基于孪生网络模型的击键身份认证识别方法及系统技术方案

本发明专利技术属于身份认证识别技术领域，特别涉及一种基于孪生网络模型的击键身份认证识别方法及系统，基于孪生网络构建击键身份识别模型，并对模型进行训练测试；收集目标注册用户多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取目标注册用户每个击键事件样本与其剩余击键事件样本特征相似度，将获取的目标注册用户相似度均值作为该目标注册用户的识别认证阈值；收集待认证识别用户多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取待认证识别用户击键事件特征与目标注册用户击键事件特征相似度，根据目标注册用户识别认证阈值来判定该待认证识别用户是否为目标注册用户，提升准确率，便于实际场景应用。便于实际场景应用。便于实际场景应用。

【技术实现步骤摘要】
基于孪生网络模型的击键身份认证识别方法及系统


[0001]本专利技术属于身份认证识别
，特别涉及一种基于孪生网络模型的击键身份认证识别方法及系统。

技术介绍

[0002]用户在登录计算机系统前，一般需要键入正确的用户名和口令而通过认证。高安全等级的计算机系统往往采用多因子认证方式，把口令和其它认证手段结合起来使用。这些手段包括身份卡、U盾等介质，也包括人脸、指纹等生物特征。研究表明：人敲击键盘的“节奏”可以作为身份认证和识别的生物特征。人在敲击键盘时，计算机系统可以旁路采集其击键行为数据。该过程无需额外设备，且对被采集者透明，是计算机系统登录认证的一种理想生物特征。
[0003]人们通常把按键事件发生的时间间隔作为击键行为特征。在基于击键事件序列的身份认证和识别领域，固定文本的研究较多。常用卡内基.梅隆大学(CMU)固定文本数据集记录了文本“.tie5Ronal”对应的击键事件间的时间间隔，其中每个被试者采集了8次(session)数据，每次50个样本，每一个样本对应31维特征向量，是一个十分规整的数据集。现有基于统计检验、模式识别、机器学习、深度神经网等设计各种击键事件序列分类模型，绝大部分解决的是闭集识别问题，即测试数据中的类别一定属于训练数据集中的(已知)类别，不包含未知类别。但在实际应用中要识别的样本可能不属于训练数据中的类别。因此，亟需一种能够满足击键事件序列分类开集识别的方案，以提升通过击键生物特征来实现身份认证识别的应用效果。

