基于个体行为内聚性的身份认证方法及系统技术方案

技术编号:31082122 阅读:23 留言:0更新日期:2021-12-01 12:28
本发明专利技术涉及一种基于个体行为内聚性的身份认证方法及系统。它解决了现有技术中个体行为建模效果不佳的问题。它包括S1、构建数据表;S2、从一体化、智能化公共数据平台上获取个体行为信息,并进行数据采集和存储;S3、对获取的个体行为信息进行预处理,S4、搭建基于个体行为内聚性的身份认证算法中心;S5、对身份认证算法中心进行充分测试、验证和调优,在身份认证算法中心之上搭建应用;S6、进行行为信息输入,身份认证算法中心对行为信息以及存储的个体行为信息进行计算并输出身份认证的合法性概率,通过将输出的身份认证的合法性概率与设定的阈值进行对比。本发明专利技术的优点在于:对个体行为的整体进行全面刻画,提高了个体行为建模效果。效果。效果。

【技术实现步骤摘要】
基于个体行为内聚性的身份认证方法及系统


[0001]本专利技术涉及身份认证
,具体涉及一种基于个体行为内聚性的身份认证方法及系统。

技术介绍

[0002]身份认证是确保网络环境安全的重要手段之一,现有的用户身份认证方法,无论是单一账号密码方式还是数字证书形式,都有自身难以克服的易复制、易盗取、易传播等缺点,无法满足身份认证的安全性和唯一性的要求。以人体本身固有的诸如声音、虹膜、指纹等生理特征作为身份识别的依据,客观上来说具有较高的准确率,但是需要额外的辅助设备,所以这种方式只能在某些固定场合发挥作用,并不具有普遍性。因此在实际应用中,该类方法的有效性和可靠性难以得到保障。
[0003]相对而言,基于行为的身份认证方法具有非侵入性、不可抵赖性和稳定性等优点,越来越成为身份认证的重要手段,它依赖于对个体行为模式的挖掘和刻画,有效的个体行为模型,除了能够在刻画个性化行为模式的同时,还要反应个体之间的共性。在实际应用中,个体行为是由多个不同的属性共同刻画的。
[0004]现有的个体行为建模方法,通常是将这些行为属性分开考虑,采用个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于个体行为内聚性的身份认证方法,其特征在于,本方法包括以下步骤:S1、以个体的身份证号作为主键或外键构建用于记录属性字段和属性值类型的数据表;S2、从一体化、智能化公共数据平台上获取个体行为信息,采用统一的API接口或数据库对接的方式进行数据采集和存储;S3、对获取的个体行为信息进行预处理,通过预处理形成完整描述个体行为信息的数据表;S4、搭建基于个体行为内聚性的身份认证算法中心;S5、对身份认证算法中心进行充分测试、验证和调优,在身份认证算法中心之上搭建应用,对外暴露接口,并集成到一体化、智能化公共数据平台需要身份认证的操作环节中;S6、进行行为信息输入,身份认证算法中心结合个体行为模型对输入的行为信息进行内聚性计算并输出身份认证的合法性概率,通过将输出的身份认证的合法性概率与设定的阈值进行对比得到身份认证结果,若大于设定的阈值则表示身份认证通过,若小于设定的阈值则表示身份认证不通过。2.根据权利要求1所述的基于个体行为内聚性的身份认证方法,其特征在于,在步骤S2中,个体行为信息包括登录行为、浏览行为、办事行为和社交行为,其中,个体行为信息由一系列的属性刻画组成,即τ=<a1,a2,...,a
J
>,其中a
j
(j=1,2,...,J)是属性A
j
对应的属性值,所有行为的集合记作T,采用嵌入的方法,将所有的行为属性值映射为共享向量空间中的点。3.根据权利要求2所述的基于个体行为内聚性的身份认证方法,其特征在于,在步骤S3中,预处理的内容包括行为数据表连接、数据完整性验证、属性字段归一化处理、连续字段离散化处理、字段缺失值填充和无效数据过滤。4.根据权利要求3所述的基于个体行为内聚性的身份认证方法,其特征在于,在步骤S4中,基于个体行为内聚性的身份认证算法中心搭建包括三个算法模块建设和两个数据库建设;所述的三个算法模块分别是个体行为内聚性建模算法模块、行为内聚性概率化算法模块以及基于阈值判断的认证结果输出模块;所述的两个数据库分别是个体行为库和属性嵌入库。5.根据权利要求4所述的基于个体行为内聚性的身份认证方法,其特征在于,所述的个体行为内聚性建模算法模块包括设置嵌入向量空间的维度大小、定义行为内聚性向量、个体行为内聚性、内聚性偏序,并构建个体行为内聚性的最优化目标函数,设计基于随机梯度下降的参数优化方法且进行模型训练,训练得到的个体行为向量存入个体行为库中,训练得到的属性嵌入向量存入到属性嵌入库中,其中,对于行为属性A
j
(j=1,2,

,J)的任意一个属性值a
j
,将其映射为d维向量空间中的一个点,即一个行为τ可以描述为嵌入矩阵m(τ)=[a1,a2,...,a
J
],利用嵌入矩阵列向量之间的相似性,可定义行为τ的内聚性向量为h(τ)=(a1·
a2,a1·
a3,...,a1·
a
J
,a2·
a3,...,a2·
a
J
,...,a
J
‑1·
a
J
),如果描述行为的属性个数为J,则其内聚性向量维度为K=J
·
(J

1)/2,相应地,用一个K维向量描述个体i的行为模式,称为个体的行为向量,在此基础上,定义个体对行为的内聚性如下:
个体i对行为τ的内聚性定义为其行为向量b
i
与内聚性向量h(τ)的内积,即对于个体i和行为τ
p
,τ
q
∈T,内聚性偏序表示个体i对行为τ
p
的内聚性高于其对行为τ
q
的内聚性,...

【专利技术属性】
技术研发人员:崔纪鹏王翔杨一峰张文彬马成段晶王思洁丁杰沈佳佳
申请(专利权)人:浙江嘉兴数字城市实验室有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1