發(fā)布時間：2021-07-28 08:14

　　常見的賬號密碼認(rèn)證是網(wǎng)絡(luò)安全的第一道防線,隨著信息技術(shù)的飛速發(fā)展,該認(rèn)證方式已無法滿足當(dāng)下用戶對安全的需求。為彌補(bǔ)基于賬號密碼認(rèn)證系統(tǒng)的缺陷,出現(xiàn)動態(tài)口令和密�？ǖ闰�(yàn)證方式,但這些物理驗(yàn)證仍然存在破解和泄露的風(fēng)險。為提高用戶信息的安全性,采用生物特征對用戶身份進(jìn)行驗(yàn)證已成為目前研究的熱門�；谏锾卣鞯纳矸蒡�(yàn)證可利用指紋、虹膜、聲紋等,這些驗(yàn)證都需要附加額外的設(shè)備,提高了應(yīng)用成本。因此本文通過分析用戶使用鍵盤時的擊鍵習(xí)慣,從而確認(rèn)用戶身份,該方式不需要依賴額外的設(shè)備,且不易丟失,具有較高的安全性。本文的主要工作及創(chuàng)新點(diǎn):1)為提高真實(shí)擊鍵場景中用戶的持續(xù)身份認(rèn)證能力,本文搭建了完全自由的實(shí)驗(yàn)環(huán)境來采集用戶的擊鍵數(shù)據(jù)。本文分析自由擊鍵下的持續(xù)身份認(rèn)證,不對用戶的擊鍵內(nèi)容和時間加以限制,可滿足不同場景的身份驗(yàn)證需求,具有廣泛的適用性。2)考慮到連續(xù)擊鍵事件更能反應(yīng)出用戶固有的擊鍵習(xí)慣,提出將連續(xù)擊鍵事件中各后置擊鍵的頻次作為擊鍵內(nèi)容特征,并在現(xiàn)有的擊鍵時間間隔特征的基礎(chǔ)上通過將其排序得到擊鍵行為特征。3)本文使用XGBoost算法分別為用戶的不同擊鍵域訓(xùn)練身份認(rèn)證子模型,隨后引入改進(jìn)的Ya... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

標(biāo)準(zhǔn)鍵盤

中北大學(xué)學(xué)位論文22keyup2020/1/68:24:51聊天軟件105I73keydown2020/1/68:24:51聊天軟件101E69keyup2020/1/68:24:51聊天軟件121Y89keyup2020/1/68:24:51聊天軟件101E69keydown2020/1/68:24:51聊天軟件32Space32keyup2020/1/68:24:52聊天軟件32Space32keydown2020/1/68:24:52聊天軟件122Z90keydown2020/1/68:24:52聊天軟件117U85keyup2020/1/68:24:52聊天軟件122Z90keyup2020/1/68:24:52聊天軟件117U85keydown2020/1/68:24:53聊天軟件32Space32keydown2020/1/68:24:53聊天軟件13REnter13keyup2020/1/68:24:53聊天軟件32Space32keyup2020/1/68:24:53聊天軟件13REnter13keydown2020/1/68:24:58聊天軟件8Back8圖3-2相鄰擊鍵時間間隔Figure3-2Timeintervalbetweenadjacentkeystrokes相鄰擊鍵的時間間隔在分布如圖3-2所示，可明顯看到相鄰擊鍵的時間間隔大多集

