基于细粒度手指姿态的智能家居连续用户认证方法及系统技术方案

一种基于细粒度手指姿态的智能家居连续用户认证方法及系统，在登录阶段通过从不同用户的手指手势中提取行为特征进行多用户认证，在交互阶段通过轻量级分类器，根据历史手指手势和当前手势，通过连续认证识别身份。本发明专利技术利用Wi‑Fi信号感知每个用户操作智能家电时手指姿势的独特性进行持续的用户认证，通过较低的响应时间实现了良好的用户体验。

Continuous User Authentication Method and System for Smart Home Based on Fine-grained Finger Posture

A fine-grained finger gesture-based continuous user authentication method and system for smart home is proposed. In the login stage, multi-user authentication is carried out by extracting behavioral features from finger gestures of different users. In the interactive stage, identity is recognized by continuous authentication through a lightweight classifier, according to historical finger gestures and current gestures. The invention utilizes Wi Fi signal to sense the uniqueness of finger posture for continuous user authentication when each user operates intelligent household appliances, and achieves a good user experience through a lower response time.

【技术实现步骤摘要】
基于细粒度手指姿态的智能家居连续用户认证方法及系统
本专利技术涉及的是一种无线通信领域的技术，具体是一种通过Wi-Fi信号识别细粒度手指姿态的智能家居连续用户认证方法及系统，借助Wi-Fi信号的CSI(信道状态信息)数据进行感知，利用深度学习领域的算法实现多用户认证，并利用轻量级单分类器实现连续认证。
技术介绍
目前智能家居用户认证往往需要额外的数据采集设备，如摄像机，指纹识别器，甚至可穿戴设备等等，这造成了较高的部署成本和要求，使得其适用广泛性大大降低。其次，目前越来越高的安全性需求，使得用户的连续身份认证越来越重要。目前智能家居的认证大多是一次性的，不能根据用户姿态持续地认证用户的身份。一些系统实现了基于行为特征的连续认证，但没有考虑良好的用户体验，在连续的用户认证中响应时间过长，降低了用户体验。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于细粒度手指姿态的智能家居连续用户认证方法及系统，利用Wi-Fi信号感知每个用户操作智能家电时手指姿势的独特性进行持续的用户认证，通过较低的响应时间实现了良好的用户体验。本专利技术是通过以下技术方案实现的：本专利技术涉及一种基于细粒度手指姿态的智能家居连续用户认证方法，在登录阶段通过从不同用户的手指手势中提取行为特征进行多用户认证，在交互阶段通过轻量级分类器，根据历史手指手势和当前手势，通过连续认证识别身份。所述的提取，采用市售的Wi-Fi设备持续不断地发射Wi-Fi信号的同时，接收设备(无线网卡)接收反射信号并从中解析出CSI数据，然后使用机器学习算法从CSI数据中得到手指运动轨迹特征，即行为特征。所述的提取，优选在解析前先通过去噪和筛选处理以减去环境噪声的干扰。所述的机器学习算法是指：采用深度神经网络提取每个用户习惯性手指动作的手指运动轨迹特征。所述的轻量级分类器为支持向量机的分类器。所述的连续认证具体是指：结合用户当前的人机交互手指动作和之前的人机交互手指动作，使用相对应的轻量级单分类器进行用户身份的认证，使得用户与系统每一次的人机交互都在认证用户身份安全的情况下进行影响，以实现贯穿交互全过程的连续用户身份认证。技术效果与现有技术相比，本专利技术提供了基于Wi-Fi信号识别细粒度手指姿态的智能家居连续认证系统，不仅能实现较高的用户认证精度，同时能保证即时的响应。本专利技术利用了家庭环境中普遍存在的Wi-Fi信号作为交互姿态采集信号。