[发明专利]基于用户坐标系与GRU网络的步态认证方法

说明书

本发明提出了一种基于用户坐标系与GRU网络的步态认证方法，主要解决现有认证机制存在数据偏差、特征提取过程复杂的问题。其方案包括：1)通过数据采集模块获取用户移动时的步态数据；2)对数据进行小波变换去噪、步态周期分割及用户坐标系转换操作；3)基于GRU网络模型，将用户步态数据输入其中进行训练，得到用户模型并存储；4)将预处理后的用户步态数据输入用户模型中获取概率值，并对该值进行阈值判断，得出是非法用户还是合法用户；5)通过决策模块更新模型或锁定手机，完成认证。本发明能够有效避免设备方向对用户步态模型的干扰以及人工提取特征的局限性，显著提升了步态认证效果。

技术领域

本发明属于信息安全技术领域，涉及移动设备的行为认证，具体为一种基于用户坐标系与门控循环单元GRU(Gate Recurrent unit)网络的步态认证方法，可用于在计算资源有限的移动设备上实现高准确率的用户身份认证。

背景技术

随着智能手机各方面性能的增强，其所实现的功能愈加强大，社交、购物、出行、娱乐等各类应用软件均可部署于手机上。为提供精准与个性化的服务，手机应用收集了大量用户的个人信息，包括地理位置、照片、支付明细这类敏感数据，因此手机隐私保护问题日益凸显。智能手机对当前用户身份合法性的认证，可以在一定程度上为用户隐私信息的私密性保驾护航。为此，手机上的身份认证系统相关研究被广泛关注。

认证系统通常分为三种：基于知识的、基于生理特征的和基于行为的身份识别。其中基于行为的生物特征认证通过用户如何进行活动来识别，而不是通过静态信息或生理特征这些，从而具有安全、连续、透明和低成本的特点。与基于知识的和基于生理特征的认证方式不同，行为生物特征数据的性质确保了它们不会被遗忘、交换和窃取。

伴随智能手机中用于捕捉行为特征信息的传感器的集成，基于行为特征的智能手机用户认证受到人们的广泛关注，如走路步态、击键和触屏动力学等。步态特征作为最常见的行为特征之一，可以用于实时和连续的身份认证，成为身份认证的研究热点。目前，存在两种主流的步态认证系统：基于视觉的系统和基于运动传感器的系统。传统的基于视觉的步态认证存在许多挑战，例如容易受到照明变化的影响；当人体形状和外观发生重大变化时，基于视觉的认证性能严重下降；在个人空间安装摄像头涉及隐私问题等。因此，基于运动传感器的系统更适合部署于步态认证系统中。

运动传感器收集到的数据相对不敏感，不像GPS等数据直接暴露了位置和隐私信息，但又反映了我们的日常活动和生活习惯。每个传感器都捕获了一些关于运动的特定信息，例如，加速度计用来检测手机受到的加速度的大小和方向；陀螺仪测量的物理量是设备自身偏转、倾斜时的转动角速度；磁力计用于定位设备的方位。

在文献“Modeling interactive sensor-behavior with smartphones forimplicit and active user authentication”(2017IEEE International Conference onIdentity,Security and Behavior Analysis(ISBA).IEEE,2017:1-6.)中利用智能手机的内置传感器数据进行步态认证，为了去除设备方向对于传感器数据的干扰，使用运动传感器矢量的大小来表示数据，该方案的不足是：虽然这种方式在某些情况下是有效的，但有可能带来偏差，失去传感器三轴的重要信息，这种偏差会干扰后期的步态认证。此外，文献“基于步态特征的移动平台持续认证方案”(通信学报,2019,40(07):126-134.)中提出采用移动平均滤波、基于阈值的有效值判断等操作降低噪声干扰，使用模板截取实现信息的最大化利用，并提出了最佳时域与频域特征组合，通过支持向量机实现身份认证功能。该方案的不足是：采用传统的机器学习方法，即支持向量机，此方法需要在前期人工进行复杂的特征提取过程，针对特定简单任务时此方法会有效，但并不具有通用性。

发明内容