基于惯性传感器感知握手行为的认证系统及其工作方法与流程

文档序号:11234382阅读:1128来源:国知局
基于惯性传感器感知握手行为的认证系统及其工作方法与流程

本发明属于传感器感知识别与通信加密技术领域,具体是一种基于惯性传感器感知握手行为的认证系统及其工作方法。



背景技术:

通信加密技术是指将明文信息改变为难以读取的密文内容,使之不可读。只有拥有解密方法的对象,经由解密过程,才能将密文还原为正常可读的内容。

随着惯性传感器、智能可穿戴技术的发展,基于惯性传感器技术的新型感知技术备受关注。基于惯性传感器的可穿戴设备能够获取惯性传感器的实时数据,借助于模式感知技术与密钥生成技术,可以实时地感知用户的握手动作,抽取用户握手动作的相关性,生成一致的密钥,最终达到安全通信的效果,让用户能够利用可穿戴设备进行透明的安全信息交换。

目前的通信加密手段:单向加密、基于蓝牙的端到端加密及证书机关。单向加密是不可逆的,无法还原明文;证书机关需要第三方的公钥基础设施,但在某些网络环境中不存在这种设施;基于蓝牙的端到端加密虽然不需要第三方基础设施,但是需要人为地进行查找和确认,操作较为复杂,交互体验不高。



技术实现要素:

针对于上述现有技术的不足,本发明的目的在于提供一种基于惯性传感器感知握手行为的认证系统及其工作方法,本发明对设备计算能力要求低,不会被第三方窃听,安全性高,交互体验性强,密钥生产效率高,且无须第三方证书机关。

为达到上述目的,本发明的一种基于惯性传感器感知握手行为的认证系统,其包括:

惯性传感器模块,用于实时采集可穿戴设备的惯性数据;

握手感知模块,感知用户的握手动作,并截取握手过程的惯性传感器数据;

密钥生成模块,对握手过程的惯性传感器数据进行信号处理与转换,并利用惯性传感器模块之间的相关性特征生成一致的密钥;

信息传输模块,其与密钥生成模块数据连接,用于不同可穿戴设备之间的无线信息交换。

优选地,所述的密钥生成模块包括:

参数学习模块,利用双方握手过程少部分的数据作为训练数据,以训练数据的最大相关性为目标,在线学习信号处理与转换阶段的相关参数;

信号处理模块,利用学习得到的优化参数对惯性传感器模块采集到的数据进行信号处理与空间转换,并将转换后的数据传递给密钥输出模块;

密钥输出模块,对转换后的惯性传感器模块采集到的数据进行量化,生成比特串,然后对不一致的比特进行协调,最终生成一致的密钥。

一种基于惯性传感器感知握手行为的认证系统的工作方法,其包括以下步骤:

1)实时采集惯性数据;

2)监测握手动作并截取出握手过程的惯性传感器数据;

3)利用训练数据学习信号处理和空间转换的参数;

4)利用学习的参数对惯性传感器数据进行处理和空间转换;

5)对空间转换后的数据进行量化生成比特串;

6)对生成的比特串进行不一致比特的协调,生成一致的比特串;

7)利用一致的比特串最终生成一致的密钥。

优选地,所述的步骤6)中的对不一致的比特进行的协调是指通过广播形式,在不同的可穿戴设备之间对不一致的比特进行协商校正。

本发明的有益效果:

本发明使用惯性传感器对用户握手动作进行感知识别,相比于基于第三方公共密钥设施的通信加密系统,本发明无需第三方公共密钥设施,是端到端的加密,速度更快,成本更低;相比于基于蓝牙的端到端加密,本发明无须人为地对设备进行查找与手动确认匹配,只需用户进行自然的握手动作,交互体验高。

交互体验自然:本发明会对握手动作进行感知识别,密钥生产过程对用户完全透明,无需人为学习过程即可使用。

加密速度快:本发明无需第三方公共密钥设施,密钥生成效率很高。

安全性高:本发明的密钥生成过程是在本地进行的,除了极少的训练数据,第三方无法监听传感器数据,安全性很高。

成本低廉:只需在用户现有的可穿戴设备上安装我们的系统软件即可进行握手认证,无需第三方公共密钥设施或其它硬件设备,成本很低。

附图说明

图1为本发明认证系统的场景结构图;

图2为图1的本地数据流图;

图3为设备间交互图;

图4为握手动作示意图;

图5为系统的工作原理图。

具体实施方式

为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。

参照图1所示,本发明的一种基于惯性传感器感知握手行为的认证系统,其包括:

