[发明专利]基于用户行为特征的模型训练方法及身份验证方法

权利要求书

1.一种基于用户行为特征的模型训练方法，包括以下步骤：

步骤1)、采集用户的行为特征，将所述行为特征记录为行为数据集；

步骤2)、针对所述行为数据集提取特征向量，取得特征向量集；

步骤3)、采用快速机器学习算法建立模型，利用所述特征向量集对所述模型进行训练，得到身份验证模型。

2.根据权利要求1所述的基于用户行为特征的模型训练方法，所述行为特征包括惯用倾斜角度和/或击键间隔时间和/或滑动屏幕速度和/或滑动屏幕轨迹。

3.根据权利要求2所述的基于用户行为特征的模型训练方法，所述滑动屏幕轨迹的采集及记录方法包括：

步骤11)、将手机屏幕分成固定的小格；

步骤12)、滑动过程中记录下触碰到的格子的编号；

步骤13)、将记录的格子编号记录为一维数组。

4.根据权利要求2或3所述的基于用户行为特征的模型训练方法，所述特征向量集包括：

倾斜角度的平均值、中值、最大值、最小值、方差；和/或

滑动屏幕速度的平均值、中值、最大值、最小值、方差；和/或

输入字母间隔时间的平均值、中值、最大值、最小值、方差；和/或

滑动屏幕的轨迹是由0,1组成的一维数组。

5.根据权利要求1所述的基于用户行为特征的模型训练方法，所述快速机器学习算法为Fast-KRR算法。所述步骤3)包括：

步骤31)、利用InitParam()函数对算法所需参数进行初始化；

步骤32)、调用load()函数加载所述特征向量集；

步骤33)、调用fastKRR_train()函数训练所述特征向量集，得到所述身份验证模型。

6.根据权利要求1至5中任一项所述的基于用户行为特征的模型训练方法，所述步骤1)中利用手机内置的传感器采集所述行为特征。

7.根据权利要求6所述的基于用户行为特征的模型训练方法，所述传感器包括加速感测器、陀螺仪和磁力计。

8.根据权利要求1至7中任一项所述的基于用户行为特征的模型训练方法，其特征在于，所述身份模型训练过程在手机后台执行。

9.一种利用如权利要求1至8中任一项建立的身份验证模型来验证手机用户身份的方法，包括：

步骤a)、采集待测用户的行为数据；

步骤b)、提取所述待测用户的特征向量；

步骤c)、利用所述身份模型测算所述待测用户的特征向量集的匹配度；

步骤d)、根据匹配结果判定待测用户是否为合法用户。

10.根据权利要求9所述的验证手机用户身份方法，其特征在于，所述验证手机用户身份过程在手机后台执行。