一种基于多传感器数据融合的隐式防护方法及系统技术方案

本发明专利技术公开一种基于多传感器数据融合的隐式防护方法，包括：将面向APP的传感器采集的数据划分为用户触屏操作相关数据、行为动作姿态相关数据及位置信息相关数据；分别通过上述数据对应生成触屏操作特征库、行为动作姿态特征库及位置信息库，进而分别计算用户与手机合法持有者的匹配概率及信任系数；将得出的信任系数及匹配概率抽象为弱匹配器，通过AdaBoosting算法合成强匹配器，进而计算用户与手机合法持有者的综合匹配概率；根据APP类型设置安全匹配阈值，根据综合匹配概率与安全匹配阈值的比较结果进行防护处理。本发明专利技术还公开一种基于多传感器数据融合的隐式防护系统。本发明专利技术可隐式识别手机在未经所有者授权下的冒用行为并且及时发现手机被盗失控的状况。

An Implicit Protection Method and System Based on Multi-sensor Data Fusion

The invention discloses an implicit protection method based on multi-sensor data fusion, which includes: dividing the data collected by APP-oriented sensors into user touch screen operation related data, action attitude related data and position information related data; generating touch screen operation characteristic database, action attitude characteristic database and position information database respectively through the above data correspondence, and then calculating them separately. The matching probability and trust coefficient between users and legitimate holders of mobile phones are calculated; the obtained trust coefficient and matching probability are abstracted as weak matchers, and strong matchers are synthesized by AdaBoosting algorithm, then the comprehensive matching probability between users and legitimate holders of mobile phones is calculated; the security matching threshold is set according to the type of APP, and the comparison results between the comprehensive matching probability and the security matching threshold are carried out. Protective treatment. The invention also discloses an implicit protection system based on multi-sensor data fusion. The invention can implicitly identify the fraudulent use of the mobile phone without the authorization of the owner and timely detect the situation of the mobile phone being stolen out of control.

