一种WIFI认证方法及其系统、一种移动终端与流程

本发明涉及通信技术领域，尤其涉及一种WIFI认证方法及其系统。

背景技术：

WIFI(Wireless Fidelity，无线保真)技术是一种短距离无线传输技术，由于其传输速度较快，有效距离也比较长，因此广泛应用于办公场地和家庭中。具有WIFI功能的终端接入无线AP(Access Point，接入点)后，由无线AP对WIFI终端进行认证，在认证通过后，允许WIFI终端访问互联网。

目前，无线AP对WIFI终端的认证方式主要是用户名+密码的认证方式，即WIFI终端接入无线AP时，向无线AP上报用于进行身份认证的用户名和密码，若无线AP对接收到的用户名和密码认证通过，则表示该WIFI终端具有使用WIFI网络的权限，允许其访问互联网；否则，表示该WIFI终端不具有使用WIFI网络的权限，限制其访问互联网。在有些家庭WIFI系统中，WIFI终端只需向无线AP上报密码，由WIFI路由器根据本地已存储的用户名和接收到的密码进行认证。但是这种认证方式需要用户手动输入密码，较为繁琐，用户体验比较差。

技术实现要素：

针对上述问题，本发明提供了一种WIFI认证方法及其系统，有效解决了现有WIFI认证方法使用过程中较为繁琐的技术问题。

本发明提供的技术方案如下：

一种WIFI认证方法，应用于移动终端，所述移动终端与无线AP通信连接，所述WIFI认证方法中包括：

S1检测自身动作的物理数据；

S2对获取的物理数据进行动作切割；

S3对切割得到的动作进行分类；

S4根据分类的结果得到对应的待认证密码并将其发送至无线AP进行WIFI认证。

在本技术方案中，移动终端根据用户甩动/移动终端的动作自动判断出待认证密码，无线AP根据该待认证密码进行WIFI认证，若比对成功，则完成WIFI认证，允许用户接入。这样，用户在进行WIFI认证的过程中，不再需要通过手动的方式输入待认证密码，只需甩动移动终端，让移动终端发生预设动作即可，简单方便，为用户提供便利，提高用户体验。

进一步优选地，在步骤S1之前还包括：

S01设定预设动作的方向参数；

S02设定预设动作的阈值参数，所述阈值参数包括：移动终端发生动作时的加速度、角速度以及移动距离；

S03建立动作切割训练网络，并根据步骤S01和步骤S02中设定的参数对其进行有监督训练，所述动作切割训练网络中包括：数据层、第一全连接层、激活层、第二全连接层以及欧氏损失层；

S04建立姿势预测网络并对其进行有监督训练，所述姿势预测网络为一深度网络；

S05设定预设动作与待认证密码之间的关联关系，其中，一个动作对应至少一位待认证密码。

在本技术方案中，在进行WIFI认证之前，首先在移动终端中进行配置，设定预设动作的相关参数及预设动作与待认证密码之间的关联关系，建立动作切割训练网络及姿势预测网络等，以此移动终端根据配置信息判断移动终端发送发生了预设动作，提供WIFI认证的依据。

进一步优选地，步骤S1具体为：通过移动终端内置的传感器检测移动终端动作过程中的物理数据；

步骤S2具体为：将步骤S1获取的物理数据输入训练好的动作切割实施网络，实现对获取的物理数据进行动作切割，其中，所述动作切割实施网络中包括：数据层、第一全连接层、激活层以及第二全连接层；

步骤S3具体为：将步骤S2中切割得到的动作输入姿势预测网络，实现切割得到的动作的分类。

在本技术方案中，移动终端中采用动作切割实施网络对获取到的物理数据进行动作切割，进一步根据姿势预测网络对切割得到的动作进行归类，大大提高了移动终端中对自身动作判断的准确性，为无线AP中的认证提供依据，提高用户体验。

