一种基于自注意力机制的移动终端序贯手势身份认证方法技术

本发明专利技术公开了一种基于自注意力机制的移动终端序贯手势身份认证方法，首先利用移动终端内置加速度传感器捕获用户序贯执行的动态手势加速度信号，然后采用标准差与差值结合的门限值法自动截取多个有效手势段，再通过三次插值法消除不同手势信号序列长度差异并根据类标签得到合法用户数据集与模拟攻击数据集，对其进行划分生成训练集与测试集，构建自注意力模型并根据训练集进行模型学习，最后利用模型对测试集用户身份进行判别。本发明专利技术适用于移动终端的信息安全保护领域，提高安全性，并且满足实际应用需求，具有良好的应用前景。具有良好的应用前景。具有良好的应用前景。

【技术实现步骤摘要】
一种基于自注意力机制的移动终端序贯手势身份认证方法


[0001]本专利技术属于移动终端身份认证领域，具体涉及一种基于自注意力机制的移动终端序贯手势身份认证方法。

技术介绍

[0002]智能终端被人们用作支付与数据存储工具，其包含大量的个人隐私信息，因此身份认证在智能终端安全问题上变得尤为重要。目前，智能终端身份认证方法主要基于知识(例如令牌或者密码)或人体静态生理特征(例如指纹或人脸)等。基于知识的认证方法容易遭受各类攻击，认证效果有待提升；而获取人体静态生理特征对于环境条件以及设备要求较高。近年来，击键，步态以及触摸手势信号分析在移动终端身份认证领域得到了广泛应用，上述人体行为特征具有难以模仿的特点以及良好的认证性能。
[0003]近年来，已有部分采用空中三维动态手势进行身份认证的研究见诸报道。王尧等人采用均值方差归一化方式对加速度传感器采集到的三维手势进行归一化处理，通过门限值方法截取出手势动作，采用均值
‑
动态时间规整(A
‑
DTW)算法对参考模板和测试模板进行比较；刘威等人改进全局序列对齐(G本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自注意力机制的移动终端序贯手势身份认证方法，其特征在于，包括如下步骤：步骤一、利用移动终端的加速度传感器采集用户在空中书写序贯手势时的加速度信息，得到序贯手势数据集；步骤二、对步骤一中的序贯手势数据集，利用标准差结合差值的门限多端点检测算法实现对序贯手势的截取，并利用三次插值方法对数据进行插值操作，通过类标签划分合法用户数据集(D
×
T
×
L)与模拟攻击数据集(D
×
T
×
I)，其中D为加速度信号维度，T为每个维度的加速度信号长度,L为合法用户数据集的样本数，I为模拟攻击数据集的样本数；步骤三、对步骤二中的合法用户数据集与模拟攻击数据集进行划分，生成训练集(D
×
T
×
N1)与测试集(D
×
T
×
N2)，N1为训练集的样本数，N2为测试集的样本数；步骤四、利用训练集对基于自注意力机制的深度学习模型进行训练，得到训练完成的认证模型；步骤五、使用步骤四中的模型对测试集中的序贯手势数据进行身份认证，得到用户身份的合法性。2.根据权利要求1所述的一种基于自注意力机制的移动终端序贯手势身份认证方法，其特征在于：步骤一中利用移动终端的加速度传感器采集用户在空中书写传统个人身份识别码PIN的序贯手势数据，其中PIN为多位。3.根据权利要求1所述的一种基于自注意力机制的移动终端序贯手势身份认证方法，其特征在于：步骤二包含如下几个步骤：(1)针对步骤一采集得到的序贯手势数据集进行平滑去噪处理；采用滑动窗口大小为3的移动平均法对三轴加速度信号进行均值平滑去噪，其去噪表示式如下：其中，x
k
表示运动手势第k个数据点的x轴的加速度值；推导可得平滑去噪处理后的y轴加速度值y
k
和z轴加速度值z
k
；(2)对每个采样点计算其在一定大小的窗口中的标准差和其相邻点的差值，公式如下：公式如下：其中，s表示标准差，x
i
表示x轴上第i个数据点的值，表示相邻点的均值，n表示相邻点的个数，表示差值，t表示手势序列的长度；(3)经过以上计算，得到各个采样点的标准差和差值，将它们与门限值进行比较；当某个采样点的标准差或差值大于门限值时，该点为有效数据点；否则为无效数据点；如果出现多个连续的有效数据点，则认为第一个有效数据点是一个手势序列的开始点；如果出现多个连续的无效数据点，则认为第一个无效数据点是一个手势序列的结束点；再对信号进行
截取，...

【专利技术属性】
技术研发人员：苗敏敏，何金来，胡文军，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：