本发明涉及通信技术领域， 更具体地， 涉及一种移动终端及用户身份 识别方法。 背景技术

截止 2010年 7月 10日， 全球移动用户数突破 50亿大关， 3G用户超 5亿。

2000年， 全球移动用户总数仅为 7.2亿左右， 还不足当今中国一个国家 移动用户的数量。 移动宽带用户数量也正快速增长， 预计 2015年将超过 34 亿（2009年这一数字仅为 3.6亿）。 有关研究显示， 在不久的将来， 80%的互 联网用户将使用其移动设备上网。

使用移动设备接入互联网对有些人来说也许只 是方便， 对另外一些人 来说可能就是必不可少的生活方式。 使用移动设备上网可以使那些无法亲 自到银行或无法利用银行账户存取的用户轻松 转账。 渔民和农民可以快速 获得有关天气预报的最新消息。 农村居民在当地即可获得医疗保健服务， 学生也可接受网络教育。 此外， 使用移动设备上网也可促进小型企业的日 常运营， 带动经济发展。 在更加成熟的市场中， 相互连接的设备， 而不是 用户数量的增加， 正推动网络流量的增加。 根据爱立信的研究显示， 预计 到 2020年前全球的互接设备将达到 500亿台。

随着用户数的不断增长， 移动终端的信息安全性格外重要， 因此有必 要对手机等移动终端的使用者进行身份验证， 以保证个人用户信息安全。

而目前市场上大量使用的还是字符密码形式， 还有使用点数连接图形 式， 有些高级的使用指纹识别， 这些都有一个共同的特点， 即需要用户先 手动存储一个密码， 然后验证时再采集输入数据， 与存储的密码进行比较， 从而判断身份， 这种方式还属于一种传统的校验方式， 密码保管的安全性 也不高， 容易泄密， 需要人工干预， 没有实现自动化、 智能化。

也有一些技术提到使用较广的指纹识别、 声音识别、 掌形识别及虹膜 识别等第一代生物识别技术， 这些大多需要被监测对象的配合， 有时甚至 需要被监测对象完成必要的动作， 将身体的某些部分接触识别设备才能实 现。 这些做法确实比较烦瑣， 识别速度较慢， 使用十分不便， 而且不易被 用户接受。 随着犯罪手段的不断智能化、 科技化， 第一代身份识别技术将 面临防伪、 防盗的挑战。 研究显示， 用明胶制成的假手指就可以轻而易举 地骗过指纹识别系统， 在隐形眼镜上蚀刻出的虚假眼虹膜特征也可以 让虹 膜识别系统真 4叚难辨。 发明内容

本发明目的是提出一种移动终端及用户身份识 别方法， 跟踪记录终端 用户的行为， 从而识别出终端用户的合法或者非法身份。

本发明提供了一种移动终端用户身份识别方法 ， 所述方法包括： 移动终端检测和跟踪 SIM卡更换前的用户行为并记录用户行为特征； 当 移动终端更换 SIM卡后，检测和跟踪更换 SIM卡后的用户行为并记录用户行 为特征； 判断 SIM卡更换前后的用户行为特征是否相同或近似 ，如果相同或 近似， 则认为用户是合法用户， 如果不相同且不近似， 则认为用户是非法 用户。

在上述方案中， 所述用户行为是移动行为或操作行为。

在上述方案中， 所述移动行为的用户行为特征包括家庭位置信 息、 工 作单位位置信息、 家庭到工作单位距离信息、 时间段信息和从家庭到工作 单位所花费的时间信息。

在上述方案中， 所述操作行为是语音操作、 上网操作、 短信操作、 电 话本操作、 STK操作、 游戏操作、 播放器操作、 照相机操作、 电子阅读操作 或充电操作。

在上述方案中， 如果所述操作行为是语音操作， 则相应的用户行为特 征包括操作类型、 号码类型、 时间段和时长； 如果所述操作行为是短信操 作， 则相应的用户行为特征包括操作类型、 号码类型和时间段信息； 如果 所述操作行为是上网操作， 则相应的用户行为特征包括接入方式、 时间段、 上网行为和时长； 如果所述操作行为是电话本操作， 则相应的用户行为特 征包括操作类型、 号码类型和时间段； 如果所述操作行为是 STK操作， 则相 应的用户行为特征包括操作类型和时间段； 如果所述操作行为是游戏操作， 则相应的用户行为特征包括操作类型、 时间段和时长； 如果所述操作行为 是播放器操作， 则相应的用户行为特征包括操作类型、 多媒体类型、 时间 段和时长； 如果所述操作行为是照相机操作， 则相应的用户行为特征包括 操作类型、 时间段和时长； 如果所述操作行为是电子阅读操作， 则相应的 用户行为特征包括操作类型、 时间段和时长； 如果所述操作行为是充电操 作， 则相应的用户行为特征包括操作类型、 时间段和时长。

