手机端身份认证方法、系统、设备、介质、终端及应用技术方案

本发明专利技术属于身份认证技术领域，公开了一种手机端身份认证方法、系统、设备、介质、终端及应用，收集智能穿戴设备佩戴者行为动作产生的三轴加速度计数据、三轴陀螺仪数据以及心率传感器数据，进行数据预处理，将形成的十通道原始信号数据进行堆叠，形成信号图像数据；将信号图像数据进行离散傅里叶变换，取其幅值作为最终活动图像；使用机器学习算法获取佩戴者的个人特征，训练身份认证模型；将身份认证模型移植到手机端，实时接收十通道原始数据；将智能穿戴设备佩戴者的行为动作作为身份认证的方式，对手机进行辅助身份认证。本发明专利技术能够在不影响识别准确率的前提下有效防止污渍攻击、肩膀冲浪攻击以及视频攻击等一系列针对手机端的攻击方法。端的攻击方法。端的攻击方法。

【技术实现步骤摘要】
手机端身份认证方法、系统、设备、介质、终端及应用


[0001]本专利技术属于身份认证
，尤其涉及一种手机端身份认证方法、系统、设备、介质、终端及应用。

技术介绍

[0002]目前：触摸屏手机占据了市场的主导地位，它提供更多的功能和更强的存储能力，随着智能手机触摸屏的技术不断发展，其高灵活性和用户友好性深受广大用户喜爱。手机作为人们常用工具，存储了大量个人信息，信息泄露会造成不可估计的损失，且手机很容易被错放或被偷，同样，随着攻击手段的提升，手机还容易遭受污迹攻击、肩膀冲浪攻击、视频攻击等各种威胁。
[0003]作为第一道防线，用户身份验证是保护移动设备的精髓，传统的认证方法有基于PIN码、口令、令牌、图案密码等，但上述所示都是基于知识的，十分脆弱，很容易被破解或受到攻击。随着用户对安全的需求不断提升，基于生物特征认证的方式受到了广泛好评。
[0004]早在上世纪末，研究人员就开始利用惯性可穿戴传感器进行人体识别活动，随着智能手机硬件配置的不断提升，基于智能手机的行为活动识别和3D空中手势识别的研究已趋于完善，但在公共场合拿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手机端身份认证方法，其特征在于，所述手机端身份认证方法包括：步骤一，通过智能穿戴设备内置的加速度传感器、陀螺仪传感器和心率传感器收集智能穿戴设备佩戴者行为动作产生的三轴加速度计数据、三轴陀螺仪数据以及心率传感器数据；步骤二，基于步骤一得到的数据，进行数据预处理，形成固定规模的十通道原始信号数据；步骤三，将十通道原始信号数据以一定规则进行堆叠，最终达到每两通道数据有一次相邻，形成信号图像数据；步骤四，将信号图像数据进行离散傅里叶变换，取其幅值作为最终活动图像；步骤五，基于步骤四得到的活动图像，使用机器学习算法获取佩戴者的个人特征，训练身份认证模型；步骤六，将身份认证模型移植到手机端，通过蓝牙传输实时接收智能穿戴设备佩戴者的行为动作产生的十通道原始数据；步骤七，将智能穿戴设备佩戴者的行为动作作为身份认证的方式，对手机进行辅助身份认证。2.如权利要求1所述的手机端身份认证方法，其特征在于，步骤二中，所述数据预处理包括数据去噪以及对数据进行裁剪。3.如权利要求2所述的手机端身份认证方法，其特征在于，所述对数据进行裁剪包括使用滑动窗口方法将数据裁剪为10*128大小，十通道原始信号分别为三轴原始加速度计数据Tax、Tay、Taz，三轴线性加速度计数据Lax、Lay、Laz，三轴陀螺仪数据gx、gy、gz以及心率传感器数据hr。4.如权利要求1所述的手机端身份认证方法，其特征在于，步骤五中，所述机器学习算法为卷积神经网络，所述卷积神经网络的输入层为基于步骤四得到的最终活动图像，隐含层共包含两个卷积层、两个池化层和三个全连接层，训练轮数为150轮。5.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：步骤一，通过智能穿戴设备内置的加速度传感器、陀螺仪传感器和心率传感器收集智能穿戴设备佩戴者行为动作产生的三轴加速度计数据、三轴陀螺仪数据以及心率传感器数据；步骤二，基于步骤一得到的数据，进行数据预处理，形成固定规模的十通道原始信号数据；步骤三，将十通道原始信号数据以一定规则进行堆叠，最终达到每两通道数据有一次相邻，形成信号图像数据；步骤四，将信号图像数据进行离散傅里叶变换，取其幅值作为最终活动图像；步骤五，基于步骤四得到的活动图像，使用机器学习算法获取佩戴者的个人特征，训...

【专利技术属性】
技术研发人员：曹进，拜晓蒙，李晖，郭振洋，赵兴文，付玉龙，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：