基于机器学习的Web用户行为认证

doi:10.11959/j.issn.2096-109x.2018011

网络与信息安全学报 ›› 2018, Vol. 4 ›› Issue (1): 45-51.doi: 10.11959/j.issn.2096-109x.2018011

基于机器学习的Web用户行为认证

毋泽南¹,田立勤^1,²(),王志刚²

¹ 华北科技学院计算机学院，北京 101601
² 青海师范大学计算机学院，青海西宁810008

修回日期:2018-01-05 出版日期:2018-01-01 发布日期:2018-02-09
作者简介:毋泽南（1991-），男，河南焦作人，华北科技学院硕士生，主要研究方向为信息安全、用户行为认证。|田立勤（1970-），男，陕西定边人，博士，华北科技学院教授，主要研究方向为物联网远程信息监控、大数据有效性审核、网络安全评价与用户行为认证、网络性能评价与优化。|王志刚（1993-），男，河北张家口人，青海师范大学硕士生，主要研究方向为大数据、云计算。
基金资助:
国家自然科学基金资助项目(61472137);中央高校基本科研业务费基金资助项目(3142015022);中央高校基本科研业务费基金资助项目(3142017053);青海省重点研发、应用基础研究基金资助项目(2016-SF-130);青海省重点研发、应用基础研究基金资助项目(2017-ZJ-752);河北省物联网监控工程技术研究中心基金资助项目(3142016020);青海省物联网重点实验室基金资助项目(2017-ZJ-Y21)

Behavior authentication of Web users based on machine learning

Zenan WU¹,Liqin TIAN^1,²(),Zhigang WANG²

¹ School of Computer Science and Technology,North China Institute of Science and Technology,Beijing 101601,China
² School of Computer Science and Technology,Qinghai Normal University,Xining 810008,China

Revised:2018-01-05 Online:2018-01-01 Published:2018-02-09
Supported by:
The National Natural Science Foundation of China(61472137);The Central University Basic Research Fees Fund Project(3142015022);The Central University Basic Research Fees Fund Project(3142017053);The Key Research and Development Projects of Qinghai Province(2016-SF-130);The Key Research and Development Projects of Qinghai Province(2017-ZJ-752);Internet of Things Monitoring Engineering Research Center of Hebei Province(3142016020);Key Laboratory of Internet of Things of Qinghai Province(2017-ZJ-Y21)

摘要/Abstract

摘要：

针对Web用户信息的安全问题，结合机器学习的方法，对用户行为进行分析和认证。首先通过主成分分析法对原始数据集做降维处理，然后利用 SVM 算法，让计算机对历史用户行为证据进行学习，得到一个判别用户身份的模型。实际应用和理论分析表明，该模型在用户行为认证判别上，可以更准确和高效地分类出危险用户和可信用户，为诸如电子商务、网络金融等关键网络应用用户行为的高性能分析奠定坚实的理论和实践基础。

关键词: 信息安全, 用户行为认证, 支持向量机, 主成分分析

Abstract:

According to the security problem of Web user information,the user behavior was analyzed and authenticated by the method of machine learning.First of all,through the principal component analysis to reduce the dimension of the original data set,then use the SVM algorithm to allow the computer to learn the history of user behavior evidence,to get a model to identify the user's identity.The practical application and theoretical analysis show that the model in user behavior identification authentication,can be more accurate and efficient classification of dangerous users and trusted users,analysis lay a solid theoretical and practical basis for the high performance user behavior such as electronic commerce,network finance and other key of Internet applications.

Key words: information security, user behavior authentication, support vector machine, principal component analysis

中图分类号:

TP309

毋泽南,田立勤,王志刚. 基于机器学习的Web用户行为认证[J]. 网络与信息安全学报, 2018, 4(1): 45-51.

Zenan WU,Liqin TIAN,Zhigang WANG. Behavior authentication of Web users based on machine learning[J]. Chinese Journal of Network and Information Security, 2018, 4(1): 45-51.

