基于应用使用行为的智能手机持续认证

本文通过利用用户独特的应用使用数据（即由马尔可夫过程建模的差异化使用模式）对智能手机主动/持续认证进行实证研究。评估了隐马尔可夫模型（HMM）的多种变体用于持续用户验证，并应对了会话数据稀疏、状态爆炸以及测试数据中未知事件处理等挑战。与传统方法不同，所提公式不依赖前 N 个应用，而是使用完整应用使用信息以实现低延迟。通过实验，借助改进的编辑距离算法进行简单序列匹配，对未知事件（即未知应用与未预见观测）对用户验证影响的实证评估得以完成。研究发现，为提升验证性能，应通过采用 HMM 平滑技术将未知事件纳入模型。为验证，在两个不同数据集上进行了大量实验。边缘平滑技术在等错误率（EER）方面对用户验证最有效，在 1/30s^{-1} 采样率与 30 分钟历史数据下，该方法能在约 2.5 分钟应用使用内检测入侵。