基于手機(jī)加速度傳感器的身份認(rèn)證方法
【專利摘要】本發(fā)明公開了一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，包括以下步驟：首先用戶使用手機(jī)根據(jù)自己習(xí)慣書寫軌跡，手機(jī)加速度傳感器采集軌跡的加速度值；然后對(duì)采集的原始加速度數(shù)據(jù)進(jìn)行預(yù)處理；接著對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行基于小波分解的特征提取，構(gòu)造特征向量；訓(xùn)練階段，采集數(shù)據(jù)并進(jìn)行預(yù)處理和特征提取，將特征向量組成集合并用SVM訓(xùn)練分類器模型；身份認(rèn)證階段，用戶書寫待認(rèn)證的手勢軌跡，采集數(shù)據(jù)并預(yù)處理和特征提取，最后將該軌跡特征向量放入SVM模型中進(jìn)行認(rèn)證，進(jìn)而判斷用戶是否為合法用戶。本發(fā)明針對(duì)手機(jī)端的身份認(rèn)證，不需要增加其它外設(shè)，同時(shí)由于每人的手勢唯一，故能有效避免手機(jī)被盜用且交互簡單。
【專利說明】基于手機(jī)加速度傳感器的身份認(rèn)證方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于手機(jī)加速度傳感器的身份認(rèn)證方法。
【背景技術(shù)】
[0002]身份認(rèn)證是指用戶在訪問系統(tǒng)或者訪問不同保護(hù)級(jí)別的系統(tǒng)資源時(shí)，系統(tǒng)確認(rèn)該用戶的身份是否合法、真實(shí)和唯一的一個(gè)過程。在開放的網(wǎng)絡(luò)環(huán)境下的信息系統(tǒng)應(yīng)用中，身份認(rèn)證尤為重要，他是有效防止非法用戶進(jìn)入系統(tǒng)或者非法竊取信息資源，實(shí)現(xiàn)授權(quán)及安全審計(jì)的第一步。
[0003]傳統(tǒng)的身份認(rèn)證主要分為兩種類型。一種是基于所知道的事物進(jìn)行的身份認(rèn)證，即僅用戶知道的某些信息，如密碼口令、暗號(hào)、PIN碼等，通過對(duì)這些信息的確認(rèn)來判斷用戶的身份。另外一種是基于所擁有的物品進(jìn)行的身份認(rèn)證，即僅用戶擁有的具有唯一特征的東西，如身份證、護(hù)照、IC卡和USB Key等，通過對(duì)這些東西的確認(rèn)來判斷用戶的身份。但是這兩種認(rèn)證類型中，擁有的實(shí)物容易丟失、盜用和損壞，而用來認(rèn)證的信息也容易被竊取、偽造和遺忘，因此它們往往達(dá)不到很好的安全性能。特別是如今身份認(rèn)證廣泛使用于網(wǎng)絡(luò)購物支付、電子商務(wù)及網(wǎng)上銀行等重要領(lǐng)域，傳統(tǒng)的身份認(rèn)證方法已經(jīng)不能完全滿足這類型應(yīng)用的安全要求。因此，如何使得在應(yīng)用中識(shí)別每個(gè)人的身份更安全、更方便成為了一個(gè)很重要的課題，研究學(xué)者提出的生物特征認(rèn)證技術(shù)對(duì)此作了一個(gè)很好的回答，該技術(shù)對(duì)傳統(tǒng)的身份認(rèn)證起到了很好的補(bǔ)充和完善作用。
[0004]每個(gè)人都擁有自己獨(dú)特的一些生物特征，如指紋、虹膜及人體內(nèi)的DNA等先天的身體特征；另外一種如筆跡簽名、語音、行為姿勢等后天形成的行為特征。這些特征都能有效的對(duì)不同的人進(jìn)行區(qū)別，將這些生物特征用作身份認(rèn)證可以有效地克服記憶麻煩和密碼丟失等缺點(diǎn)，另一方面生物體的特征都攜帶于自身且這種生物特征模板難以模仿，因此保證了信息的隱私和安全，不易被竊取和仿用。
[0005]基于傳統(tǒng)的身份認(rèn)證及生物特征認(rèn)證技術(shù)方式，通常設(shè)計(jì)不同具體的身份認(rèn)證方法來適應(yīng)不同的場所或應(yīng)用，以達(dá)到較高的安全性和便捷性，有如下一些方法:
