一种基于HMM的用户输入行为异常识别方法技术

本发明专利技术公开了一种基于HMM的用户输入行为异常识别方法，包括以下步骤：步骤A1)收集用户的击键数据；步骤A2)设置隐藏状态序列Y，对初始状态概率矩阵Π、隐含状态转移概率矩阵A和输出矩阵B进行随机初始化赋值，将步骤A1)收集的击键数据作为观测序列的数据训练模型参数，得到HMM模型；步骤A3)将观测序列的数据输入HMM模型，通过HMM模型计算得出观测序列的概率值；步骤A4)通过设定方法对观测序列的概率值计算得到概率阈值，然后判断概率值是否大于概率阈值，若大于，则为异常行为，反之，则为正常行为。本发明专利技术解决了击键异常识别模型计算量大、所需数据量多的技术问题，达到使用较少的训练数据就能得到正常的用户击键行为模型的目的。

【技术实现步骤摘要】
一种基于HMM的用户输入行为异常识别方法
本专利技术涉及行为识别领域，具体的说，是一种基于HMM的用户输入行为异常识别方法。
技术介绍
生物认证技术通过每个人特有的生理特征如指纹、掌纹、人脸、虹膜等或行为特征如笔迹、语音等进行身份认证。由于这些特征在很大程度上具有唯一性和不可模仿性，极大地减少了用户被冒名顶替的风险。随着生物认证技术的发展成熟，在很多领域已经得到了成功的应用，但由于需要成本较高的额外的生物特征提取设备，因此其使用的普及性受到制约。击键特征和其它生物方法相比有明显的优势，它以键盘作为特征提取设备，只要在计算机系统内嵌入识别软件即可，成本低廉。其次，它将用户登录过程和认证过程完美地结合在一起，不对用户使用造成任何影响。在已往的研究中，击键模式识别主要使用支持向量机、BP神经网络等方法。支持向量机通过对正常用户击键行为数据与异常数据建立二分类模型，由于除了用户本身的击键数据外，其它的击键数据都属于异常数据，这就导致了异常行为数据种类繁多，无法全面收集，影响模型效果，而且支持向量机本身模型计算复杂度较高。而击键异常检测是针对每一本文档来自技高网...

【技术保护点】
1.一种基于HMM的用户输入行为异常识别方法，其特征在于：包括以下步骤：/n步骤A1)收集用户的击键数据；/n步骤A2)设置隐藏状态序列Y，对初始状态概率矩阵Π、隐含状态转移概率矩阵A和输出矩阵B进行随机初始化赋值，将步骤A1)收集的击键数据作为观测序列的数据训练模型参数，得到HMM模型；/n步骤A3)将观测序列的数据输入HMM模型，通过HMM模型计算得出观测序列的概率值；/n步骤A4)通过设定方法对观测序列的概率值计算得到概率阈值，然后判断概率值是否大于概率阈值，若大于，则为异常行为，反之，则为正常行为。/n

【技术特征摘要】
1.一种基于HMM的用户输入行为异常识别方法，其特征在于：包括以下步骤：
步骤A1)收集用户的击键数据；
步骤A2)设置隐藏状态序列Y，对初始状态概率矩阵Π、隐含状态转移概率矩阵A和输出矩阵B进行随机初始化赋值，将步骤A1)收集的击键数据作为观测序列的数据训练模型参数，得到HMM模型；
步骤A3)将观测序列的数据输入HMM模型，通过HMM模型计算得出观测序列的概率值；
步骤A4)通过设定方法对观测序列的概率值计算得到概率阈值，然后判断概率值是否大于概率阈值，若大于，则为异常行为，反之，则为正常行为。


2.根据权利要求1所述的一种基于HMM的用户输入行为异常识别方法，其特征在于：
步骤A1)所述的击键数据包括击键持续时间和击...

【专利技术属性】
技术研发人员：刘录，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51