进一步优选地，在步骤S4中具体包括：

S41移动终端根据S05中设定的预设动作与待认证密码之间的关联关系及步骤S3中分类得到的动作得到相应的待认证密码；

S42移动终端将判断出的待认证密码发送至无线AP；

S43无线AP将接收到的待认证密码与预设密码进行比对，完成移动终端的WIFI认证。

进一步优选地，在动作切割训练网络和动作切割实施网络中，所述激活层为ReLU层；和/或，

在姿势预测网络中，所述姿势预测网络中包括：数据层、多个卷积层以及全连接层的多层卷积神经网络，还包括SoftMax分类器；所述SoftMax分类器根据多层卷积神经网络输出的特征向量对动作进行分类。

在本技术方案中，在姿势预测网络对获取到的物理数据进行了特征提取之后，让多层卷积神经网络自己学习挑选输入的特征组合得到特征向量给分类器分类以得到最好的分类效果。相较于传统的人工选择输入特征、经过组合后得到一个输出特征向量后给分类器进行分类更智能化，实现更加精确地分类效果。且在该多层卷积神经网络中将特征提取部分和分类识别部分衔接在一起，其中特征学习部分隐式进行，大部分集中在该多层卷积神经网络的中间隐含层，即在训练训练样本集的同时，进行特征学习，免去了繁琐的手动提取特征和设计特征的过程，简化了流程，节约时间。

本发明还提供了一种移动终端，所述移动终端与无线AP通信连接，所述移动终端中包括：

数据获取模块，用于获取移动终端动作过程中的物理数据；

动作切割模块，用于对数据获取模块获取到的物理数据进行动作切割；

动作分类模块，用于对动作切割模块切割得到的动作进行分类；

密码获取模块，用于根据动作分类模块分类的结果得到对应的待认证密码；

密码发送模块，用于将密码获取模块得到的待认证密码发送至无线AP。

在本技术方案中，移动终端根据用户甩动/移动终端的动作自动判断出待认证密码，无线AP根据该待认证密码进行WIFI认证，若比对成功，则完成WIFI认证，允许用户接入。这样，用户在进行WIFI认证的过程中，不再需要通过手动的方式输入待认证密码，只需甩动移动终端，让移动终端发生预设动作即可，简单方便，为用户提供便利，提高用户体验。

进一步优选地，在移动终端中还包括：

配置模块，用于设定预设动作与待认证密码之间的关联关系、设定预设动作的方向参数以及设定预设动作的阈值参数，所述阈值参数包括：移动终端发生动作时的加速度、角速度以及移动距离；

网络训练模块，用于建立动作切割训练网络，并根据配置模块中设定的参数对其进行有监督训练，所述动作切割训练网络中包括：数据层、第一全连接层、激活层、第二全连接层以及欧氏损失层；及用于建立姿势预测网络并对其进行有监督训练，所述姿势预测网络为一深度网络。

在本技术方案中，在进行WIFI认证之前，首先在移动终端中进行配置，设定预设动作的相关参数及预设动作与待认证密码之间的关联关系，建立动作切割训练网络及姿势预测网络等，以此移动终端根据配置信息判断移动终端发送发生了预设动作，提供WIFI认证的依据。

进一步优选地，在动作切割模块中，将数据获取模块获取的物理数据输入训练好的动作切割实施网络，实现对获取的物理数据进行动作切割，其中，所述动作切割实施网络中包括：数据层、第一全连接层、激活层以及第二全连接层；

在动作分类模块中，将动作切割模块切割得到的动作输入姿势预测网络，实现切割得到的动作的分类。

在本技术方案中，移动终端中采用动作切割实施网络对获取到的物理数据进行动作切割，进一步根据姿势预测网络对切割得到的动作进行归类，大大提高了移动终端中对自身动作判断的准确性，为无线AP中的认证提供依据，提高用户体验。

进一步优选地，在动作切割训练网络和动作切割实施网络中，所述激活层为ReLU层；和/或，

在姿势预测网络中，所述姿势预测网络中包括：数据层、多个卷积层以及全连接层的多层卷积神经网络，还包括SoftMax分类器；所述SoftMax分类器根据多层卷积神经网络输出的特征向量对动作进行分类。

