網(wǎng)絡(luò)信息安全的地位隨著互聯(lián)網(wǎng)技術(shù)的普及和蓬勃發(fā)展而日益凸顯,針對網(wǎng)絡(luò)信息所發(fā)起的網(wǎng)絡(luò)攻擊日益密集,這就給保障網(wǎng)絡(luò)信息安全的各大門戶提出了新的挑戰(zhàn),各大門戶均使用人機(jī)驗(yàn)證技術(shù)來抵御大規(guī)模的網(wǎng)絡(luò)攻擊,其中最主要的方案就是驗(yàn)證碼技術(shù)。隨著驗(yàn)證碼技術(shù)的在各大網(wǎng)站、APP的應(yīng)用越來越廣泛,驗(yàn)證碼的破解技術(shù)也日趨成熟、低廉,為了防范已經(jīng)破解驗(yàn)證碼技術(shù)的網(wǎng)絡(luò)攻擊者,進(jìn)一步加強(qiáng)網(wǎng)絡(luò)信息安全,越來越多的研究者開始探究新型的人機(jī)驗(yàn)證技術(shù)。在這一背景下,本文主要研究在操作鼠標(biāo)繪制指定軌跡的過程中所產(chǎn)生的生物特征,針對這種生物特征來構(gòu)造人機(jī)識別模型,用以預(yù)測提交驗(yàn)證軌跡的是人或是計(jì)算機(jī)程序。不同于傳統(tǒng)的僅依靠對用戶模式識別能力的簡單判斷,加入了生物特征識別的行為式驗(yàn)證碼采用雙重認(rèn)證:1)對比用戶反饋信息與驗(yàn)證圖中隱藏信息的相似程度,目的是判斷用戶是否對驗(yàn)證圖中所示信息具備識別能力;2)根據(jù)鼠標(biāo)在以繪制軌的形式返回驗(yàn)證信息的過程,所產(chǎn)生的生物特征來有效地區(qū)分人或者計(jì)算機(jī)程序。提取了用戶的生物特征信息之后如何行之有效地進(jìn)行人機(jī)識別是本文的另一個(gè)研究重點(diǎn),在分析了各類機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)之后,本文擬采用支持向量機(jī)作... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文的主要框架結(jié)構(gòu)

2SVM算法及其理論基礎(chǔ)11F(x,y)，記(,)tfxa是函數(shù)集中使得經(jīng)驗(yàn)風(fēng)險(xiǎn)()emptRa最小的預(yù)測函數(shù)。若對任意的ε>0，有：{()}limP()inf()0tlfRaRaε→∞∈>=F(2.14){()}limP()inf()0emptlfRaRaε→∞∈>=F(2.15)如果能夠?qū)ふ业揭粋�(gè)使得經(jīng)驗(yàn)風(fēng)險(xiǎn)和期望風(fēng)險(xiǎn)收斂到同一個(gè)可能的最小值的函數(shù){(,)|1,2......}tfxat=，那么學(xué)習(xí)過程中的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化與期望風(fēng)險(xiǎn)最小化是具備一致性的。如圖所示，期望風(fēng)險(xiǎn)R(ω)和經(jīng)驗(yàn)風(fēng)險(xiǎn)收斂到同一個(gè)可能最小的風(fēng)險(xiǎn)值0R(ω)，代表學(xué)習(xí)過程是一致的。圖2.1學(xué)習(xí)過程一致性定理：學(xué)習(xí)理論的關(guān)鍵定理學(xué)習(xí)理論的關(guān)鍵定理是Vapnik和Chervonenkis[65]于1989年共同提出的，數(shù)統(tǒng)計(jì)學(xué)習(xí)理論中極其重要的理論基矗設(shè)存在常數(shù)A和B，能夠使得函數(shù)集F={f(x,a)|a∈Λ}中的所有函數(shù)和給定的概率分布F(x,y)滿足下列條件：A≤∫L(y,f(x,a))dF(,y)≤B,a∈Λ(2.16)則經(jīng)驗(yàn)風(fēng)險(xiǎn)()empRa在整個(gè)函數(shù)集F上一致單邊收斂到期望風(fēng)險(xiǎn)R(a)就是學(xué)習(xí)過程具有一致性的充要條件，即：limPsup(()())0emptfRaRaε→∞∈>=F(2.17)這一關(guān)鍵定理將學(xué)習(xí)過程的一致性問題轉(zhuǎn)換為公式(2.17)中所定義的一致收斂問題[77]，這一定理雖然解決了在什么條件下經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則可以保證一致性的關(guān)鍵

