典型文献
新的基于鼠标行为的持续身份认证方法
文献摘要：
随着互联网技术的快速发展,安全问题一直是人们关注的焦点.基于鼠标行为的持续身份认证对于保护计算机系统的安全起着至关重要的作用.针对鼠标行为认证方法存在的认证准确率较低和认证时间较长的问题,提出了一种新的基于鼠标行为的持续身份认证方法.该方法将用户的鼠标事件序列按不同的类型划分为相应的鼠标行为,并基于鼠标行为从多方面挖掘鼠标行为特征,对于时间和空间的特征值需要计算其统计值来唯一表示,从而更好地表示不同用户的鼠标行为差异,提高认证准确率.通过ReliefF算法得到鼠标行为特征的重要度,并在此基础上结合邻域粗糙集去除鼠标行为的无关或冗余特征,以达到降低模型复杂度和建模时间的目的,并采用二分类算法进行认证模型的训练.在身份认证时会根据每次收集的鼠标行为使用认证模型得到分类得分,再结合信任模型更新用户的信任值,当用户的信任值降低到信任模型阈值以下时,就会被判断为非法用户.在Balabit和DFL数据集上对所提方法的身份认证效果进行仿真实验,结果表明,该方法相较于其他文献的方法,不仅可以提高身份认证准确率、降低身份认证时间,而且对于外部用户的非法入侵具有一定的鲁棒性.
文献关键词：
身份认证;鼠标行为;邻域粗糙集;特征选择;信任模型
中图分类号：
作者姓名：
易聪;胡军
作者机构：
计算智能重庆市重点实验室(重庆邮电大学),重庆 400065;重庆邮电大学计算机科学与技术学院,重庆 400065
文献出处：
引用格式：
[1]易聪;胡军-.新的基于鼠标行为的持续身份认证方法)[J].网络与信息安全学报,2022(05):179-188
A类：
鼠标行为,鼠标事件,Balabit
B类：
身份认证,保护计算机,计算机系统,事件序列,类型划分,行为特征,同用,行为差异,ReliefF,重要度,邻域粗糙集,冗余特征,模型复杂度,二分类,分类算法,信任模型,模型更新,新用户,信任值,当用,被判,DFL,非法入侵,特征选择
AB值：
0.222778
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