在本技术方案中，在姿势预测网络对获取到的物理数据进行了特征提取之后，让多层卷积神经网络自己学习挑选输入的特征组合得到特征向量给分类器分类以得到最好的分类效果。相较于传统的人工选择输入特征、经过组合后得到一个输出特征向量后给分类器进行分类更智能化，实现更加精确地分类效果。且在该多层卷积神经网络中将特征提取部分和分类识别部分衔接在一起，其中特征学习部分隐式进行，大部分集中在该多层卷积神经网络的中间隐含层，即在训练训练样本集的同时，进行特征学习，免去了繁琐的手动提取特征和设计特征的过程，简化了流程，节约时间。

本发明还提供了一种WIFI认证系统，所述WIFI认证系统包括上述移动终端，还包括与移动终端通信连接的无线AP，其中，移动终端检测到自身动作的物理数据之后，对其进行动作切割和动作分类，根据分类得到的动作得到相应的待认证密码之后将其发送至无线AP；无线AP将接收到的待认证密码与预设密码进行比对，完成移动终端的WIFI认证。

在本技术方案中，移动终端根据用户甩动/移动终端的动作自动判断出待认证密码，无线AP根据该待认证密码进行WIFI认证，若比对成功，则完成WIFI认证，允许用户接入。这样，用户在进行WIFI认证的过程中，不再需要通过手动的方式输入待认证密码，只需甩动移动终端，让移动终端发生预设动作即可，简单方便，为用户提供便利，提高用户体验。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对上述特性、技术特征、优点及其实现方式予以进一步说明。

图1为本发明中WIFI认证方法一种实施方式流程示意图；

图2为本发明中WIFI认证方法另一种实施方式流程示意图；

图3为本发明中移动终端一种实施方式示意图。

图4为本发明中WIFI认证系统示意图；

附图标号说明：

100-WIFI认证系统，110-移动终端，120-无线AP，111-数据获取模块，112-动作切割模块，113-动作分类模块，114-密码获取模块，115-密码发送模块。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

如图1所示为本发明提供的WIFI认证方法，应用于移动终端，具体该移动终端与无线AP通信连接，从图中可以看出，在该WIFI认证方法中包括：S1检测自身动作的物理数据；S2对获取的物理数据进行动作切割；S3对切割得到的动作进行分类；S4根据分类的结果得到对应的待认证密码并将其发送至无线AP进行WIFI认证。

具体，在该WIFI认证方法中，移动终端根据用户甩动/移动的动作判断出待认证密码之后，无线AP根据该待认证密码进行WIFI认证，若待认证密码与预设密码一致，则比对成功，完成WIFI认证，允许用户接入网络；否则，认证失败，不允许用户接入网络。更具体来说，上述移动终端可以为智能手机、平板电脑等，在这里不做具体限定。

基于此，在步骤S1之前还包括：S01设定预设动作的方向参数；S02设定预设动作的阈值参数，阈值参数包括：移动终端发生动作时的加速度、角速度以及移动距离；S03建立动作切割训练网络，并根据步骤S01和步骤S02中设定的参数对其进行有监督训练，动作切割训练网络中包括：数据层、第一全连接层、激活层、第二全连接层以及欧氏损失层；S04建立姿势预测网络并对其进行有监督训练，姿势预测网络为一深度网络；S05设定预设动作与待认证密码之间的关联关系，其中，一个动作对应至少一位待认证密码。

具体，对于预设动作，可以为甩动的动作也可以为移动的动作，如左右甩动一次关联数字1，上下甩动一次关联数字0；又如，顺时针移动一圈关联数字2，逆时针移动一圈关联数字3等。再有，一个动作可以关联一位待认证码，也可以关联两位待认证码，根据实际情况进行设定；如，左右甩动一次关联数字01，上下甩动一次关联数字23等，在此不做具体限定。

