[发明专利]加权击键特征曲线差异度的用户身份识别方法

权利要求书

1.加权击键特征曲线差异度的用户身份识别方法，其特征在于，具体按照以下步骤实施：

步骤1、采集数据，建立半时间特征数据集和击键间隔时间数据集；

具体实施步骤如下：

1.1、从自由文本原始击键信息中筛选出k个具有代表性的特定双键字符序列，组成特定字符序列集合SK；

1.2、计算每个双键的使用频率λ_j，j＝1,2,…,k，构建用户的击键间隔时间数据集S_pp和半时间特征数据集S_st，S_pp和S_st的表达如下：

S_st＝{V_i^st＝[WPM_i,P_{i,N_UD},P_i,error,P_i,CapsLock,P_i,Shift]|i＝1,2,…,n} (2)

其中：式中k为筛选出来的特定双键字符序列个数，V_i^pp∈R^k为第i个击键间隔时间向量样本，为第i个样本中最后一个特定双键字符序列的击键间隔时间，为第i个样本中第j个特定双键字符序列的击键间隔时间(j＝1,…,k)，m为采集到的击键间隔时间向量样本个数；V_i^st∈R⁵为第i个半时间特征向量样本，WPM_i、P_{i,N_UD}、P_i,error、P_i,CapsLock和P_i,Shift分别为第i个样本的平均击键速度、负间隔时间RP的出现频率、输入错误率、CapsLock键使用频率和Shift键使用频率，P_{N_UD}、P_error、P_Shift和P_CapsLock的变化范围为[0,1]，平均击键速度WPM的变化范围是[0,+∞)，一般情况下，WPM的量级为10²，与其它半时间特征的量级存在显著差异，n为采集到的半时间特征向量样本个数；

1.3、对半时间特征数据集S_st中的平均击键速度WPM进行归一化处理归一化公式为：

式中：max{WPM_i|i＝1,…,n}为样本中的最大平均击键速度，记为WPM_max，经过归一化处理后，将半时间特征数据集S_st简记为

S_st＝{V_i^st＝[v_i,1,v_i,2,v_i,3,v_i,4,v_i,5]|i＝1,2,…n} (4)

式中：v_i,2＝P_{i,N_UD}，v_i,3＝P_i,error，v_i,4＝P_i,CapsLock，v_i,5＝P_i,Shift；

步骤2、分别计算击键间隔时间数据集的均值和标准差与半时间特征数据集的均值和标准差；

具体的计算方法为：

设数据集S_pp中所有元素的均值为数据集S_st中所有元素的均值为则

设数据集S_pp中所有元素的标准差为数据集S_st中所包含元素的标准差为则

步骤3、根据击键间隔时间数据集的均值和标准差计算击键间隔时间特征曲线的上/下边界，根据半时间特征数据集的均值和标准差计算半时间特征曲线的上/下边界；

具体计算方法为：

设数据集S_pp中所包含元素的上边界向量和下边界向量分别为数据集S_st中所包含元素的上边界向量和下边界向量分别为则击键间隔时间特征曲线的上边界下边界的计算如下式(9)，半时间特征曲线的上边界v_u,l、下边界v_d,l的计算如下式(10)：

式中：和为可调节的阈值，阈值和的取值范围均为0～3；

步骤4、根据击键间隔时间特征曲线的上/下边界计算击键间隔时间加权特征曲线差异度，根据半时间特征曲线的上/下边界计算半时间特征曲线差异度；

具体的计算方法为：

设任一击键间隔时间向量样本则该样本在数据集S_pp中的加权特征曲线差异度的计算公式为：

式中：

其中：λ_j为每个特定双键字符序列的使用频率，j＝1,2,…,k；

设任一半时间特征向量样本在数据集S_st中特征曲线差异度为

式中：

根据集合SK中每个双键的使用频率和式(11)计算击键间隔时间数据集S_pp中每个元素的加权特征曲线差异度，并构成击键间隔时间特征曲线差异度集合Q_pp；由式(12)计算半时间特征数据集S_st中每个元素的特征曲线差异度，并构成半时间特征曲线差异度集合Q_st，上述各集合的定义为

式中：表示数据集S_pp中元素V_i^pp∈R^k的加权特征曲线差异度，表示数据集S_st中元素V_i^st∈R⁵的特征曲线差异度

步骤5、利用击键间隔时间加权特征曲线差异度和半时间特征曲线差异度对用户身份进行识别；

具体的身份进行识别的方法为：

根据下述不等式对测试样本进行判定

式中：和为可调阈值，阈值和的取值范围均不小于0；

如果不等式(15)和式(16)同时成立，认定此测试样本属于该用户；否则，认定此测试样本不属于该用户。