重慶理工大學(xué)碩士學(xué)位論文12問題，但并沒有給出滿足一致性條件的函數(shù)集的選擇和構(gòu)造方法，也沒有說明如何估計(jì)事件sup(()())fFempRaRaε∈>出現(xiàn)的概率，因此VC維仍然是作為衡量函數(shù)集性能的最重要指標(biāo)。2.1.5結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則結(jié)合公式(2.14)和(2.15)來看，當(dāng)樣本數(shù)量足夠大，即nh較大時(shí)，期望風(fēng)險(xiǎn)由經(jīng)驗(yàn)風(fēng)險(xiǎn)決定，當(dāng)樣本數(shù)據(jù)量不足，即nh較小時(shí)，僅考慮最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)并不能夠保證期望風(fēng)險(xiǎn)也達(dá)到最小，此時(shí)就需要同時(shí)將置信范圍也納入考慮。然而在實(shí)際應(yīng)用的過程中對置信范圍的調(diào)節(jié)通常都很依賴于經(jīng)驗(yàn)和技巧，這就使得模型的使用難度進(jìn)一步增大，此時(shí)就需要將風(fēng)險(xiǎn)原則換成同時(shí)兼顧經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則(SRM)，從結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的提出背景可以看出，結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則是對給定樣本集的分布函數(shù)的逼近程度和逼近函數(shù)復(fù)雜程度之間的一種折中。將給定函數(shù)集合S={f(x,ω),ω∈Λ}分解為一個(gè)嵌套的函數(shù)子集序列：12SS....S，各個(gè)子集的VC維分別為1,....,,....,khhh，任一子集的VC維都是有限的。對于已知的樣本數(shù)據(jù)，下圖給出了關(guān)于期望風(fēng)險(xiǎn)、置信區(qū)間和經(jīng)驗(yàn)風(fēng)險(xiǎn)分別隨函數(shù)VC維的變化曲線，可以看出，經(jīng)驗(yàn)風(fēng)險(xiǎn)()empRω隨著函數(shù)集VC維h的增加而減小，函數(shù)集的學(xué)習(xí)能力隨著函數(shù)集VC維的增加而增強(qiáng)，即使樣本數(shù)量非常有限都能夠收斂。但置信風(fēng)險(xiǎn)Φ也會隨著函數(shù)集VC維h的增加而增大，折中兩者的影響就形成了一條凹型的期望風(fēng)險(xiǎn)曲線，而機(jī)器學(xué)習(xí)的目的就是獲取函數(shù)集中使得期望風(fēng)險(xiǎn)曲線達(dá)到最低的函數(shù)。圖2.2結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則

【參考文獻(xiàn)】：
期刊論文
[1]支持向量機(jī)核函數(shù)選擇研究與仿真[J]. 梁禮明,鐘震,陳召陽.  計(jì)算機(jī)工程與科學(xué). 2015(06)
[2]基于最大間隔的決策樹歸納算法[J]. 焦樹軍,安志江.  科技信息. 2011(25)
[3]支持向量機(jī)研究進(jìn)展[J]. 顧亞祥,丁世飛.  計(jì)算機(jī)科學(xué). 2011(02)
[4]常用核函數(shù)的幾何度量與幾何性質(zhì)[J]. 羅林開,葉凌君,周綺鳳.  廈門大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(06)
[5]基于實(shí)時(shí)擊鍵序列的主機(jī)入侵檢測[J]. 高艷,管曉宏,孫國基,馮力.  計(jì)算機(jī)學(xué)報(bào). 2004(03)

博士論文
[1]類內(nèi)結(jié)構(gòu)支持向量機(jī)學(xué)習(xí)算法研究[D]. 安文娟.北京交通大學(xué) 2015

碩士論文
[1]大規(guī)模數(shù)據(jù)樣本下的稀疏最小二乘支持向量機(jī)研究[D]. 王欣.西安理工大學(xué) 2018
[2]滑塊式驗(yàn)證碼健壯性分析[D]. 江運(yùn)佳.西南財(cái)經(jīng)大學(xué) 2018
[3]多類分類支持向量機(jī)在語音識別中的應(yīng)用研究[D]. 段繼康.太原理工大學(xué) 2010
[4]支持向量機(jī)（SVM）算法及其在腦電逆問題方面的應(yīng)用[D]. 侯昀.河北工業(yè)大學(xué) 2007



本文編號：3369222