【技术实现步骤摘要】
本专利技术属于信息安全，涉及一种无人机投递双向认证方法及装置，具体涉及一种基于隐式步态行为的无人机投递双向认证方法及装置。
技术介绍
1、无人机配送是利用无人驾驶航空器(unmanned aerial vehicles,uav)进行包裹的投递和取件，具有快速高效、成本节约、环境影响小、提高物流覆盖率等优势，已成为物流行业发展的趋势。尽管无人机配送带来了诸多便利，但其在交付过程中的安全性与隐私保护问题仍面临严峻挑战，尤其是如何有效地验证用户和无人机的身份。
2、针对上述技术问题，现有的认证方案多集中于以下两个方向：
3、(1)基于特征的认证技术：研究方向致力于通过分析和识别无人机自身发出的独特信号特征来实现。这些特征可以是无人机飞行声音、用户的步态行为或其他可量化的特征指标。结合现代深度学习算法，以适应不同的环境和操作条件，从而提高无人机配送过程中的安全性和可靠性。
4、中国专利文献号cn118447856a，公开日2024年8月6日，记载了一种基于声学特征的无人机身份认证方法。该专利技术通过数据采集模块从特定麦克风收集声音样本，并按照预设时间间隔进行采样和评估。收集到的声音样本经过数据增强后，分为训练集和测试集。利用特征提取模块，从声音样本中提取数字化特征，形成特征集合。然后，构建基于cnn-transformer混合网络的认证模型，对训练集进行训练，获得认证模型，最后用测试集进行测试，实现无人机身份认证。该方法利用深度学习结构，显著提高了无人机身份认证的准确性和可靠性，能够有效识别和分析无人
5、(2)无线通信认证技术：研究方向致力于探索多种无线通信手段来确保无人机身份的准确验证。主要包括蓝牙信号、wifi信号以及其他可探测的信号。研究聚焦于不同通信协议的适用性，结合信号强度、传输延迟和数据包完整性等多种因素，以应对不同环境和应用场景的需求。
6、中国专利文献号cn117295062a，公开日2023年12月26日，记载了一种基于蓝牙5.0的无人机身份id远程识别系统及识别方法。该专利技术通过收集授权和非授权区域的数据，在远程id设备中写入无人机认证信息，以进行区域判断。在非授权区域内，使用第一公钥加密并广播第二身份信息；在授权区域内，则使用认证公钥加密并广播第三身份信息。该技术存在以下问题：第一，该认证方法该认证方法依赖蓝牙5.0技术进行身份识别，受限于蓝牙信号的传播特性。在信号干扰较强或障碍物较多的环境中，蓝牙信号的有效范围可能会降低，从而影响认证的可靠性和实时性。第二，该认证方法该认证系统需要结合多个组件(如蓝牙设备、区域判断模块等)，会导致系统的整体复杂性增加。此外，维护和更新这些组件的成本可能较高，影响系统的可持续发展。
7、同时，现有的认证方案多集中于用户的单向认证。例如，通过扫描用户手机二维码、一次性数字令牌、指纹和面部识别等单向认证技术方案验证收件人身份等。这些单向认证方案存在一个显著的问题：它们仅验证用户身份，忽略了恶意无人机可能冒充合法寄件无人机窃取包裹。另外，攻击者可能利用伪造或中继攻击接管或干扰送货无人机的可能性，从而导致系统的安全性存在隐患。例如，在二维码、数字令牌或生物识别方案中，恶意无人机可以通过中继攻击截获用户发送的认证数据并进行重放导致用户信息泄露、包裹被劫持等。
技术实现思路
1、为了解决无人机投递过程中的身份认证问题，确保投递的安全性和可靠性，提供了一种基于隐式步态行为的无人机投递双向认证方法及装置。
2、本专利技术的方法采用的技术方案是：一种基于隐式步态行为的无人机投递双向认证方法，包括以下步骤：
3、步骤1：当用户与无人机进行双向认证时，采集imu传感器数据和用户基于时间序列的步态数据；
4、步骤2：对imu传感器数据和基于时间序列的步态数据进行归一化和去噪处理；
5、步骤3：对步骤2处理后imu传感器数据和基于时间序列的步态数据，进行时空一致性转换；
6、步骤4：在步骤3处理后imu传感器数据和基于时间序列的步态数据中，提取时域和频域特征；
7、步骤5：将时域和频域特征输入单类分类器，进行imu传感器数据与手部关键点数据之间的一致性认证；
8、手机imu传感器数据转换为欧拉角向量，并与加速度计数据结合，用于表征用户的步态行为数据；然后输入特征提取器和单类分类器，进行步态识别认证；
9、步骤6：如果两个认证都通过，则相互认证成功；否则，无人机根据与用户的距离判断是否需要调整位置，返回步骤1，重复该过程，直到达到最大尝试次数；如果仍然没有认证通过，则拒绝该用户。
10、作为优选，步骤1中，当用户与无人机进行双向认证时，用户手机采集imu传感器数据；无人机摄像头录制用户步态信息，进行人体姿态检测，对用户握持手机的手部关键点进行识别匹配，并提取关键点的时间序列数据，从而将基于视觉的步态信息转换为基于时间序列的步态数据。
11、作为优选，步骤2中，对imu传感器数据进行降采样处理，以匹配关键点的时间序列数据的采样率。
12、作为优选，步骤2中，采用自适应截止频率的滤波方法对imu传感器数据和基于时间序列的步态数据进行去噪处理；首先采用快速傅里叶变换对时间序列的频谱特性进行分析，确定能量主成分所在的频率区间，然后将滤波器的高通频率和低通频率分别设置为该频率区间的上下限。
13、作为优选，步骤2中，通过应用自适应离散余弦变换和多关节协作卡尔曼滤波自适应地滤除由遮挡引起的异常数据；
14、所述自适应离散余弦变换，利用离散余弦变换来消除由于身体遮挡引起的信号异常；为了实现动态调整保留的离散余弦变换系数k，采用基于熵的自适应调整方法计算k，其中fbase为初始保留系数，α是自适应调整参数，h(x)为步态数据的信息熵值，n为步态数据的长度；