惯性传感器模块,用于实时采集可穿戴设备的惯性数据;

握手感知模块,感知用户的握手动作,并截取握手过程的惯性传感器数据;

密钥生成模块,对握手过程的惯性传感器数据进行信号处理与转换,并利用惯性传感器模块之间的相关性特征生成一致的密钥;

信息传输模块,其与密钥生成模块数据连接,用于不同可穿戴设备之间的无线信息交换。

其中,所述的密钥生成模块包括:

参数学习模块,利用双方握手过程少部分的数据作为训练数据,以训练数据的最大相关性为目标,在线学习信号处理与转换阶段的相关参数;

信号处理模块,利用学习得到的优化参数对惯性传感器模块采集到的数据进行信号处理与空间转换,并将转换后的数据传递给密钥输出模块;

密钥输出模块,对转换后的惯性传感器模块采集到的数据进行量化,生成比特串,然后对不一致的比特进行协调,最终生成一致的密钥。

参照图2所示,本发明的基于惯性传感器感知握手行为的认证系统的工作流程如下:

惯性传感器模块实时惯性传感器数据;

握手感知模块监测握手动作并截取出握手过程的惯性传感器数据;

参数学习模块利用训练数据学习信号处理和转换的参数;

信号处理模块利用学习的参数对握手过程的惯性传感器数据进行处理和转换;

密钥输出模块对转换后的数据进行量化以及不一致比特的协调,最终输出一致的密钥。

参照图3所示,设备a与设备b之间的交互流程如下:

1)设备a和设备b分别进行惯性数据采集和握手感知;

2)设备b的参数学习模块通过信息传输模块发送训练数据给设备a;

3)设备a的参数学习模块训练信号处理阶段的参数并返还给设备b的参数学习模块;

4)设备a和设备b分别利用优化的参数对握手过程的惯性传感器数据进行处理和转换;

5)设备a和设备b的密钥生成模块进行交互,对不一致的比特进行协调校正,生成一致的比特串;

6)设备a和设备b分别输出一致的密钥。

图4是握手动作的示例图,用户之间进行握手时,可穿戴设备随着用户手臂的上下摆动进行同步移动。

参照图5所示,当用户进行握手时,可穿戴设备上的惯性传感器数据会根据手的物理运动发生变化;当用户佩戴可穿戴设备的位置,运动的时间,运动的速度或运动的幅度不同时,惯性传感器数据的变化模式都会发生变化;当两个用户进行握手时,用户之间握手的动作具有一定的物理相关性,因此两个可穿戴设备采集到的惯性传感器数据也会具有一定的相关性。由于不同用户之间的可穿戴设备的初始姿态不同,对惯性传感器的数据相关性造成影响,参数学习模块可以利用少量的惯性传感器数据对初始姿态相关参数进行学习,然后利用可穿戴设备初始姿态相关参数对惯性传感器数据进行校正,从而大大提高数据之间的相关性。密钥生成模块会根据这一原理进行惯性传感器数据分析以及密钥的生成。具体原理如下:

当用户m和n分别佩戴附有惯性传感器的可穿戴设备a和可穿戴设备b,然后用户m和用户n进行标准的握手动作。在握手过程中,用户m和用户n的手部的运动特征具有一定的相关性,当物理运动相关性越强时,惯性传感器数据的相关性越强,反之越弱。

首先,惯性传感器模块实时采集可穿戴设备的惯性数据,并将采集到的惯性数据发送给握手感知模块。

握手感知模块对惯性传感器数据进行持续地感知识别,截取出握手过程的惯性传感器数据,并交由参数学习模块和信号处理模块进行处理。

可穿戴设备a抽取握手过程的少部分惯性传感器数据作为训练数据,通过信息传输模块发送给可穿戴设备b的参数学习模块。

可穿戴设备b的参数学习模块接收到可穿戴设备a的训练数据后,配合自身的训练数据,进行可穿戴设备信号处理阶段相关参数的学习,并将学习后的相关参数返还给可穿戴设备a。

可穿戴设备a的信号处理模块接收到优化参数后,对握手过程的惯性传感器数据进行信号处理与空间转换,然后将转换后的惯性传感器数据发送给密钥输出模块。

密钥输出模块对转换后的惯性传感器数据进行信号的量化并生成比特串。生成比特串后,密钥输出模块对不一致的比特进行协调,生成一致的比特串,最终密钥输出模块利用一致比特输出一致的密钥,并进行设备间的安全认证。

本发明具体应用途径很多,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,还可以作出若干改进,这些改进也应视为本发明的保护范围。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1