[发明专利]一种基于同源信号的振动马达设备指纹提取识别方法

说明书

本发明公开一种基于同源信号的振动马达设备指纹提取识别方法，通过终端自带的惯性传感单元采集马达振动过程中的加速度和角速度信号，终端对信号进行切分、滤波以及对齐，并发送给云端服务器，同时终端向云端服务器发送认证或注册请求；云端服务器将信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；并采用分类器对马达指纹进行分类；若分类成功，则云端服务器输出分类结果；若不存在该类别，此时，若终端发送的是注册请求，则云端服务器存储马达指纹，并更新数据库；若终端发送的是认证请求，则云端服务器直接拒绝认证。本发明能够克服各种噪声对识别结果的影响，提高了认证准确率和稳定性。

技术领域

本发明涉及计算机应用领域，尤其涉及一种基于同源信号的振动马达设备指纹提取识别方法。

背景技术

智能设备已经在我们的日常生活中无处不在。因此，智能设备使用中的安全保障问题引起了公众的关注。现有的解决方案可以解决验证个人身份的认证问题(如指纹、PIN、人脸识别)。对于高安全性场景(例如，电子支付、帐户登录)，除了上述单因素身份验证外，还使用了多个个因素身份验证。用户需要输入接收到的文本信息代码或接听电话，以验证操作是否在可信任的设备上。但由于人工操作开销大，因此这种认证方式非常繁琐。

近年来，设备指纹引起了人们的广泛关注，如何一种高安全性且在应用的中简便的设备指纹成为一大亟待解决的难题。

发明内容

针对现有技术的不足，本发明提出一种基于同源信号的振动马达设备指纹提取识别方法，通过设备内置马达振动，惯性测量单元采集以及云端分析识别，为设备提供了一套完整的身份认证流程，成本低、可使用性高以及准确率高。

本发明的目的通过如下的技术方案来实现：

一种基于同源信号的振动马达设备指纹提取识别方法，该方法包括如下步骤：

通过终端自带的惯性传感单元采集终端的马达振动过程中的加速度和角速度信号，所述终端对所述加速度和角速度信号进行切分、滤波以及对齐，并发送给云端服务器，同时所述终端向所述云端服务器发送认证请求或注册请求；

所述云端服务器将所述加速度和角速度信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；并采用分类器对所述马达指纹进行分类；若分类成功，则所述云端服务器输出分类结果；若不存在该类别，此时，若所述终端发送的是注册请求，则所述云端服务器将该马达指纹进行存储，并更新马达指纹存储数据库；若所述终端发送的是认证请求，则所述云端服务器直接拒绝认证。

进一步地，所述双通道融合网络包括卷积层、池化层、扁平化层和全连接层，该网络有两个输入，所述扁平化层将两个输出展开成一维的向量，所述损失函数为广义损失函数。

进一步地，所述双通道融合网络包括卷积层1、池化层、卷积层2、卷积层3、卷积层4、卷积层5、扁平化层以及三个全连接层；

所述卷积层1由大小为5×1的64个卷积核构成，其卷积步长为2；

所述池化层由大小为3×1的最大池化层构成，其卷积步长为2；

所述卷积层2由3个具有64个1×1卷积核、64个1×3卷积核和256个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；

所述卷积层3由4个具有128个1×1卷积核、128个1×3卷积核和512个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；

所述卷积层4由6个具有256个1×1卷积核、256个1×3卷积核和1024个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；