用于基于用户角色信息来进行移动设备行为的行为分析的方法和系统
2019-11-22

用于基于用户角色信息来进行移动设备行为的行为分析的方法和系统

计算设备处理器可以被配置有处理器可执行指令,以实现使用行为分析和机器学习技术来对计算设备的恶意的或性能降级的行为进行识别、阻止、纠正或以其它方式进行响应的方法。作为这些操作的一部分,处理器可以基于用户的活动、偏好、年龄、职业、习惯、情绪、情感状态、个性、设备使用模式等来生成表征用户的用户角色信息。处理器可以使用用户角色信息来动态地确定要在计算设备中监测或评估的设备特征的数量,识别与确定设备行为是否与用户对计算设备的通常使用的模式不一致最相关的设备特征,以及对计算设备的非良性的行为进行更好地识别和响应。

在一个方面中,行为提取器模块204可以被配置为:生成行为向量以包括可以输入到机器学习分类器中的特征/决策节点的信息,以生成关于监测的一个活动或多个活动的查询的应答。

在一个方面中,所述处理器可以被配置有处理器可执行指令以执行操作,使得生成对所识别的设备特征进行评估的所述特定于用户的分类器模型包括:接收包括多个测试条件的完全分类器模型;识别所述多个测试条件中的、对所识别的设备特征进行评估的测试条件;以及生成所述特定于用户的分类器模型以包括经识别的测试条件。在一个方面中,将所生成的行为向量应用于所述特定于用户的分类器模型以确定所述设备行为是否是非良性的包括:将所生成的行为向量应用于所述特定于用户的分类器模型,以便对所述特定于用户的分类器模型中包括的每个测试条件进行评估;计算对所述特定于用户的分类器模型中的测试条件进行评估的每个结果的加权平均;以及基于所计算的加权平均来确定所述设备行为是否是非良性的。

行为观察器模块202可以通过监测移动计算设备102的传输或通信(包含包括语音邮件(语音邮件通信(VoiceMailComm))、设备标识符(设备标识符通信(DeviceIDComm))、用户账号信息(用户账号通信(UserAccountComm))、日历信息(日历通信(CalendarComm))、位置信息(位置通信(L〇catiοnC〇mm))、记录的音频信息(记录的音频通信(RecordAudioComm))、加速度计信息(加速度计通信(AccelerometerComm))等的通信)来监测移动计算设备102的活动。

特定于设备的分类器模型是包括集中的数据模型的分类器模型,所述集中的数据模型仅包括/测试被确定为与对特定计算设备中的活动或行为进行分类最相关的特定于计算设备的特征/条目。

图1是适用于实现各个方面的示例片上系统的架构图。

在一个方面中,所存储的处理器可执行软件指令可以被配置为使得处理器执行操作,使得将所生成的行为向量应用于所述分类器模型以确定所述设备行为是否是非良性的包括:将所生成的行为向量应用于所述特定于用户的分类器模型以确定所述设备行为是否是非良性的。在一个方面中,所存储的处理器可执行软件指令可以被配置为使得处理器执行操作,使得生成对所识别的设备特征进行评估的所述特定于用户的分类器模型包括:接收包括多个测试条件的完全分类器模型;识别所述多个测试条件中的、对所识别的设备特征进行评估的测试条件;以及生成所述特定于用户的分类器模型以包括经识别的测试条件。在一个方面中,所存储的处理器可执行软件指令可以被配置为使得处理器执行操作,使得将所生成的行为向量应用于所述特定于用户的分类器模型以确定所述设备行为是否是非良性的包括:将所生成的行为向量应用于所述特定于用户的分类器模型,以便对所述特定于用户的分类器模型中包括的每个测试条件进行评估;计算对所述特定于用户的分类器模型中的测试条件进行评估的每个结果的加权平均;以及基于所计算的加权平均来确定所述设备行为是否是非良性的。

过去几年,蜂窝和无线通信技术已经经历了爆发性发展。无线服务提供商现在提供一系列广泛的特征和服务,该一系列广泛的特征和服务向其用户提供对信息、资源和通信的前所未有的水平的接入。为了跟上这些服务增强,个人和消费者电子设备(例如,蜂窝电话、手表、头戴式耳机、远程控制等)已经变得比以往任何时候都强大和复杂,并且现在通常包括允许在其设备上执行复杂和强大的软件应用的强大的处理器、大型存储器和其它资源。

在框402中,设备处理器可以监测用户与在设备上操作的软件应用之间的用户交互。在框404中,设备处理器可以基于用户交互来生成对用户的情绪进行表征的用户角色信息。在框406中,设备处理器可以监测装备组件以收集行为信息。在框408中,设备处理器可以确定用户的情绪是否与对所收集的行为信息中的全部或一部分进行分析有关。在框410中,设备处理器可以生成行为向量,所述行为向量将用户的情绪与之有关的行为信息与用户在行为信息被收集时的情绪相互关联。在框412中,设备处理器可以生成分类器模型,所述分类器模型包括对与用户的情绪有关的设备特征进行评估的决策节点。在框414中,设备处理器可以将行为向量应用于分类器模型,以确定设备行为是否是非良性的。

传感器级别观察可以包括监测磁传感器或其它传感器,以确定移动计算设备102的使用和/或外部环境。例如,计算设备处理器可以被配置为确定设备是在皮套中(例如,经由被配置为检测皮套内的磁铁的磁传感器)还是在用户的口袋中(例如,经由相机或光传感器所检测到的光量)。检测到移动计算设备102在皮套中可以与识别可疑的行为有关,这是因为,例如,当移动计算设备102被放入皮套中时发生的与用户进行的活跃使用(例如,拍照片或视频、发送消息、进行语音呼叫、记录声音等)相关的活动和功能可能是在设备上执行不法过程(例如,来跟踪或侦察用户)的迹象。

每个分类器模型可以是包括数据和/或信息结构(例如,特征向量、行为向量、组件列表等)的行为模型,所述数据和/或信息结构可以被计算设备处理器用来对计算设备的行为的特定特征或方面进行评估。每个分类器模型还可以包括用于监测计算设备中的多个特征、因素、数据点、条目、API、状态、条件、行为、应用、过程、操作、组件等(本文中共同地“特征”)的决策标准。分类器模型可以预安装在计算设备上、从网络服务器下载或接收、在移动计算设备中生成、或其任意组合。可以通过使用众包(crowdsourcing)解决方案、行为建模技术、机器学习算法等来生成分类器模型。