[发明专利]利用移动终端采集用户交互行为的持续身份认证方法

说明书

本发明公开了一种基于移动终端交互行为的持续身份认证方法，其步骤为：(1)采集用户交互行为数据；(2)模糊化用户交互行为数据；(3)构建WiFi‑地理位置映射表；(4)生成交互事件集；(5)构建用户身份认证模型；(6)获取交互事件离异值；(7)判定交互事件的类型；(8)判定用户身份。本发明克服了现有技术采集的用户行为易遭模仿的问题和现有技术采集用户行为数据时高能耗，数据不易采集，隐私保护力度小的问题，使得本发明具有安全性，实用性和隐私性的优点。

技术领域

本发明属于信息技术领域，更进一步涉及信息安全技术领域中的一种利用移动终端采集用户交互行为的持续身份认证方法。本发明利用移动终端通过采集用户打电话行为，使用应用软件行为等交互行为，实现对用户身份的持续认证。

背景技术

持续身份认证方法是基于用户独特的行为特征和认知特征，通过持续不断地收集并评估用户认证信息，旨在不干扰用户正常行为的情况下，对用户身份进行认证。现阶段，移动终端具有强大的计算能力和大量的传感器，能够持续地采集用户行为特征数据和认知特征数据，根据用户行为特征和认知特征的独特性为用户构建持续身份模型，即可实现对用户身份的持续认证。

西安交通大学在其申请的专利文献“基于触屏滑动行为特征的身份持续认证方法”(申请号2014104692764，申请公布号：CN 104239761A，申请日期2014.09.15)中提出了一种基于触屏滑动行为特征的身份持续认证方法。该方法将采集的用户触屏滑动操作数据传输到远程服务器，在远程服务器中提取滑屏操作行为特征并构建用户身份认证模型，实现对触屏设备用户的身份进行持续认证。该方法存在的不足之处有两点：其一，用户在滑屏操作时易遭偷窥且易被模仿，一旦用户滑屏操作被成功模仿，会造成身份认证失效；其二，该方法需要将滑屏特征数据传输到远程服务器，一旦远程服务器被攻破，同样会造成严重的用户隐私泄露问题。

Sara Amini等作者在其发表的论文“DeepAuth:A Framework for ContinuousUser Reauthentication in Mobile Apps.”(The 27th ACM International Conferenceon Information and Knowledge Management，会议论文集，2018年10月)中提出了一种基于用户运动行为持续身份认证方法。该方法首先提取用户运动行为的时域特征和频域特征，然后利用长短期记忆网络算法学习用户运动行为的时域特征和频域特征，建立持续身份认证模型。该方法存在的不足之处是：该方法所用的长短期机以网络算法属于二分类机器学习算法，因此利用该方法构建的持续身份认证模型属于二分类模型，该模型的构建必须建立在足够的合法用户数据和非法用户数据基础之上。然而，在实际情况下，对非法用户数据的获取能力有限，无法获取充足的非法用户数据来训练身份认证模型，进而减低持续身份认证方法的通用性。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种利用移动终端采集用户交互行为的持续身份认证方法，实现对用户身份的持续认证。

实现本发明目的的思路是，首先采集用户交互行为数据，然后对用户运动行为数据进行预处理，形成交互事件数据集，最后利用Aprior算法挖掘用户交互行为习惯模板，构建身份认证模型，实现对用户身份的认证。

实现本发明目的的具体步骤如下：

(1)利用数据采集方法，采集待认证用户连续N个交互行为，得到待认证用户交互行为集，N为区间[1,20]内的一个自然数；

(2)利用模糊化交互行为集生成方法，处理待认证用户交互行为集，生成模糊化交互行为集；

(3)构建MAC地址列表-地理位置标签映射表：

(3a)从模糊化交互行为集中提取所有的MAC地址列表，组成MAC地址列表集；