[0006]1.靜態(tài)密碼:這是目前應(yīng)用最廣泛的身份認(rèn)證方法，也是最簡單和易于實(shí)現(xiàn)的一種方法。用戶一股設(shè)置用戶名及對(duì)應(yīng)的密碼來進(jìn)行身份的確認(rèn)。這種方法一股不需要附加的設(shè)備，成本低且速度快，但是如果密碼設(shè)置簡單，就會(huì)容易被竊取，如果過于復(fù)雜，又容易忘記，因此安全性比較低。
[0007]2.智能卡:一種形狀與身份證類似的塑料矩形片，或者如手機(jī)中的SIM卡。其內(nèi)部集成有電路芯片，用來存儲(chǔ)與用戶身份有關(guān)的數(shù)據(jù)并由用戶自己攜帶，其中相關(guān)數(shù)據(jù)可以進(jìn)行硬件加密，因此具有較高安全性。當(dāng)進(jìn)行身份認(rèn)證時(shí)，需要將智能卡插入到讀卡設(shè)備，讀取其中的信息，從而進(jìn)行用戶與主機(jī)系統(tǒng)之間的一個(gè)身份認(rèn)證，因此增加了額外的硬件成本，大大降低了方便性。
[0008]3.動(dòng)態(tài)口令:最常見的就是短信密碼，身份認(rèn)證系統(tǒng)通過短信的形式發(fā)送一段密碼到用戶手機(jī)上，用戶通過該密碼來進(jìn)行一個(gè)身份認(rèn)證，安全性較高，但是如果用戶更改手機(jī)號(hào)碼之后，要去身份認(rèn)證系統(tǒng)進(jìn)行相關(guān)手機(jī)號(hào)碼信息的更改，從而降低了可操作性。另外一種就是硬件令牌和手機(jī)令牌，其中硬件令牌是一種用來生成動(dòng)態(tài)密碼的手持終端，手機(jī)令牌是一種安裝于手機(jī)端的軟件，兩者功能相同，每隔60秒變換一次口令且口令一次有效，口令生成過程中不需要與外界進(jìn)行通信，因此不會(huì)在通信過程中截取，安全性較高。但是口令有失效現(xiàn)象，此時(shí)需要連接認(rèn)證系統(tǒng)服務(wù)器進(jìn)行時(shí)間校準(zhǔn)。
[0009]4.USB Key:一種USB接口的硬件設(shè)備，不需要讀卡器之類的外設(shè)，內(nèi)置單片機(jī)或智能卡芯片，有一定的存儲(chǔ)空間，可以存儲(chǔ)用戶的私鑰以及數(shù)字證書，利用USB Key內(nèi)置的公鑰算法實(shí)現(xiàn)對(duì)用戶身份的認(rèn)證，安全性較高。由于用戶私鑰保存在密碼鎖中，理論上使用任何方式都無法讀取，因此保證了用戶認(rèn)證的安全性。但USB Key目前來說還不方便用于手機(jī)終端設(shè)備中，因此在移動(dòng)終端上的身份認(rèn)證無法充分發(fā)揮它的優(yōu)勢。
[0010]5.人臉認(rèn)證、指紋認(rèn)證、虹膜認(rèn)證:傳統(tǒng)的認(rèn)證方法只能提供一定的安全保障，如果它們泄露或被盜用之后就很容易造成財(cái)物和個(gè)人隱私的損失。而生物特征是每個(gè)人獨(dú)有的特征，如果用來作為身份認(rèn)證的密碼，則安全性相對(duì)較高。人臉認(rèn)證、指紋認(rèn)證、虹膜認(rèn)證是目前最為成熟的幾種生物特征識(shí)別技術(shù)，已應(yīng)用于很多身份認(rèn)證場合中。但是指紋和虹膜認(rèn)證需要專門的設(shè)備，因此不便用于手機(jī)終端上。目前大部分手機(jī)都配有攝像頭，因此相對(duì)于指紋和虹膜來說，人臉的獲取更為簡便，人臉的驗(yàn)證性能也越來越接近于指紋和虹膜，最新Google開發(fā)的Android4.0系統(tǒng)就自帶有通過人臉認(rèn)證來進(jìn)行手機(jī)解鎖的功能。但是在進(jìn)行身份認(rèn)證時(shí)，如果人臉發(fā)生變化、被遮擋，特別是被包含有用戶的照片及視頻替換，人臉驗(yàn)證就會(huì)容易出現(xiàn)錯(cuò)誤的認(rèn)證結(jié)果，因此人臉認(rèn)證時(shí)需要涉及到活體檢測，而手機(jī)端的硬件資源配置有限，因此會(huì)降低認(rèn)證的流暢性。

