1.基于不同上下文环境中的持续身份认证方法，包括以下步骤：

S1、根据用户登录的信息判断当前用户是否为新用户；

S2、如果当前用户为新用户，根据合法上下文信息、击键行为和鼠标行为构建合法用户的用户模型；

S3、如果当前用户不为新用户，根据用户登陆时的上下文信息设置阈值；

S4、采集用户在登录后的鼠标行为和击键行为；

S5、采集用户在登录系统后对不同功能模块的请求调整阈值；

S6、根据采集到的用户鼠标行为和击键行为提取用户生物行为的特征向量；

S7、采用特征级融合和决策级融合对提取的特征值进行判断，计算当前用户的信任度；

S8、将当前用户的信任度与阈值比较，如果信任度小于阈值，那么当前用户为非法用户，将被锁定系统，需重新登录才能继续操作，如果可信度大于阈值，用户为合法用户，用户可进行下一操作，同时存储当前用户上下文信息和生物行为特征并更新当前用户模型。

2.根据权利要求1所述的基于不同上下文环境中的持续身份认证方法，其特征在于，所述步骤S2具体包括：S21、读取数据库中用户ID对应的标准化特征向量，并根据标准化特征向量为用户构建标签；

S22、利用用户标签属性和用户ID分别构建3种训练集：用户击键行为特征的训练集、用户鼠标行为特征的训练集和用户击键与鼠标行为特征的特征级融合的训练集；

S23、利用用户击键行为特征的训练集、用户鼠标行为特征的训练集、用户采用特征级融合的训练集和用户上下文信息为用户生成身份认证模型，并将用户认证模型传输至认证模型存储器中。

3.根据权利要求1所述的基于不同上下文环境中的持续身份认证方法，其特征在于，所述步骤S3具体包括：获取用户的上下文信息，包括采集用户的用户信息、时间信息和位置信息三个方面，其中，用户信息包括用户ID、姓名、年龄、性别；时间信息包括用户的登录时间、退出时间和星期；位置信息包括用户的登录地点、浏览器和操作平台信息。

4.根据权利要求3所述的基于不同上下文环境中的持续身份认证方法，其特征在于，根据用户登陆时的上下文信息设置阈值包括：其中，hj为上下文信息类别j的权值，sumj为类别j出现的总次数，sumij为类别j中元素i出现的总次数，n为上下文信息的种类数量。

5.根据权利要求1所述的基于不同上下文环境中的持续身份认证方法，其特征在于，所述步骤S4具体包括：记录用户使用系统过程中每t秒时间内的鼠标行为和击键行为，将每两个t秒的用户生物行为传入特征提取模块。

6.根据权利要求1所述的基于不同上下文环境中的持续身份认证方法，其特征在于，所述步骤S6具体包括：S61、获取到的两个t秒的数据都为用户的击键行为时，提取每t秒时间的击键行为特征向量；

S62、获取到的两个t秒的数据都为用户的鼠标行为时，提取每t秒时间的鼠标行为特征向量；

S63、获取到的两个t秒的数据为用户的鼠标行为和击键行为时，分别提取特征向量，然后使用特征级融合将鼠标特征向量和击键特征向量连接为一个特征向量，最后得到三种特征向量。

7.根据权利要求6所述的基于不同上下文环境中的持续身份认证方法，其特征在于，针对用户的击键特征向量，设置5个击键指标，分别为一个键从按下到松开的过程、一个键松开到下一个键松开的过程、一个键按下到下一个键按下的过程、一个键松开到下一个键按下的过程、一个键按下到下一个键松开的过程；其中，一个键从按下到松开的过程包括9个维度、一个键松开到下一个键松开的过程包括13个维度、一个键按下到下一个键按下的过程包括13个维度、一个键松开到下一个键按下的过程包括16个维度、一个键按下到下一个键松开的过程包括16个维度。

8.根据权利要求1所述的基于不同上下文环境中的持续身份认证方法，其特征在于，所述步骤S7具体包括：将连续获得的两个t秒节点作为一个单位S秒，将得到的两个节点暂存，然后每S秒就进行如下三种判断，得到用户当前信任度T；其中当匹配结果为1时表示当前用户可以信任，为0时表示当前用户不可信任，具体的判断包括：当单位S中包含两个鼠标特征节点，匹配模块分别将两个鼠标的特征向量作为测试集与模板库中的模型进行匹配，得到结果R1和R2；如果R1＝R2＝1，那么当前用户的信任度T加

1，将两个节点的特征向量存入模板库；如果R1＝R2＝0，那么当前用户的信任度T减1；如果R1≠R2，那么当前用户的信任度T加0.5；

当单位S中包含两个击键特征节点，匹配模块分别将两个击键的特征向量作为测试集与模板库中的模型进行匹配，得到结果R1和R2；如果R1＝R2＝1，那么当前用户的信任度T加

1，将两个节点的特征向量存入模板库；如果R1＝R2＝0，那么当前用户的信任度T减1；如果R1≠R2，那么当前用户的信任度T加0.5；

当单位S中包含一个击键特征节点和一个鼠标特征节点时，匹配模块分别对两个节点作为测试集与模板库中的模型进行匹配，然后进行将匹配结果进行决策级融合得到最终判定结果R1；匹配模块再将两个特征节点进行特征级融合得到一个特征向量，然后与模板库中的模型进行匹配，得到最终判定结果R2；如果R1＝R2＝1，那么当前用户的信任度T加1，将两个节点的特征向量存入模板库；如果R1＝R2＝0，那么当前用户的信任度T减2；如果R1≠R2，那么当前用户的信任度T加1。

9.基于不同上下文环境中的持续身份认证系统，包括注册模块、上下文信息采集模块、行为采集模块、特征提取模块、匹配模块、用户需求模块、认证模块、动态更新模块、认证模型生成模块和数据库；

所述注册模块用于判定当前用户是否为新用户，用户成功登录系统后，如果当前用户为新用户，则进行模型训练，否则将当前用户的信用度T设为a，然后进入上下文信息采集模块；

所述上下文信息采集模块用于收集用户信息、时间信息和位置信息，将所得信息暂存，然后通过运用这些信息计算预定阈值U；

所述行为采集模块用于记录用户使用系统过程中每t秒时间的鼠标行为和击键行为，将每两个t秒的用户生物行为传入特征提取模块；

所述特征提取模块用于将收集到的用户的生物行为转化为标准化特征向量；

所述认证模型生成模块用于构建用户身份认证模型并传输数据；

所述匹配模块用于判定当前特征值与模板库中模型是否匹配并计算用户当前信任度T；

所述用户需求模块用于根据用户在持续使用系统中对不同功能块的请求，调整阈值U；

所述认证模块用于将用户实时的可信度T与阈值U比较，如果可信度T小于阈值U，那么当前用户为非法用户，将被锁定系统，需重新登录才能继续操作；否则，用户为合法用户；

所述动态进化模块将用户当前认证成功的上下文信息和用户生物行为的特征向量用于实时更新数据库和认证模型；

所述认证模型生成模块用于构建用户身份认证模型存储到数据库中并传输数据。