一种基于振动的应用于智能头戴式设备的认证方法技术

本发明专利技术属于智能设备用户认证技术领域，具体涉及一种基于振动的应用于智能头戴式设备的认证方法，包括以下步骤：S1.采集合法用户的振动响应信号；S2.对采集到的振动相应信号进行特征提取；S3.训练一组基于卷积神经网络的合法用户分类器；S4.当出现登录尝试时触发认证服务；S5.通过两段认证机制判断登录用户是否合法。本发明专利技术使用卷积神经网络训练用户分类模型，提出了两段认证机制以判断登录用户的合法性，在微软HoloLens上实现了VibHead，来解决真实场景下的用户认证问题，在振动信号较短的情况下具有出色的认证精度。情况下具有出色的认证精度。情况下具有出色的认证精度。

【技术实现步骤摘要】
一种基于振动的应用于智能头戴式设备的认证方法


[0001]本专利技术属于智能设备用户认证
，具体涉及一种基于振动的应用于智能头戴式设备的认证方法。

技术介绍

[0002]近年来，虚拟现实(VR)和增强现实(AR)系统迅速渗透到我们的日常生活中，VR/AR应用程序的安全和隐私问题引起了相当大的关注。大多数VR/AR系统采用头戴式设备(即智能头戴式设备)与用户交互，设备通常存储用户的私人数据。因此，需要为头戴式设备提供认证方案。针对一般个人设备的传统基于知识的认证方案已被证明容易受到肩窥攻击，特别是考虑到头戴式设备可能会挡住用户的视线。虽然在虚拟空间中设计复杂的秘密码可以提高基于知识的认证的鲁棒性，但这种方法在可用性方面存在一定的折衷。另一种选择是利用用户的生物识别技术，然而，它要么依赖于高度先进的设备，而这些设备在商用头戴式设备中可能并不总是可用的，要么给用户带来沉重的认知负荷。众所周知，人类头部可以用许多独特的生理特征来描述，如大小、骨骼形状、面部结构、脂肪比例等。因此，一种可能的认证解决方案是通过耳机上的嵌入式传感器充分探索这些生理特征。由于振动信号的传播可以很好地在短距离内进行表征，因此它们已被许多最近的提案应用于为手持设备(例如，移动电话、智能手表或其他由手表面或手指操作的设备)设计认证系统。然而，如何利用振动信号对智能头戴式设备的用户进行认证仍然是一个悬而未决的问题。