【發(fā)明內(nèi)容】

[0011]本發(fā)明所要解決的技術(shù)問題是提供一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，該基于手機(jī)加速度傳感器的身份認(rèn)證方法易于實(shí)施，對(duì)硬件資源要求低，身份認(rèn)證的準(zhǔn)確率高。
[0012]發(fā)明的技術(shù)解決方案如下:
[0013]一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，先對(duì)多次獲取的原始加速度數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，并由數(shù)據(jù)處理后所得的數(shù)據(jù)訓(xùn)練SVM分類器模型；所述的多次獲取包括獲取合法用戶手勢對(duì)應(yīng)的原始加速度數(shù)據(jù)8-12次，獲取非法用戶手勢對(duì)應(yīng)的原始加速度數(shù)據(jù)8-12 次；
[0014]再獲取當(dāng)前次的原始加速度數(shù)據(jù)，將該加速度數(shù)據(jù)進(jìn)行數(shù)據(jù)處理后得到的處理結(jié)果輸入到SVM分類器模型中，由SVM分類器模型輸出身份認(rèn)證結(jié)果；
[0015]所述的原始加速度數(shù)據(jù)獲取是指用戶在手機(jī)屏幕上書寫，手機(jī)內(nèi)置的加速度傳感器采集在用戶手寫過程中所感應(yīng)的加速度數(shù)據(jù)；
[0016]所述的數(shù)據(jù)處理包括以下步驟:
[0017]I)對(duì)采集到的原始的加速度數(shù)據(jù)進(jìn)行預(yù)處理；
[0018]2)對(duì)于預(yù)處理之后的加速度數(shù)據(jù)進(jìn)行基于小波分解的特征提取，構(gòu)造特征向量。
[0019]2.根據(jù)權(quán)利要求1所述的一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，其特征在于，所述的手機(jī)加速度傳感器采集手勢軌跡的加速度值包括:[0020]用戶每一次使用手機(jī)書寫手勢軌跡時(shí)，通過手機(jī)的加速度傳感器采集到該手勢過程中每個(gè)時(shí)刻(即每一幀)手機(jī)在三維空間中XYZ三個(gè)方向的加速度數(shù)據(jù)。
[0021]對(duì)原始加速度數(shù)據(jù)的預(yù)處理包括下列步驟:
[0022]I)平穩(wěn)去噪:使用移動(dòng)平均線濾波器，對(duì)采集到的加速度數(shù)據(jù)進(jìn)行平穩(wěn)去噪；
[0023]2)手勢軌跡邊界判定:采用基于加窗口的門限值方法對(duì)手勢軌跡的開始和結(jié)束進(jìn)行判定，從數(shù)據(jù)的首末兩端分別使用一個(gè)時(shí)間窗口(大小為7)向中間搜索，如果在一個(gè)時(shí)間窗口內(nèi)加速度值變化超過門限值0.5m / s2，則從前往后搜索的窗口所對(duì)應(yīng)的第一幀記為手勢軌跡起始邊界，從后往前搜索的窗口所對(duì)應(yīng)的最后一幀記為手勢軌跡的結(jié)束邊界； [0024]3)手勢軌跡長度的歸一化:將每次采集到的手勢軌跡進(jìn)行長度的統(tǒng)一，設(shè)置長度閾值為200，長度小于閾值的，進(jìn)行線性插值處理，長度大于閾值的，將鄰近相似點(diǎn)【參見后文解釋】進(jìn)行合并，長度等于閾值的，不進(jìn)行處理。
[0025]所述的基于小波分解的特征提取包括下列步驟:
[0026]I)將預(yù)處理之后的每個(gè)方向的加速度數(shù)據(jù)分別使用dmey小波基函數(shù)進(jìn)行5層

\cAt^k)=}{k)
小波分解，根據(jù)小波多層分解公式奶:h cD 得到對(duì)應(yīng)I至5層的分解
L?
