户所有按键的训练单键特征和训练双键特征；基于所述训练单键特征生成训练单键特征矩阵，基于所述训练双键特征生成训练双键特征矩阵；基于分组卷积方式，通过所述卷积层分别对所述训练单键特征矩阵和所述训练双键特征矩阵进行特征提取；将特征提取的结果融合输入至所述全连接层，以获得分类识别结果；迭代执行所述“基于分组卷积方式，通过所述卷积层分别对所述训练单键特征矩阵和所述训练双键特征矩阵进行特征提取”至所述“将特征提取的结果融合输入至所述全连接层，以获得分类识别结果”的步骤，在所述卷积神经网络的损失低于预设阈值时获得所述击键识别模型。上述实施例基于单键特征和双键特征以及分组卷积进行击键识别模型的建立和训练，提高了击键识别模型的识别准确率和泛化能力，同时还可与不同GPU块配合进行计算处理，从而提高了击键识别模型的训练和识别效率。综合第一方面，在所述采用所述击键识别模型获得身份认证结果之后，所述身份认证方法还包括：基于持续采集的所述用户输入时的击键时间序列，采用所述击键识别模型对所述用户进行持续地身份认证；若所述用户通过身份认证，使所述击键识别模型保持后台持续认证；若所述用户未通过身份认证，则注销所述用户并重新进行身份认证。上述实施例通过持续采集用户输入时的击键时间序列并采用击键识别模型保持后台持续认证，实现了对用户身份的持续认证，不间断地保护系统的安全。第二方面，本专利技术实施例提供了一种身份认证装置，所述身份认证装置包括：按键特征获取模块，用于获取用户自由输入时的击键时间序列中的单键特征和双键特征，其中，所述单键特征是指单键的持续按压时间，所述双键特征是指相邻两个键中开始动作和结束动作之间的时间差，所述开始动作包括第一按键的按下或弹起，所述结束动作包括第二按键的按下或弹起；特征矩阵生成模块，用于基于所述单键特征生成单键特征矩阵，基于所述双键特征生成双键特征矩阵；身份认证模块，用于将所述单键特征矩阵和所述双键特征矩阵输入击键识别模型，采用所述击键识别模型获得身份认证结果。综合第二方面，所述身份认证装置还包括模型建立模块，所述模型建立模块包括：神经网络搭建单元，用本文档来自技高网...

【技术保护点】
1.一种身份认证方法，其特征在于，所述身份认证方法包括：获取用户自由输入时的击键时间序列中的单键持续时间和双键持续时间，其中，所述单键持续时间是指单键的持续按压时间，所述双键持续时间是指相邻两个键中开始动作和结束动作之间的时间差，所述开始动作包括第一按键的按下或弹起，所述结束动作包括第二按键的按下或弹起；基于所述单键持续时间生成单键序列矩阵，基于所述双键持续时间生成双键序列矩阵；采用分组卷积分别对所述单键序列矩阵和所述双键序列矩阵进行特征提取；将特征提取的结果输入击键识别模型，采用所述击键识别模型获得身份认证结果。

【技术特征摘要】
1.一种身份认证方法，其特征在于，所述身份认证方法包括：获取用户自由输入时的击键时间序列中的单键持续时间和双键持续时间，其中，所述单键持续时间是指单键的持续按压时间，所述双键持续时间是指相邻两个键中开始动作和结束动作之间的时间差，所述开始动作包括第一按键的按下或弹起，所述结束动作包括第二按键的按下或弹起；基于所述单键持续时间生成单键序列矩阵，基于所述双键持续时间生成双键序列矩阵；采用分组卷积分别对所述单键序列矩阵和所述双键序列矩阵进行特征提取；将特征提取的结果输入击键识别模型，采用所述击键识别模型获得身份认证结果。2.根据权利要求1所述的身份认证方法，其特征在于，所述基于所述单键持续时间生成单键序列矩阵，基于所述双键持续时间生成双键序列矩阵，包括：以矩阵的行代表所述单键持续时间中对应的按键按下，以矩阵的列代表所述单键持续时间中对应的按键弹起，以所述矩阵的行列交叉对应的值代表所述单键持续时间中对应按键按下到弹起的平均持续时间，生成单键序列矩阵；以矩阵的行和列分别代表所述双键持续时间中对应的按键按下或弹起，以所述矩阵的行列交叉对应的值代表所述双键持续时间中从行对应按键按下或弹起到列对应按键按下或弹起的平均持续时间，生成双键序列矩阵。3.根据权利要求1所述的身份认证方法，其特征在于，在所述采用分组卷积分别对所述单键序列矩阵和所述双键序列矩阵进行特征提取之前，所述身份认证方法还包括：对所述单键序列矩阵和所述双键序列矩阵进行最大最小标准化处理。4.根据权利要求1所述的身份认证方法，其特征在于，所述将特征提取的结果输入击键识别模型，包括：通过单通道输入将所述单键序列矩阵的特征提取结果输入击键识别模型；通过多通道输入将所述双键序列矩阵的特征提取结果输入所述击键识别模型。5.根据权利要求1所述的身份认证方法，其特征在于，在所述将特征提取的结果输入击键识别模型之前，所述身份认证方法还包括：基于TensorFlow搭建卷积神经网络；由所述卷积神经网络训练获得所述击键识别模型。6.根据权利要求5所述的身份认证方法，其特征在于，所述卷积神经网络包括卷积层和全连接层，所述由所述卷积神经网络训练获得所述击键识别模型，包括：获取所述用户大量的自由输入时的击键时...

【专利技术属性】
技术研发人员：吕坤，唐华阳，
申请(专利权)人：北京知道创宇信息技术有限公司，
类型：发明
国别省市：北京,11