户触屏点击数据的具体数据
[0041]
[0042] 运动传感器的具体数据格式为{Gravityx, Gravityy, Gravityz, Accelerometerx,Accelerometery, Accelerometerz, Gyroscopex, Gyroscopey, Gyroscopez, Timestamp}, 其 中Gravityx指重力传感器记录的X轴的数据，Gravity y指重力传感器记录的y轴的数据， Gravityz指重力传感器记录的z轴的数据，Accelerometer ^旨加速度传感器记录的X轴的 数据，Accelerometery指加速度传感器记录的y轴的数据，Accelerometer 2指加速度传感器 记录的z轴的数据，Gyroscopejg陀螺仪记录的X轴的数据，Gyroscope y指陀螺仪记录的y 轴的数据，Gyroscopejg陀螺仪记录的z轴的数据，Timestamp指点击时间戳。具体数据如 下表：
[0043] 表1-2 (1)运动传感器的具体数据
[0044]
[0045] 表1-2 (2)运动传感器的具体数据
[0046]
[0047] 表1-2 (3)运动传感器的具体数据
[0048]
[0049] 将触屏点击操作划分到触屏点击位置对应的触屏区域块内，提取每个点击操作 作用时间内的运动传感器数据（参见图4)，形成各个触屏区域块的运动传感器训练数据 集（参见图3)，基于触屏点击位置将触屏点击操作划分到对应的触屏区域块内的具体步骤 为：
[0050] (1)提取一次触屏点击操作所有采样点的触屏位置坐标，其中每个位置坐标的格 式为{水平坐标X，垂直坐标Y}。譬如：一次触屏点击操作所有采样点的触屏位置坐标如下 表中所述：
[0051] 表1-3 -次触屏点击操作所有采样点的触屏位置坐标
[0052]
[0053] (2)计算这些采样点位置坐标的平均值，将其作为本次触屏点击操作的平均位置 坐标，判断平均位置坐标所处的触屏区域块，将本次操作归为该触屏区域块内的触屏点击 操作。根据上表中数据，可计算得平均坐标为{131，38}，根据此平均坐标便可知所处的触屏 区域块。
[0054] 对每个触屏区域块的运动传感器数据，提取特征向量，形成该触屏区域块内的运 动传感器数据训练特征集。所述运动传感器数据的特征向量为基于点击操作作用时间内的 运动传感器数据获取的若干（或多个）测量量，包括运动传感器三轴分量的均值、中值、标 准差、10%、20%至100%的分位数、峰度系数、偏度系数。
[0055] 将不同触屏区域块内的运动传感器训练特征集作为输入，采用最近邻居法（马氏 距离）构建合法用户在不同触屏区域的身份监控子模型，并利用训练特征数据对模型进行 学习，同时得到不同触屏区域块的身份监控子模型的判定阈值，其中，合法用户身份监控模 型包括4X 3个身份认证子模型，分别对应于4X 3个触屏区域块。
[0056] (3)身份监控模式：
[0057] 用户登入触屏设备后，捕获并记录用户触屏点击操作，以长度为50的观测窗口形 成含有50个触屏点击操作的点击操作序列；针对点击操作序列中的每个触屏点击操作，根 据点击位置将其归类到相应的触屏区域块下，提取每个点击操作作用时间内的运动传感器 数据，得到对应的运动传感器特征向量；根据运动传感器特征向量所属的触屏区域块，采用 相应触屏区域块下的身份监控子模型对其进行检测，得到每个特征向量的检测值，并将该 检测值与对应的身份监控子模型的判定阈值ε (ε根据模型训练的精度进行选取，一般可 设定为〇. 5)进行比较，若检测值大于阈值，则判定该操作为异常操作；若检测值小于阈值， 则判定该操作为正常操作，从而判定每个触屏点击操作的异常性；对当前用户身份合法性 进行判定：若在50次触屏点击操作中检测到20次异常操作，则判定当前用户为非法用户； 反之如果没有检测到异常操作，则判定当前用户为合法用户。
【主权项】
