[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

说明书

本发明公开了一种多维度特征体系的滑动验证码人机行为识别方法，包括采集、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，确定黑产用户数据特点，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；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；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；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。本发明针对目前滑动验证码对人机行为识别能力不足的问题，提升验证平台对人机行为的识别率，提高对黑产的防护能力，维护网络信息安全。

技术领域

本发明涉及数据挖掘技术领域，特别是指一种多维度特征体系的滑动验证码人机行为识别方法。

背景技术

验证码的本意是对网络请求方进行人机识别，做法是发起特定的验证提问，回答正确就判断为人类，回答错误就判断为机器，其中重要的设计思想就是人类容易解答，而机器难以解答。验证码自研发出来，便一直与恶意黑产攻击者不断争斗，例如，对于图形验证码，黑产攻击者通过多次访问来获取有限的验证图片，结合OCR技术识别图片文字强行破解；对于语音验证码，也能通过愈发强大的语音识别技术加以破解。验证码和黑产攻击者的技术也在持续争斗中不断升级。

滑动验证码作为现今互联网最常用的验证方式，其采用的无知识型验证方式具有两个优点：一是随着机器学习和深度学习技术的发展，让机器破解图像或文字内容不再困难，而滑动验证码的验证方式不再基于知识来验证，而是采用人类的行为特征以及操作环境等信息进行监控，黑产攻击者难以大量模拟出正常人类的行为特点；二是滑动验证码在大多数场景都可以在用户无需思考下直接通过，不存在理解困难和难以操作等缺点，对用户体验的提示是毋庸置疑的。正因为这种特性，滑动验证码被用于多种人机验证产品中。黑产攻击者也针对滑动验证码开发出多种绕过验证的黑产工具，通过这些黑产工具批量模拟人类的鼠标操作行为以通过检测。目前的检测手段大多基于机器信息检测方面，对于一些模拟人类行为的轨迹难以识别。因此，建立验证码人机行为识别体系，从大量的验证数据准确地找出黑产数据加以处理，是维护网络信息安全的重要手段。

发明内容

本发明提出一种多维度特征体系的滑动验证码人机行为识别方法，解决了现有技术中检测手段大多基于机器信息检测方面，对于一些模拟人类行为的轨迹难以识别的问题。

本发明的技术方案是这样实现的：

一种多维度特征体系的滑动验证码人机行为识别方法，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。

作为本发明的一个优选实施例，所述人机行为判别模型为随机森林模型。

作为本发明的一个优选实施例，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。

作为本发明的一个优选实施例，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。