对于预设动作的方向参数，在一种实施方式中，以移动终端显示屏为坐标轴，横向为x轴，纵向为y轴，垂直显示屏为z轴，将沿x轴甩动设定为左右甩动，关联数字1；将沿y轴甩设定为上下甩动，关联数字0；将xy平面内顺时针移动一圈关联数字2；将xy平面内逆时针移动一圈关联数字3等，以此类推。

对于预设动作的阈值参数，至少包括：移动终端发生动作时的加速度、角速度以及移动距离。在一种具体实施方式中，设定移动终端左右甩动/上下甩动的移动距离阈值设定为0.2m(米)、加速度为0.1m/s²，以此类推。要说明的是，这里我们对上述预设关联关系、方向参数以及阈值参数均不作具体限定，可以根据实际情况进行设定。在实际应用中，通过移动终端内置的加速度计和陀螺仪获取移动终端甩动/移动的物理数据。

对于动作切割训练网络，包括但不限于：数据层、第一全连接层、激活层、第二全连接层以及欧氏损失层(Euclidean Loss层)。在对该动作切割网络进行有监督的训练时，将原始数据输入数据层，在Euclidean Loss层使用label(已知数据)进行回归，以此，通过训练，使得整个动作切割训练网络的误差(loss)最小。具体来说，在这个过程中，输入的原始数据可以为任意数据，当然也可以是本发明中使用到的移动终端的动作的物理数据；在Euclidean Loss层使用的label为输入的原始数据的正确切割结果。在一个实例中，假定该动作切割训练网络支持4个字母的组合，即则切割点位3个，若输入的数据为用户手动书写的ABCD，则Euclidean Loss层使用的label即为正确的A、B、C、D的书写方式，以此对该动作切割训练网络进行训练，直到误差最小，完成训练。最后，要说明的是，上述激活层为ReLU(Rectified linear unit)层，当然还可以为其他激活函数，根据实际情况而定。

对于姿势预测网络，其具体为一深度网络。在一个实例中，该姿势预测网络中包括：数据层、多个卷积层以及全连接层的多层卷积神经网络，还包括SoftMax分类器；SoftMax分类器根据多层卷积神经网络输出的特征向量对动作进行分类。在使用该姿势预测网络之前对其进行有监督训练，以提高该姿势预测网络最终分类的准确度。具体，在训练的过程中，输入的原始数据可以为任意数据，当然也可以是本发明中使用到的移动终端的动作的物理数据，具体不做限定。

基于此，该WIFI认证方法具体为：S1通过移动终端内置的传感器检测移动终端动作过程中的物理数据；S2将步骤S1获取的物理数据输入训练好的动作切割实施网络，实现对获取的物理数据进行动作切割，其中，该动作切割实施网络中包括：数据层、第一全连接层、激活层以及第二全连接层；S3将步骤S2中切割得到的动作输入姿势预测网络，实现切割得到的动作的分类；S4根据分类的结果得到对应的待认证密码并将其发送至无线AP进行WIFI认证。

具体，在工作过程中，移动终端内置的传感器检测到物理数据之后，将其输入动作切割实施网络，在第二全连接层得到各动作之间的切割点，得到各动作；之后，将得到的各动作的参数输入姿势预测网络对其进行分类，最终在SoftMax分类器中输出各动作类别的预测概率，将最大预测概率的类别作为预测到的类别，得到最终结果；之后，根据预测的关联关系得到相应的待认证密码并将其发送至无线AP进行认证。

对上述实施方式进行改进得到本实施方式，如图2所示，在该实施方式中，该WIFI认证方法中包括：S1检测自身动作的物理数据；S2对获取的物理数据进行动作切割；S3对切割得到的动作进行分类；S41移动终端根据S05中设定的预设动作与待认证密码之间的关联关系及步骤S3中分类得到的动作得到相应的待认证密码；S42移动终端将判断出的待认证密码发送至无线AP；S43无线AP将接收到的待认证密码与预设密码进行比对，完成移动终端的WIFI认证。

