一种基于触屏行为的智能手机认证系统及方法技术方案

一种基于触屏行为的智能手机认证系统及方法，系统包括重认证子系统和训练子系统，重认证子系统部署在智能手机终端，包括触屏监控模块、预处理模块、特征提取模块和预测模块；训练子系统设置在远程服务器上，包括分类器训练模块、特征库模块和分类参数模块。训练过程中，分类器训练模块根据特征库模块所提供样本训练分类器，将得到的分类参数传送下载到智能手机终端的预测模块中；认证过程中，预测模块利用分类器对用户的身份做出判断，如果判断出用户为智能手机拥有者，允许通过并进行重复认证，否则将警告信息发送给操作系统。本发明专利技术所提供认证方式方便，有效，成本低廉，安全可靠。

【技术实现步骤摘要】
【专利摘要】，系统包括重认证子系统和训练子系统，重认证子系统部署在智能手机终端，包括触屏监控模块、预处理模块、特征提取模块和预测模块；训练子系统设置在远程服务器上，包括分类器训练模块、特征库模块和分类参数模块。训练过程中，分类器训练模块根据特征库模块所提供样本训练分类器，将得到的分类参数传送下载到智能手机终端的预测模块中；认证过程中，预测模块利用分类器对用户的身份做出判断，如果判断出用户为智能手机拥有者，允许通过并进行重复认证，否则将警告信息发送给操作系统。本专利技术所提供认证方式方便，有效，成本低廉，安全可靠。【专利说明】
本专利技术属于移动通信
，特别涉及。
技术介绍
随着智能手机的日益普及和功能的不断增强，它已成为人们日常生活中不可或缺的用品；人们通过智能手机来连接互联网和社交网络，利用它同朋友，家人保持联系，对特殊的时刻进行拍照和计划做出安排。然而这些功能强大的智能手机给用户带来便利的同时，也存在着一定的安全风险。智能手机体积一般都比较小，而且保存了用户大量的隐私信息，如果一旦丢失或被盗，对数据失去控制造成的损失远远超出设备本身的价值。为了防止智能手机丢失或被盗后非法用户的使用，重认证系统比认证系统更加合适。认证系统会在用户登录时进行一次认证。例如输入口令来解锁智能手机。而重认证系统会在整个系统的运行期间连续地对当前用户进行认证。在缺乏重认证系统的情况下，如果用户忘记对智能手机上锁并把它放到公共场所，那么攻击者就很容易访问手机。即使智能手机上了锁，攻击者也可以利用操作系统的缺陷绕过上锁的屏幕。因此依靠重认证方法对智能手机提供持续的保护是十分必要的。直接的重认证方法会周期性地触发认证系统，例如要求用户输入口，验证码等。这种方法中断了用户与智能手机间的交互，导致了不友好的用户体验。因此对智能手机而言，重认证过程不应该令用户觉察出它们的存在。目前短的解锁口令(例如6位数字口令)不能保护智能手机免受攻击。而长的、复杂的口令又难以记忆。所以重认证系统应该依赖特殊的“ 口令”，这些口令很容易记忆但又很难伪造。用户的生物数据无疑是这种口令的一种很好的选择。已经有很多工作者对基于生物特征的重认证进行了研究:例如指纹识别，人脸识别，虹膜识别。但是这些方法并不适合智能手机的重认证，因为它们或者依赖智能手机无法获得的特殊设备，或者需要用户停止交互来进行重认证。
技术实现思路
本专利技术针对现有智能手机认证过程中存在的弊端，提出了一种基于触屏行为的认证系统及方法，它可以在不被用户察觉的情况下对其做出认证，具有高效、简单、快捷优点，显著地提高了智能手机等客户端的安全性，而且增加了用户体验。本专利技术技术方案提供了一种基于触屏行为的智能手机认证系统，包括重认证子系统和训练子系统，重认证子系统部署在智能手机中，包括触屏监控模块、预处理模块、特征提取模块和预测模块；训练子系统设置在远程服务器上，包括分类器训练模块、特征库模块和分类文件模块， 所述触屏监控模块，用于实时监控用户触屏事件，并将采集到的原始数据发送到预处理模块； 所述预处理模块，用于根据采集所得原始数据得到不同类型的手势，然后将所得相应手势数据发送到特征提取模块； 所述特征提取模块，用于从手势数据中提取特征，形成相应特征向量；当智能手机拥有者进行注册时，将特征向量提交到特征库模块；当对用户执行重认证时，将特征向量输出到预测模块； 所述预测模块，用于根据特征向量和相应分类参数做出预测，如果预测到特征向量来自于智能手机拥有者，重认证系统允许用户通过，否则将警告信息发送给智能手机的操作系统； 所述特征库模块，用于存储智能手机拥有者的特征向量和其他非手机拥有者的特征向量，为训练分类器提供样本； 所述分类器训练模块，用于利用特征库模块所提供样本进行训练，将得到的分类参数传给分类文件模块； 所述分类文件模块，用于存储训练好的分类参数，供智能手机所有者进行下载。而且，所示手势的类型包括向左滑动、向右滑动、向上滑动、向下滑动和点击。而且，所示手势的类型中，向左滑动、向右滑动、向上滑动、向下滑动属于滑动手势，提取的特征包括最初触摸位置、最初触摸面积、最初移动方向、移动距离、持续时间、平均移动方向、平均移动曲率、平均触摸面积、最大面积位置；点击属于辅助手势，提取的特征包括平均触摸面积、持续时间和平均压力。而且，预测模块设有I个分类器和16种分类对象的相应分类文件，其中8个分类对象对应于横屏模式，8个分类对象对应于竖屏模式；对于每种模式，采用4个分类对象对应4种滑动手势，另外4种分类对象分别对应4种滑动手势和点击手势的组合。本专利技术还提供了根据上述系统实现的智能手机认证方法，包括训练过程和认证过程， 所述训练过程实现方式如下， 步骤Al，智能手机拥有者登录远程服务器进行注册后，触屏监控模块监控智能手机拥有者进行操作产生的触屏事件，并将采集到的原始数据传给预处理模块；智能手机拥有者进行的操作包括在横屏模式和竖屏模式下，分别在智能手机触摸屏上多次执行向左滑动、向右滑动、向上滑动、向下滑动和点击操作； 步骤A2，预处理模块根据采集所得原始数据得到不同类型的手势，然后将所得相应手势数据发送到特征提取模块； 步骤A3，特征提取模块从手势数据中提取特征，形成各种分类对象的相应特征向量，并通过网络传到远程服务器的特征库模块； 步骤A4，分类器训练模块根据特征库模块所提供样本训练分类器，将得到的各种分类对象相应分类参数传送到分类文件模块； 步骤A5，下载分类文件模块中的各种分类对象相应分类参数到智能手机的预测模块中，更新相应分类文件； 所述认证过程实现方式如下， 步骤BI，触屏监控模块实时监控用户的触屏事件，并将采集到的原始数据发送给预处理模块； 步骤B2，预处理模块根据采集所得原始数据得到不同类型的手势，然后将手势数据发送到特征提取模块； 步骤B3，特征提取模块从手势数据中提取特征，形成某种分类对象的特征向量，发送到预测模块； 步骤B4，预测模块利用分类器和步骤B3所得特征向量和相应分类文件对用户的身份做出判断，如果判断出用户为智能手机拥有者，允许通过并返回步骤BI进行重复认证，否则将警告信息发送给操作系统。而且，步骤A3中，特征提取模块从手势数据中提取特征，形成各种分类对象的相应特征向量的实现方式如下， 对只包含滑动手势的分类对象，从每次执行滑动手势的相应手势数据中提取各特征，对各特征分别取平均，得到滑动手势各特征最终的特征值，形成相应分类对象的特征向量; 对包含滑动手势和点击手势的分类对象，从每次执行滑动手势的相应手势数据中提取各特征，对各特征分别取平均，得到滑动手势各特征最终的特征值；从每次执行点击手势的相应手势数据中提取各特征，对各特征分别取平均，得到点击手势各特征最终的特征值；组合滑动手势各特征最终的特征值和点击手势各特征最终的特征值，形成相应分类对象的特征向量。而且，步骤B3中，特征提取模块从手势数据中提取特征，形成某种分类对象的特征向量的实现方式如下， 当某模式下任一种滑动操作X的次数达到相应预设次数NA时，根据最近NA次执行操作X时从相应手势数据中提取的各特征，按执行次数NA对各特征分别取平均，得到滑动操作X各特征最终的特征值，本文档来自技高网...

