本发明涉及基于负选择算法的网络安全领域，具体一种基于余弦相似性的击键动作识别方法。
背景技术：
很显然，数字身份在我们的社会中代表一个重要的进步。然而，这些身份的传播造成了数据曝光次数的增加和身份盗窃的发生。，当一个人使用其他人的个人信息非法假装是这个人时，身份盗窃发生。另一个有前途的为遏制这一问题的办法是使用行为的入侵检测系统，作为潜在的入侵检测异常行为。
在用户可能被分析的方面当中，击键动力学被研究。这项工作表明，应用免疫阴性选择算法（nsas）根据他们的打字节奏来识别用户。这些算法是新颖性探测器，仅使用一类分类器在训练阶段期间的正类样本。然后，在匹配阶段，这些分类器能够区分正极和负极之间的数据。由于入侵者样本并不总是可用的，这种方法的新颖探测器比二进制分类更适合击键动力学，这就需要在训练阶段中的阳性和阴性样品。这种新颖性检测器有时被称为一类分类器。
在应用nsa时的一个关键问题是缺乏支持高维空间，从而限制了它在解决现实世界问题中的广泛使用。本文提出了一种办法通过使用余弦相似性解决这一问题。众所周知的一种新颖性检测器，自动关联的多层感知器（aamlp），被用来作为基线，以评估负向选择的性能。
技术实现要素：
本发明针对目前数字身份安全性不高但应用范围又极其广泛的情况，提供了利用负选择算法模拟生物免疫过程并通过将免疫细胞抽象成检测器完成非我检测的一种基于余弦相似性的击键动作识别方法。
为实现本发明的目的，具体技术方案如下：
（a）确定检测数据的维度空间;
（b）使用基于余弦相似性的负选择算法确定检测器；
（c）利用检测器完成检测数据空间中的自我空间检测。
上述方案中，利用击键动力学的余弦相似性来完成高维空间的识别，步骤（b）包括以下步骤：
（b-1）定义一个常量半径和产生的随机向量作为这些探测器的中心；
（b-2）若随机检测器的中心不是在自我空间，这种检测器被添加到检测器集，否则，它将被拒绝；
（b-3）反复执行，直到得到一个预定数量的检测器。
与现有技术相比，本发明具有如下优点和技术效果：
本发明应用了击键动力学，多属性使负选择算法在高维空间的瓶颈得以突破，高维负选择算法对于复杂的复合型应用场景中的自我非我识别具有巨大的优势。
附图说明
图1为基于余弦相似性的击键动作识别方法流程图。
具体实施方式
以下结合附图对本发明的实施方式作进一步说明，但本发明的实施不限于此。
实施例1
基于余弦相似性的击键动作识别方法，如图1所示，主要包括以下步骤：
（a）确定检测数据的维度空间;
（b）使用基于余弦相似性的负选择算法确定检测器；
（c）利用检测器完成检测数据空间中的自我空间检测。