本发明还提供了一种移动终端， 所述移动终端包括； 行为检测与跟踪 模块、 行为特征提取模块、 行为特征比较模块和判断模块； 其中，

行为检测与跟踪模块， 用于检测和跟踪更换 SIM卡前后的用户行为， 为 行为特征提取提供数据；

行为特征提取模块， 用于提取更换 SIM卡前后的用户行为特征； 用户特征比较模块， 用于比较移动终端更换 SIM卡前后的用户行为特 征；

判断模块， 用于根据用户特征比较模块传来的比较信息， 判断新用户 是否为合法用户，更换 SIM卡前后的用户行为特征相同或近似则认为用 户是 合法用户， 不相同且不近似则认为用户是非法用户。

在上述方案中， 所述用户行为是移动行为或操作行为。 在上述方案中， 所述移动行为的用户行为特征包括家庭位置信 息、 工 作单位位置信息、 家庭到工作单位距离信息、 时间段信息和从家庭到工作 单位所花费的时间信息。

在上述方案中， 所述操作行为是语音操作、 上网操作、 短信操作、 电 话本操作、 STK操作、 游戏操作、 播放器操作、 照相机操作、 电子阅读操作 或充电操作。

在上述方案中， 如果所述操作行为是语音操作， 则相应的用户行为特 征包括操作类型、 号码类型、 时间段和时长； 如果所述操作行为是短信操 作， 则相应的用户行为特征包括操作类型、 号码类型和时间段信息； 如果 所述操作行为是上网操作， 则相应的用户行为特征包括接入方式、 时间段、 上网行为和时长； 如果所述操作行为是电话本操作， 则相应的用户行为特 征包括操作类型、 号码类型和时间段； 如果所述操作行为是 STK操作， 则相 应的用户行为特征包括操作类型和时间段； 如果所述操作行为是游戏操作， 则相应的用户行为特征包括操作类型、 时间段和时长； 如果所述操作行为 是播放器操作， 则相应的用户行为特征包括操作类型、 多媒体类型、 时间 段和时长； 如果所述操作行为是照相机操作， 则相应的用户行为特征包括 操作类型、 时间段和时长； 如果所述操作行为是电子阅读操作， 则相应的 用户行为特征包括操作类型、 时间段和时长； 如果所述操作行为是充电操 作， 则相应的用户行为特征包括操作类型、 时间段和时长。

综上所述， 采用本发明具有如下有益效果：

本发明技术方案采取用户行为来进行身份识别 并应用到移动终端中， 因为其使用一个用户的习惯作为身份特征， 所以具有难于模仿和破解优点， 不存在密钥保管和分发问题， 破解难度大， 安全性更高。 此外， 即使合法 用户丟失了 SIM卡后插入补办的 SIM卡后， 因为其生活习惯不会改变， 所以 不影响使用， 而当手机丟失后， 非法用户插入别的 SIM卡后， 身份验证不会 通过， 这样就保证了合法用户的权益。 本发明不需要运营商或者生产商或 者用户预先设定密码操作， 是在用户使用过程中不知不觉地进行行为特征 的采集， 实施过程简单方便。 附图说明

图 1是本发明实施例一种用户行为识别方式；

图 2是本发明实施例一种用户特征训练提取方式� �

图 3是本发明实施例用户身份识别方法；

图 4是本发明实施例用户行为中语音操作的识别� �式；

图 5是本发明实施例用户行为中充电操作的提取� �式；

图 6是本发明实施例另一种用户身份识别方法；

图 7是本发明实施例移动终端组成示意图。 具体实施方式

本发明技术方案提出一种通过跟踪记录终端用 户的行为， 从而识别出 终端用户的合法或者非法身份的方法和终端。

本发明的用户识别方法， 可以包括以下步驟：

训练阶段： 特征提取。

特征提取阶段主要通过用户的行为检测与跟踪 来实现。

用户从终端开机开始， 会带着终端进行空间上和时间上移动， 例如早 上起来上班， 大部分时间在单位工作， 下午在餐厅吃饭， 晚上回家睡觉， 再到早上起来上班。 这样用户会从家-单位-家这样连续移动构成一� ��环。 每 天从用户出门到回家作为一个周期， 可以统计出用户的每天移动行为， 采 集其特征属性， 通过几个周期内的统计分析， 可以得出用户的移动行为习 惯， 从而可以得到表示用户身份的移动行为特征。 如家庭位置信息、 工作 单位位置信息、 去上班的一些动态特征信息和下班后回家一些 动态特征信 息。 通过这些主要特征， 可以表示一个终端用户的行为特征， 从而使得用 户与终端形成——对应关系。

