-
题名基于键盘行为数据的用户身份识别
被引量：3
- 1
-
-
作者
蒋李灵
刘家芬
-
机构
西南财经大学经济信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2015年第A01期110-112,129,共4页
-
基金
国家自然科学基金重大研究计划项目(91218301)
国家自然科学基金青年项目(60903201)
中央高校基本科研业务专项项目(JBK140129)
-
文摘
用户击键行为作为一种生物特征,具有采集成本低、安全性高的特点。然而,现有的研究方法和实验环境都是基于实验室数据,并不适用于极度不平衡的真实数据。比如,在实验室数据上效果出色的分类算法在真实数据上却无法应用。针对此问题,提出了基于真实击键行为数据的用户识别算法。该方法将聚类算法和距离算法结合起来,通过比较新来的击键行为和历史击键行为相似度以实现用户识别。实验结果表明,该算法在100名用户的3 015条真实击键记录组成的数据集上准确率达到88.22%,在投入实际应用后,随着样本集的增大算法的准确率还可以进一步提升。
-
关键词
键盘行为
用户识别
欧氏距离
K-MEANS聚类
生物认证
-
Keywords
keystroke dynamics
user authentication
Euclidean distance
k-means clustering
biometric authentication
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名用户动态键盘行为分析的网络安全模型
- 2
-
-
作者
潘仙张
郭文平
应国良
-
机构
台州学院信息技术中心
台州学院数学与信息工程学院
-
出处
《计算机应用与软件》
2017年第11期310-315,共6页
-
基金
浙江省自然科学基金项目(LY14F020036)
2015年度浙江省公益技术应用研究计划项目(2015C32113)
-
文摘
提出一种用户动态键盘行为模型即KDM,它结合了用户敲击键盘的频率、习惯和用户登录密码的认证方式,能达到zero-FAR,而传统论文中误识率(FAR)比较高。它极大地提高了用户登录系统的安全性,FAR比拒识率(FRR)重要的多。在ROC曲线中,KDM能保证0%FAR的情况下改善FRR,没有用等错误率(ERR)这个指标,这一点和传统论文有很大的不同。通过历史数据,证明了提出的方法非常实用。KDM能在毫秒内分析用户的键盘行为特征,这对基于生物特征的系统安全认证非常有效。
-
关键词
键盘动态行为模型
认证系统
登录安全
信息系统安全
-
Keywords
Keystroke dynamic model Authentication system Login secure Information system security
-
分类号
TP393.07
[自动化与计算机技术—计算机应用技术]
-
