1.加權擊鍵特征曲線差異度的用戶身份識別方法，其特征在于，具體按照以下步驟實施：

步驟1、采集數據，建立半時間特征數據集和擊鍵間隔時間數據集；

具體實施步驟如下：

1.1、從自由文本原始擊鍵信息中篩選出k個具有代表性的特定雙鍵字符序列，組成特定字符序列集合SK；

1.2、計算每個雙鍵的使用頻率λ_j，j＝1,2,…,k，構建用戶的擊鍵間隔時間數據集S_pp和半時間特征數據集S_st，S_pp和S_st的表達如下：

S_st＝{V_i^st＝[WPM_i,P_{i,N_UD},P_i,error,P_i,CapsLock,P_i,Shift]|i＝1,2,…,n} (2)

其中：式中k為篩選出來的特定雙鍵字符序列個數，V_i^pp∈R^k為第i個擊鍵間隔時間向量樣本，為第i個樣本中最后一個特定雙鍵字符序列的擊鍵間隔時間，為第i個樣本中第j個特定雙鍵字符序列的擊鍵間隔時間(j＝1,…,k)，m為采集到的擊鍵間隔時間向量樣本個數；V_i^st∈R⁵為第i個半時間特征向量樣本，WPM_i、P_{i,N_UD}、P_i,error、P_i,CapsLock和P_i,Shift分別為第i個樣本的平均擊鍵速度、負間隔時間RP的出現頻率、輸入錯誤率、CapsLock鍵使用頻率和Shift鍵使用頻率，P_{N_UD}、P_error、P_Shift和P_CapsLock的變化范圍為[0,1]，平均擊鍵速度WPM的變化范圍是[0,+∞)，一般情況下，WPM的量級為10²，與其它半時間特征的量級存在顯著差異，n為采集到的半時間特征向量樣本個數；

1.3、對半時間特征數據集S_st中的平均擊鍵速度WPM進行歸一化處理歸一化公式為：

式中：max{WPM_i|i＝1,…,n}為樣本中的最大平均擊鍵速度，記為WPM_max，經過歸一化處理后，將半時間特征數據集S_st簡記為

S_st＝{V_i^st＝[v_i,1,v_i,2,v_i,3,v_i,4,v_i,5]|i＝1,2,…n} (4)

式中：v_i,2＝P_{i,N_UD}，v_i,3＝P_i,error，v_i,4＝P_i,CapsLock，v_i,5＝P_i,Shift；

步驟2、分別計算擊鍵間隔時間數據集的均值和標準差與半時間特征數據集的均值和標準差；

具體的計算方法為：

設數據集S_pp中所有元素的均值為數據集S_st中所有元素的均值為則

設數據集S_pp中所有元素的標準差為數據集S_st中所包含元素的標準差為則

步驟3、根據擊鍵間隔時間數據集的均值和標準差計算擊鍵間隔時間特征曲線的上/下邊界，根據半時間特征數據集的均值和標準差計算半時間特征曲線的上/下邊界；

具體計算方法為：

設數據集S_pp中所包含元素的上邊界向量和下邊界向量分別為數據集S_st中所包含元素的上邊界向量和下邊界向量分別為則擊鍵間隔時間特征曲線的上邊界下邊界的計算如下式(9)，半時間特征曲線的上邊界v_u,l、下邊界v_d,l的計算如下式(10)：

式中：和為可調節的閾值，閾值和的取值范圍均為0～3；

步驟4、根據擊鍵間隔時間特征曲線的上/下邊界計算擊鍵間隔時間加權特征曲線差異度，根據半時間特征曲線的上/下邊界計算半時間特征曲線差異度；

具體的計算方法為：

設任一擊鍵間隔時間向量樣本則該樣本在數據集S_pp中的加權特征曲線差異度的計算公式為：

式中：

其中：λ_j為每個特定雙鍵字符序列的使用頻率，j＝1,2,…,k；

設任一半時間特征向量樣本在數據集S_st中特征曲線差異度為

式中：

根據集合SK中每個雙鍵的使用頻率和式(11)計算擊鍵間隔時間數據集S_pp中每個元素的加權特征曲線差異度，并構成擊鍵間隔時間特征曲線差異度集合Q_pp；由式(12)計算半時間特征數據集S_st中每個元素的特征曲線差異度，并構成半時間特征曲線差異度集合Q_st，上述各集合的定義為

式中：表示數據集S_pp中元素V_i^pp∈R^k的加權特征曲線差異度，表示數據集S_st中元素V_i^st∈R⁵的特征曲線差異度

步驟5、利用擊鍵間隔時間加權特征曲線差異度和半時間特征曲線差異度對用戶身份進行識別；

具體的身份進行識別的方法為：

根據下述不等式對測試樣本進行判定

式中：和為可調閾值，閾值和的取值范圍均不小于0；

如果不等式(15)和式(16)同時成立，認定此測試樣本屬于該用戶；否則，認定此測試樣本不屬于該用戶。