改进强化学习的AI远程终端用户身份识别仿真

摘要

受限于AI技术以及远程智能终端网络条件的复杂性,终端用户的网页浏览行为跟踪过程易产生冗余数据,用户身份识别难度较大。为此,提出基于强化学习的AI远程终端用户身份识别方法。从解锁行为、操作行为、通信行为等方面判断远程终端用户行为规律,在客户端中通过用户ID、访问页面地址、页面标题等属性定义用户终端浏览行为。将浏览信息传输至中心服务器并录入终端数据库内,采集完整终端用户数据。通过小波阈值方法消除冗余信息,根据强化学习的奖励持续调节方法,提取AI远程终端用户行为数据集,计算用户身份特征与行为特征间的耦合关系,得到身份识别结果。仿真结果表明,所提方法能够快速准确地识别目标用户身份,保障了用户数据安全,为其提供更可靠的AI远程操作环境。