用户从终端放入第一张 SIM卡开机开始， 会操作终端中的功能模块， 例 如语音、 上网、 短信、 电话本、 STK、 游戏、 播放器、 照相机、 电子阅读、 充电等等。 这样用户会从这个功能操作持续一段时间后跃 迁到另一个功能， 设想从用户开机到电量即将使用完进行充电作 为一个周期， 然而这个周期 内某些功能不是只执行一次， 会出现多次使用， 因此如果记录这些功能的 状态迁移图不可取， 但可以统计出用户的每种功能操作行为， 采集其特征 属性， 通过几个周期内的统计分析， 得出用户的操作行为习惯， 从而可以 得到表示用户身份的操作行为特征。

行为特征提取：

移动行为特征： 通过以上数据记录， 先提取一个第一级判断特征， 即 统计分析出用户的家和工作单位位置信息， 即平均持续时长最长的两个位 置点， 把这两个点位置特征作为一级特征向量。 这样可以通过这个一级特 征向量粗略记录出用户身份特征。

为了能精确得出用户身份特征， 以上面去上班的一些动态特征信息和 下班后回家的动态特征作为二级特征进行精确 比较。 通过这些动态参数可 以精确表示出个人习惯， 如发生时段、 距离长度、 所用时间、 速度和所经 过关键位置等信息参数。 把这些值再平均， 把这些特征值组成一个向量， 这样可以得出去上班和回家两类动态特征值向 量。 对于用户的身份特征， 可以得到两类精细化描述特征向量。

操作行为特征： 通过以上数据记录， 先提取一个第一级判断特征， 即 统计分析出用户最常用的功能， 即平均每个周期使用过大于等于 1次的功 能， 这样可以设计出一个与常用功能数位数一样多 的一个二进制数， 每位 表示一个常用功能， 该位为 1表示常用功能被使用过， 这样可以通过这个一 级二进制特征数粗略记录出用户特征。

为了能精确得出用户身份特征， 舍弃那些不常用功能。 把每个常用功 能作为一个类别， 对于每个类别数据， 根据其特征属性可以采集其特征值， 把这些特征值组成一个向量， 这样可以得出若干个周期内常用功能的特征 值向量。

识别阶段：

当用户第一次使用时，记录其国际移动用户识 别码（ IMSI, International Mobile Subscribe Identity )号和电话号码， 这样当合法用户或者非法用户换 了 SIM卡后， 终端通过比较 IMSI可以判断出 SIM卡被换， 这时就需要对操作 者进行身份识别了。

通过跟踪记录一天的操作者行为， 我们采用以下两级步驟进行身份验 证：

把上面采集的一级特征值进行比较判断， 如果位置相近则表示一级判 断通过， 用户为合法用户， 进入下一步判断； 否则为非法用户， 不用再判 断。

采集操作者的动态样本向量， 采取最近邻法来判断相似度， 通过比较 这两个向量之间的欧氏距离， 从而判断出两种向量的近似程度， 通过初期 设计及训练， 可以得出一个最大阈值， 即两个向量之间距离阈值内表明该 功能使用行为与用合法用户的行为一致， 这样通过这些常用功能的精细化 判断， 可以判断用户身份。 若用户身份合法， 则不用提示， 用户正常使用。 而当判断出操作者为非法身份。

