隨著移動互聯(lián)網(wǎng)的迅速發(fā)展,移動設備的安全也越來越受重視,目前移動設備和應用服務提供商一般都采用口令、指紋或人臉識別等一次性認證方式對用戶進行身份認證。但是一次性認證存在一個嚴重的安全隱患,如果授權用戶忘記或者離開其已經(jīng)認證的設備,那么未經(jīng)授權的用戶便能訪問授權用戶的私有資源。持續(xù)認證的引入,可以很好的解決上述一次性認證存在的問題。由于移動設備和服務提供商的計算和存儲資源有限,諸多基于云的持續(xù)認證系統(tǒng)被提出,但是這些系統(tǒng)的設計通常為了追求更高的認證準確率,而忽略了用戶行為數(shù)據(jù)隱私的保護。為此本文旨在設計一種高認證準確率和隱私保護的持續(xù)認證系統(tǒng)。首先,本文采用了一種基于用戶、服務提供商和云平臺三方的持續(xù)認證系統(tǒng)設計方案,并對方案中特征提取和特征處理模塊進行改進。在特征提取模塊中對用戶特征進行細粒度的劃分,利用統(tǒng)計學方法對特征進行擴展,增多系統(tǒng)的有用特征。在特征處理模塊中采用一種特征離散化的處理方法,使得系統(tǒng)的認證準確率提高3%左右。接著,針對基于用戶、服務提供商和云平臺三方的持續(xù)認證系統(tǒng),本文提出了兩種隱私保護方案。第一種是基于同態(tài)加密的隱私保護方案,該方案實現(xiàn)了DT-PKC同態(tài)加密算法,... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

OneClassSVM示意圖

第二章 基礎知識也是一個二分類問題。因此，邏輯回歸算法也常用在持續(xù)認一種二分類算法，通過使用 sigmoid 函數(shù)估計概率，其求。邏輯回歸算法的本質(zhì)是一種條件概率分布：( 1|)1wx bwx beP Y xe( )10 |1wx bP Y xen為輸入，Y 0 ,1 為輸出，nw R和 b R為參數(shù)，w稱為 x為 w 和 x 的內(nèi)積。輸入實例，按照式（2-26）和式（2-27）可以求得x屬于x )和負樣本的概率值 P ( Y 0|x )。LR 算法比較正樣樣本概率值 的大小，并將實例 分到概率值較

3.2 特征提取圖3.3 滑動行為采集圖提取用戶行為特征的基本原理：在移動設備上，用戶的滑動操作可以分解為一系列的觸摸點，如圖 3.3 所示，通過這些觸摸點，可以計算出不同用戶所獨有的特征信息，這些特征信息組成了用戶行為特征向量。例如：通過用戶起始的觸摸點和結(jié)束的觸摸點的位置坐標和時間，分別可以計算出用戶滑動的位移信息和滑動過程所耗費的時間。表3.1 統(tǒng)計學方法方法名 max min mean quantile sum std含義 最大值 最小值 平均值 分位數(shù) 求和 標準差

【參考文獻】：
碩士論文
[1]采用擊鍵特征的用戶隱式身份認證算法研究[D]. 賀冰清.西安理工大學 2018
[2]基于同態(tài)加密或分段Logistic映射的安全生物特征認證技術[D]. 梁家豪.杭州電子科技大學 2018
[3]基于One-class SVM的人臉識別研究[D]. 張彬.江南大學 2016



本文編號：2977489