由于Wi-Fi设备常见易得，容易部署，成本低廉，因此克服了额外设备较高的成本和难以广泛部署的难题。本专利技术在登录阶段利用深度神经网络获取用户的手指动作轨迹特征，用于进行基于手指动作的细粒度的多用户认证过程。本专利技术在交互阶段增加了用于进行身份认证的手指动作集，提高了认证精度。同时，基于支持向量数据描述的时间复杂度仅为O(n),通过上述组合手指动作的认证机制，时间复杂度增加到了O(nm2)。因为m的值远远小于n，所以时间消耗可以看作仅是线性增加，对用户体验造成的影响很小。通过此基于支持向量数据描述的认证机制，可以在保证较高认证精度的情况下，达到实时响应，满足在与智能家电交互过程中的即时性要求。附图说明图1为本专利技术流程图；图2为基于LSTM深度神经网络的特征提取方法示意图；图3为实验适用的手指动作类别；图4为登录阶段用户认证的认证精度混淆矩阵；图5为交互阶段用户认证精度的柱状图；图6为登录和交互阶段的响应时间CDF图。具体实施方式如图1所示，为本实施例涉及的一种基于细粒度手指姿态的智能家居连续用户认证系统，包括：注册阶段模块和服务阶段模块，其中：注册阶段模块传输已注册用户的手指信息至服务阶段模块。所述的注册阶段模块包括：深度神经网络、样本生成单元、多分类器、单分类器、Wi-Fi信号发射单元以及无线网卡单元，其中：Wi-Fi信号发射单元持续地传输Wi-Fi信号，无线网卡单元与样本生成单元相连并传输手指动作样本数据信息，深度神经网络与样本生成单元相连并传输提取到的手指特征信息，多分类器与深度神经网络相连并提供多用户认证功能，单分类器与样本生成单元相连并提供交互时的单用户认证功能。所述的服务阶段模块包括：深度神经网络、样本生成单元、多分类器、单分类器、手指动作类型分类器、Wi-Fi信号发射单元以及无线网卡单元，其中：Wi-Fi信号发射单元持续地传输Wi-Fi信号，无线网卡单元与样本生成单元相连并传输手指动作样本数据信息，深度神经网络与样本生成单元相连并传输提取到的当前用户的手指特征信息，多分类器连接当前样本的手指特征信息与已注册样本的手指特征信息并传输多用户认证结果，手指动作类型分类器与样本生成单元相连并传输不同动作类型的手指样本数据，单分类器连接手指动作类型分类器并传输交互时的单用户认证结果。所述的注册阶段模块进行登录过程的注册和交互过程的注册，其中：登录过程的注册是指：通过收集用户登录手指姿态提取特征并训练多分类器；交互过程的注册是指：收集用户交互手指姿态，通过认证机制组合多次的手指姿态构建训练样本以训练单分类器。所述的服务阶段模块进行登录过程的服务和交互过程的服务，其中：登录过程的服务是指：系统认证某一登录用户的身份，决定其是否进入系统；交互过程的服务是指：系统通过已登录用户每一次的交互姿态持续地认证用户的身份，根据认证结果决定是否响应其特定的交互请求。本实施例涉及上述系统的认证方法，包括以下步骤：步骤A1、登录过程的注册：家庭成员在系统部署的环境下，分别执行特定登录手指动作10次。所述的无线网卡单元收集每个手指动作影响下的Wi-Fi信号，样本生成单元解析出Wi-Fi信号的CSI数据，将提取出的CSI数据经过多径效应消除和子载波选择，获得预处理后的Wi-Fi信号的CSI数据。所述的样本生成单元对预处理的CSI数据，通过幅值差分截取手指动作的区段，具体为：通过基于滑动窗口的幅值差分来衡量幅值变化率的大小：其中：D(n)为第n个滑动窗口的幅值差分，L为滑动窗口的长度，Ct为t时刻的CSI幅值大小，N为滑动窗口的数目。由于手指动作会在CSI数据上表现出较高的幅值差分值，所以通过比较幅值差分值与门限得以确定每一个手指动作的开始点和结束点，并据此截取出手指动作CSI数据段。对于截取出的每个用户登录手指动作的区段，使用基于长短时记忆单元的深度神经网络(LSTM-basedDNN)提取行为特征以减少手指无意波动造成的误差，提取出每个用户手指动作的行为特征，提高认证的鲁棒性。如图2所示，所述的深度神经网络为基于长短时记忆单元(LSTM)的三层神经网络。将每一个手指动作区段进行更细的分段，作为输入层传入神经网络的隐层网络。隐层网络由LSTM单元构成，并循环地进行特征提取。每一层隐层网络都能进一步提取出拥有更多细节的特征：第一层隐层是姿态层，区分出不同阶段的手指姿态；第二层是动作层，进一步提取出关于每个手指动作的速度，角度，时间等特征；第三层是用户层，能够将每个手指动作的特征与不同的用户特征关联起来。所述的基于LSTM的深度神经网络使用python语言构建得到。对于经过三层神经网络提取得到的所有用户的行为特征，利用sigmoid函数训练多分类器，具体为：对于用户Uk通过深度神经网络得到的特征输出O，其后验概率P(Uk|O)可以计算为：其中：P(Uk)本文档来自技高网...