【技术保护点】
一种基于触屏行为的智能手机认证系统，其特征在于：包括重认证子系统和训练子系统，重认证子系统部署在智能手机中，包括触屏监控模块、预处理模块、特征提取模块和预测模块；训练子系统设置在远程服务器上，包括分类器训练模块、特征库模块和分类文件模块，所述触屏监控模块，用于实时监控用户触屏事件，并将采集到的原始数据发送到预处理模块；所述预处理模块，用于根据采集所得原始数据得到不同类型的手势，然后将所得相应手势数据发送到特征提取模块；所述特征提取模块，用于从手势数据中提取特征，形成相应特征向量；当智能手机拥有者进行注册时，将特征向量提交到特征库模块；当对用户执行重认证时，将特征向量输出到预测模块；所述预测模块，用于根据特征向量和相应分类参数做出预测，如果预测到特征向量来自于智能手机拥有者，重认证系统允许用户通过，否则将警告信息发送给智能手机的操作系统；所述特征库模块，用于存储智能手机拥有者的特征向量和其他非手机拥有者的特征向量，为训练分类器提供样本；所述分类器训练模块，用于利用特征库模块所提供样本进行训练，将得到的分类参数传给分类文件模块；所述分类文件模块，用于存储训练好的分类参数，供智能手机所有者进行下载。...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈晶，刘冬，杜瑞颖，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42