本发明公开了一种基于支持向量机的击键特征异常用户识别方法及系统，通过获取样本用户输入预设样本的第一样本行为特征数据，包括击键输入字符不同错误类型的数量、击键速度、击键平均速度、击键瞬时速度、击键正确率及击键的稳定性，将更能体现用户击键个体差异表征用户身份的行为特征作为行为特征库，另外对行为特征数据中丢失的行为特征数据进行数据补全处理后作为预设的行为特征样本库，使得样本用户行为特征数据更加完整，使得识别率相比现有技术得到了很大的提高。

本发明涉及模式识别领域，具体涉及一种基于支持向量机的击键特征异常用户识别方法及系统。本发明实施例提供的一种基于支持向量机的击键特征异常用户识别方法，包括如下步骤：获取待识别的用户输入预设样本的行为特征数据；根据预设的分类模型及预设的行为特征样本库对所述待识别的用户的行为特征数据进行识别，生成识别结果；通过以下步骤建立所述预设的行为特征样本库：获取样本用户输入预设样本的第一样本行为特征数据；对所述第一样本行为特征数据中丢失的行为特征数据进行数据补全处理，形成第二样本行为特征数据，并将所述第二样本行为特征数据作为所述预设的行为特征样本库.

目前，在互联网操作中，口令、密码和用户名认证是主要的用户认证方式。但这种机制最大的问题就是容易泄露个人隐私。随着机器学习，深度学习等生物认证技术的发展，为互联网身份认证提供了新的解决思路。因此急需要要一种基于支持向量机的击键特征异常用户识别方法及系统，该发明操作简单，经济效益高，具有重要的发展前景。

戴大蒙，2003年毕业浙江工业大学,获英工学硕士学位,之后一直在温州大学计算机学院从事教学科研工作,2010年在西北工业大学攻读工 学博士,2012年在香港大学工业与制造系统工 程系做访问学者,2013年在科技部高新司挂职。研究究方向为:模式识别与智能系统，工业物联网技术,大数据可视化技术。近5年来主持国家自然科学学基金1项，省部级和地市级项目10余项及多项重大横向课题，在《电子学报》、《ChineseJou rnalofElectronics》《JournaloflnformationandCompu tationalScience》等国内外核心期刊发表论文20余篇。目前担任温州地区政府信息化专家、浙江省两化融合专家及政府招投标专家等礼社会工作。

1 .本发明实施例提供的基于支持向量机的击键特征异常用户识别方法及系统，通过获取样本用户输入预设样本的第一样本行为特征数据，包括击键输入字符不同错误类型的数量、击键速度、击键平均速度、击键瞬时速度、击键正确率及击键的稳定性，将更能体现用户击键个体差异表征用户身份的行为特征作为行为特征库，使得待识别用户身份的识别率大大得到了提高。 2 .本发明实施例提供的基于支持向量机的击键特征异常用户识别方法及系统，对行为特征数据中丢失的行为特征数据进行数据补全处理后作为预设的行为特征样本库，使得样本用户行为特征数据更加完整。将待识别的用户输入预设样本的行为特征数据，根据预设的分类模型及预设的行为特征样本库对所述待识别的用户的行为特征数据进行分类，生成分类结果确定其身份，进而判断是否为异常用户，使得识别率相比现有技术得到了很大的提高。

技术合作，遣派学者专家到国外或者其他地区的高校，研究机构或者生产企业与对方的学者，专家合作进行研究设计，或者双方学者，专家轮流到对方学校，研究机构或者企业进行研究。