技术实现思路

[0004]为此，本专利技术提供一种基于孪生网络模型的击键身份认证识别方法及系统，利用孪生网络构建击键身份识别模型，训练后的孪生网络可以比较未在训练集中出现的类别样本，以提升击键生物特征在人脸识别、目标跟踪等领域中的应用效果。
[0005]按照本专利技术所提供的设计方案，一种基于孪生网络模型的击键身份认证识别方法，包含如下内容：
[0006]基于孪生网络构建用于特征提取和认证识别的击键身份识别模型，并利用击键事件序列文本数据集对模型的特征提取和认证识别进行训练测试；
[0007]收集目标注册用户多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取目标注册用户每个击键事件样本与其剩余击键事件样本特征相似度，将获取的目标注册用户相似度均值作为该目标注册用户的识别认证阈值；
[0008]针对待认证识别用户，收集其多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取待认证识别用户击键事件特征与目标注册用户击键事件特征相似度，根据目标注册用户识别认证阈值来判定该待认证识别用户是否为目标注册用户。
[0009]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，击键事件特
征序列以5元组存储，且每个击键事件特征包含每个击键事件对应的按键值、单个按键按下到释放的持续时间、及相邻前后按键动作中前个按键释放至后个按键释放的动作之间间隔时间。
[0010]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，前后按键动作之间间隔时间包含：UD time、DD time及UU time，其中，UD time为后个按键释放时间点与前个按键按下时间点差值，DD time为后个按键按下时间点与前个按键按下时间点差值，UU time为后个按键释放时间点与前个按键释放时间点差值。
[0011]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，击键身份识别模型包含：用于对输入的用户击键事件样本进行特征提取的两个分支网络，与分支网络连接用于对孪生网络的两个特征输出进行做差对比的比较层，及与对比层输出连接依据做差对比结果判定输入的用户击键事件样本是否为同类的决策层。
[0012]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，分支网络包含：用于对击键事件输入不定长序列的填充部分进行掩盖的masking层，用于对masking层输出向量进行批标准化处理的标准化处理层，用于通过对批标准化处理后的向量数据提取特征的LSTM层，及用于对提取特征进行降维的全连接层。
[0013]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，标准化处理层在批标准化处理中，若击键事件输入长度小于预设长度值时，在击键事件序列后填充0，直至输入长度达到预设长度值，若击键事件输入大于预设长度值时，则丢弃击键事件序列超出预设长度值的部分。
[0014]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，所述击键身份识别模型表示为：其中，x,x'表示输入的两个用户击键事件样本，分别表示两个分支网络提取特征输出，v表示权重参数，b表示偏置项参数，sigmoid()表示激活函数。
[0015]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，利用已知用户标签类别的多个用户自由文本击键事件样本作为训练测试击键身份识别模型的击键事件序列文本数据集。
[0016]作为本专利技术基于孪生网络模型的击键身份认证识别方法，进一步地，击键身份识别模型训练测试中，采用二元交叉熵作为目标损失函数、并利用自适应矩估计作为优化器进行训练测试中的参数优化。
[0017]进一步地，本专利技术还提供一种基于孪生网络模型的击键身份认证识别系统，包含：模型构建模块、用户注册模块及认证识别模块，其中，
[0018]模型构建模块，用于基于孪生网络构建用于特征提取和认证识别的击键身份识别模型，并利用击键事件序列文本数据集对模型的特征提取和认证识别进行训练测试；
[0019]用户注册模块，用于收集目标注册用户多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取目标注册用户每个击键事件样本与其剩余击键事件样本特征相似度，将获取的目标注册用户相似度均值作为该目标注册用户的识别认证阈值；
[0020]认证识别模块，用于针对待认证识别用户，收集其多个击键事件样本，利用击键身
份识别模型提取每个击键事件特征序列并获取待认证识别用户击键事件特征与目标注册用户击键事件特征相似度，根据目标注册用户识别认证阈值来判定该待认证识别用户是否为目标注册用户。
[0021]本专利技术的有益效果：
[0022]本专利技术利用孪生网络构建击键身份识别模型，能够充分挖掘击键事件序列数据中的潜在规律，通过模拟训练优化获取更精确的相似度度量标准，在保证识别准确率的同时，可满足计算机系统利用击键生物特征来实现用于注册、认证/识别场景中的应用，能够实现对未知用户的开集识别，具有较好的应用前景。
附图说明：
[0023]图1为实施例中基于孪生网络模型的击键身份认证识别方法流程示意；
[0024]图2为实施例中击键事件序列及特征示意；
[0025]图3为实施例中击键身份识别模型示意；
[0026]图4为实施例中模型训练验证准确率示意。
具体实施方式：
[0027]为使本专利技术的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生网络模型的击键身份认证识别方法，其特征在于，包含如下内容：基于孪生网络构建用于特征提取和认证识别的击键身份识别模型，并利用击键事件序列文本数据集对模型的特征提取和认证识别进行训练测试；收集目标注册用户多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取目标注册用户每个击键事件样本与其剩余击键事件样本特征相似度，将获取的目标注册用户相似度均值作为该目标注册用户的识别认证阈值；针对待认证识别用户，收集其多个击键事件样本，利用击键身份识别模型提取每个击键事件特征序列并获取待认证识别用户击键事件特征与目标注册用户击键事件特征相似度，根据目标注册用户识别认证阈值来判定该待认证识别用户是否为目标注册用户。2.根据权利要求1所述的基于孪生网络模型的击键身份认证识别方法，其特征在于，击键事件特征序列以5元组存储，且每个击键事件特征包含每个击键事件对应的按键值、单个按键按下到释放的持续时间、及相邻前后按键动作中前个按键释放至后个按键释放的动作之间间隔时间。3.根据权利要求2所述的基于孪生网络模型的击键身份认证识别方法，其特征在于，前后按键动作之间间隔时间包含：UD time、DD time及UU time，其中，UD time为后个按键释放时间点与前个按键按下时间点差值，DD time为后个按键按下时间点与前个按键按下时间点差值，UU time为后个按键释放时间点与前个按键释放时间点差值。4.根据权利要求1所述的基于孪生网络模型的击键身份认证识别方法，其特征在于，击键身份识别模型包含：用于对输入的用户击键事件样本进行特征提取的两个分支网络，与分支网络连接用于对孪生网络的两个特征输出进行做差对比的比较层，及与对比层输出连接依据做差对比结果判定输入的用户击键事件样本是否为同类的决策层。5.根据权利要求4所述的基于孪生网络模型的击键身份认证识别方法，其特征在于，分支网络包含：用于对击键事件输入不定长序列的填充部分进行掩盖的masking层，用于对masking层输出向量进行批标准化处理的标准化处理层...

【专利技术属性】
技术研发人员：张畅，韩继红，张玉臣，张恒巍，周洪伟，袁霖，李福林，汪永伟，孙怡峰，刘小虎，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：