用户身份认证作为计算机及网络系统安全的基础和重要保障手段,在实际中有着广泛的研究和应用。然而,传统的密码等认证方式难以抵挡来自内部的攻击威胁,因此人们一直试图寻找一种更加高效的身份认证方法来满足系统安全的需求。近年来,生物识别在认证系统中的应用越来越受到重视,生物特征很难被人模仿和破解,安全性极高。该技术主要分为两类,一类是基于生理特征的身份认证,但这类识别技术需要特定的硬件支持,将会付出昂贵的成本开销。另一类是基于用户行为的身份认证,如步态、鼠标行为等。而这其中基于鼠标行为的身份认证技术,不依赖额外的硬件设备,可以在许多计算机系统中直接部署,因此在当前安全研究领域中备受青睐。本文针对当前基于鼠标动力学的身份认证方法在开放环境中认证性能低的问题,提出了一种联合鼠标及窗口行为进行跨域分析的方案,主要研究工作和创新点如下:1)为了使基于鼠标及窗口行为的身份认证研究具有更加普遍的适用性,本文搭建了完全自由的实验环境,自行设计采集器采集用户的鼠标行为数据。采集过程对用户完全“透明”,没有任何场景与任务限制,采集的数据能够真实地反应用户的鼠标动态。2)本文首次将窗口行为特征与鼠标行为特征相结合进行持续身份认证,双域特征的联合能够在短期内更好的刻画用户的行为模式。实验结果表明,在2min的检测时间内,双域特征相比于单纯的鼠标动力学特征取得了更好的认证性能,且该性能优于当前基于鼠标行为的身份认证研究。3)受主客观因素的影响,用户的鼠标行为容易产生变化,本文对鼠标行为的可变性进行了定义,并提出了投票制特征选择算法来降低这种行为可变性。最终的实验结果证明,投票制特征选择选择算法能够有效地提升认证系统的性能,特征选择后的鼠标及窗口行为特征空间非常稳定。4)本文分析了不同样本分割方法对于分类性能的影响,实验结果表明基于数据量的样本划分能够使认证系统表现出最好的性能。