为了保证合法用户的个人信息安全， 因此判断出操作者为非法用户时， 先给上面记录的合法用户的电话号码发一个短 信， 告知现在非法者的用户 号码， 并且删除设备中存储的原有各种信息， 如果操作者不换 SIM卡， 则不 下面结合附图和具体实施例， 对本发明技术方案做进一步详细描述。 如图 1所示， 是本发明实施例一种用户行为识别方式， 如去上班行为， 它有四个属性： 时段（如早晨、 中午、 下午、 晚上、 深夜）、 距离长度、 时 长和经过关键点位置信息。 对于每个属性， 根据其值的集合， 进行数字编 码， 如时段的五个值， 可以设定编码 1、 2、 3、 4、 5来表示； 因为 1天有 24 个小时， 这样划分时段: 8-12点为早晨， 12-14点为中午， 14-18点为下午， 18-23点为晚上， 23-次日 8点为深夜， 这样比较符合个人生活习惯； 距离长 度直接使用 10米为单位的数字代替属性； 而对于时长则以分钟为单位的实 数来计时； 为了更好地记录用户的上班行为习惯特征， 我们再采集两三个 关键点位置信息。 这样对于一个行为就可以用一串数字编码来记 录， 如早 上时段去上班花了 30分仲， 经过市政府， 南三环， 总路程有 20公里。 这样 可以用编码向量（1 , 2000, 30, locationl,location2 )来表示。

下班回家行为也照上面的实施方式来实现。

如图 2所示， 本发明实施例一种用户特征训练提取方式， 采取以下步驟 进行用户身份特征提取：

步驟 201 : 当终端开机后， 行为检测与跟踪模块开始运行， 记录第一次 插入 SIM卡的 IMSI;

步驟 202: 行为检测与跟踪；

采用 GPS或者基站定位系统记录用户在每个位置的停 留时间。

步驟 203: 判断记录次数是否达到 30次， 如果达到则转入步驟 204, 如 果未达到则继续判断；

为了能采集到用户的移动行为习惯， 定义从用户开机后每天为一个周 期， 判断这个周期是否达到了 30次， 如果没有达到， 继续进行行为检测与 跟踪； 否则转到下一步。

步驟 204: 行为特征提取； 步驟 205: 获取一级特征 Tl;

对每个点的停留时长进行排序， 得出时长最长的两个位置， 则最长为 家庭位置信息， 次长的为单位位置信息， 或者最长的为单位位置信息， 次 长的为家庭位置信息。 这样就得到该一级特征 T1；

步驟 206: 获取二级特征；

将各位置停留时长， 经过地点等信息生成上班和回家动态行为的二 级 特征库。

提取上班和回家行为的特征向量 K1和 K2 , 而对于每个类别行为的特征 向量， 可以把每个特征向量想象为一个多维空间中的 一个点， 而通过若干 个周期的采集， 可以得出每个类别的多个点， 为了能真切表示每个类别的 特征， 把每个类别这些点取平均值如公式（1 ), 得到其质心， 这样下来， 就可以得到两个移动行为的特征向量值 Ui。 u _i = (^Kij)ln

i= ^l , =1,2 ( 1 ) 如图 3所示， 本发明实施例用户身份识别方法包括如下步驟 ：

步驟 301 : SIM卡换取；

步驟 302: 行为检测与跟踪；

调用行为检测跟踪模块， 采集操作者移动行为特征向量 Kij。

步驟 303: 特征提取；

采取上面的特征提取方法得到一天内停留时间 最长的两个位置点， 即 一级特征 T2, 和 2个移动行为的特征向量 Si(i<=2)。

步驟 304: —级特征值比较， 如果 T1和 T2相近或相同， 则转入步驟 305 , 如果相差较大， 则转入步驟 307;

判断一级特征向量 T2与上面提取的一级特征 T1中家庭位置和单位住址 位置之间的距离， 如果小于一个设定的阀值， 则表示两点相近为一个位置 点， 这样可以保证用户的住址符合原来习惯， 执行步驟 305再次验证； 如果 位置相差很远， 则转步驟 307。

步驟 305: 与二级特征进行比较， 如果二级特征相近或相同， 则转入步 驟 306, 如果相差较大， 则转入步驟 307;

把采集到的 2个移动行为的特征向量与训练阶段中提取的 2个 Ui向量进 行最近邻判断， 采用下面公式（2 ) 中的欧氏距离来与阀值进行比较， 小于 阈值则表明两个点之间距离相近， 可以认为是一个特征的， 即合法， 执行 步驟 306; 否则为非法用户， 执行步驟 307。