【技术实现步骤摘要】
一种基于多传感器数据融合的隐式防护方法及系统
本专利技术涉及安全防护
，尤其涉及一种基于多传感器数据融合的隐式防护方法及系统。
技术介绍
随着移动互联网的飞速发展，以Android手机为代表的移动终端在我们日常生活中占有越来越重要的地位。手机在给人们提供便利的同时，也存储了大量的个人隐私数据如手机通讯录、短信等。更为重要的是，手机还与用户的个人财产紧紧的绑定在了一起，如网银APP、支付宝、微信支付等。这就使得一旦手机失控，将会给用户带来隐私泄露、财产损失等巨大风险。手机失控大体可以分为如下三种情形：①手机远程攻击：通过编写木马等恶意APP诱骗用户点击下载运行，从而窃取用户的账号等隐私信息；②手机被非授权冒用：手机用户因大意可能导致锁屏密码被人偷窥等，被人拿到手机并解锁后直接冒充用户在微信等APP中四处欺骗，或者翻阅窥探私人信息等。③手机丢失：生活中手机可能被盗或者不慎遗失，意图不轨的人得到手机后，虽然无法直接使用手机，但是可以先携带手机离开现场再进行破解密码等侵犯手机合法持有者隐私的行为。以上三种情况除了第一种主要依赖于安全公司提供的杀毒软件进行保护以外，后两种情况几乎没有更加有效的保护手段。而后两种情况对手机所有者的隐私安全、财产安全造成的危害更不容忽视，所以，针对非授权冒用以及手机丢失两种失控状况的安全防护至关重要。传统的防护方法主要为通过密码认证，图案解锁等方式验证用户身份。密码认证存在密钥易泄露、遗忘等问题，同时频繁输入密码会对人机交互的友好性产生影响；图案解锁方便快捷，但是图案锁隐蔽性较差，存在动作特征明显易被窥视等问题。另外，在手机被非法冒用的过程中，传统防护方法无法识别并阻止冒用者。随着手机传感器技术的不断发展，利用用户的生物特性或行为习惯进行身份认证的安全防护手段应运而生。这些身份认证技术利用特定手机传感器采集数据，通过若干算法处理这些数据进而对用户的生物特性或行为习惯进行抽象化以及数字化描述,比如指纹识别、虹膜识别等。该种手段识别用户身份的准确度与数据处理和算法设计密切相关。目前，该类方法的识别准确度易受环境等多方面因素影响，通常需要传统显式认证方法的配合。同时，该类认证防护手段还存在过度依赖特定传感器，适用范围有局限性等问题。可以看出，现有的认证防护手段无法很好地应对多种手机失控情况。因此，研究可以应对多种手机失控情况的用户身份认证方法对手机的安全防护具有重要意义。
技术实现思路
针对上述问题，本专利技术公开一种基于多传感器数据融合的隐式防护方法及系统。可以隐式的识别手机在未经所有者授权下的冒用行为并且及时发现手机被盗失控的状况，面向APP收集多种传感器的数据，并根据当前手机的状态以及APP运行情况有策略地使用传感器在用户使用手机的过程中持续的进行用户身份识别，从而达到多种失控场景下的安全防护。为了实现上述目的，本专利技术采用以下技术方案：一种基于多传感器数据融合的隐式防护方法，包括以下步骤：步骤1：面向APP通过多个传感器采集用户与手机交互过程中的数据，并根据APP类型和手机的状态将所述数据划分为用户触屏操作相关数据、行为动作姿态相关数据及位置信息相关数据；步骤2：分别对用户触屏操作相关数据、行为动作姿态相关数据进行特征提取，对应生成触屏操作特征库及行为动作姿态特征库，并通过提取的特征分别计算用户与手机合法持有者的匹配概率；通过位置信息相关数据构建位置信息库，并通过位置信息库中的数据计算用户的信任系数；步骤3：将得出的所述信任系数及两个所述匹配概率抽象为三个弱匹配器，通过AdaBoosting算法合成为一个强匹配器，通过所述强匹配器计算用户与手机合法持有者的综合匹配概率；步骤4：根据APP类型设置安全匹配阈值，通过所述综合匹配概率与安全匹配阈值进行比较，并根据比较结果进行相应的防护处理。进一步地，在所述步骤1之前还包括：按照APP功能的不同，将APP划分为不同的类型，并对不同类型的APP进行重要程度设置。进一步地，所述步骤2包括：步骤2.1：对用户触屏操作相关数据进行特征提取，生成触屏操作特征库，并通过提取的特征计算用户与手机合法持有者的匹配概率：对采集的用户触屏操作相关数据进行分类，划分为单点击数据、单滑动数据、长按数据、连续操作数据及文本输入数据，分别对应五种触屏操作：单点击、单滑动、长按、连续操作及文本输入，并对分类后的数据进行分组，共得到K组数据；对得到的K组数据进行特征提取，得到K组特征向量，得到触屏操作特征库；采取随机重取样方式，从触屏操作特征库所有特征向量中每次随机有放回地选取1/n，取滑动平均值作为每种触屏操作的基准特征向量，所述基准特征向量的公式为：其中，m＝1,2,…,5代表五种操作类型，i为第m种触屏操作下选取特征向量的个数；采用多数投票判决的方式对五种触屏操作进行分类识别：得到五种触屏操作的基准特征向量后，将待判断用户触屏操作相关数据的特征向量分别与五个基准特征向量进行比较，得到五个绝对距离，从而得到五个绝对距离的最小值，并投所述最小值对应的触屏操作一票，对待判决用户触屏操作相关数据的每个元素进行投票判决，将得票最高的触屏操作类别作为判别结果进行输出；设置变量Ptoc表示触屏操作匹配概率，初值为1，根据对触屏操作的判决结果改变Ptoc值；步骤2.2：对行为动作姿态相关数据进行特征提取，生成行为动作姿态特征库，并通过提取的特征计算用户与手机合法持有者的匹配概率：对采集的行为动作姿态相关数据进行分类，划分为手机姿态数据、行进姿态数据及静止姿态数据，分别对应三种行为动作姿态：手机姿态、行进姿态及静止姿态；对手机姿态数据、行进姿态数据及静止姿态数据进行特征提取，得到手机姿态特征向量、行进姿态特征向量及静止姿态特征向量，得到行为动作姿态特征库；将新采集的行为动作姿态相关数据进行分类和特征提取，将提取的特征和行为动作姿态特征库中的特征进行匹配识别，匹配识别函数为：其中，ai∈A＝[a1,a2,a3,L,an]，ai为根据新采集的动作姿态相关数据提取的待匹配特征，ci为ai的三元数的向量坐标转换公式；通过匹配识别函数得出新采集的动作姿态相关数据提取的待匹配特征与动作姿态特征库中的特征的匹配概率，得到用户是手机合法持有者的概率；步骤2.3：通过位置信息相关数据构建位置信息库，并通过位置信息库中的数据计算用户的信任系数：在有GPS信号情况下操作手机时，收集相应的GPS信息，以每分钟收集一条的频率，存入位置信息库；在GPS信号无服务或者不可用的情况下操作手机时，收集相应的多WIFI源列表，以每分钟收集一条的频率，存入位置信息库；当存在GPS信号时，使用GPS信息作为匹配依据，将当前的经纬度位置信息与位置信息库中的时间、位置信息匹配，判断是否是在正常时间段、正常地理位置上使用手机及APP，如果判断结果在40m范围内，增大用户的信任系数，若超出范围则不产生判定效果；当GPS信号弱或者精度不够时，将多WIFI源列表作为匹配依据，将当前的WIFI列表信息与位置信息库中的时间、WIFI的SSID以及信号强度相匹配，判断用户是否在以往的WIFI环境中使用对应的手机及APP，如果判断结果在此WIFI环境，增大用户的信任系数，若超出范围则不产生判定效果。进一步地，所述步骤3包括：步骤3.本文档来自技高网...