15、所述多关节协作卡尔曼滤波，针对自适应离散余弦变换处理后的数据，将若干个相邻关键点的信息集成到状态向量中，实现对单个关节运动轨迹的平滑处理。
16、作为优选，步骤3中，运行时钟同步协议，并结合卡尔曼滤波器来处理网络延迟的波动，估计时钟偏移的变化趋势，对步骤2处理后imu传感器数据和基于时间序列的步态数据，进行时空一致性转换；
17、具体实现包括以下子步骤：
18、步骤3.1：融合用户imu传感器数据(ax,ay,az,gx,gy,gz,mx,my,mz)，其中ax,ay,az,gx,gy,gz,mx本文档来自技高网...
【技术保护点】
1.一种基于隐式步态行为的无人机投递双向认证方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤1中，当用户与无人机进行双向认证时，用户手机采集IMU传感器数据；无人机摄像头录制用户步态信息，进行人体姿态检测，对用户握持手机的手部关键点进行识别匹配，并提取关键点的时间序列数据，从而将基于视觉的步态信息转换为基于时间序列的步态数据。
3.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤2中，对IMU传感器数据进行降采样处理，以匹配关键点的时间序列数据的采样率。
4.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤2中，采用自适应截止频率的滤波方法对IMU传感器数据和基于时间序列的步态数据进行去噪处理；首先采用快速傅里叶变换对时间序列的频谱特性进行分析，确定能量主成分所在的频率区间，然后将滤波器的高通频率和低通频率分别设置为该频率区间的上下限。
5.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特
6.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤3中，运行时钟同步协议，并结合卡尔曼滤波器来处理网络延迟的波动，估计时钟偏移的变化趋势，对步骤2处理后IMU传感器数据和基于时间序列的步态数据，进行时空一致性转换；
7.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤4中，通过初步从时域和频域范围中选取了12个特征，并通过计算所有特征的Fisher得分，以筛选出最具辨别力的特征；最终选取四个时域特征和两个频域特征，处理后的数据样本形成六维特征向量。
8.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤5中，所述特征提取器，由顺序连接的输入为单通道的7×7卷积层、ResNet和双向LSTM网络组成；所述ResNet，包括四个残差块，每个块包含两个卷积层，在每个卷积层后集成批归一化层以加速模型收敛，同时应用ReLU激活函数引入非线性；最后一个残差块的输出通过全局平均池化层转化为固定大小的特征向量；所述ResNet的输出与双向LSTM网络的隐藏状态在特征维度上进行拼接，最后添加一个全连接层和Softmax层以进行多类别分类。
9.根据权利要求1-8任一项所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤5中，所述单类分类器，是经过监督学习训练好的模型；在训练过程中，使用包含标签的训练数据集，所述训练数据集由不同用户的传感器数据组成，每个样本都附有标签，分别标识为不同的用户，用于指导模型学习如何区分用户；
10.一种基于隐式步态行为的无人机投递双向认证装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于隐式步态行为的无人机投递双向认证方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤1中，当用户与无人机进行双向认证时，用户手机采集imu传感器数据；无人机摄像头录制用户步态信息，进行人体姿态检测，对用户握持手机的手部关键点进行识别匹配，并提取关键点的时间序列数据，从而将基于视觉的步态信息转换为基于时间序列的步态数据。
3.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤2中，对imu传感器数据进行降采样处理，以匹配关键点的时间序列数据的采样率。
4.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤2中，采用自适应截止频率的滤波方法对imu传感器数据和基于时间序列的步态数据进行去噪处理；首先采用快速傅里叶变换对时间序列的频谱特性进行分析，确定能量主成分所在的频率区间，然后将滤波器的高通频率和低通频率分别设置为该频率区间的上下限。
5.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤2中，通过应用自适应离散余弦变换和多关节协作卡尔曼滤波自适应地滤除由遮挡引起的异常数据；
6.根据权利要求1所述的基于隐式步态行为的无人机投递双向认证方法，其特征在于：步骤3中，运行时钟同步协议，并结合卡尔曼滤波器来处理网络延迟的波动，估计时钟偏移的变化趋势...
【专利技术属性】
技术研发人员：周满，凌子健，翟竑达，黄雅婷，石欣月，欧阳毅，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。