一种基于手机传感器的手机用户身份认证方法
【技术领域】
[0001] 本发明属于无线传感器网络技术领域，尤其涉及一种基于手机传感器的手机用户 身份认证方法。
【背景技术】
[0002] 随着手机功能的扩展，手机已经成为实现多种功能的重要工具，越来越多的功能 可以通过手机实现，如手机购物、移动定位、发送/接收电子邮件等。手机用户认证作为用 来保护手机内容、远离非法操作的技术，始终是手机用户关注的重点。
[0003] 现有的手机安全认证技术中，以密码和图形输入为代表的基于知识信息的手 机认证方法是被广泛应用的身份认证方法。该方法简单易实现，但是为了提高安全级 另IJ，通常需要用户记忆较长的密码或复杂的图形信息，来实现用户安全认证。另外一些 以指纹识别为代表的基于生物信息的手机认证方法也得到了应用。生物信息具有唯一 性和便携性，可以提供唯一信息进行用户认证。但是，由于指纹识别需要特定的外部设 备进行指纹采集，增加了手机的硬件成本，同时，指纹识别等基于生物图像信息的认证方 法，需要手机提供大量的内存和能源支持，降低了智能手机的用户体验，并没有得到广泛 应用。 Sony patents fingerprint screen scan for biometric authentication of smartphones. Biometric Technology Today. Volume 2012,Issue 4,April 2012,Pages 1，doi : 10. 1016/S0969-4765 (12) 70099-1.显示了新的可以用于指纹信息采集的屏幕，为 不需外设的指纹识别提供了可能，但是目前并没有广泛的应用在手机设备。Real-Time Activity Classification Using Ambient and Wearable Sensors[J]. IEEE Transactions on. Information Technology in Biomedicine, 2009, 13(6)，1031-1039.提出每个人具 有独特的晃动手势，并且该晃动手势难以复制或模仿。用户的晃动动作往往同用户使用 肌肉的习惯有关，受到用户健康状况、年龄状况、身高状况等用户生物条件的影响。同时， 即使同一个人晃动手势捕捉到的数据也存在轻微的偏差。〇penSesame:Unlocking smart phone through handshaking biometrics. Proceedings of The 32nd IEEE International Conference on Computer Communications, Turin, Italy, April, 14-19, 2013:365-369.提 出了利用手机晃动数据进行用户认证的方法，但是需要采集认证用户和非认证用户的数据 进行训练，并且使用支持向量机对用户进行分类，增加了手机计算难度。
[0004] 以上的手机身份认证方法解决了进行用户认证的问题，但是存在如下几个问题： (a)PIN码、图形等方法需要用户对密码信息进行记忆；(b)指纹识别等方法需要智能手机 进行硬件支持；（c)指纹识别等方法需要手机进行大量运算，影响手机运算效率。
【发明内容】
[0005] 本发明的目的是提供一种操作简单、准确率高的，基于手机传感器的手机用户身 份认证方法。
[0006] -种基于手机传感器的手机用户身份认证方法，包括以下步骤，
[0007] 步骤一：获得认证用户样本数据；
[0008] 步骤二：加速度传感器采集当前用户晃动数据；
[0009] 步骤三：对获得的数据进行特征向量提取；
[0010] 步骤四：使用门限值的方法，利用认证用户样本数据对当前用户身份进行认证。
[0011] 本发明一种基于手机传感器的手机用户身份认证方法，还可以包括：
[0012] 1、对数据进行特征向量提取的方法为：
[0013] (1)计算数据空间的中心C，随机选择N组数据空间中的点，每组两个点，计算每组 点和C点组成的以C点为顶点的角度值，并将计算得到的角度值进行核平滑密度估计处理， 得到核平滑估计密度向量，该向量作为Fl函数处理后的特征向量；
[0014] (2)在数据空间中，随机选择N组点，每组三个点，计算三点组成的角度值中的一 个角，并将计算得到的角度值进行核平滑密度估计处理，得到核平滑估计密度向量，该向量 作为F2函数处理后的特征向量；
[0015] (3)并随机选择N个点，计算每个点到重心C的欧式距离，对得到的距离值向量 进行核平滑密度估计处理，得到核平滑估计密度向量，该向量作为F3函数处理后的特征向 量；
[0016] (4)随机选择N对所选的空间点，计算每对点的欧式距离，构成N维向量，对得到的 距离值向量进行核平滑密度估计处理，得到核平滑估计密度向量，该向量作为F4函数处理 后的特征向量。
[0017] 2、认证用户样本数据的筛选方法为：
[0018] (1)获得认证用户的三次晃动加速度数据，提取特征向量；
[0019] (2)计算每两个向量间的相关系数，
[0020] Cap= C(a , β)
