单分类人机检测方法

针对人机检测领域中脚本机器人种类多样的问题,提出了一种利用单分类方法基于鼠标行为的人机检测技术,实现对带有行为模拟功能的高级脚本机器人的检测。利用JavaScript获取网页页面正常用户的鼠标行为数据,经过数据预处理、特征提取过程获得描述用户行为的特征向量并送入单分类器中,建立人机检测模型。为验证单分类方法的有效性,通过统计分析网页页面正常用户的鼠标行为数据,设计3种具有模拟人类功能的脚本机器人,模拟正常用户完成网页页面登录场景任务。使用直线类型的脚本机器人样本参与特征选择,之后提取特征子集,完成单分类器在人机检测领域的性能评价。实验结果表明:单分类器对直线、规则曲线、不规则曲线3种脚本机器人检测效果最好的等错误率分别为7.25%、9.45%和12.7%;较二分类方法对未知类型脚本机器人检测效果最好的等错误率为20.56%;单分类方法具有良好的泛化性。

Human-Bot Detection with One-Class Classifiers