現(xiàn)有智能手機往往使用廣泛且存儲有敏感信息,一旦丟失會造成巨大的安全隱患,故數(shù)據(jù)安全的重要性日益凸顯。鑒于傳統(tǒng)認(rèn)證策略的脆弱性,提出了一種基于上采樣單分類的隱式身份認(rèn)證機制。首先,融合使用了時間、二維及三維等多類手機內(nèi)置傳感器從不同維度采集用戶的行為特征。其次,為降低高維數(shù)據(jù)所含噪聲對分類的影響,提出了一種精選特征并降維的行為特征篩選方法,對所提取的特征進(jìn)行向量排序、篩選以及降維。特別地,考慮到現(xiàn)有基于二分類算法方案的局限性,采用SVM SMOTE對正樣本數(shù)據(jù)進(jìn)行上采樣,并提出了基于單分類的認(rèn)證決策機制,以在單類小規(guī)模訓(xùn)練集上實現(xiàn)分類。最后基于實際的樣本集進(jìn)行性能測試,結(jié)果表明,所提方案在準(zhǔn)確率、FAR、FRR與AUC指標(biāo)上的表現(xiàn)部分優(yōu)于使用大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練的傳統(tǒng)KNN二分類器。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 系統(tǒng)框架
3 數(shù)據(jù)與特征提取
    (1)時長特征
    (2)二維特征
    (3)三維特征
4 多級特征處理與身份認(rèn)證
    4.1 特征排序與篩選
    4.2 特征降維
    4.3 數(shù)據(jù)擴增
    4.4 身份認(rèn)證
5 性能測試與分析
    5.1 實驗設(shè)置
    5.2 實驗結(jié)果
        5.2.1 性能對比
        5.2.2 輸入樣本數(shù)對準(zhǔn)確率的影響



本文編號：4005700