一种基于手机传感器的手机用户身份认证方法技术

本发明专利技术公开了一种基于手机传感器的手机用户身份认证方法，包括以下步骤，获得认证用户样本数据；加速度传感器采集当前用户晃动数据；对获得的数据进行特征向量提取；使用门限值的方法，利用认证用户样本数据对当前用户身份进行认证。本发明专利技术提供了一个新的认证用户样本数据筛选的方法，进行辅助实现用户认证工作。其特点是不需要采集非认证用户的晃动手势数据建立训练模型，使用门限值的方法对用户进行认证，可以很好的实现手机用户的安全认证工作。

【技术实现步骤摘要】

本专利技术属于无线传感器网络
，尤其涉及一种基于手机传感器的手机用户 身份认证方法。
技术介绍
随着手机功能的扩展，手机已经成为实现多种功能的重要工具，越来越多的功能 可以通过手机实现，如手机购物、移动定位、发送/接收电子邮件等。手机用户认证作为用 来保护手机内容、远离非法操作的技术，始终是手机用户关注的重点。 现有的手机安全认证技术中，以密码和图形输入为代表的基于知识信息的手 机认证方法是被广泛应用的身份认证方法。该方法简单易实现，但是为了提高安全级 另IJ，通常需要用户记忆较长的密码或复杂的图形信息，来实现用户安全认证。另外一些 以指纹识别为代表的基于生物信息的手机认证方法也得到了应用。生物信息具有唯一 性和便携性，可以提供唯一信息进行用户认证。但是，由于指纹识别需要特定的外部设 备进行指纹采集，增加了手机的硬件成本，同时，指纹识别等基于生物图像信息的认证方 法，需要手机提供大量的内存和能源支持，降低了智能手机的用户体验，并没有得到广泛 应用。 Sony patents fingerprint screen scan for biometric authentication of smartphones. Biometric Technology Today. Volume 2012,Issue 4,April 2012,Pages 1，doi : 10. 1016/S0969-4765 (12) 70099-1.显示了新的可以用于指纹信息采集的屏幕，为 不需外设的指纹识别提供了可能，但是目前并没有广泛的应用在手机设备。Real-Time Activity Classification Using Ambient and Wearable Sensors. IEEE Transactions on. Information Technology in Biomedicine, 2009, 13(6)，1031-1039.提出每个人具 有独特的晃动手势，并且该晃动手势难以复制或模仿。用户的晃动动作往往同用户使用 肌肉的习惯有关，受到用户健康状况、年龄状况、身高状况等用户生物条件的影响。同时， 即使同一个人晃动手势捕捉到的数据也存在轻微的偏差。〇penSesame:Unlocking smart phone through handshaking biometrics. Proceedings of The 32nd IEEE International Conference on Computer Communications, Turin, Italy, April, 14-19, 2013:365-369.提 出了利用手机晃动数据进行用户认证的方法，但是需要采集认证用户和非认证用户的数据 进行训练，并且使用支持向量机对用户进行分类，增加了手机计算难度。 以上的手机身份认证方法解决了进行用户认证的问题，但是存在如下几个问题： (a)PIN码、图形等方法需要用户对密码信息进行记忆；(b)指纹识别等方法需要智能手机 进行硬件支持；（c)指纹识别等方法需要手机进行大量运算，影响手机运算效率。
技术实现思路