步驟 306: 判定为合法用户， 可以进行正常使用；

步驟 307: 判定为非法用户。

证明目前的操作者是非法用户， 为了保证合法用户信息安全， 销毁用 户以前的各种数据， 并给合法用户原来的号码发个短信告知现在的 号码， 然后关机。

请参考图 4所示， 是本发明实施例用户行为中语音操作的识别方 式。 对于语音可以分为操作类型（如呼入和呼出） 、号码类型（如私人电话、 信息台、 客服）、 时段（如早晨、 中午、 下午、 晚上、 深夜）和时长这四个 特征， 通过这些属性就可以记录出电话这个功能行为 ， 如某个时段呼入一 个私人电话， 持续了多长时间。

对于上网可以分为接入方式（如 WIFI、 GPRS, 3G )、 时段、 上网行为 (如下载、 浏览网页、 聊天、 微博）和时长这四个特征、 通过这些属性就 可以记录出上网这个功能行为， 如用户某个时段采用 WIFI方式接入了 Internet, 进行了聊天， 持续了多长时间。

对于短信功能可以分为操作类型（如发送、接 收、 回复、 转发、 删除）、 号码类型和时段这三个特征， 通过这些属性就可以记录出短信这个功能行 为， 如用户某个时段发送了一条私人短信。

对于电话本可以分为操作类型 （如添加、 删除、 修改）、 号码类型和时 段这三个特征， 通过这些属性就可以记录出电话本这个功能行 为， 如用户 某个时段添加了一条私人电话号码。

对于 STK可以分为操作类型 （如短消息、 SIM卡、 USSD )和时段两个 特征，通过这些属性就可以记录出 STK这个功能行为，如用户在某个时段使 用了短消息类 STK功能。

对于游戏可以分为种类类型 （如单机版本和联网版本）、 时段和时长三 个特征， 通过这些属性就可以记录出游戏功能行为， 如用户在某个时段玩 了单机版本游戏多长时间。

对于播放器可以分为操作类型 （如播放和录制）、 多媒体类型 （如声音 和视频）、 时段和时长四个特征， 通过这些属性就可以记录出播放器功能行 为， 如用户在某个时段播放了视频文件多长时间。

对于照相机可以分为操作类型 （照相和录相）、 时段和时长三个特征， 通过这些属性就可以记录出照相机功能行为， 如用户在某个时段照了多长 时间照片。

电子阅读可以分为阅读类型 （如文学类、 科教类、 侦破类等）、 时段 和时长三个特征， 通过这些属性就可以记录出电子阅读行为， 如用户在某 个时段阅读了文学类电子书多长时间。

对于充电可以分为操作类型 （如关机充电和开机充电）、 时段和时长三 个特征， 通过这些属性就可以记录出充电行为， 如用户在某个时段关机充 电了多长时间。

为了能真实记录用户的操作行为，我们把用户 插入 SIM卡开机到充电算 一个周期， 这样通过几个周期的统计， 基本上可以记录一个操作者的行为 习惯。 语音功能行为， 它有四个属性： 操作类型 （如呼入和呼出）、 号码类型 (如私人电话、 信息台、 客服）、 时段（如早晨、 中午、 下午、 晚上、 深夜） 和时长。 对于每个属性， 根据其值的集合， 进行数字编码， 如操作类型只 有两个值， 可以设定编码 1和 2来表示呼入和呼出， 0表示待机状态； 而对于 号码类型三个值， 可以设定编码 1、 2、 3来表示； 对于时段的五个值， 可以 设定编码 1、 2、 3、 4、 5来表示； 因为 1天有 24个小时， 可以这样划分时段： 8-12点为早晨， 12-14点为中午， 14-18点为下午， 18-23点为晚上， 23-次日 8 点为深夜， 这样比较符合个人生活习惯； 而对于时长则以分钟为单位的实 数来计时。 这样对于一个行为就可以用一串数字编码来记 录， 如早上时段 呼入一个私人电话， 持续了 1分仲， 可以用编码向量（1 , 1 , 1 , 1 )来表示。

其他功能行为也照上面的实施方式来实现。

如图 5所示， 是本发明实施例用户行为中充电操作的提取方 式， 采取以 下步驟进行用户身份特征提取：

步驟 501 : 终端开机；

步驟 502: 行为检测与跟踪；

当终端开机后， 行为检测与跟踪模块开始运行。 初始化功能模块数向 量 K ( 0, 0, 0...0 ), 该向量共有 m个， 每个位置表示相应的功能模块。 记 录第一次插入 SIM卡的 IMSI。