【技术保护点】
1.一种基于细粒度手指姿态的智能家居连续用户认证方法，其特征在于，在登录阶段通过从不同用户的手指手势中提取行为特征进行多用户认证，在交互阶段通过轻量级分类器，根据历史手指手势和当前手势，通过连续认证识别身份；所述的提取，采用市售的Wi‑Fi设备持续不断地发射Wi‑Fi信号的同时，接收设备接收反射信号并从中解析出CSI数据，然后使用机器学习算法从CSI数据中得到手指运动轨迹特征，即行为特征。

【技术特征摘要】
1.一种基于细粒度手指姿态的智能家居连续用户认证方法，其特征在于，在登录阶段通过从不同用户的手指手势中提取行为特征进行多用户认证，在交互阶段通过轻量级分类器，根据历史手指手势和当前手势，通过连续认证识别身份；所述的提取，采用市售的Wi-Fi设备持续不断地发射Wi-Fi信号的同时，接收设备接收反射信号并从中解析出CSI数据，然后使用机器学习算法从CSI数据中得到手指运动轨迹特征，即行为特征。2.根据权利要求1所述的方法，其特征是，所述的提取，在解析前先通过去噪和筛选处理以减去环境噪声的干扰。3.根据权利要求1所述的方法，其特征是，所述的机器学习算法是指：采用深度神经网络提取每个用户习惯性手指动作的手指运动轨迹特征。4.根据权利要求1所述的方法，其特征是，所述的轻量级分类器为支持向量机的分类器。5.根据权利要求1所述的方法，其特征是，所述的连续认证具体是指：结合用户当前的人机交互手指动作和之前的人机交互手指动作，使用相对应的轻量级单分类器进行用户身份的认证，使得用户与系统每一次的人机交互都在认证用户身份安全的情况下进行影响，以实现贯穿交互全过程的连续用户身份认证。6.一种实现上述任一权利要求所述方法的基于细粒度手指姿态的智能家居连续用户认证系统，其特征在于，包括：注册阶段模块和服务阶段模块，其中：注册阶段模块传输已注册用户的手指信息至服务阶段模块。7.根据权利要求6所述的系统，其特征是，所述的注册阶段模块包括：深度神经网络、样本生成单元、多分类器、单分类器、Wi-Fi信号发射单元以及无线网卡单元，其中：Wi-Fi信号发射单元持续地传输Wi-Fi信号，无线网卡单元与样本生成单元相连并传输手指动作样本数据信息，深度神经网络与样本生成单元相连并传输提取到的手指特征信息，多分类器与深度神经网络相连并提供多用户认证功能，单分类器与样本生成单元相连并提供交互时的单用户认证功能。8.根据权利要求6所述的系统，其特征是，所述的服务阶段模块包括：深度神经网络、样本生成单元、多分类器、单分类器、手指动作类型分类器、Wi-Fi信号发射单元以及无线网卡单元，其中：Wi-Fi信号发射单元持续地传输Wi-Fi信号，无线网卡单元与样本生成单元相连并传输手指动作样本数据信息，深度神经网络与样本生成单元相连并传输提取到的当前用户的手指特征信息，多分类器连接当前样本的手指特征信息与已注册样本的手指特征信息并传输多用户认证结果，手指动作类型分类器与样本生成单元相连并传输不同动作类型的手指样本数据，单分类器连接手指动作类型分类器并传输交互时的单用户认证结果。9.根据权利要求6所述的系统，其特征是，所述的注册阶段模块进行登录过程的注册和交互过程的注册，其中：登录过程的注册是指：通过收集用户登录手指姿态提...

【专利技术属性】
技术研发人员：俞嘉地，孔浩，卢立，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31