一种基于异常行为检测的身份识别方法技术

本发明专利技术公开了一种基于异常行为检测的身份识别方法，主要技术方案包括首先预埋点多种行为习惯机制，然后收集基于传感器的行为数据并采用标准化预处理方法生成特征，根据目标用户输入密码的历史行为特征采用OCSVM算法训练模型得到行为异常的概率，并结合多种预设的行为习惯机制的结果，最终通过线性组合的方式得到身份认证的结果。本发明专利技术在训练过程中只有目标用户样本且能准确稳定识别新样本是否为目标用户，从而能够提高判别准确率和稳定性。

【技术实现步骤摘要】
一种基于异常行为检测的身份识别方法
本专利技术涉及身份识别
，具体涉及一种基于异常行为检测的身份识别方法。
技术介绍
随着移动互联网的发展，智能手机已经普遍用于大众的生活。移动互联网带来了便利的同时也伴随着用户信息丢失的威胁。大多数智能手机上的APP应用，在登录、支付等场景时，需要输入密码来识别是否本人操作，但仅仅一道密码输入操作仍有很大风险，当密码被侵入者通过肩窥等方式盗取后，侵入者只需要输入正确的密码即可窃取用户该APP的所有信息，甚至将APP内的金钱转至其他账户。虽然目前部分APP已经使用指纹识别、面部识别等方法进行识别，但这些方法都有各自的局限性。指纹识别准确率较高，但受环境因素影响较大。当用户手指上有污浊物质，指纹识别系统便较难判断出来；另部分用户的指纹模糊，很难用于识别；甚至用户指纹是可以被窃取的。面部识别也会有较大限制，当周围环境较暗，或者脸部佩戴有其他饰品，便较难识别出来，甚至受限于当前技术方案，有人用照片代替人脸识别成功，这给用户隐私带来极大威胁。而行为识别不受周围环境因素影响，其具有唯一性，准确率较高，只需手机本文档来自技高网...

【技术保护点】
1.一种基于异常行为检测的身份识别方法，其特征在于，包括以下步骤：/n步骤1）：收集用户在同一台智能手机上多次输入同一个密码的各个传感器数据；/n步骤2）：收集用户在输入用户密码前后对预设的行为习惯机制的反应结果；/n步骤3）：步骤1）得到各个传感器数据经过清洗、转换得到归一化后的特征值；/n步骤4）：将步骤2）得到的行为习惯机制的反应结果经过清洗、转换得到行为习惯机制的特征值；/n步骤5）：重复步骤1）、2）、3）得到多个归一化后的特征值，利用Python语言的sklearn包，采用OCSVM算法对训练集样本进行训练得到模型

【技术特征摘要】
1.一种基于异常行为检测的身份识别方法，其特征在于，包括以下步骤：
步骤1）：收集用户在同一台智能手机上多次输入同一个密码的各个传感器数据；
步骤2）：收集用户在输入用户密码前后对预设的行为习惯机制的反应结果；
步骤3）：步骤1）得到各个传感器数据经过清洗、转换得到归一化后的特征值；
步骤4）：将步骤2）得到的行为习惯机制的反应结果经过清洗、转换得到行为习惯机制的特征值；
步骤5）：重复步骤1）、2）、3）得到多个归一化后的特征值，利用Python语言的sklearn包，采用OCSVM算法对训练集样本进行训练得到模型；
步骤6）：重复步骤1）、2）、4）得到多个行为习惯机制的特征值，构建目标用户每个习惯的行为基线，综合所有行为基线构建模型；
步骤7）：综合步骤5）和步骤6）中得到的模型，分配权重，得到融合模型：

，其中a和b为分配权重；
步骤8）：采用融合模型进行异常行为检测，从而识别使用者的身份是否是机主本人。


2.根据权利要求1所述的基于异常行为检测的身份识别方法，其特征在于，步骤1）中，各个传感器数据包括设备方向传感器、加速度传感器、磁场传感器、陀螺仪传感器轴数据。


3.根据权利要求1所述的基于异常行为检测的身份识别方法，其特征在于，步骤2）中，所述的预设的行为习惯机制的反应结果具体包括：
输入的用户名中有数字时，根据用户使用数字键盘还是直接使用字母键盘中的数字，作为该用户的第一行为习惯机制的反应结果；
用户输完密码后较短时间内手机设备加速度传感器的数据，作为该用户的第二行为习惯机制的反应结果。


4.根据权利要求3所述的基于异常行为检测的身份识别方法，其特征在于，步骤2）中，所述的较短时间为5~6s。


5.根据权利要求1所述的基于异常行为检测的身份识别方法，其特征在于，步骤3）中，步骤1）得到各个传感器数据经过清洗、转换得到...

【专利技术属性】
技术研发人员：谢林涛，向成钢，
申请(专利权)人：杭州大乘智能科技有限公司，
类型：发明
国别省市：浙江;33