图/表 6

图1

图2

图3

表1

图4

图5

参考文献 11

[1]	林闯, 田立勤, 王元卓 . 可信网络中用户行为可信的研究[J]. 计算机研究与发展, 2008,45(12): 2033-2043.
	LIN C , TIAN L Q , WANG Y Z . Study on trusted users' behavior in trusted network[J]. Journal of Computer Research and Development, 2008,45(12): 2033-2043.
[2]	陈亚睿, 田立勤, 杨扬 . 云计算环境下动态用户行为认证的机制、模型与分析[J]. 系统仿真学报, 2011,23(11): 2302-2307.
	CHEN Y R , TIAN L Q , YANG Y . Mechanism,model and analysis of dynamic user behavior authentication in cloud computing environment[J]. Journal of System Simulation, 2011,23(11): 2302-2307.
[3]	田立勤, 李君建, 毋泽南 . 权重均衡优化的 Web 用户行为的信任评估[J]. 北京邮电大学学报, 2016,39(6): 99-103.
	TIAN L Q , LI J J , WU Z N . Trust assessment of Web user behavior based on weight balance optimization[J]. Journal of Beijing University of Posts and Telecom, 2016,39(6): 99-103.
[4]	郭树凯, 田立勤, 沈学利 . FAHP 在用户行为信任评价中的研究[J]. 计算机工程与应用, 2011,47(12): 59-61.
	GUO S K , TIAN L Q , SHEN X L . Research on FAHP in user behavior trust evaluation[J]. Computer Engineering and Application, 2011,47(12): 59-61.
[5]	LI W , PING L D , LU K J ,et al. Trust model of users' behavior in trustworthy Internet[C]// 2009 WASE International Conference on Information Engineering,Piscataway. 2009: 403-406.
[6]	LIU WP , REN P , DUAN H X . User cooperation trust model and its application in network security management[C]// 2011 Eighth International Conference on Fuzzy Systems and Knowledge Discovery (FSKD). 2011: 2335-2339.
[7]	BROSSO I , NEVE A L , BRESSAN G ,et al. A continuous authentication system based on user behavior analysis[C]// Ares '10 International Conference on Availability,Reliability,and Security. 2010: 380-385.
[8]	NOOR T H , SHENG Q Z , ALFAZI A . Reputation attacks detection for effective trust assessment among cloud services[C]// IEEE International Conference on Trust,Security and Privacy in Computing and Communications. 2013: 469-476.
[9]	冀铁果, 田立勤 ,等. 可信网络中一种基于AHP的用户行为评方法[J]. 计算机工程与应用, 2007,43(19): 123-127.
	JI T G , TIAN L Q ,et al. A AHP-based user behavior assessment method in trusted network[J]. Computer Engineering ＆ Applications, 2007,43(19): 123-127.
[10]	万普尼克 . 统计学习理论[M]. 北京: 电子工业出版社, 2009.
	VAPNIK . Statistical Learning Theory[M]. Beijing: Publishing House of Electronics Industry,Press, 2009.
[11]	CHANG C C , LIN C J . LIBSVM:a library for support vector machines[C]// ACM Transactions on Intelligent Systems and Technology(TIST) . 2011.

训练样本数	测试样本数	C	g=σ²	误报率	检测率
1 000	200	100	1	2.35%	81.45%
2 000	300	50	0.5	2.06%	88.53%
3 000	400	200	0.1	1.68%	89.25%

[1]	刘赣秦, 李晖, 朱辉, 黄煜坤, 刘兴东. 低功耗嵌入式平台的SM2国密算法优化实现[J]. 网络与信息安全学报, 2022, 8(6): 29-38.
[2]	刘军, 袁霖, 冯志尚. 集群网络密钥管理方案研究综述[J]. 网络与信息安全学报, 2022, 8(6): 52-69.
[3]	夏毅, 兰明敬, 陈晓慧, 罗军勇, 周刚, 何鹏. 可解释的知识图谱推理方法综述[J]. 网络与信息安全学报, 2022, 8(5): 1-25.
[4]	谢绒娜, 范晓楠, 袁琳, 郭子晨, 朱家玉, 史国振. 在线社交网络中延伸访问控制机制研究[J]. 网络与信息安全学报, 2021, 7(5): 123-131.
[5]	李瑾, 曹进, 张跃宇, 张美茹, 李晖. 信息安全专业课程思政的逆向教学设计——以西安电子科技大学“无线通信网络安全”课程为例[J]. 网络与信息安全学报, 2021, 7(3): 166-174.
[6]	刘国杰,张建标. 基于TPCM的服务器可信PXE启动方法[J]. 网络与信息安全学报, 2020, 6(6): 105-111.
[7]	胡桥,胡玉鹏,廖鑫,秦拯,孙建华,张吉良. 湖南大学信息安全专业本科培养计划修订调查分析及改进思路[J]. 网络与信息安全学报, 2020, 6(4): 153-158.
[8]	曲强,于洪涛,黄瑞阳. 基于注意力机制的社交垃圾文本检测方法[J]. 网络与信息安全学报, 2020, 6(1): 54-61.
[9]	贾春福,李瑞琪,田美琦,程晓阳. 信息安全与法学复合型人才培养模式[J]. 网络与信息安全学报, 2019, 5(3): 31-35.
[10]	左金鑫,郭子裕,李瑾,张洁,陆月明. 机密稳健复杂系统安全性评估方法[J]. 网络与信息安全学报, 2019, 5(2): 58-65.
[11]	陈舒荻,朱友文. 抗肩窥攻击的安全口令输入方法[J]. 网络与信息安全学报, 2019, 5(1): 87-93.
[12]	程莹. 风险管理模式下的数据保护影响评估制度[J]. 网络与信息安全学报, 2018, 4(8): 63-70.
[13]	王佳林, 刘吉强, 赵迪, 王盈地, 相迎宵, 陈彤, 童恩栋, 牛温佳. 基于非对称卷积自编码器和支持向量机的入侵检测模型[J]. 网络与信息安全学报, 2018, 4(11): 57-68.
[14]	范新民. 基于移动学习和翻转课堂深度融合的网络信息安全课程教学创新实践与探索[J]. 网络与信息安全学报, 2017, 3(9): 61-66.
[15]	马国峻,王水波,裴庆祺,詹阳. 基于主成分分析和K-means聚类的平行坐标可视化技术研究[J]. 网络与信息安全学报, 2017, 3(8): 18-27.

基于机器学习的Web用户行为认证

Behavior authentication of Web users based on machine learning

在线阅读

pdf下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 11

相关文章 15

Metrics

推荐阅读 0