Page 169 - 《软件学报》2021年第6期

刘霄 等:个体交互行为的平滑干预模型 1743

sessionID、操作的页面编号、页面名称、进入页面时间(时间戳)、离开页面时间(时间戳).本数据集持续收集
了 5 位用户在 2018 年 9 月~2019 年 4 月间的 1 017 次系统登录行为和 16 741 条页面操作数据.其中:2018 年 9
月~2018 年 12 月期间的记录为系统原始场景下的用户交互行为数据;2019 年 1 月~4 月,根据本文提出的 TDDA
算法对各用户在系统的非关键行为页面“个人中心页”叠加行为引导机制,在此期间所收集到的数据作为行为
引导后的用户交互行为记录.
由于本文研究的是行为伪装场景下的身份识别,身份伪装欺诈行为与正常交互行为具有高度相似性,且由
于真实交易环境中黑样本的稀疏性,我们在原始数据集中对每个用户的行为记录随机标记了其总量 20%的交
互行为数据作为该用户身份伪装欺诈的黑样本,其余交互记录作为该用户的白样本.并在行为引导后实施伪装
欺诈,将这些身份伪装欺诈的黑样本按照时间线补充至引导后对应的用户数据集中.
3.2 对比实验

3.2.1 行为引导漂移模型
图 8~图 12 分别反映了在系统中施加行为漂移引导模型前后用户登录系统的时间频率变化.

Fig.8 U1 Frequency change Fig.9 U2 Frequency change
图 8 用户 1 登录时间频率变化 图 9 用户 2 登录时间频率变化

Fig.10 U3 Frequency change Fig.11 U4 Frequency change
图 10 用户 3 登录时间频率变化 图 11 用户 4 登录时间频率变化

Fig.12 U5 Frequency change
图 12 用户 5 登录时间频率变化