一种基于声信号的抬臂手势双因素身份认证方法技术

本发明专利技术公开了一种基于声信号的抬臂手势双因素身份认证方法，属于信息安全和物联网安全领域。通过超声波发射装置发射超声波信号，使用接受装置捕获在刷卡时抬臂动作反射回的信号。对收集到的信号进行处理，有效地提取抬臂手势信号。再利用改进的LSTM‑FCN模型提取信号特征，并使用SVM构建高性能和轻量级的身份认证模型，并通过基于微调的迁移学习，降低了训练成本。实验证明方法对抬臂信号的检测精度为97.191％，本方法的用户识别精度为98.540％。本方法能够进一步地提升了安全性，与现有双因素认证相比，具有更强的普适性和隐蔽性，更易推广。

【技术实现步骤摘要】

本专利技术属于信息安全和物联网安全领域，涉及一种基于声信号的抬臂手势双因素身份认证方法。

技术介绍

1、随着智能化的推进，智能卡片成了我们生活中不可缺失的一环，支付、解锁等基于刷卡行为的认证方式随处可见。在简化身份验证、增强用户体验的同时，智能卡也面临着巨大的安全威胁。智能卡片的丢失、卡片信息的泄露、未经授权的复制等都可能被攻击者利用，从而给用户造成巨大的损失。据尼尔森公司的年度报告估计，未来10年的信用卡欺诈将使全球损失约4080亿美元。因此，亟需一种可以提高刷卡行为安全性的工具。

2、幸运的是，各种刷卡行为往往伴随着抬臂的动作，不同个体的抬臂动作不同，且该动作难以被模仿或复制，因此选择抬臂动作作为身份认证的第二因素可以有效提高刷卡行为的安全性。现有的针对抬臂动作的识别主要包括基于可穿戴设备、基于摄像等识别方式。基于可穿戴设备的识别面临着第二设备的额外成本、认证设备失窃造成新的威胁、隐蔽性较低等不利因素；基于摄像头的认证往往易受光线明暗、视线被遮挡等环境因素的影响，因此也存在极大的安全隐患。因此，急需一种更贴近真实生活场景、更易推广、更具稳定本文档来自技高网...

【技术保护点】

1.一种基于声信号的抬臂手势双因素身份认证方法，其特征在于，在通过信号识别手持智能卡的同时，利用超声波收发装置对刷卡时的抬臂手势进行身份识别，从而实现智能卡与抬臂手势身份的双重识别；

2.根据权利要求1所述的一种基于声信号的抬臂手势双因素身份认证方法，其特征在于：步骤2中检测和替换异常值时需设置N＝2k+1的滑动窗口，N是窗宽，K是滑动步长，将设阈值A来区分异常值和正常值的；当窗口内任意样本点与窗口中值相比相差A个标准差，则判断该样本点为异常点，利用中值替换异常点；设K＝3,A＝3；对于去趋势项，抬臂动作的能谱密度ESD信息上每个数据点表示为：Y(t)＝a+bt+e(t)，a...

【技术特征摘要】

1.一种基于声信号的抬臂手势双因素身份认证方法，其特征在于，在通过信号识别手持智能卡的同时，利用超声波收发装置对刷卡时的抬臂手势进行身份识别，从而实现智能卡与抬臂手势身份的双重识别；

2.根据权利要求1所述的一种基于声信号的抬臂手势双因素身份认证方法，其特征在于：步骤2中检测和替换异常值时需设置n＝2k+1的滑动窗口，n是窗宽，k是滑动步长，将设阈值a来区分异常值和正常值的；当窗口内任意样本点与窗口中值相比相差a个标准差，则判断该样本点为异常点，利用中值替换异常点；设k＝3,a＝3；对于去趋势项，抬臂动作的能谱密度esd信息上每个数据点表示为：y(t)＝a+bt+e(t)，a表示数据的截距，b表示数据的斜率，e(t)表示数据中的随机误差项；

3.根据权利要求1所述的一种基于声信号的抬臂手势双因素身份认证方法，其特征在于：改进的lstm-fcn模型包括与输入并列连接的长短期记忆网络lstm和全卷积神经网络fcn，长短期记忆网络lstm的输出以及全卷积神经网络fcn的输出均值通过通道数为256的全局池化concat函数混合后输出给支持向量机svm；其中长短期记忆网络lstm包括串联的lstm-1和lstm-2，lstm-1和lstm-2分别包含64、128个神经元的输入和输...

【专利技术属性】
技术研发人员：毕红亮，李骏乐，夏铭徽，魏子翔，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：