[發明專利]基于人機交互行為特征的用戶身份屬性檢測方法

有效

• 申請號: 201310454565.2
• 申請日: 2013-09-27
• 公開（公告）號: CN103530540B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 蔡忠閩;沈超;羅伊·麥克斯;管曉宏
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F21/31
• 分類號: G06F21/31;G06F3/01
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 朱海臨

技術領域

本發明涉及一種計算機及移動網絡用戶信息感知分析技術，特別涉及一種基于計算機及智能手機用戶人機交互行為特征的身份屬性檢測方法。

背景技術

隨著社會信息化、網絡化大潮的推進，在計算機及移動網絡中對用戶信息的感知分析變得越來越重要。一方面，在電子商務、網絡銀行等網絡虛擬化經濟活動中，商家迫切希望能夠盡量充分的了解客戶，以提供針對性的商品或服務從而提高商業活動的成功率；另一方面，計算機網絡和移動網絡信息犯罪活動也越來越嚴重，提取和分析存在于計算網絡系統中的電子證據進而確定操作者的性別、年齡、種族、語言等身份屬性能夠為網絡犯罪活動的發現和遏制提供重要的幫助。

近年來，有研究人員提出基于生物特征檢測用戶的信息或身份屬性，他們根據人臉、指紋、虹膜、掌紋等生理特征對用戶的性別、年齡、種族等信息進行檢測，但是此類方法需要使用特定的生物信息采集設備，如攝像頭、指紋傳感器等，不適用于現有的計算網絡環境。目前還沒有可以在現有的計算網絡環境中大規模應用的分析檢測用戶身份屬性的技術或方法。

針對上述需求，本發明提出一種基于人機交互行為特征來分析檢測用戶身份屬性的技術或方法。

發明內容

本發明的目的是提供一種基于人機交互行為特征的計算機及智能手機用戶身份屬性檢測技術，特別是利用用戶操作人機交互設備過程中所產生的交互行為特征作為依據來檢測操作者的身份屬性的方法。

為達到以上目的，本發明是采取如下技術方案予以實現的：

一種基于人機交互行為特征的用戶身份屬性檢測方法，其特征在于，包括建立身份屬性模型和檢測身份屬性兩個部分：

（1）建立身份屬性模型，包括下述步驟：

第一步，在計算機及智能手機用戶正常使用人機交互設備的過程中，采集并記錄用戶的人機交互行為數據，包括鼠標交互行為數據、擊鍵交互行為數據、觸摸交互行為數據；

第二步，針對所有計算機及智能手機用戶，定義身份屬性的種類，及每種身份屬性的劃分類別；

第三步，以固定觀測時間長度T為周期對記錄的人機交互行為數據進行劃分，形成多個時間長度為T的人機交互行為數據塊；根據用戶的身份屬性的種類及每種身份屬性的劃分對這些行為數據塊進行標記；

第四步，針對每個標記的數據塊，提取并標記人機交互行為特征向量，將不同數據塊中的人機交互行為特征向量組合形成用戶的身份屬性特征向量訓練集；

第五步，針對每種身份屬性，根據身份屬性種類的標記，得到每個身份屬性對應的特征向量訓練集；根據每個身份屬性劃分類別的標記，得到訓練集中每個特征向量的標記；分別將每個身份屬性對應的特征向量訓練集作為訓練樣本，同時將訓練集中特征向量的標記作為訓練樣本的標記，對每個身份屬性分別構建身份屬性模型。

（2）檢測身份屬性，包括下述步驟：

第一步，用戶登入計算機或智能手機后，捕獲當前用戶的人機交互行為，以長度T為周期，獲取T內用戶人機交互行為數據并提取對應的人機交互行為特征向量，進而生成對應每個身份屬性的特征向量；

第二步，對當前用戶的身份屬性進行檢測：將生成的身份屬性特征向量作為已建立的身份屬性推測模型的輸入，得到用戶身份屬性的檢測值，對用戶的身份屬性進行判斷。

上述方法中，所述建立身份屬性模型部分第四步中形成用戶的身份屬性特征向量訓練集的具體步驟如下：

（1）在觀測時間長度為T的人機交互行為數據塊中，遍歷人機交互事件序列，依次分離出不同類型的交互行為事件，包括鼠標交互行為事件、擊鍵交互行為事件、觸摸交互行為事件；

（2）針對不同類型的交互行為事件，提取交互行為特征向量，包括鼠標行為特征向量、擊鍵行為特征向量、觸摸行為特征向量；

（3）將不同數據塊中的人機交互行為特征向量組合在一起，形成身份屬性特征向量訓練集。

所述計算機或智能手機用戶產生的人機交互行為數據為基本人機交互事件組成的序列，基本人機交互事件的格式為：{交互時間戳，交互屏幕位置，包括鼠標、鍵盤、或觸摸板的交互設備類型，交互事件類型}。

所述身份屬性是指計算機及智能手機用戶所固有的生理或行為特性，包括用戶的性別、年齡、種族、語言、左右手使用習慣、文化程度、計算機使用熟練程度、職業、手指健康狀況。

所述建立身份屬性模型由一種或多種分類器聯合實現，所述分類器包括加權隨機森林分類器、人工神經網絡分類器、支持向量機分類器。其中，由加權隨機森林分類器建立身份屬性模型的具體步驟為：