系數(shù)cAj(k)和cDj(k)，j = 1，2，3，4，5表示第j層；k表示第j層系數(shù)向量的長度；其中1ι0(η-ιο=〈Φ0,η⑴，Φ1,1?(?)>,Κ1(η_21?)=<Φ0>η(?), !^上⑴〉，而 il^kU)和 Φ0,η(?)分別是 dmey小波的小波函數(shù)和尺度函數(shù):【具體形式參加公式8和中的下標(biāo)O和I沒有具體的含義，只是代表這是不同的兩個(gè)量，具體計(jì)算參見公式6和公式8和9.同樣，(AtV(O中的下標(biāo)O和I也沒有具體的含義，只是代表這是不同的兩個(gè)量，具體計(jì)算參見公式6和公式8和9】
?II i , f
[0027]2)根據(jù):;2分別計(jì)算I至5層CDjGO各段系數(shù)
E _ = |-- cDAk^—τΣ^
Ii ^ \I ?^ΙJ
CDj (k，i)和第 5 層 CA5 (k)系數(shù) CA5 (k，i)的能量【CAj (k，i)和 CDj (k，i)，i=l，2，...，k 表示對(duì)應(yīng)j層長度為k的頻帶信號(hào)的第i個(gè)離散點(diǎn)的幅值】，從而在每一個(gè)方向(x，y，z)上各得到6個(gè)能量值；
[0028]3)將每個(gè)方向上的6個(gè)能量值為元素，構(gòu)造成一個(gè)所述的特征向量。
[0029]所述的SVM分類器模型的訓(xùn)練過程如下:
[0030]I)將多次手勢軌跡得到的特征向量組成一個(gè)集合，其中合法用戶手勢軌跡的特征向量指定為正樣本，非法用戶手勢軌跡的特征向量指定為負(fù)樣本；
[0031]2)以該集合作為訓(xùn)練樣本集合，完成SVM分類器模型的訓(xùn)練(訓(xùn)練方法為現(xiàn)有技術(shù)，如LIBSVM為已有的SVM分類器模型訓(xùn)練方法之一，其開源軟件包及具體訓(xùn)練過程的信息，關(guān)于 LIBSVM 算法可參考文獻(xiàn):Chih-Chung Chang and Chih-Jen Lin, LIBSVM:ALibrary for Support Vector Machines.ACM Transactions on Intelligent Systems andTechnology, Volume 2 Issue 3, April 2011.也可以從林智仁(Chih-Jen Lin)的個(gè)人主頁 http: / / www.csie.ntu.edu.tw / ?cilin / 處獲得。)。
[0032]本發(fā)明將基于目前智能手機(jī)上配有的加速度傳感器，在空中使用手機(jī)書寫軌跡時(shí)，該傳感器能精確采集到手機(jī)每個(gè)時(shí)刻(即每一幀)在三維空間中x、y、z三個(gè)不同方向的加速度數(shù)據(jù)，從而實(shí)現(xiàn)以手勢軌跡為特征的身份認(rèn)證。該手勢軌跡就是筆跡在手機(jī)中的另外一種形式的體現(xiàn)，是人后天習(xí)慣養(yǎng)成的生物特征，不同人的書寫技能和習(xí)慣特征表現(xiàn)不同，同一個(gè)人在一段時(shí)期內(nèi)一定條件下書寫的手勢軌跡是相對(duì)穩(wěn)定的。本發(fā)明方法可有效地避免用戶身份認(rèn)證信息被盜用，達(dá)到比較理想的認(rèn)證效果和用戶體驗(yàn)。
[0033]有益效果:
