[发明专利]服务器、智能终端以及隐式身份认证系统和方法

说明书

本发明公开了一种服务器、智能终端以及隐式身份认证系统和方法，所述方法包括：采集用户解锁九宫格密码时的传感器数据；将采集的传感器数据输入到预先训练得到的神经网络模型中；根据所述神经网络模型的输出对所述用户进行隐式身份认证；其中，所述神经网络模型是以所述用户设置九宫格密码时采集的传感器数据作为正样本预先训练得到的。应用本发明可以提高识别的准确率，且解锁认证产生的时延不影响用户体验、通用性好。

技术领域

本发明涉及隐式身份认证领域，特别是指一种服务器、智能终端以及隐式身份认证系统和方法。

背景技术

隐式身份认证实质上是一个二分类的问题，目的是区分出合法访问者和其他访问者。目前大部分工作都是通过分析用户的行为习惯，设计特征提取算法描述用户具有辨识度的生物特点，将其送入主流的机器学习进行训练，达到隐式认证的效果。根据分析的场景不同，主要可以分为基于触屏行为、基于击键、基于签名、基于步态、基于应用程序使用以及基于地理位置的认证模式。

其中，基于触屏行为的隐式认证方法为，通过分析用户在划屏时手指对屏幕的压力、划过屏幕时的速度和加速度、触屏轨迹从起点到终点的偏移角度等特征，实现隐式认证的效果。

基于击键行为的隐式认证方法为，通过分析用户在智能智能终端的击键行为来识别用户身份，包括击键的压力、按键触摸点的分布区域、两次击键的时间间隔等特征。

基于签名的隐式认证方法为，对用户的签名进行分析，通过笔迹的速度大小、行程时间、行程间时间、行程位移幅度、行程位移方向和速度方向等特征作为识别依据，使用机器学习算法进行认证。。

基于步态的隐式认证方法为，通过手机传感器的数据分析用户行进过程中步进的频率、垂直位移、水平加速度和垂直加速度等相关指标进行身份认证

基于应用程序使用的隐式认证方法为，通过分析用户使用智能智能终端中应用程序的频率和时间、通话对象和发送短信等信息判断当前使用人是否为合法用户，实现隐式身份认证的功能。

基于地理位置的隐式认证方法为，根据GPS定位等信息分析智能智能终端是否处于常见区域，进而判断当前用户是否为合法用户。

目前主流的隐式认证方法基本上都是使用机器学习方法展开的，有如下一些缺点：

一、特征设计复杂，难以实现好的效果，从而降低了识别的准确率：以上基于特征提取的隐式认证方法的识别准确率很大程度上取决于特征设计的质量，人工设计的特征工程不能恰到好处地分析和利用操作习惯的异同性，过于细致复杂的行为刻画增加了计算量，甚至拒绝用户本人，而减少特征的复杂度和数量可能降低识别的准确率，失去隐式认证的意义。

二、用户体验差：现有方法数据预处理过程中复杂的特征提取计算使得隐式识别功能难以部署到智能智能终端，大多数停留在证明方法的可行性。同时，一些方法的准确率不够高或是回应时间过长会牺牲用户体验。

三、通用性差：上述方法很多时候都针对于某个或某些特定场景，但是现实情况下对于同一用户而言，在不同上下文环境中同一种操作反馈给移动智能终端的数据大相径庭。这种局限性使得大多数隐式身份认证难以落地，通用性较差。

发明内容

本发明提出了一种服务器、智能终端以及隐式身份认证系统和方法，可以提高识别的准确率，且解锁认证产生的时延不影响用户体验、通用性好。

基于上述目的，本发明提供一种隐式身份认证方法，包括：

采集用户解锁九宫格密码时的传感器数据；

将采集的传感器数据输入到预先训练得到的神经网络模型中；

根据所述神经网络模型的输出对所述用户进行隐式身份认证；

其中，所述神经网络模型是以所述用户设置九宫格密码时采集的传感器数据作为正样本预先训练得到的。