基于手机加速度传感器的身份认证方法
【专利摘要】本发明公开了一种基于手机加速度传感器的身份认证方法，包括以下步骤：首先用户使用手机根据自己习惯书写轨迹，手机加速度传感器采集轨迹的加速度值；然后对采集的原始加速度数据进行预处理；接着对预处理后的数据进行基于小波分解的特征提取，构造特征向量；训练阶段，采集数据并进行预处理和特征提取，将特征向量组成集合并用SVM训练分类器模型；身份认证阶段，用户书写待认证的手势轨迹，采集数据并预处理和特征提取，最后将该轨迹特征向量放入SVM模型中进行认证，进而判断用户是否为合法用户。本发明针对手机端的身份认证，不需要增加其它外设，同时由于每人的手势唯一，故能有效避免手机被盗用且交互简单。
【专利说明】基于手机加速度传感器的身份认证方法
【技术领域】
[0001]本发明涉及一种基于手机加速度传感器的身份认证方法。
【背景技术】
[0002]身份认证是指用户在访问系统或者访问不同保护级别的系统资源时，系统确认该用户的身份是否合法、真实和唯一的一个过程。在开放的网络环境下的信息系统应用中，身份认证尤为重要，他是有效防止非法用户进入系统或者非法窃取信息资源，实现授权及安全审计的第一步。
[0003]传统的身份认证主要分为两种类型。一种是基于所知道的事物进行的身份认证，即仅用户知道的某些信息，如密码口令、暗号、PIN码等，通过对这些信息的确认来判断用户的身份。另外一种是基于所拥有的物品进行的身份认证，即仅用户拥有的具有唯一特征的东西，如身份证、护照、IC卡和USB Key等，通过对这些东西的确认来判断用户的身份。但是这两种认证类型中，拥有的实物容易丢失、盗用和损坏，而用来认证的信息也容易被窃取、伪造和遗忘，因此它们往往达不到很好的安全性能。特别是如今身份认证广泛使用于网络购物支付、电子商务及网上银行等重要领域，传统的身份认证方法已经不能完全满足这类型应用的安全要求。因此，如何使得在应用中识别每个人的身份更安全、更方便成为了一个很重要的课题，研究学者提出的生物特征认证技术对此作了一个很好的回答，该技术对传统的身份认证起到了很好的补充和完善作用。
[0004]每个人都拥有自己独特的一些生物特征，如指纹、虹膜及人体内的DNA等先天的身体特征；另外一种如笔迹签名、语音、行为姿势等后天形成的行为特征。这些特征都能有效的对不同的人进行区别，将这些生物特征用作身份认证可以有效地克服记忆麻烦和密码丢失等缺点，另一方面生物体的特征都携带于自身且这种生物特征模板难以模仿，因此保证了信息的隐私和安全，不易被窃取和仿用。
[0005]基于传统的身份认证及生物特征认证技术方式，通常设计不同具体的身份认证方法来适应不同的场所或应用，以达到较高的安全性和便捷性，有如下一些方法:
[0006]1.静态密码:这是目前应用最广泛的身份认证方法，也是最简单和易于实现的一种方法。用户一股设置用户名及对应的密码来进行身份的确认。这种方法一股不需要附加的设备，成本低且速度快，但是如果密码设置简单，就会容易被窃取，如果过于复杂，又容易忘记，因此安全性比较低。
[0007]2.智能卡:一种形状与身份证类似的塑料矩形片，或者如手机中的SIM卡。其内部集成有电路芯片，用来存储与用户身份有关的数据并由用户自己携带，其中相关数据可以进行硬件加密，因此具有较高安全性。当进行身份认证时，需要将智能卡插入到读卡设备，读取其中的信息，从而进行用户与主机系统之间的一个身份认证，因此增加了额外的硬件成本，大大降低了方便性。
[0008]3.动态口令:最常见的就是短信密码，身份认证系统通过短信的形式发送一段密码到用户手机上，用户通过该密码来进行一个身份认证，安全性较高，但是如果用户更改手机号码之后，要去身份认证系统进行相关手机号码信息的更改，从而降低了可操作性。另外一种就是硬件令牌和手机令牌，其中硬件令牌是一种用来生成动态密码的手持终端，手机令牌是一种安装于手机端的软件，两者功能相同，每隔60秒变换一次口令且口令一次有效，口令生成过程中不需要与外界进行通信，因此不会在通信过程中截取，安全性较高。但是口令有失效现象，此时需要连接认证系统服务器进行时间校准。