具体，在工作过程中，移动终端内置的传感器检测到物理数据之后，将其输入动作切割实施网络，在第二全连接层得到各动作之间的切割点，得到各动作；之后，将得到的各动作的参数输入姿势预测网络对其进行分类，最终在SoftMax分类器中输出各动作类别的预测概率，将最大预测概率的类别作为预测到的类别，得到最终结果；之后，根据预测的关联关系得到相应的待认证密码并将其发送至无线AP。无线AP根据该待认证密码进行WIFI认证，若待认证密码与预设密码一致，则比对成功，完成WIFI认证，允许用户接入网络；否则，认证失败，不允许用户接入网络。

在一实例中，假定WIFI密码为0011，且数字0关联左右甩动智能手机，数字1关联上下甩动智能手机。在姿势预测网络中，将左右甩动设定为0类，将上下甩动设定为1类，将其他姿势设定为2类。

在进行WIFI认证之前在智能手机上安装了一个能够对自身甩动动作进行认证的终端应用；当用户携带智能手机进入WIFI区域之后，将智能手机的WIFI开关打开，关联上无线AP。之后，用户先后上下甩动智能手机两次、左右甩动智能手机两次。

智能手机中的应用APP通过内置的加速度计和陀螺仪检测用户的动作，并将检测到的物理数据输入动作切割实施网络对物理数据进行切割；之后，将切割好的动作输入姿势预测网络，对动作进行归类。若检查到类别2，则认证失败；若检查到的类别都是0和1，则将预测到的类别组成序列，并将其发送无线AP。

无线AP接收到该待认证密码之后，将其与预设密码进行比对，若比对成功，则说明认证成功，无线AP放行该智能手机，允许其连接互联网；否则，认证失败，要求用户重新进行认证。

如图3所示为本发明提供的移动终端110，移动终端110与无线AP110通信连接，移动终端110中包括：数据获取模块111、动作切割模块112、动作分类模块113、密码获取模块114以及密码发送模块115，其中，动作切割模块112与数据获取模块111连接，动作分类模块113与动作切割模块112连接，密码获取模块114与动作分类模块113连接，密码发送模块115与密码获取模块114连接。

在工作过程中，首先，数据获取模块111获取移动终端110动作过程中的物理数据；之后，动作切割模块112对数据获取模块111获取到的物理数据进行动作切割；接着，动作分类模块113对动作切割模块112对切割得到的动作进行分类；以此，密码获取模块114根据动作分类模块113分类的结果得到对应的待认证密码；最后，密码发送模块115将密码获取模块114得到的待认证密码发送至无线AP110。

对上述实施方式进行改进得到本实施方式，在该实施方式中，移动终端110中还包括配置模块，用于设定预设动作与待认证密码之间的关联关系、设定预设动作的方向参数以及设定预设动作的阈值参数，所述阈值参数包括：移动终端110发生动作时的加速度、角速度以及移动距离。网络训练模块，用于建立动作切割训练网络，并根据配置模块中设定的参数对其进行有监督训练，所述动作切割训练网络中包括：数据层、第一全连接层、激活层、第二全连接层以及欧氏损失层；及用于建立姿势预测网络并对其进行有监督训练，所述姿势预测网络为一深度网络。

具体，对于预设动作，可以为甩动的动作也可以为移动的动作，如左右甩动一次关联数字1，上下甩动一次关联数字0；又如，顺时针移动一圈关联数字2，逆时针移动一圈关联数字3等。再有，一个动作可以关联一位待认证码，也可以关联两位待认证码，根据实际情况进行设定；如，左右甩动一次关联数字01，上下甩动一次关联数字23等，在此不做具体限定。

对于预设动作的方向参数，在一种实施方式中，以移动终端110显示屏为坐标轴，横向为x轴，纵向为y轴，垂直显示屏为z轴，将沿x轴甩动设定为左右甩动，关联数字1；将沿y轴甩设定为上下甩动，关联数字0；将xy平面内顺时针移动一圈关联数字2；将xy平面内逆时针移动一圈关联数字3等，以此类推。

