發(fā)布時(shí)間：2024-09-17 16:07

　　 現(xiàn)有智能手機(jī)往往使用廣泛且存儲(chǔ)有敏感信息,一旦丟失會(huì)造成巨大的安全隱患,故數(shù)據(jù)安全的重要性日益凸顯。鑒于傳統(tǒng)認(rèn)證策略的脆弱性,提出了一種基于上采樣單分類(lèi)的隱式身份認(rèn)證機(jī)制。首先,融合使用了時(shí)間、二維及三維等多類(lèi)手機(jī)內(nèi)置傳感器從不同維度采集用戶的行為特征。其次,為降低高維數(shù)據(jù)所含噪聲對(duì)分類(lèi)的影響,提出了一種精選特征并降維的行為特征篩選方法,對(duì)所提取的特征進(jìn)行向量排序、篩選以及降維。特別地,考慮到現(xiàn)有基于二分類(lèi)算法方案的局限性,采用SVM SMOTE對(duì)正樣本數(shù)據(jù)進(jìn)行上采樣,并提出了基于單分類(lèi)的認(rèn)證決策機(jī)制,以在單類(lèi)小規(guī)模訓(xùn)練集上實(shí)現(xiàn)分類(lèi)。最后基于實(shí)際的樣本集進(jìn)行性能測(cè)試,結(jié)果表明,所提方案在準(zhǔn)確率、FAR、FRR與AUC指標(biāo)上的表現(xiàn)部分優(yōu)于使用大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練的傳統(tǒng)KNN二分類(lèi)器。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 引言
2 系統(tǒng)框架
3 數(shù)據(jù)與特征提取
    (1)時(shí)長(zhǎng)特征
    (2)二維特征
    (3)三維特征
4 多級(jí)特征處理與身份認(rèn)證
    4.1 特征排序與篩選
    4.2 特征降維
    4.3 數(shù)據(jù)擴(kuò)增
    4.4 身份認(rèn)證
5 性能測(cè)試與分析
    5.1 實(shí)驗(yàn)設(shè)置
    5.2 實(shí)驗(yàn)結(jié)果
        5.2.1 性能對(duì)比
        5.2.2 輸入樣本數(shù)對(duì)準(zhǔn)確率的影響



本文編號(hào)：4005700