1. 一种基于传感器特征分区建模的触屏设备用户身份监控方法，其特征在于，包括下 述步骤： (1) 首先鉴别触屏设备，如果是未使用过的新设备，进入步骤（2)构建身份监控模型； 如果是已使用过的旧设备，则进入步骤（3)开启身份监控模式； (2) 构建身份监控模型 a、 将触屏设备屏幕划分为P行Q列，形成PXQ个相同大小的触屏区域块，每个触屏区 域块具有各自的触屏位置坐标范围； b、 在合法用户正常使用触屏设备过程中，采集并记录合法用户的触屏点击数据和运动 传感器数据；其中，运动传感器数据包括重力传感器数据、加速度传感器数据、陀螺仪传感 器数据、三类传感器记录的时间戳； c、 将触屏点击操作划分到触屏点击位置对应的触屏区域块内，提取每个点击操作作用 时间内的运动传感器数据，形成各个触屏区域块的运动传感器训练数据集； d、 对每个触屏区域块的运动传感器数据，提取特征向量，形成该触屏区域块内的运动 传感器数据训练特征集； e、 将每个触屏区域块内的运动传感器训练特征集作为输入，基于单类分类器构建合法 用户在该触屏区域块的身份监控子模型，同时得到该触屏区域块的身份监控子模型的判定 阈值；其中，合法用户身份监控模型包括PXQ个身份认证子模型，分别对应于PXQ个触屏 区域块； (3) 身份监控模式 a、 用户登入触屏设备后，捕获并记录用户触屏点击操作，以长度为N的观测窗口形成 含有N个触屏点击操作的点击操作序列； b、 针对点击操作序列中的每个触屏点击操作，根据点击位置将其归类到相应的触屏区 域块下，提取每个点击操作作用时间内的运动传感器数据，得到对应的运动传感器特征向 量；其中，运动传感器包括重力传感器、加速度传感器、陀螺仪传感器； c、 根据运动传感器特征向量所属的触屏区域块，采用相应触屏区域块下的身份监控子 模型对其进行检测，得到每个特征向量的检测值，并将该检测值与对应的身份监控子模型 的判定阈值进行比较，判定每个触屏点击操作的异常性； d、 对当前用户身份合法性进行判定：若在N次触屏点击操作中检测到M次异常操作，M 为报警阈值，小于等于N，则判定当前用户为非法用户；反之则判定当前用户为合法用户。2. 如权利要求1所述的基于传感器特征分区建模的触屏设备用户身份监控方法，其特 征在于，所述步骤（2)b、步骤（3)a中的触屏点击数据，其格式为：{点击时间戳，触屏点击 位置，手指运动状态信息}，其中手指运动状态信息指的是对手指放下、手指移动、手指抬起 三种状态的标记信息。3. 如权利要求1所述的基于传感器特征分区建模的触屏设备用户身份监控方法，其特 征在于，所述步骤（2)c、步骤（3)b中的将触屏点击操作划分到触屏点击位置对应的触屏区 域块内，其具体方法为： 1) 提取一次触屏点击操作所有采样点的触屏位置坐标，其中每个位置坐标的格式为 {水平坐标X，垂直坐标Y}; 2) 计算这些采样点位置坐标的平均值，将其作为本次触屏点击操作的平均位置坐标， 判断平均位置坐标所处的触屏区域块，将本次操作归为该触屏区域块内的触屏点击操作； 在以上划分方法的基础上，提取点击操作作用时间内的运动传感器数据的具体方法 为： 1) 提取每次触屏点击数据中的时间信息，即点击发生时的时间戳及点击结束时的时间 戳； 2) 根据步骤（1)提取的两个时间戳，对应运动传感器数据中具有相同时间戳的数据， 提取这一段数据为点击操作作用时间内的运动传感器数据。4. 如权利要求1中所述的基于传感器特征分区建模的触屏设备用户身份监控方法，其 特征在于，所述步骤（2)d、步骤（3)b中的运动传感器数据的特征向量为基于点击操作作用 时间内的运动传感器数据获取的测量值，包括运动传感器三轴分量的均值、中值、标准差、 IO%、20 %至IOO%的分位数、峰度系数、偏度系数。5. 如权利要求1所述的基于传感器特征分区建模的触屏设备用户身份监控方法，其特 征在于，所述步骤（2)e的构建身份子模型，是由一种或多种单类分类器联合实现。
【专利摘要】本发明公开了一种基于传感器特征分区建模的触屏设备用户身份监控方法，可利用用户在触屏设备上进行点击操作时产生的传感器数据对用户身份合法性进行静默式的监控，包括：1)触屏设备新、旧判断，如为新设备，进入2)构建身份监控模型；如为旧设备，进入3)身份监控模式；其中，构建身份监控模型是将屏幕区域划分成PxQ个触屏区域块，提取每个触屏区域块内的运动传感器数据特征，建立每个触屏区域块下的身份监控子模型。身份监控模式是在用户触屏过程中，基于观测窗口捕获点击操作产生的运动传感器数据，提取其特征作为该触屏区域块下的身份监控子模型的输入，由阈值比较来实现用户身份的实时监控。
【IPC分类】G06F21/31
【公开号】CN104915585
【申请号】CN201510374939
【发明人】沈超, 裴仕超, 管晓宏, 余天文
【申请人】西安交通大学
【公开日】2015年9月16日
【申请日】2015年6月30日