[发明专利]基于无线信号进行姿态无关的连续用户认证方法及系统

说明书

一种基于无线信号进行姿态无关的连续用户认证方法及系统，通过对接收到的包含肢体动作姿态信息的无线信号进行分割并得到待验证信息，籍由基于对抗神经网络的认证模型实现用户注册和待验证信息的连续认证。本发明借助无线信号的CSI数据进行感知并利用对抗学习领域的算法实现姿态无关方式的用户认证，从而克服现有基于身体动作姿态的用户认证系统的不足。

技术领域

本发明涉及的是一种信息安全领域的技术，具体是一种基于无线信号进行任意姿势下的连续用户认证方法及系统。

背景技术

目前基于姿态的智能室内环境下的用户认证往往需要用户表现特定的身体动作姿态，系统根据这些特定的身体动作姿态来判断当前用户的身份。由于用户在日常生活中通常可以表现各种各样的动作姿态，因此显存基于特定动作姿态的用户认证系统不能实现真正的连续用户认证。

发明内容

本发明针对现有技术只能在预定义的身体动作姿态上进行的缺陷，提出一种基于无线信号进行姿态无关的连续用户认证方法及系统，借助无线信号的CSI数据进行感知并利用对抗学习领域的算法实现姿态无关方式的用户认证，从而克服现有基于身体动作姿态的用户认证系统的不足，

本发明是通过以下技术方案实现的：

本发明涉及一种基于无线信号进行姿态无关的连续用户认证方法，通过对接收到的包含肢体动作姿态信息的无线信号进行分割并得到待验证信息，籍由基于对抗神经网络的认证模型实现用户注册和待验证信息的连续认证。

所述的无线信号，采用但不限于Wi-Fi信号，进一步优选为室内Wi-Fi信号。

所述的包含肢体动作姿态信息是指：任意时刻下在位于无线信号发射端和接收端之间的肢体动作姿态，该肢体动作姿态的内容没有特定的限制，使得无线信道受到所述动作的影响而变化。

所述的分割是指：根据接收到的无线信号进行信号分段处理得到信道特征，通过从接收到的CSI数据中提取出相对相位，并计算相对相位随时间变化的导数值，在满足导数值大于特定阈值的条件下进行波动判定，进而得到每个肢体姿态的开始点和结束点并截取期间部分的无线信号的CSI数据，作为待认证信息。

所述的基于对抗神经网络的认证模型，包括用来提取不同用户的特征来表征个体的独特性的基于卷积神经网络(CNN)的特征提取器、基于全连接网络(FCN)的用户认证器和用来识别用户姿态的类型的基于循环神经网络(RNN)的姿态识别器。

所述的基于对抗神经网络的认证模型，通过基于对抗性学习的方式，以最大化个体特征和最小化动作姿态特征的方式进行训练，具体训练步骤包括：

1)特征提取器从待验证信息的幅值和相对相位中提取出代表用户身份的特征表示Z；

2)用户认证器和姿态识别器根据特征表示Z分别计算得到代表用户身份的概率向量和代表动作姿态类别的概率向量

3)用户认证器和姿态识别器分别计算用户损失函数：和姿态损失函数：其中：L_u为用户损失函数，|U|为注册用户的个数，为训练数据中的用户真实身份的概率向量中的第i个值，为用户认证器计算得到的代表用户身份的概率向量中的第i个值；L_g为姿态损失函数，|G|为训练数据中姿态种类的数目，为训练数据中姿态真实种类的概率向量中的第k个值，为姿态识别器计算得到的代表姿态种类的概率向量中的第k个值；

4)认证模块生成模型训练目标函数：其中：L为最终优化目标函数，α和β为权重，L_u为用户损失函数，L_g为姿态损失函数，c为常数偏执项；此目标函数的作用是：通过最小化用户损失，使得特征提取器提取关于用户独特性特征的能力增强。通过指数化最大化姿态损失，使得特征提取器提取关于姿态类型信息的能力减弱。因此，通过此目标函数训练得到的对抗网络模型，能够提取用户独特的身份特征，并去除这些特征中关于姿态种类的信息。