[0009]4.USB Key:一种USB接口的硬件设备，不需要读卡器之类的外设，内置单片机或智能卡芯片，有一定的存储空间，可以存储用户的私钥以及数字证书，利用USB Key内置的公钥算法实现对用户身份的认证，安全性较高。由于用户私钥保存在密码锁中，理论上使用任何方式都无法读取，因此保证了用户认证的安全性。但USB Key目前来说还不方便用于手机终端设备中，因此在移动终端上的身份认证无法充分发挥它的优势。
[0010]5.人脸认证、指纹认证、虹膜认证:传统的认证方法只能提供一定的安全保障，如果它们泄露或被盗用之后就很容易造成财物和个人隐私的损失。而生物特征是每个人独有的特征，如果用来作为身份认证的密码，则安全性相对较高。人脸认证、指纹认证、虹膜认证是目前最为成熟的几种生物特征识别技术，已应用于很多身份认证场合中。但是指纹和虹膜认证需要专门的设备，因此不便用于手机终端上。目前大部分手机都配有摄像头，因此相对于指纹和虹膜来说，人脸的获取更为简便，人脸的验证性能也越来越接近于指纹和虹膜，最新Google开发的Android4.0系统就自带有通过人脸认证来进行手机解锁的功能。但是在进行身份认证时，如果人脸发生变化、被遮挡，特别是被包含有用户的照片及视频替换，人脸验证就会容易出现错误的认证结果，因此人脸认证时需要涉及到活体检测，而手机端的硬件资源配置有限，因此会降低认证的流畅性。
【发明内容】
[0011]本发明所要解决的技术问题是提供一种基于手机加速度传感器的身份认证方法，该基于手机加速度传感器的身份认证方法易于实施，对硬件资源要求低，身份认证的准确率高。
[0012]发明的技术解决方案如下:
[0013]一种基于手机加速度传感器的身份认证方法，先对多次获取的原始加速度数据进行数据处理，并由数据处理后所得的数据训练SVM分类器模型；所述的多次获取包括获取合法用户手势对应的原始加速度数据8-12次，获取非法用户手势对应的原始加速度数据8-12 次；
[0014]再获取当前次的原始加速度数据，将该加速度数据进行数据处理后得到的处理结果输入到SVM分类器模型中，由SVM分类器模型输出身份认证结果；
[0015]所述的原始加速度数据获取是指用户在手机屏幕上书写，手机内置的加速度传感器采集在用户手写过程中所感应的加速度数据；
[0016]所述的数据处理包括以下步骤:
[0017]I)对采集到的原始的加速度数据进行预处理；
[0018]2)对于预处理之后的加速度数据进行基于小波分解的特征提取，构造特征向量。
[0019]2.根据权利要求1所述的一种基于手机加速度传感器的身份认证方法，其特征在于，所述的手机加速度传感器采集手势轨迹的加速度值包括:[0020]用户每一次使用手机书写手势轨迹时，通过手机的加速度传感器采集到该手势过程中每个时刻(即每一帧)手机在三维空间中XYZ三个方向的加速度数据。
[0021]对原始加速度数据的预处理包括下列步骤:
[0022]I)平稳去噪:使用移动平均线滤波器，对采集到的加速度数据进行平稳去噪；
[0023]2)手势轨迹边界判定:采用基于加窗口的门限值方法对手势轨迹的开始和结束进行判定，从数据的首末两端分别使用一个时间窗口(大小为7)向中间搜索，如果在一个时间窗口内加速度值变化超过门限值0.5m / s2，则从前往后搜索的窗口所对应的第一帧记为手势轨迹起始边界，从后往前搜索的窗口所对应的最后一帧记为手势轨迹的结束边界； [0024]3)手势轨迹长度的归一化:将每次采集到的手势轨迹进行长度的统一，设置长度阈值为200，长度小于阈值的，进行线性插值处理，长度大于阈值的，将邻近相似点【参见后文解释】进行合并，长度等于阈值的，不进行处理。
[0025]所述的基于小波分解的特征提取包括下列步骤:
[0026]I)将预处理之后的每个方向的加速度数据分别使用dmey小波基函数进行5层
\cAt^k)=}{k)
小波分解，根据小波多层分解公式奶:h cD 得到对应I至5层的分解
L?