中北大學(xué)學(xué)位論文23中在很短的時間內(nèi)，條狀在橫軸的開頭出現(xiàn)，這也符合生活常識，“思考時間”和“生活作息時間”并不與真實(shí)有效的擊鍵時間間隔處于同一量級。因此需要用戶的擊鍵數(shù)據(jù)做預(yù)處理，排除過長的時間間隔數(shù)據(jù)。圖3-3擊鍵時間間隔分布Figure3-3Keystroketimeintervaldistribution相鄰擊鍵的時間間隔在1000毫秒內(nèi)的分布如圖3-3中的（a）圖所示，數(shù)據(jù)量占總時間間隔數(shù)據(jù)量的83.3%，可見，1秒內(nèi)的擊鍵行為已經(jīng)包括大多數(shù)的用戶擊鍵行為了。相鄰擊鍵的時間間隔在2000毫秒的分布如圖3-3中的（b）圖所示，數(shù)據(jù)量占總時間間隔數(shù)據(jù)量的89.8%，在采集用戶2000ms的擊鍵數(shù)據(jù)中用戶的連續(xù)擊鍵事件最少有30985次，最多有463469次，平均每個用戶按鍵次數(shù)約為162894次。本文將相鄰且擊鍵時間間隔在相對較小的成對擊鍵事件稱為連續(xù)擊鍵事件。在后續(xù)的實(shí)驗(yàn)中，本文主要分析時間間隔在2秒內(nèi)的擊鍵行為。3.2用戶擊鍵特征相關(guān)概念（1）關(guān)鍵字通過檢測用戶輸入特定關(guān)鍵字的擊鍵信息來確認(rèn)用戶的身份。如中文中的‘wo’、‘a(chǎn)n’、‘en’、‘a(chǎn)ng’等和英文中的‘in’、‘on’、‘ing’等。由于此類關(guān)鍵字的出現(xiàn)頻率較高，用戶較為熟悉，因此更容易體現(xiàn)出用戶使用鍵盤時的擊鍵習(xí)慣。較長的短語也可以整體作為關(guān)鍵詞進(jìn)行分析，如用戶的賬號和密碼。很多研究者通過分析關(guān)鍵字的時間

【參考文獻(xiàn)】：
期刊論文
[1]基于GBDT等數(shù)據(jù)挖掘算法的場景用戶識別方法[J]. 陳曉芳,張?zhí)祉?張儒申,皇甫俊偉,王征,趙琦琦.  電信科學(xué). 2018(S2)
[2]基于CNN和RNN的自由文本擊鍵模式持續(xù)身份認(rèn)證[J]. 蘆效峰,張勝飛,伊勝偉.  清華大學(xué)學(xué)報(自然科學(xué)版). 2018(12)
[3]基于中文自由文本擊鍵特征的自動欺騙檢測模型[J]. 徐鴻雁,靳亮,林濤,彭艦.  四川大學(xué)學(xué)報(自然科學(xué)版). 2017(03)
[4]基于秩相關(guān)系數(shù)的證據(jù)合成方法[J]. 魏永超.  科學(xué)技術(shù)與工程. 2017(09)
[5]基于LTE的人群密度監(jiān)控及預(yù)測[J]. 焦恩偉,吳越.  通信技術(shù). 2017(03)
[6]基于改進(jìn)D-S證據(jù)理論的ADS-B數(shù)據(jù)質(zhì)量評估方法[J]. 唐鵬.  科技展望. 2016(20)
[7]擊鍵認(rèn)證模板的雙更新方法[J]. 何斯譯,梁意文,譚成予.  計算機(jī)應(yīng)用研究. 2017(02)
[8]基于詞頻獎懲算法的動態(tài)自由擊鍵持續(xù)識別[J]. 張得旭,胡曉勤.  網(wǎng)絡(luò)新媒體技術(shù). 2015(02)
[9]一種面向擊鍵動態(tài)身份認(rèn)證的多模板選擇算法[J]. 李福祥,霍建秋,林慕清,唐晶,周福才.  計算機(jī)工程與科學(xué). 2014(01)
[10]隨機(jī)森林理論淺析[J]. 董師師,黃哲學(xué).  集成技術(shù). 2013(01)

碩士論文
[1]基于深度學(xué)習(xí)的微博轉(zhuǎn)發(fā)預(yù)測研究[D]. 王文健.中北大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的分期購物用戶逾期還款概率預(yù)測[D]. 王健.中北大學(xué) 2019
[3]基于擊鍵特征的身份認(rèn)證與識別研究[D]. 李晨.南京理工大學(xué) 2014
[4]關(guān)于非線性Logistic回歸模型的若干討論[D]. 苗常青.揚(yáng)州大學(xué) 2013



本文編號：3307556