10.19678/j.issn.1000-3428.0060480
基于动态信任值的智能手机隐式认证方案
在智能手机隐私安全领域,隐式认证具有高安全性、友好交互体验等优点,但存在行为特征采集不便、认证模型复杂的问题.提出一种基于动态信任值的分级隐式认证方案.利用机器学习方法进行模型训练,提取用户划屏行为特征作为前级认证数据,并将前级输出概率经信任值检测作为后级认证数据,进而得到最终认证结果.同时基于真实用户历史认证变化的稳定性和连续性,通过计算一定时间窗口内的认证概率均值作为动态信任更新值,使信任值在真实用户认证结果变化范围内波动.实验结果表明,该方案的分类准确率达到98.63%,等错误率仅为3.43%,与只包含前级认证的方案相比准确性更高,并且能够有效阻挡冒名者非法使用手机.
隐私安全;隐式认证;行为特征;机器学习;动态信任值
47
TP391(计算技术、计算机技术)
国家自然科学基金61802252
2021-10-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
132-139,146