[0021] 其中C(a，β)是用来计算向量a和β相关系数的函数，a = [a p a 2，，，a J Τ，β = [ β ρ β 2,，，β JT;
[0022] 将相关系数与阈值进行比较，如果超过阈值则作为基础样本数据保存，否侧返回 步骤（1) ; (3)将基础样本数据向量求均值，求得样本数据。
[0023] 3、利用认证用户样本数据对当前用户身份进行认证的方法为：
[0024] (1)将当前用户的特征向量与认证用户样本特征向量做差，得到差值向量；
[0025] (2)计算差值向量的方差；
[0026] (3)将得到的不同处理函数的方差值同对应的阈值进行比较，得到四个函数的判 别结果，再根据联合判定算法，判定该用户是否为认证用户。
[0027] 有益效果：
[0028] 本发明提出的基于手势识别的手机安全认证技术，采用门限值的方法对用户进行 认证。不需要采集所有可能用户的训练样本数据，只需采集认证用户的数据作为样本数据。
[0029] 本发明提出了一个新的进行认证用户样本数据的筛选方法。帮助用户进行样本数 据的确定。
【附图说明】
[0030] 图1是本发明函数处理方法示意图；图1(a)为函数Fl处理方法示意图，图1(b) 为函数F2处理方法示意图，图1(c)为函数F3处理方法示意图，图1(d)为函数F4处理 方法示意图；
[0031] 图2是本发明函数处理后的特征向量示例图；图2(a)为函数Fl处理后的特征向 量示例图，图2(b)为函数F2处理后的特征向量示例图，图2(c)为函数F3处理后的特征 向量示例图，图2(d)为函数F4处理后的特征向量示例图。
[0032] 图3是本发明认证用户样本向量确定示例图。
[0033] 图4为各函数阈值表。
[0034] 图5为四个函数实验结果表。
[0035] 图6为经联合判别算法的判别后的结果表。
【具体实施方式】
[0036] 下面将结合附图对本发明做进一步详细说明。
[0037] 本发明提出了一个基于用户生物特征信息进行用户身份认证的方法。智能手机的 加速度传感器捕捉用户数据，利用用户晃动手势的不易复制性和简便性，经过函数变换，利 用统计学方法，实现手机用户认证。
[0038] 本发明的实现方案如下：
[0039] 通过加速度传感器，记录用户的晃动数据；对晃动数据进行特征向量的提取；对 认证用户的特征向量进行筛选，获得样本数据；将未知用户的特征向量同样本数据进行对 比，得到差值向量，并计算方差值；将得到的方差值同对应的函数阈值进行对比，确定该未 知用户是否为认证用户。
[0040] 本发明的具体实现过程包括以下几个步骤：
[0041] 步骤一：加速度传感器捕捉用户晃动数据
[0042] 利用加速度传感器捕捉用户晃动手机的数据，用户可以根据自己的喜好晃动手 机。加速度传感器设置为快速模式，记录加速度捕捉的数据，并保证捕捉到的加速度数据超 过1000条。捕捉到的用户晃动动作加速度数据要求具有完整的周期。由用户的晃动数据 构成的空间如图3所示。
[0043] 步骤二：对加速度数据进行特征向量的提取
[0044] 本发明利用四个函数进行特征向量的提取。
[0045] Fl :计算重心C，随机选择N组数据空间中的点，每组两个点。计算每组点和C点 组成的以C点为顶点的角度值，并将计算得到的角度值进行核平滑密度估计处理，得到核 平滑估计密度向量，该向量作为Fl函数处理后的特征向量；
[0046] F2 :在数据空间中，随机选择三个点为一组，选择N组。计算三点组成的角度值中 的一个角，并将计算得到的角度值进行核平滑密度估计处理，得到核平滑估计密度向量，该 向量作为F2函数处理后的特征向量；
[0047] F3 :计算的重心C，并随机选择N个点。计算每个点到重心C的欧式距离。对得到 的距离值向量进行核平滑密度估计处理，得到核平滑估计密度向量，该向量作为F3函数处 理后的特征向量；
[0048] F4 :随机选择N对所选的空间点，计算每对点的欧式距离。构成N维向量，对得到 的距离值向量进行核平滑密度估计处理，得到核平滑估计密度向量，该向量作为F4函数处 理后的特征向量；
[0049] 函数计算原理如图1所示。
[0050] 对用户晃动加速度值进行后的数据如图2所示。
[0051] 步骤三：对认证用户的特征样本数据进行筛选
[0052] 1)获得认证用户的三次晃动加速度数据，并通过步骤二进行特征向量的提取；2) 计算每两个向量间的相关系数，并判断相关系数值，是否超过0. 98,若超过则作为基础样本 数据保存，若不超过则重新采集认证用户晃动数据；3)将基础样本数据向量求均值，求得 样本数据。样本数据的确定如图3所示。
[0053] 步骤四：对未知用户数据进行比对处理，确定用户是否为认证用户
[0054] 获取认证用户的样本数据和未知用户的特征向量数据，计算两向量之间的距离， 得到距离向量，并计算该向量的方差值，同对应函数的阈值进行比较。各函数阈值如图4所 不。
[0055] 本发明步骤二中计算距离值和角度值的方法为：
[0056] 空间中的三个点0(x。，y。，ZohAU!，y!，Z1^BU2, y2, Z2).其欧式距离由下式给出：
[0058] 其