[发明专利]一种基于鼠标行为时频联合分析的持续身份认证方法

权利要求书

1.一种基于鼠标行为时频联合分析的持续身份认证方法，其特征在于，包括：

S1、持续采集用户鼠标行为数据集；

S2、从用户鼠标行为数据集中提取鼠标运动行为时域特征及鼠标运动行为频域特征；

S3、基于鼠标运动行为时域特征及鼠标运动行为频域特征生成用户鼠标行为时频域特征；

S4、将用户鼠标行为时频域特征输入可信交互模型得到对应的信任值；

S5、当信任值小于或等于锁定阈值时，锁定用户。

2.如权利要求1所述的基于鼠标行为时频联合分析的持续身份认证方法，其特征在于，步骤S2包括：

S201、用户鼠标行为数据集中的数据进行预处理，删除重复值、空值并按照时间顺序排序；

S202、基于用户鼠标行为数据集中鼠标位置与时间的关系计算鼠标运动行为时域特征；

S203、使用HHT算法计算鼠标运动行为时域特征中与时间相关的特征的瞬时频率与瞬时能量，得到鼠标运动行为频域特征。

3.如权利要求2所述的基于鼠标行为时频联合分析的持续身份认证方法，其特征在于，步骤S203中，IMF筛选规则包括：高频分量中70%瞬时频率低于13Hz；低频分量中50%瞬时频率高于0.5Hz。

4.如权利要求1所述的基于鼠标行为时频联合分析的持续身份认证方法，其特征在于，步骤S3包括：

S301、基于鼠标操作行为的不同划分多个间隔的运动段；

S302、基于每个运动段对应的鼠标运动行为时域特征及鼠标运动行为频域特征生成对应的用户鼠标行为时频域特征。

5.如权利要求1所述的基于鼠标行为时频联合分析的持续身份认证方法，其特征在于，步骤S4包括：

S401、将每个运动段对应的用户鼠标行为时频域特征输入回归模型，生成个运动段对应的用户鼠标行为时频域特征与真实用户行为模式模版之间的偏差值；

S402、将偏差值输入可信交互模型，基于偏差值与奖励或惩罚阈值的差值生成对应的奖励值或惩罚值；

S403、基于奖励值或惩罚值更新用户身份信任值，当用户身份信任值低于锁定阈值时锁定用户。

6.如权利要求5所述的基于鼠标行为时频联合分析的持续身份认证方法，其特征在于，当用户身份信任值达到上限后，基于奖励值更新用户身份信任值时，用户身份信任值不再增加。