[0034]本發(fā)明的基于手機(jī)加速度傳感器的身份認(rèn)證方法，利用目前智能機(jī)自帶的加速度傳感器采集手勢軌跡的加速度作為生物特征，利用小波變換提取特征和SVM訓(xùn)練分類器相結(jié)合的技術(shù)來進(jìn)行身份的認(rèn)證，無需像傳統(tǒng)靜態(tài)密碼一樣記憶麻煩，也不需要額外的設(shè)備，而且實(shí)時(shí)的手勢軌跡采集也有效避免被他人盜用。本發(fā)明交互簡單，數(shù)據(jù)采集方式也極為方便，平均認(rèn)證率在95%以上，達(dá)到了筆跡鑒定用于身份認(rèn)證的預(yù)期效果，效率較高，具有好的安全性能和用戶體驗(yàn)效果。本發(fā)明針對(duì)手機(jī)端的身份認(rèn)證，不需要增加其它外設(shè)，同時(shí)由于每人的手勢唯一，故能有效避免被盜用且交互簡單。
【專利附圖】

【附圖說明】
[0035]圖1為本發(fā)明方法的流程圖。
[0036]圖2為本發(fā)明中數(shù)據(jù)預(yù)處理結(jié)果實(shí)例:圖2(a)為采集到的原始數(shù)據(jù)三個(gè)方向加速度曲線圖；圖2(b)為進(jìn)行平移變換和平穩(wěn)去噪后三個(gè)方向的加速度曲線圖；圖2(c)為一個(gè)完整的手勢軌跡三個(gè)方向加速度的曲線圖；圖2(d)為歸一化后三個(gè)方向加速度的曲線圖。
[0037]圖3為使用dmey小波基函數(shù)對(duì)加速度矩陣三個(gè)方向x、y、z的信號(hào)五層分解之后的結(jié)果圖。
[0038]圖4為對(duì)信號(hào)X進(jìn)行多尺度小波分解結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0039]以下將結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明:
[0040]實(shí)施例1:
[0041]圖1給出了依照本發(fā)明進(jìn)行加速度傳感器的身份認(rèn)證的方法流程圖?，F(xiàn)介紹每一步的實(shí)現(xiàn)細(xì)節(jié)。
[0042]1.圖1所示，步驟101開始之后，每一次用戶使用手機(jī)根據(jù)自己的習(xí)慣書寫手勢軌跡(圖1步驟102)時(shí)，通過手機(jī)的加速度傳感器采集到該手勢軌跡從開始到結(jié)束過程中每個(gè)時(shí)刻(即每一幀)手機(jī)在三維空間中x、y、z三個(gè)方向的加速度值(如圖2(a)所示)，將這些數(shù)據(jù)保存為一個(gè)η行3列的矩陣形式(圖1步驟103)。其中時(shí)間為t1; t2，...，tn，η表示為該時(shí)段內(nèi)采集到的手勢軌跡幀數(shù)，每一列均表示一個(gè)方向上的加速度值變化曲線，因此每一個(gè)矩陣可以表示一個(gè)手勢軌跡，該加速度數(shù)據(jù)的矩陣形式A如式(I):
【權(quán)利要求】
1.一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，其特征在于， 先對(duì)多次獲取的原始加速度數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，并由數(shù)據(jù)處理后所得的數(shù)據(jù)訓(xùn)練SVM分類器模型；所述的多次獲取包括獲取合法用戶手勢對(duì)應(yīng)的原始加速度數(shù)據(jù)8-12次，獲取非法用戶手勢對(duì)應(yīng)的原始加速度數(shù)據(jù)8-12次； 