[發明專利]基于鼠標行為的密碼容錯方法

有效

• 申請號: 201410499054.7
• 申請日: 2014-09-25
• 公開（公告）號: CN104281795B
• 公開（公告）日: 2017-10-31
• 發明（設計）人: 蔣昌俊;陳閎中;閆春鋼;丁志軍;譚正
• 申請（專利權）人: 同濟大學
• 主分類號: G06F21/31
• 分類號: G06F21/31
• 代理公司: 上海天協和誠知識產權代理事務所31216
• 代理人: 葉鳳

1.一種基于鼠標行為的密碼容錯方法，其特征在于，基于用戶登陸時的鼠標行為數據，通過采集并處理用戶鼠標的日常行為數據，得到可以判斷用戶身份的身份認證模式，并在每次用戶登陸時，比較本次登陸數據與用戶登陸模式的相似度，最終實現用戶登陸過程的密碼容錯；分別對系統UI界面、系統軟件模塊流程以及系統數據庫操作進行如下設計，

所述的UI界面:為系統前端界面，用以實現引導用戶輸入、認證結果的展示，包括登陸界面、注冊界面以及虛擬鍵盤三個界面，以及各類提示窗口；登陸界面及注冊界面提供登陸器的基礎功能，虛擬鍵盤是為了采集到更多的用戶鼠標信息；

所述的軟件模塊的流程：包括特征選擇、數據采集、模式建立以及密碼容錯四個步驟組成，特征選擇是為了選取可以判斷用戶身份的鼠標特征，選擇到適當的特征后，對所需要的數據進行采集和處理，得到用戶的身份認證模式，并最終使用該模式進行身份認證，實現密碼容錯；

所述的數據庫：其操作是配合軟件模塊流程中的4個步驟，記錄用戶的用戶名、密碼、鼠標身份認證模式數據以及登陸數據，并根據軟件模塊要求進行數據處理和更新；

特征選擇

建立身份認證模式，首先要確定采集的用戶鼠標特征信息；鼠標特征信息包括兩類，一類稱作用戶生理層特征，指的是用戶在使用鼠標時的獨特特征，包括鼠標的單擊頻率、雙擊頻率、移動方向頻率、平均速度特征量；第二類為用戶對話層特征，指的是用戶在特定的應用環境下的鼠標特征，包括鼠標瞬時移動速度、鼠標移動瞬時移動方向；鼠標的瞬時移動速度與瞬時移動方向共同組成了鼠標的瞬時移動向量，在附加時間戳之后，連續時間內的鼠標移動向量可描述出鼠標在一段時間內的運行軌跡，這兩個數據將作為一個整體進行操作；

數據采集

設在用戶使用鼠標的過程中，軟件每隔100ms記錄一次鼠標坐標，得到的坐標記為(x₁,y₁)，(x₂,y₂)，(x₃,y₃)...(x_n,y_n)；

(1)鼠標瞬時移動角度

對于連續采集的兩個鼠標軌跡點o和a，連接兩點，其與水平線的夾角θ就是用戶鼠標瞬時移動角度，而這個角度便是某一時刻鼠標的瞬時移動角度，設角度為θ，以(x₁，y₁)(x₂，y₂)之間的角度；

cosθ=(x2-x1)/(x2-x1)2+(y2-y1)2---(1)]]>

sinθ=(y2-y1)/(x2-x1)2+(y2-y1)2---(2)]]>

根據(1)(2)求得角度的cos與sin值，再依據arcsin()和arcos()計算出角度值；

(2)鼠標瞬時移動速度

這個速度是某一時刻鼠標的瞬時移動速度，以(x₁，y₁)(x₂，y₂)之間的速度；

v=(x2-x1)2+(y2-y1)2/0.1---(3)]]>

(3)時間戳

以程序開始運行時記為0時

t＝n*0.1(4)

所述鼠標瞬時移動角度、鼠標瞬時移動速度、時間戳三項數據采集完成后，可建立起用戶鼠標的瞬時向量(θ，v，t)，用于描述用戶鼠標軌跡；

(4)鼠標平均移動速度

根據步驟2計算出的鼠標瞬時移動速度v₁,v₂,...,v_n

v‾=(v1+v2+...+vn)/n---(5)]]>

(5)鼠標移動方向頻率

根據步驟1計算得到的角度值，計算角度落在(-180，-90)(-90,0)(0,90)及(90,180)四個區域的百分比；

數據均可由鼠標軌跡坐標計算得到，采集并記錄用戶鼠標移動軌跡的坐標；通過調用API函數，每隔100ms采集一次鼠標坐標，并連同時間戳存入數據庫的數組中，當一次用戶登錄行為完成，數據庫中便記錄下了本次的用戶鼠標軌跡；

用戶身份認證模式

密碼容錯

(1)登陸模式建立

在用戶登陸時，系統的軟件模塊會使用用戶本次的登錄數據為用戶建立起與身份認證模式相對應的登陸模式；

(2)數據比較

依次比較所選擇的鼠標瞬時移動角度、鼠標瞬時移動速度、時間戳三項數據在登陸模式與身份認證模式中的相似度，鼠標軌跡相似度的比較是對鼠標矢量的比較，平均速度與方向頻率的相似度主要采用了相對誤差計算的方法；

(3)密碼容錯

輸入數據r，q，p為上一步計算得到的鼠標瞬時移動角度、鼠標瞬時移動速度、時間戳三項數據的相似度，w₁、w₂、w₃為權值，加權求和后便可得到登陸模式與用戶身份認證模式的相似度u_k；其中求和函數Sum為

u_k＝rw₁+qw₂+pw₃(6)

定義新的變量特征相似度s，若計算得到的相似度大于等于特征相似度，用戶認證通過，否則密碼容錯行為失敗；激勵函數如下；

v＝u_k-s

x即最終的用戶身份認證結果，x為1表示認證成功，用戶通過密碼容錯功能登陸成功，x為0表示認證失敗，用戶被拒絕登陸；

采用神經網絡模式中的監督學習的思想獲得，具體算法思想如下；

首先將初始的三個權值w₁、w₂、w₃均設置為1/3，即初始狀態三個相似度對最終結果的影響程度是相同的；相似度u_k，其中k表示次數，最終的特征相似度u計算如下；

u＝(u₁+u₂+...+u_k+...+u₂₀)/20(8)。