对于预设动作的阈值参数，至少包括：移动终端110发生动作时的加速度、角速度以及移动距离。在一种具体实施方式中，设定移动终端110左右甩动/上下甩动的移动距离阈值设定为0.2m(米)、加速度为0.1m/s²，以此类推。要说明的是，这里我们对上述预设关联关系、方向参数以及阈值参数均不作具体限定，可以根据实际情况进行设定。在实际应用中，通过移动终端110内置的加速度计和陀螺仪获取移动终端110甩动/移动的物理数据。

对于动作切割训练网络，包括但不限于：数据层、第一全连接层、激活层、第二全连接层以及欧氏损失层(Euclidean Loss层)。在对该动作切割网络进行有监督的训练时，将原始数据输入数据层，在Euclidean Loss层使用label(已知数据)进行回归，以此，通过训练，使得整个动作切割训练网络的误差(loss)最小。具体来说，在这个过程中，输入的原始数据可以为任意数据，当然也可以是本发明中使用到的移动终端110的动作的物理数据；在Euclidean Loss层使用的label为输入的原始数据的正确切割结果。在一个实例中，假定该动作切割训练网络支持4个字母的组合，即则切割点位3个，若输入的数据为用户手动书写的ABCD，则Euclidean Loss层使用的label即为正确的A、B、C、D的书写方式，以此对该动作切割训练网络进行训练，直到误差最小，完成训练。最后，要说明的是，上述激活层为ReLU(Rectified linear unit)层，当然还可以为其他激活函数，根据实际情况而定。

对于姿势预测网络，其具体为一深度网络。在一个实例中，该姿势预测网络中包括：数据层、多个卷积层以及全连接层的多层卷积神经网络，还包括SoftMax分类器；SoftMax分类器根据多层卷积神经网络输出的特征向量对动作进行分类。在使用该姿势预测网络之前对其进行有监督训练，以提高该姿势预测网络最终分类的准确度。具体，在训练的过程中，输入的原始数据可以为任意数据，当然也可以是本发明中使用到的移动终端110的动作的物理数据，具体不做限定。

基于此，在动作切割模块112中，将数据获取模块111获取的物理数据输入训练好的动作切割实施网络，实现对获取的物理数据进行动作切割，其中，动作切割实施网络中包括：数据层、第一全连接层、激活层以及第二全连接层；在动作分类模块113中：将动作切割模块112切割得到的动作输入姿势预测网络，实现切割得到的动作的分类。

具体，在工作过程中，移动终端110中的数据获取模块111检测到物理数据之后，在动作切割模块112中将其输入动作切割实施网络，在第二全连接层得到各动作之间的切割点，得到各动作；之后，在动作分类模块113中将得到的各动作的参数输入姿势预测网络对其进行分类，最终在SoftMax分类器中输出各动作类别的预测概率，将最大预测概率的类别作为预测到的类别，得到最终结果；之后，密码获取模块114根据预测的关联关系得到相应的待认证密码并将其发送至无线AP110进行认证；最后，密码发送模块115将得到的待认证密码发送至无线AP110。

如图4所示为本发明提供的一种WIFI认证系统，具体，在该WIFI认证系统中包括上述移动终端110，还包括无线AP110，其中，移动终端110检测到自身动作的物理数据之后，对其进行动作切割和动作分类，根据分类得到的动作得到相应的待认证密码之后将其发送至无线AP110；无线AP110将接收到的待认证密码与预设密码进行比对，完成移动终端110的WIFI认证。

在工作过程中，移动终端110内置的传感器检测到物理数据之后，将其输入动作切割实施网络，在第二全连接层得到各动作之间的切割点，得到各动作；之后，将得到的各动作的参数输入姿势预测网络对其进行分类，最终在SoftMax分类器中输出各动作类别的预测概率，将最大预测概率的类别作为预测到的类别，得到最终结果；之后，根据预测的关联关系得到相应的待认证密码并将其发送至无线AP110。无线AP110根据该待认证密码进行WIFI认证，若待认证密码与预设密码一致，则比对成功，完成WIFI认证，允许用户接入网络；否则，认证失败，不允许用户接入网络。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。