[发明专利]一种多维度特征体系的滑动验证码人机行为识别方法

权利要求书

1.一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，具体包括以下步骤：

(1)采集、统计和分析用户在进行滑动验证时产生的滑动轨迹数据和验证信息数据，确定机器行为轨迹数据特点，制定机器行为的判别规则，并对所有滑动轨迹数据进行打标；

(2)根据滑动轨迹数据和验证信息数据制定人机行为识别的多维特征体系，从滑动轨迹数据中提取多维度特征；

(3)将滑动轨迹数据的多维度特征代入设定的人机行为判别模型，进行模型学习；

(4)采集新的滑动轨迹数据和验证信息数据，输入训练好的人机行为判别模型，输出其为正常行为数据或机器行为数据。

2.根据权利要求1所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述人机行为判别模型为随机森林模型。

3.根据权利要求1所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述滑动轨迹数据为x坐标、y坐标和t坐标；所述验证信息数据包括但不限于IP地址、验证时间、所属城市、浏览器信息。

4.根据权利要求3所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述多维特征体系包括但不限于X类特征、Y类特征、T类特征、速度类特征、用户信息类特征和TF-IDF类特征。

5.根据权利要求4所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述X类特征具体包括：x坐标的末项、最大值所在位置、重复值数量，x坐标差分的最大值、最小值、极差、均值、标准差、中位数、下四分位数、上四分位数、四分位数间距、重复值数量、值小于0的数量，x坐标差分的绝对值中出现最多的值以及对应的次数。

6.根据权利要求4所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述Y类特征具体包括：y坐标的末项、最大值所在位置、唯一值数量，y坐标差分的最大值、最小值、极差、均值、标准差、中位数、下四分位数、上四分位数、四分位数间距、重复值数量、值小于0的数量、值等于0的数量，y坐标差分的绝对值中出现最多的值以及对应的次数，y坐标中出现次数前2的值以及对应的次数。

7.根据权利要求4所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述T类特征具体包括：t坐标的首项、末项，t坐标差分的最大值、最小值、极差、均值、标准差、中位数、下四分位数、上四分位数、四分位数间距。

8.根据权利要求4所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述速度类特征具体包括：x轴上速度的平均值、最大值、最小值，极差、均值、标准差、中位数、下四分位数、上四分位数、四分位数间距。

9.根据权利要求4所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述用户信息类特征具体包括：当前IP是否常用IP、当前IP是否与当天首次IP一致、当前浏览器信息是否常用浏览器信息、当前地址是否常用地址、当前系统信息是否常用系统信息。

10.根据权利要求4所述的一种多维度特征体系的滑动验证码人机行为识别方法，其特征在于，所述TF-IDF类特征具体计算规则：计算数据中所有x坐标-y坐标的TF-IDF值。