技术实现思路

[0003]为弥补现有技术中的缺陷，本专利技术提出了一种基于振动的应用于智能头戴式设备的认证方法来克服以上障碍，旨在通过学习振动信号来识别不同的人。其技术方案为：一种基于振动的应用于智能头戴式设备的认证机制，包括注册阶段和认证阶段：其中注册阶段步骤如下：S1.采集合法用户的振动响应信号；S2.对采集到的振动相应信号进行特征提取；S3.训练基于卷积神经网络的合法用户分类器；认证阶段步骤如下：S4.当出现登录尝试时触发认证服务；S5.通过两段认证机制判断登录用户是否合法。
[0004]优选的，步骤S1中，用户戴上智能头戴式设备，使用直线电机产生振动，振动波穿过耳机和用户的头部被IMU传感器检测到；考虑到振动信号的传播时延，使用滑动窗口同步电机和IMU传感器，根据频率方差的跳跃和下降来识别振动冲量，使IMU传感器能够正确捕捉到振动信号。
[0005]优选的，步骤S2中，IMU传感器的加速度计收集的原始数据样本直接用于训练分类
器，并引入Mel
‑
Frequency倒谱系数进行特征提取。
[0006]优选的，步骤S3中，训练基于卷积神经网络的合法用户分类器的步骤如下：（1）基于卷积神经网络的合法用户分类器表示为，用户数据表示为，初始化用户分类模型的参数，指定用户在本地训练的迭代次数，设置迭代轮数；（2）判断当前轮数是否达到迭代次数；如果小于等于，继续执行；否则结束，得到用户分类模型参数；（3）分别将从振动信号中提取的原始数据和基于Mel
‑
Frequency倒谱系数提出的特征数据放入两个独立的编码器，得到原始数据的隐含状态和基于Mel
‑
Frequency倒谱系数的特征数据的隐含状态；（4）将和拼接，作为解码器的输入，并以归一化指数函数作为分类函数，得到概率向量，对于个用户即得到维概率向量和预测结果；（5）通过计算交叉熵损失函数，计算预测结果与真实值之间的值；（6）使用计算梯度用于反向传播更新模型参数；（7）将迭代轮数加1，进入（2）。
[0007]优选的，值计算如下：；；式中，，，是解码器在第r
‑
1轮的参数；是编码器在第r
‑
1轮的参数。
[0008]优选的，步骤S4中，在认证阶段，当出现登录尝试触发认证服务时，产生振动信号并进行传播和采样，按照与注册阶段相同的方法对该用户的振动响应信号提取特征。
[0009]优选的，步骤S5中，通过两段认证机制来判断登录用户是否合法的步骤如下：（1）对于个合法用户，构造个分类器， 其中是由所有个合法用户的数据训练出来的分类器；（2）设，可得，其中表示可以用来识别用户的分类器的子集，其是由除用户之外的合法用户收集的数据训练出来的分类器；（3）在验证机制的第一阶段，使用分类器识别登录用户，为用户数据，登录用户的标签为一个维向量，表示登录用户被认定为合法用户的概率；（4）令表示维用户标签向量中的最大元素的下标，即，令表示中的最大元素的值，即；
（5）设置阈值，若，系统则暂定登录用户为合法用户，进入验证机制的第二阶段，反之则直接认定其为非法用户；（6）在验证机制的第二阶段，对分类器计算一个维向量，其中为所有包含的分类器，为对应每一个分类器的预测结果；（7）验证机制的第二阶段的判定条件1为通过分类器得到预测结果；（8）在验证机制的第二阶段，令表示分类器的全连接层得到的输出结果，令表示分类器的全连接层得到的输出结果；（9）令和分别表示和中的最大元素，相应地，令，其中为所有包含的分类器的编号，计算的方差；（10）设置阈值，验证机制的第二阶段的判定条件2为；（11）若通过验证机制的第一阶段的登录用户同时满足验证机制的第二阶段的判定条件，系统则认定为合法用户，反之则认定其为非法用户。
[0010]与现有技术相比，本申请有益效果如下：本申请采用一种基于振动的应用于智能头戴式设备的认证机制VibHead，首先采用基于卷积神经网络的模型，根据从振动信号中提取的特征对注册合法用户进行分类；设计了一个两步认证方案，利用上述用户分类器来区分合法用户和非法用户；在微软HoloLens上实现了VibHead，该HoloLens配备了线性电机和IMU传感器，这些传感器通常用于COTS个人智能设备；根据大量的实验结果表明，在振动信号较短的情况下，VibHead具有出色的认证精度。
附图说明
[0011]图1为本申请流程图。
[0012]图2为注册阶段训练基于卷积神经网络的合法用户分类器流程图。
[0013]图3为登陆阶段通过两段认证机制判断登录用户合法性流程图。
[0014]图4为本申请所提出基于振动的认证机制模型示意图。
[0015]图5为本申请所提出的VibHead与基于支持向量机方法和基于随机森林方法的认证错误接受率对比图。
[0016]图6为本申请所提出的VibHead与基于支持向量机方法和基于随机森林方法的认证错误接受率对比图。
具体实施方式
[0017]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本实施例提供的一种基于振动的基于振动的认证机制，流程示意图如图1
‑
图4所示，主要包括以下步骤：一种基于振动的应用于智能头戴式设备的认证机制，包括注册阶段和认证阶段：
其中注册阶段步骤如下：S1.采集合法用户的振动响应信号；用户戴上智能头戴式设备，使用直线电机产生振动，振动波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动的应用于智能头戴式设备的认证方法，其特征在于，包括注册阶段和认证阶段：其中注册阶段步骤如下：S1.采集合法用户的振动响应信号；S2.对采集到的振动相应信号进行特征提取；S3.训练基于卷积神经网络的合法用户分类器；认证阶段步骤如下：S4.当出现登录尝试时触发认证服务；S5.通过两段认证机制判断登录用户是否合法。2.根据权利要求1所述的一种基于振动的应用于智能头戴式设备的认证方法，其特征在于，步骤S1中，用户戴上智能头戴式设备，使用直线电机产生振动，振动波穿过耳机和用户的头部被IMU传感器检测到；考虑到振动信号的传播时延，使用滑动窗口同步电机和IMU传感器，根据频率方差的跳跃和下降来识别振动冲量，使IMU传感器能够正确捕捉到振动信号。3.根据权利要求2所述的一种基于振动的应用于智能头戴式设备的认证方法，其特征在于，步骤S2中，IMU传感器的加速度计收集的原始数据样本直接用于训练分类器，并引入Mel
‑
Frequency倒谱系数进行特征提取。4.根据权利要求1所述的一种基于振动的应用于智能头戴式设备的认证方法，其特征在于，步骤S3中，训练基于卷积神经网络的合法用户分类器的步骤如下：（1）基于卷积神经网络的合法用户分类器表示为，用户数据表示为，初始化用户分类模型的参数，指定用户在本地训练的迭代次数，设置迭代轮数；（2）判断当前轮数是否达到迭代次数；如果小于等于，继续执行；否则结束，得到用户分类模型参数；（3）分别将从振动信号中提取的原始数据和基于Mel
‑
Frequency倒谱系数提出的特征数据放入两个独立的编码器，得到原始数据的隐含状态和基于Mel
‑
Frequency倒谱系数的特征数据的隐含状态；（4）将和拼接，作为解码器的输入，并以归一化指数函数作为分类函数，得到概率向量，对于个用户即得到维概率向量和预测结果；（5）通过计算交叉熵损失函数，计算预测结果与真实值之间的值；（6）使用计算梯度用于...

【专利技术属性】
技术研发人员：李峰，沈益冉，周元峰，于东晓，赵佳艺，
申请(专利权)人：山东大学，
类型：发明
国别省市：