再獲取當(dāng)前次的原始加速度數(shù)據(jù)，將該加速度數(shù)據(jù)進(jìn)行數(shù)據(jù)處理后得到的處理結(jié)果輸入到SVM分類器模型中，由SVM分類器模型輸出身份認(rèn)證結(jié)果； 所述的原始加速度數(shù)據(jù)獲取是指用戶在手機(jī)屏幕上書寫，手機(jī)內(nèi)置的加速度傳感器采集在用戶手寫過程中所感應(yīng)的加速度數(shù)據(jù)； 所述的數(shù)據(jù)處理包括以下步驟: 1)對(duì)采集到的原始的加速度數(shù)據(jù)進(jìn)行預(yù)處理； 2)對(duì)于預(yù)處理之后的加速度數(shù)據(jù)進(jìn)行基于小波分解的特征提取，構(gòu)造特征向量。
2.根據(jù)權(quán)利要求1所述的一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，其特征在于，所述的手機(jī)加速度傳感器采集手勢軌跡的加速度值包括: 用戶每一次使用手機(jī)書寫手勢軌跡時(shí)，通過手機(jī)的加速度傳感器采集到該手勢過程中每個(gè)時(shí)刻手機(jī)在三維空間中XYZ三個(gè)方向的加速度數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的一種基于手機(jī)加速度傳感器的身份認(rèn)證方法，其特征在于，對(duì)原始加速度數(shù)據(jù)的預(yù)處理包括下列步驟: 1)平穩(wěn)去噪:使用移動(dòng)平均線濾波器，對(duì)采集到的加速度數(shù)據(jù)進(jìn)行平穩(wěn)去噪； 2)手勢軌跡邊界判定:采用基于加窗口的門限值方法對(duì)手勢軌跡的開始和結(jié)束進(jìn)行判定，從數(shù)據(jù)的首末兩端分別使用一個(gè)時(shí)間窗口(大小為7)向中間搜索，如果在一個(gè)時(shí)間窗口內(nèi)加速度值變化超過門限值0.5m / s2，則從前往后搜索的窗口所對(duì)應(yīng)的第一幀記為手勢軌跡起始邊界，從后往前搜索的窗口所對(duì)應(yīng)的最后一幀記為手勢軌跡的結(jié)束邊界； 3)手勢軌跡長度的歸一化:將每次采集到的手勢軌跡進(jìn)行長度的統(tǒng)一，設(shè)置長度閾值為200，長度小于閾值的，進(jìn)行線性插值處理，長度大于閾值的，將鄰近相似點(diǎn)進(jìn)行合并，長度等于閾值的，不進(jìn)行處理。
4.根據(jù)權(quán)利要求3所述的一種基于手機(jī)加速度傳感器的身份認(rèn)證，其特征在于，所述的基于小波分解的特征提取包括下列步驟: 1)將預(yù)處理之后的每個(gè)方向的加速度數(shù)據(jù)分別使用dmey小波基函數(shù)進(jìn)行5層小波分解，根據(jù)小波多層分解公式
5.根據(jù)權(quán)利要求1所述的一種基于手機(jī)加速度傳感器的身份認(rèn)證，其特征在于，所述的SVM分類器模型的訓(xùn)練過程如下: 1)將多次手勢軌跡得到的特征向量組成一個(gè)集合，其中合法用戶手勢軌跡的特征向量指定為正樣本，非法用戶手勢軌跡的特征向量指定為負(fù)樣本； 2)以該集合作為訓(xùn)練樣本集合，完成SVM分類器模型的訓(xùn)練。
【文檔編號(hào)】H04M1/725GK103595538SQ201310600675
【公開日】2014年2月19日 申請(qǐng)日期:2013年11月25日 優(yōu)先權(quán)日:2013年11月25日
【發(fā)明者】鄒北驥, 高煥芝, 劉志丹, 陳再良 申請(qǐng)人:中南大學(xué)