系数cAj(k)和cDj(k)，j = 1，2，3，4，5表示第j层；k表示第j层系数向量的长度；其中1ι0(η-ιο=〈Φ0,η⑴，Φ1,1?(?)>,Κ1(η_21?)=<Φ0>η(?), !^上⑴〉，而 il^kU)和 Φ0,η(?)分别是 dmey小波的小波函数和尺度函数:【具体形式参加公式8和中的下标O和I没有具体的含义，只是代表这是不同的两个量，具体计算参见公式6和公式8和9.同样，(AtV(O中的下标O和I也没有具体的含义，只是代表这是不同的两个量，具体计算参见公式6和公式8和9】
?II i , f
[0027]2)根据:;2分别计算I至5层CDjGO各段系数
E _ = |-- cDAk^—τΣ^
Ii ^ \I ?^ΙJ
CDj (k，i)和第 5 层 CA5 (k)系数 CA5 (k，i)的能量【CAj (k，i)和 CDj (k，i)，i=l，2，...，k 表示对应j层长度为k的频带信号的第i个离散点的幅值】，从而在每一个方向(x，y，z)上各得到6个能量值；
[0028]3)将每个方向上的6个能量值为元素，构造成一个所述的特征向量。
[0029]所述的SVM分类器模型的训练过程如下:
[0030]I)将多次手势轨迹得到的特征向量组成一个集合，其中合法用户手势轨迹的特征向量指定为正样本，非法用户手势轨迹的特征向量指定为负样本；
[0031]2)以该集合作为训练样本集合，完成SVM分类器模型的训练(训练方法为现有技术，如LIBSVM为已有的SVM分类器模型训练方法之一，其开源软件包及具体训练过程的信息，关于 LIBSVM 算法可参考文献:Chih-Chung Chang and Chih-Jen Lin, LIBSVM:ALibrary for Support Vector Machines.ACM Transactions on Intelligent Systems andTechnology, Volume 2 Issue 3, April 2011.也可以从林智仁(Chih-Jen Lin)的个人主页 http: / / www.csie.ntu.edu.tw / ?cilin / 处获得。)。
[0032]本发明将基于目前智能手机上配有的加速度传感器，在空中使用手机书写轨迹时，该传感器能精确采集到手机每个时刻(即每一帧)在三维空间中x、y、z三个不同方向的加速度数据，从而实现以手势轨迹为特征的身份认证。该手势轨迹就是笔迹在手机中的另外一种形式的体现，是人后天习惯养成的生物特征，不同人的书写技能和习惯特征表现不同，同一个人在一段时期内一定条件下书写的手势轨迹是相对稳定的。本发明方法可有效地避免用户身份认证信息被盗用，达到比较理想的认证效果和用户体验。
[0033]有益效果:
[0034]本发明的基于手机加速度传感器的身份认证方法，利用目前智能机自带的加速度传感器采集手势轨迹的加速度作为生物特征，利用小波变换提取特征和SVM训练分类器相结合的技术来进行身份的认证，无需像传统静态密码一样记忆麻烦，也不需要额外的设备，而且实时的手势轨迹采集也有效避免被他人盗用。本发明交互简单，数据采集方式也极为方便，平均认证率在95%以上，达到了笔迹鉴定用于身份认证的预期效果，效率较高，具有好的安全性能和用户体验效果。本发明针对手机端的身份认证，不需要增加其它外设，同时由于每人的手势唯一，故能有效避免被盗用且交互简单。
【专利附图】
【附图说明】
[0035]图1为本发明方法的流程图。
[0036]图2为本发明中数据预处理结果实例:图2(a)为采集到的原始数据三个方向加速度曲线图；图2(b)为进行平移变换和平稳去噪后三个方向的加速度曲线图；图2(c)为一个完整的手势轨迹三个方向加速度的曲线图；图2(d)为归一化后三个方向加速度的曲线图。