本专利技术的目的是提供一种操作简单、准确率高的，基于手机传感器的手机用户身 份认证方法。 -种基于手机传感器的手机用户身份认证方法，包括以下步骤， 步骤一：获得认证用户样本数据； 步骤二：加速度传感器采集当前用户晃动数据； 步骤三：对获得的数据进行特征向量提取； 步骤四：使用门限值的方法，利用认证用户样本数据对当前用户身份进行认证。 本专利技术，还可以包括： 1、对数据进行特征向量提取的方法为： (1)计算数据空间的中心C，随机选择N组数据空间中的点，每组两个点，计算每组 点和C点组成的以C点为顶点的角度值，并将计算得到的角度值进行核平滑密度估计处理， 得到核平滑估计密度向量，该向量作为Fl函数处理后的特征向量； (2)在数据空间中，随机选择N组点，每组三个点，计算三点组成的角度值中的一 个角，并将计算得到的角度值进行核平滑密度估计处理，得到核平滑估计密度向量，该向量 作为F2函数处理后的特征向量； (3)并随机选择N个点，计算每个点到重心C的欧式距离，对得到的距离值向量 进行核平滑密度估计处理，得到核平滑估计密度向量，该向量作为F3函数处理后的特征向 量； (4)随机选择N对所选的空间点，计算每对点的欧式距离，构成N维向量，对得到的 距离值向量进行核平滑密度估计处理，得到核平滑估计密度向量，该向量作为F4函数处理 后的特征向量。 2、认证用户样本数据的筛选方法为： (1)获得认证用户的三次晃动加速度数据，提取特征向量； (2)计算每两个向量间的相关系数， Cap= C(a , β) 其中C(a，β)是用来计算向量a和β相关系数的函数，a = [a p a 2，，，a J Τ，β = [ β ρ β 2,，，β JT; 将相关系数与阈值进行比较，如果超过阈值则作为基础样本数据保存，否侧返回 步骤（1) ; (3)将基础样本数据向量求均值，求得样本数据。 3、利用认证用户样本数据对当前用户身份进行认证的方法为： (1)将当前用户的特征向量与认证用户样本特征向量做差，得到差值向量； (2)计算差值向量的方差； (3)将得到的不同处理函数的方差值同对应的阈值进行比较，得到四个函数的判 别结果，再根据联合判定算法，判定该用户是否为认证用户。 有益效果： 本专利技术提出的基于手势识别的手机安全认证技术，采用门限值的方法对用户进行 认证。不需要采集所有可能用户的训练样本数据，只需采集认证用户的数据作为样本数据。 本专利技术提出了一个新的进行认证用户样本数据的筛选方法。帮助用户进行样本数 据的确定。【附图说明】 图1是本专利技术函数处理方法示意图；图1(a)为函数Fl处理方法示意图，图1(b) 为函数F2处理方法示意图，图1(c)为函数F3处理方法示意图，图1(d)为函数F4处理 方法示意图； 图2是本专利技术函数处理后的特征向量示例图；图2(a)为函数Fl处理后的特征向 量示例图，图2(b)为函数F2处理后的特征向量示例图，图2(c)为函数F3处理后的特征 向量示例图，图2(d)为函数F4处理后的特征向量示例图。 图3是本专利技术认证用户样本向量确定示例图。 图4为各函数阈值表。 图5为四个函数实验结果表。 图6为经联合判别算法的判别后的结果表。【具体实施方式】 下面将结合附图对本专利技术做进一步详细说明。 本专利技术提出了一个基于用户生物特征信息进行用户身份认证的方法。智能手机的 加速度传感器捕捉用户数据，利用用户晃动手势的不易复制性和简便性，经过函数变换，利 用统计学方法，实现手机用户认证。 本专利技术的实现方案如下： 通过加速度传感器，记录用户的晃动数据；对晃动数据进行特征向量的提取；对 认证用户的特征向量进行筛选，获得样本数据；将未知用户的特征向量同样本数据进行对 比，得到差值向量，并计算方差值；将得到的方差值同对应的函数阈值进行对比，确定该未 知用户是否为认证用户。 本专利技术的具体实现过程包括以下几个步骤： 步骤一：加速度传感器捕捉用户晃动数据 利用加速度传感器捕捉用户晃动手机的数据，用户可以根据自己的喜好晃动手本文档来自技高网...

【技术保护点】
一种基于手机传感器的手机用户身份认证方法，其特征在于：包括以下步骤，步骤一：获得认证用户样本数据；步骤二：加速度传感器采集当前用户晃动数据；步骤三：对获得的数据进行特征向量提取；步骤四：使用门限值的方法，利用认证用户样本数据对当前用户身份进行认证。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨武，陈茜，王巍，苘大鹏，玄世昌，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23