發(fā)布時(shí)間：2025-05-11 07:19

　　科技的不斷創(chuàng)新和進(jìn)步,使人們在享受科技帶來好處的同時(shí),不得不面臨網(wǎng)絡(luò)安全問題。驗(yàn)證碼的出現(xiàn)為網(wǎng)絡(luò)安全道路提供了重要保障,但是隨著各類驗(yàn)證碼不斷被機(jī)器自動(dòng)化程序破譯,不僅影響了網(wǎng)絡(luò)系統(tǒng)的正常運(yùn)行,同時(shí)給正常用戶帶來經(jīng)濟(jì)損失、信息泄露等隱患。數(shù)字字符等簡單的驗(yàn)證碼雖方便用戶使用但很容易被機(jī)器破譯,而且很難正確區(qū)分出操作者是“機(jī)器”還是“個(gè)人”;問答、圖片驗(yàn)證碼雖然安全性能高,但是用戶體驗(yàn)感差,所以使用方便又有一定安全性的滑動(dòng)式驗(yàn)證碼是一個(gè)不錯(cuò)的選擇。本文基于滑動(dòng)式驗(yàn)證碼,利用從人和機(jī)器完成驗(yàn)證所留下的滑動(dòng)軌跡中提取出的特征數(shù)據(jù),結(jié)合現(xiàn)代統(tǒng)計(jì)方法建立模型,嘗試解決正確識(shí)別人機(jī)操作這一至關(guān)重要的網(wǎng)絡(luò)安全問題。首先,我們將機(jī)器行為樣本標(biāo)為正類,即關(guān)注的類,真人行為樣本標(biāo)為負(fù)類。其次對(duì)所有樣本數(shù)據(jù)進(jìn)行相關(guān)性分析,分析發(fā)現(xiàn)樣本指標(biāo)之間的相關(guān)性較小、相互影響作用較弱,每個(gè)樣本都可以在建立分類模型的過程中發(fā)揮出其作用。然后對(duì)進(jìn)行標(biāo)準(zhǔn)化后的數(shù)據(jù),運(yùn)用機(jī)器學(xué)習(xí)中的支持向量機(jī)技術(shù)算法建立支持向量機(jī)分類模型預(yù)測驗(yàn)證操作者的類別,同時(shí)采用R統(tǒng)計(jì)軟件對(duì)其進(jìn)行實(shí)證研究和分析,并與Fisher判別、決策樹和BP神經(jīng)網(wǎng)絡(luò)等...

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外文獻(xiàn)綜述
        1.2.1 國內(nèi)文獻(xiàn)綜述
        1.2.2 國外文獻(xiàn)綜述
    1.3 主要研究內(nèi)容
        1.3.1 研究內(nèi)容
        1.3.2 研究框架
第二章 相關(guān)理論算法概述
    2.1 Fisher判別算法
        2.1.1 投影和判別函數(shù)
        2.1.2 類別預(yù)測
        2.1.3 Fisher判別的R實(shí)現(xiàn)
    2.2 決策樹算法
        2.2.1 特征選擇
        2.2.2 決策樹的生成
        2.2.3 決策樹的剪枝
        2.2.4 決策樹的R實(shí)現(xiàn)
    2.3 支持向量機(jī)算法
        2.3.1 線性可分支持向量機(jī)
        2.3.2 線性支持向量機(jī)
        2.3.3 非線性支持向量機(jī)
        2.3.4 支持向量機(jī)的R實(shí)現(xiàn)
    2.4 神經(jīng)網(wǎng)絡(luò)算法
        2.4.1 節(jié)點(diǎn)模型
        2.4.2 BP神經(jīng)網(wǎng)絡(luò)
        2.4.3 BP神經(jīng)網(wǎng)絡(luò)算法流程
        2.4.4 BP神經(jīng)網(wǎng)絡(luò)的R實(shí)現(xiàn)
第三章 實(shí)證研究
    3.1 數(shù)據(jù)描述與處理
        3.1.1 數(shù)據(jù)描述
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 判別分析模型的建立
        3.2.1 建立判別分析模型
        3.2.2 結(jié)果分析
    3.3 決策樹分類模型的建立
        3.3.1 建立決策樹分類模型
        3.3.2 結(jié)果分析
    3.4 支持向量機(jī)分類模型的建立
        3.4.1 建立支持向量機(jī)模型
        3.4.2 結(jié)果分析
    3.5 神經(jīng)網(wǎng)絡(luò)模型的建立
        3.5.1 建立神經(jīng)網(wǎng)絡(luò)模型
        3.5.2 結(jié)果分析
第四章 模型評(píng)價(jià)
    4.1 評(píng)價(jià)標(biāo)準(zhǔn)
    4.2 模型比較
結(jié)論與展望
參考文獻(xiàn)
致謝
附錄A (攻讀學(xué)位期間發(fā)表論文目錄)



本文編號(hào)：4045052