【技术保护点】
1.一种基于多传感器数据融合的隐式防护方法，其特征在于，包括以下步骤：步骤1：面向APP通过多个传感器采集用户与手机交互过程中的数据，并根据APP类型和手机的状态将所述数据划分为用户触屏操作相关数据、行为动作姿态相关数据及位置信息相关数据；步骤2：分别对用户触屏操作相关数据、行为动作姿态相关数据进行特征提取，对应生成触屏操作特征库及行为动作姿态特征库，并通过提取的特征分别计算用户与手机合法持有者的匹配概率；通过位置信息相关数据构建位置信息库，并通过位置信息库中的数据计算用户的信任系数；步骤3：将得出的所述信任系数及两个所述匹配概率抽象为三个弱匹配器，通过AdaBoosting算法合成为一个强匹配器，通过所述强匹配器计算用户与手机合法持有者的综合匹配概率；步骤4：根据APP类型设置安全匹配阈值，通过所述综合匹配概率与安全匹配阈值进行比较，并根据比较结果进行相应的防护处理。

【技术特征摘要】
1.一种基于多传感器数据融合的隐式防护方法，其特征在于，包括以下步骤：步骤1：面向APP通过多个传感器采集用户与手机交互过程中的数据，并根据APP类型和手机的状态将所述数据划分为用户触屏操作相关数据、行为动作姿态相关数据及位置信息相关数据；步骤2：分别对用户触屏操作相关数据、行为动作姿态相关数据进行特征提取，对应生成触屏操作特征库及行为动作姿态特征库，并通过提取的特征分别计算用户与手机合法持有者的匹配概率；通过位置信息相关数据构建位置信息库，并通过位置信息库中的数据计算用户的信任系数；步骤3：将得出的所述信任系数及两个所述匹配概率抽象为三个弱匹配器，通过AdaBoosting算法合成为一个强匹配器，通过所述强匹配器计算用户与手机合法持有者的综合匹配概率；步骤4：根据APP类型设置安全匹配阈值，通过所述综合匹配概率与安全匹配阈值进行比较，并根据比较结果进行相应的防护处理。2.根据权利要求1所述的一种基于多传感器数据融合的隐式防护方法，其特征在于，在所述步骤1之前还包括：按照APP功能的不同，将APP划分为不同的类型，并对不同类型的APP进行重要程度设置。3.根据权利要求1所述的一种基于多传感器数据融合的隐式防护方法，其特征在于，所述步骤2包括：步骤2.1：对用户触屏操作相关数据进行特征提取，生成触屏操作特征库，并通过提取的特征计算用户与手机合法持有者的匹配概率：对采集的用户触屏操作相关数据进行分类，划分为单点击数据、单滑动数据、长按数据、连续操作数据及文本输入数据，分别对应五种触屏操作：单点击、单滑动、长按、连续操作及文本输入，并对分类后的数据进行分组，共得到K组数据；对得到的K组数据进行特征提取，得到K组特征向量，得到触屏操作特征库；采取随机重取样方式，从触屏操作特征库所有特征向量中每次随机有放回地选取1/n，取滑动平均值作为每种触屏操作的基准特征向量，所述基准特征向量的公式为：其中，m＝1,2,…,5代表五种操作类型，i为第m种触屏操作下选取特征向量的个数；采用多数投票判决的方式对五种触屏操作进行分类识别：得到五种触屏操作的基准特征向量后，将待判断用户触屏操作相关数据的特征向量分别与五个基准特征向量进行比较，得到五个绝对距离，从而得到五个绝对距离的最小值，并投所述最小值对应的触屏操作一票，对待判决用户触屏操作相关数据的每个元素进行投票判决，将得票最高的触屏操作类别作为判别结果进行输出；设置变量Ptoc表示触屏操作匹配概率，初值为1，根据对触屏操作的判决结果改变Ptoc值；步骤2.2：对行为动作姿态相关数据进行特征提取，生成行为动作姿态特征库，并通过提取的特征计算用户与手机合法持有者的匹配概率：对采集的行为动作姿态相关数据进行分类，划分为手机姿态数据、行进姿态数据及静止姿态数据，分别对应三种行为动作姿态：手机姿态、行进姿态及静止姿态；对手机姿态数据、行进姿态数据及静止姿态数据进行特征提取，得到手机姿态特征向量、行进姿态特征向量及静止姿态特征向量，得到行为动作姿态特征库；将新采集的行为动作姿态相关数据进行分类和特征提取，将提取的特征和行为动作姿态特征库中的特征进行匹配识别，匹配识别函数为：其中，ai∈A＝[a1,a2,a3,…,an]，ai为根据新采集的动作姿态相关数据提取的待匹配特征，ci为ai的三元数的向量坐标转换公...

【专利技术属性】
技术研发人员：奚琪，桂智杰，韩洋洋，杨喆，陈吕洋，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41