[发明专利]基于细粒度手指姿态的智能家居连续用户认证方法及系统

说明书

一种基于细粒度手指姿态的智能家居连续用户认证方法及系统，在登录阶段通过从不同用户的手指手势中提取行为特征进行多用户认证，在交互阶段通过轻量级分类器，根据历史手指手势和当前手势，通过连续认证识别身份。本发明利用Wi‑Fi信号感知每个用户操作智能家电时手指姿势的独特性进行持续的用户认证，通过较低的响应时间实现了良好的用户体验。

技术领域

本发明涉及的是一种无线通信领域的技术，具体是一种通过Wi-Fi信号识别细粒度手指姿态的智能家居连续用户认证方法及系统，借助Wi-Fi信号的CSI(信道状态信息)数据进行感知，利用深度学习领域的算法实现多用户认证，并利用轻量级单分类器实现连续认证。

背景技术

目前智能家居用户认证往往需要额外的数据采集设备，如摄像机，指纹识别器，甚至可穿戴设备等等，这造成了较高的部署成本和要求，使得其适用广泛性大大降低。其次，目前越来越高的安全性需求，使得用户的连续身份认证越来越重要。目前智能家居的认证大多是一次性的，不能根据用户姿态持续地认证用户的身份。一些系统实现了基于行为特征的连续认证，但没有考虑良好的用户体验，在连续的用户认证中响应时间过长，降低了用户体验。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于细粒度手指姿态的智能家居连续用户认证方法及系统，利用Wi-Fi信号感知每个用户操作智能家电时手指姿势的独特性进行持续的用户认证，通过较低的响应时间实现了良好的用户体验。

本发明是通过以下技术方案实现的：

本发明涉及一种基于细粒度手指姿态的智能家居连续用户认证方法，在登录阶段通过从不同用户的手指手势中提取行为特征进行多用户认证，在交互阶段通过轻量级分类器，根据历史手指手势和当前手势，通过连续认证识别身份。

所述的提取，采用市售的Wi-Fi设备持续不断地发射Wi-Fi信号的同时，接收设备(无线网卡)接收反射信号并从中解析出CSI数据，然后使用机器学习算法从CSI数据中得到手指运动轨迹特征，即行为特征。

所述的提取，优选在解析前先通过去噪和筛选处理以减去环境噪声的干扰。

所述的机器学习算法是指：采用深度神经网络提取每个用户习惯性手指动作的手指运动轨迹特征。

所述的轻量级分类器为支持向量机的分类器。

所述的连续认证具体是指：结合用户当前的人机交互手指动作和之前的人机交互手指动作，使用相对应的轻量级单分类器进行用户身份的认证，使得用户与系统每一次的人机交互都在认证用户身份安全的情况下进行影响，以实现贯穿交互全过程的连续用户身份认证。

技术效果

与现有技术相比，本发明提供了基于Wi-Fi信号识别细粒度手指姿态的智能家居连续认证系统，不仅能实现较高的用户认证精度，同时能保证即时的响应。本发明利用了家庭环境中普遍存在的Wi-Fi信号作为交互姿态采集信号。由于Wi-Fi设备常见易得，容易部署，成本低廉，因此克服了额外设备较高的成本和难以广泛部署的难题。本发明在登录阶段利用深度神经网络获取用户的手指动作轨迹特征，用于进行基于手指动作的细粒度的多用户认证过程。本发明在交互阶段增加了用于进行身份认证的手指动作集，提高了认证精度。同时，基于支持向量数据描述的时间复杂度仅为O(n),通过上述组合手指动作的认证机制，时间复杂度增加到了O(nm²)。因为m的值远远小于n，所以时间消耗可以看作仅是线性增加，对用户体验造成的影响很小。通过此基于支持向量数据描述的认证机制，可以在保证较高认证精度的情况下，达到实时响应，满足在与智能家电交互过程中的即时性要求。

附图说明

图1为本发明流程图；

图2为基于LSTM深度神经网络的特征提取方法示意图；

图3为实验适用的手指动作类别；