[0037]图3为使用dmey小波基函数对加速度矩阵三个方向x、y、z的信号五层分解之后的结果图。
[0038]图4为对信号X进行多尺度小波分解结构图。
【具体实施方式】
[0039]以下将结合附图和具体实施例对本发明做进一步详细说明:
[0040]实施例1:
[0041]图1给出了依照本发明进行加速度传感器的身份认证的方法流程图。现介绍每一步的实现细节。
[0042]1.图1所示，步骤101开始之后，每一次用户使用手机根据自己的习惯书写手势轨迹(图1步骤102)时，通过手机的加速度传感器采集到该手势轨迹从开始到结束过程中每个时刻(即每一帧)手机在三维空间中x、y、z三个方向的加速度值(如图2(a)所示)，将这些数据保存为一个η行3列的矩阵形式(图1步骤103)。其中时间为t1; t2，...，tn，η表示为该时段内采集到的手势轨迹帧数，每一列均表示一个方向上的加速度值变化曲线，因此每一个矩阵可以表示一个手势轨迹，该加速度数据的矩阵形式A如式(I):
【权利要求】
1.一种基于手机加速度传感器的身份认证方法，其特征在于， 先对多次获取的原始加速度数据进行数据处理，并由数据处理后所得的数据训练SVM分类器模型；所述的多次获取包括获取合法用户手势对应的原始加速度数据8-12次，获取非法用户手势对应的原始加速度数据8-12次； 再获取当前次的原始加速度数据，将该加速度数据进行数据处理后得到的处理结果输入到SVM分类器模型中，由SVM分类器模型输出身份认证结果； 所述的原始加速度数据获取是指用户在手机屏幕上书写，手机内置的加速度传感器采集在用户手写过程中所感应的加速度数据； 所述的数据处理包括以下步骤: 1)对采集到的原始的加速度数据进行预处理； 2)对于预处理之后的加速度数据进行基于小波分解的特征提取，构造特征向量。
2.根据权利要求1所述的一种基于手机加速度传感器的身份认证方法，其特征在于，所述的手机加速度传感器采集手势轨迹的加速度值包括: 用户每一次使用手机书写手势轨迹时，通过手机的加速度传感器采集到该手势过程中每个时刻手机在三维空间中XYZ三个方向的加速度数据。
3.根据权利要求2所述的一种基于手机加速度传感器的身份认证方法，其特征在于，对原始加速度数据的预处理包括下列步骤: 1)平稳去噪:使用移动平均线滤波器，对采集到的加速度数据进行平稳去噪； 2)手势轨迹边界判定:采用基于加窗口的门限值方法对手势轨迹的开始和结束进行判定，从数据的首末两端分别使用一个时间窗口(大小为7)向中间搜索，如果在一个时间窗口内加速度值变化超过门限值0.5m / s2，则从前往后搜索的窗口所对应的第一帧记为手势轨迹起始边界，从后往前搜索的窗口所对应的最后一帧记为手势轨迹的结束边界； 3)手势轨迹长度的归一化:将每次采集到的手势轨迹进行长度的统一，设置长度阈值为200，长度小于阈值的，进行线性插值处理，长度大于阈值的，将邻近相似点进行合并，长度等于阈值的，不进行处理。
4.根据权利要求3所述的一种基于手机加速度传感器的身份认证，其特征在于，所述的基于小波分解的特征提取包括下列步骤: 1)将预处理之后的每个方向的加速度数据分别使用dmey小波基函数进行5层小波分解，根据小波多层分解公式
5.根据权利要求1所述的一种基于手机加速度传感器的身份认证，其特征在于，所述的SVM分类器模型的训练过程如下: 1)将多次手势轨迹得到的特征向量组成一个集合，其中合法用户手势轨迹的特征向量指定为正样本，非法用户手势轨迹的特征向量指定为负样本； 2)以该集合作为训练样本集合，完成SVM分类器模型的训练。
【文档编号】H04M1/725GK103595538SQ201310600675
【公开日】2014年2月19日 申请日期:2013年11月25日 优先权日:2013年11月25日
【发明者】邹北骥, 高焕芝, 刘志丹, 陈再良 申请人:中南大学