[发明专利]基于九宫格密码的终端隐式身份认证方法有效

专利信息
申请号: 201911420233.6 申请日: 2019-12-31
公开(公告)号: CN111159698B 公开(公告)日: 2022-09-27
发明(设计)人: 师代;陶丹 申请(专利权)人: 北京交通大学
主分类号: G06F21/46 分类号: G06F21/46;G06K9/62
代理公司: 北京市商泰律师事务所 11255 代理人: 邹芳德
地址: 100044 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 九宫 密码 终端 身份 认证 方法
【权利要求书】:

1.一种基于九宫格密码的手机终端隐式身份认证方法,其特征在于,包括如下流程步骤:

步骤S110:划分待认证九宫格密码的折线基础单元;其中,共有12种折线基础单元,所述折线基础单元为两个格点连接的始边、另外两个格点连接的终边且始边与终边的交点为格点,始边与终边的夹角为折线基础单元的角度,不同的折线基础单元的角度不同;

在折线基础单元的确立中,根据九宫格密码的绘制规则,穷举构成九宫格密码的折线模式,根据角度大小的不同,将其分为12种九宫格密码折线基础单元,此处的折线模式指的是始边与终边为两九宫格格点的连线且两条线段的交点为九宫格格点的角,其角度定义以九宫格格点为顶点,且角度范围在0°-180°的角,

步骤S120:提取待认证九宫格密码的每个折线基础单元的特征数据并进行标准化处理;

步骤S130:将标准化处理后的待认证九宫格密码的每个折线基础单元的特征数据输入训练好的身份认证分类器模型中,结合折线基础单元的权重系数配值,确定待认证九宫格密码的合法性认证指数;其中,

所述训练好的身份认证分类器模型为使用多组数据训练得出的;所述多组数据中的每一组数据均包括:合法用户输入预设九宫格密码时的各个折线基础单元的行为数据;

在所述合法性认证指数小于认证阈值0时,所述待认证九宫格密码为非法;否则,所述待认证九宫格密码为合法,

使用多组数据训练得到所述身份认证分类器模型包括:

采集多次合法用户输入预设九宫格密码时的行为数据;根据行为数据对预设九宫格密码的每个折线基础单元进行特征提取;对提取的特征进行标准化;标准化后的特征采用递归特征消除法构建训练特征向量;对训练特征向量采用OC-SVM算法进行训练,得到训练好的身份认证分类器,

采集多次合法用户输入预设九宫格密码时的行为数据包括:通过电容触摸屏记录用户行为的时间、压力和空间位置信息,通过加速度传感器测量施加于手机终端的加速度,通过陀螺仪测量手机终端的旋转速率,通过旋转矢量传感器测量手机终端的方向,

根据行为数据对预设九宫格密码的每个折线基础单元进行特征提取包括:获取预设九宫格密码的折线基础单元各格点的归一化持续时间;获取绘制预设九宫格密码的每个折线基础单元压力信息的归一化平均压力、标准差、偏斜度、峰度、绝对中位数和平均绝对离差以及xy坐标信息的均值、标准差、偏斜度、峰度、绝对中位数和平均绝对离差;获取绘制预设九宫格密码的每个折线基础单元时的加速度传感器、陀螺仪和旋转矢量传感器的各轴时域的均值、标准差、最大最小值差、25%分位数、50%分位数、75%分位数、75%分位数与25%分位数之差、绝对中位数、平均绝对离差以及加速度传感器、陀螺仪和旋转矢量传感器的各轴之间的相关系数以及频域的能量和熵,

对提取的特征进行标准化包括:对特征数据按均值中心化后,再按标准差缩放后,特征数据服从均值为0,方差为1的正态分布,

标准化后的特征采用递归特征消除法构建训练特征向量包括:从标准化后的特征数据上开始建模,每个特征得到一个权值,根据模型舍弃次要特征,然后使用除被舍弃的次要特征之外的特征构建一个新模型,往复递归,直到所有特征均被遍历;特征被消除的次序为特征的排序,每个输入的特征都被分配一个排序,选取排序在前的80个特征构成训练特征向量ξ=(a1,a2,a3,...a80),

分别对特征选择后的多次特征数据,进行分类器训练,得到预设九宫格密码所包含的每个折线基础单元的身份认证分类器,

所述步骤S120具体包括:

选取待认证九宫格密码的折线基础单元的特征数据中与训练特征向量相对应的80个特征;

对提取的待认证九宫格密码的折线基础单元的特征数据按均值中心化后,再按标准差缩放后,特征数据服从均值为0,方差为1的正态分布,

所述步骤S130具体包括:

选取标准化后的待认证九宫格密码的折线基础单元的特征数据构成待认证特征向量γ=(b1,b2,b3,...b80);

计算待认证特征向量γ=(b1,b2,b3,...b80)对应的OCSVM的决策函数值f(γ);

则合法性认证指数为:

其中,m表示预设的九宫格密码所包含的折线基础单元的个数,wj表示第j个折线基础单元的权重系数配值,

折线基础单元的权重系数配值的确定包括:

构建每一种折线基础单元对应的认证分类器:采集多个合法试验用户绘制每一种折线基础单元的行为数据,并进行特征提取;对提取的特征进行标准化;标准化后的特征采用递归特征消除法构建训练特征向量;对训练特征向量采用OC-SVM算法进行训练,得到训练好的每一种折线基础单元对应的认证分类器;

确定折线基础单元的认证性能指标EER:采集多个待认证试验用户绘制每一种折线基础单元的行为数据,利用训练好的每一种折线基础单元对应的认证分类器对待认证用户绘制的每一种折线单元进行认证;将错误接受率和错误拒绝率相等时的值作为对应的折线基础单元的EER;其中,

错误接受率为待认证试验用户中非法用户被非法接受的数量占非法用户的总数的百分比;错误拒绝率为待认证试验用户中合法用户被错误拒绝的数量占合法用户总数的百分比;

折线基础单元权重系数配值的确定:将12种折线基础单元的EER从大到小进行排序,排名为1-4的折线基础单元的权重系数配值为1,排名为5-8的折线基础单元的权重系数配值为2,排名为9-12的折线基础单元其权重系数配值为3。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911420233.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top