一种基于条件随机场的击键特征身份鉴别方法

《一种基于条件随机场的击键特征身份鉴别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第7期2014年7月计算机应用研究ApplicationResearchofComputersV01．31No．7Jul．2014一种基于条件随机场的击键特征身份鉴别方法冰李晨，张功萱，岳宝玲，贺定龙(南京理工大学计算机科学与3-程学院，南京210094)摘要：为了提高网络系统中常用的用户名／密码身份鉴别系统的安全性，提出基于用户击键特征的二次身份鉴别方案。该方案在现有的用户名／密码认证方案上加入基于条件随机场的击键特征建模和识别步骤，并在理论上对该方案作了可行性、安全性、效率和准确率分析。通过使用公开数据的实验发现，该方案在提高原方案安全性的同时，具有效率高、

2、准确率高的特点。通过与其他基于相同公开数据的实验结果对比发现，条件随机场模型在击键特征识别领域具有很好的识别效果。关键词：击键特征；身份鉴别；条件随机场；行为特征中图分类号：TP393．08文献标志码：A文章编号：1001—3695(2014)07—2112—04doi：10．3969／j．issn．1001—3695．2014．07．046KeystrokedynamicsbaseduserauthenticationusingconditionalrandomfieldsLIChen，ZHANGGong—xuan，YUEBao—ling，HEDing—long(Sc

3、hool矿ComputerScience&Engineering，肫埘ngUniversity旷Science&Techtwlogy，Na彬ng210094，China)Abstract：Basedonthewidelyusedusername／passwordauthenticationsystem，thispaperproposedatwo—factorauthentieationsystemusingkeystrokedynamics．Thesehenleembeddedkeystrokedynamicsmodelingandidentifieationintot

4、heusername／passwordauthenticationsystem．Itsfeasibility，security，efficiencyandaccuracyweretheoreticallyanalyzed．Experimentsusingpubliclyavailablekeystrokedynamicsdatasetsshow-thatithasgreateffieieeyandaccuracywithimprovedsecurity．Performanceevaluationwithdifferentmodelsusingthesanlepublic

5、datasetsindicatesthatconditionalrandonlfieldisaneffeetivemodelforkeystrokedynamics．Keywords：keystrokedynamics；identifieation；conditionalrandonlfields；behaviorcharacteristics传统的身份认证方案是基于用户名／密码实现的，这种方案存在严重的安全缺陷，但它依然是当前最常用的身份认证方案。研究表明，每个人都有独一无二的击键特征，通过分析用户的击键特征就可以鉴别其身份。1o。击键特征的采集是非侵入式的，可以很方

6、便地在已有的用户名／密码身份认证系统中加入基于击键特征分析的二次认证模块，以此提高系统的安全性。本文首次将条件随机场模型应用到击键特征分析，并提出基于击键特征识别的二次身份认证方案。该方案可以在不影响用户使用的情况下，增强现有密码认证方案的安全性。绝大多数人在用键盘输入时使用双手，因此任一击键与其相邻的击键有物理联系。由于个人使用习惯不同，敲击键盘的力度和熟练程度都因人而异。这些击键特征类似于人的笔迹，本文通过分析这些击键特征，实现对用户身份的鉴别。2o。1条件随机场模型条件随机场(conditionalrandonlfields，CRFs)_o由Lafferty等人在

7、2001年提出，该模型是在给定需要标记的观察序列的条件下，计算整个标记序列的联合概率。条件随机场是一种无向图模型，在给定的观测序列之上定义了一个对数分布的标记序列。条件随机场的定义：令G=(V，E)表示一个无向图，任取y。∈Y，存在w∈V与之一一对应；当在条件x下，随机变量y。服从图G的马尔可夫属性，称(y，x)是一个条件随机场。理论上，只要图G能够满足标记序列间的条件独立性，图G的结构可以是任意的。在对序列建模时，最常用并且最重要的是一阶链式模型，如图1所示。这个链式结构在标记序列上定义了一个联合概率分布P(ylx)。MhY3y“K图1