当某个功能使用了， 则把上面 K向量中相应模块分量值加 1 , 再采取图 1 部分的描述方式对用户每个功能行为进行编码 ， 由于功能有 m个， 而由于采 集 20个周期，每个周期内功能行为 i使用有可能少于 1次，也有可能多于 1次， 假设功能 i总计使用了 n(l<n<20,或者 n>20)次，因此对于功能行为 i就有编码 向量 Kil , Ki2, ..- Kin, i取值范围为 l-m。

步驟 503:判断充电次数是否大于 20次，如果大于 20次，则转入步驟 504, 否则继续判断； 为了能采集到用户的使用习惯， 定义从用户开机到电量即将使用完进 行充电作为一个周期， 判断这个周期是否达到了 20次， 如果没有达到， 继 续进行行为检测与跟踪； 否则转到下一步。

步驟 504: 行为特征提取；

调用行为特征提取模块进行行为特征提取；

步驟 505 : 生成常用功能一级特征数；

步驟 506: 生成每个常用功能属性二级特征库。

把 K向量除以 20得到每个功能使用频次， 对于频次大于等于 1 (该功能行 为使用次数 n>=20)记为常用功能， 小于 1的值置为 0表示非常用功能， 把常 用功能数作为一级特征数 Tl。

舍弃频次小于 1的非常用功能 i的所有编码向量 Kij(l<=i<=m,j>=20), 根 据上面采集的功能编码向量， 可以得到 Z ( Z<=m )个一级常用功能的特征 向量族。 而对于每个类别的特征向量， 可以把每个特征向量想像为一个多 维空间中的一个点， 而通过若干个周期的采集， 可以得出每个类别的多个 点， 为了能真切表示每个类别的特征， 把每个类别这些点取平均值如公式 ( 3 ), 得到其质心， 这样下来， 我们就可以得到 Z个常用功能的特征向量值 Ui。 ， l<=i<=Z ( 3 ) 请参考图 6, 如图 6所示， 是本发明实施例另一种用户身份识别方法， 包括以下步驟：

步驟 601 : SIM卡换取；

步驟 602: 行为检测与跟踪；

调用行为检测跟踪模块， 采集操作者移动行为特征向量 Kij。

步驟 603 : 特征提取； 采取上面的特征提取方法得到一个周期内常用 功能的特征数丁2和 个 常用功能的特征向量 Si(i<=Z)。

步驟 604: —级特征值比较， 如果 T1和 T2相近或相同， 则转入步驟 605 , 如果相差较大， 则转入步驟 607;

判断常用功能特征数 T2与上面提取的一级特征数 T1进行与运算,判断 这个与运算的结果是否等于 T 1 , 这样可以保证验证阶段中的常用功能包含 了认证阶段中所有常用功能都使用过， 执行步驟 605再次验证； 如果不等于 T1 , 则转步驟 607。

步驟 605: 二级特征比较， 如果二级特征相近或相同， 则转入步驟 605 , 如果相差较大， 则转入步驟 607;

把采集到的 Z个常用功能的特征向量与训练阶段中提取的 Z个 Ui向量进 行最近邻判断， 采用下面公式（4 ) 中的欧氏距离来与阀值进行比较， 小于 阈值则表明两个点之间距离相近， 可以认为是一个功能的， 即合法， 执行 步驟 606; 否则为非法用户， 执行步驟 607。

步驟 606: 合法用户， 可以进行正常使用；

步驟 607: 判断目前的操作者是非法用户。

为了保证合法用户信息安全， 销毁用户以前的各种数据， 并给合法用 户原来的号码发个短信告知现在的号码， 然后关机。

请参考图 7所示， 本发明实施例移动终端包括行为检测与跟踪模 块、 行 为特征提取模块、 行为特征比较模块和判断模块； 其中，

所述行为检测与跟踪模块用于检测和跟踪更换 SIM卡前后的用户行为， 为行为特征提取提供数据。

所述行为特征提取模块用于提取更换 SIM卡前后的用户行为特征。

所述用户特征比较模块用于比较更换 SIM卡前后的用户行为特征。 所述判断模块用于根据用户特征比较模块传来 的比较信息， 判断新用 户是否为合法用户，更换 SIM卡前后的用户行为特征相同或近似则认为用 户 是合法用户， 不相同且不近似则认为用户是非法用户。

当然， 本发明还可有多种实施方式， 在不背离本发明精神及其实质的 情况， 熟悉本领域的技术人员当可根据本发明做出各 种相应的更改或变化, 但凡在本发明的精神和原则之内所作的任何修 改、 等同替换、 改进， 均应 包含在本发明的保护范围之内。