【摘 要】
：
移动设备不断地发展和进步,移动设备的使用频率越来越高,其安全性也越来越受重视。各类身份认证机制出现来解决移动设备的安全问题,保护用户的隐私数据。目前,移动设备的身份认证机制大部分属于显式身份认证,仅针对于移动设备的单次解锁,不保证解锁设备后移动设备的安全性。本文以移动设备的持续身份认证为研究对象,从单生物特征和多生物特征两个角度展开了研究。改进了基于运动传感器的持续身份认证,同时提出了基于运动传感
论文部分内容阅读
移动设备不断地发展和进步，移动设备的使用频率越来越高，其安全性也越来越受重视。各类身份认证机制出现来解决移动设备的安全问题，保护用户的隐私数据。目前，移动设备的身份认证机制大部分属于显式身份认证，仅针对于移动设备的单次解锁，不保证解锁设备后移动设备的安全性。本文以移动设备的持续身份认证为研究对象，从单生物特征和多生物特征两个角度展开了研究。改进了基于运动传感器的持续身份认证，同时提出了基于运动传感器和人脸的多模态融合方案，构建了完整的多模态持续认证流程。具体工作如下，
（1）针对于大部分研究忽略不同手机持握方向导致运动传感器数据波动的问题，分析了手机持握方向影响运动传感器数据变化的原因。考虑到多持握方向数据影响认证准确性的情况，提出了自适应手机持握方向的持续身份认证方案。通过实验验证该方法能够较好地适应用户在不同手机持握方向下使用移动设备的场景，提升了认证的准确度。
（2）针对于单生物特征可能受噪声数据，非普遍性，模拟冒充等诸多因素的干扰，集成了多种生物特征来提升认证系统的性能。在考虑移动设备的计算能力，处理速度和认证准确度等问题下，选择运动传感器和人脸作为该认证方案的生物特征，并使用一类分类器训练数据。同时，计算各个生物特征的质量分数，结合质量分数与匹配分数进行多模态融合。并且，在真机上实现了该认证方案，在公开数据集和真机上同时进行认证实验。实验表明，该认证方案的认证准确度达到98.53%。该认证系统能够更好地适应移动设备使用过程中多变的使用场景。
其他文献
物联网(IoT)利用传感器感知技术、特征识别技术、和云计算等技术,将控制器、执行器、传感器、等智能部件和人连接在一起,实现物物互联,是智能网络的终极形态。其中,大量设备催生了大量的数据共享与数据融合的需求,可靠的数据共享能够促进不同设备之间的相互协作,对于物联网的智能化、帮助节点克服不确定性、提高对风险的感知具有十分重要的意义。本文以车联网(IoV)与无人机(UAVs)网络为例,分别提出了基于区块
近年来中国民用飞机及系统的研制进展非常迅速,随着飞机功能及系统复杂度的快速增长,与飞机系统安全性紧密相关的航电系统及软件的设计与分析方法已经成为领域中的热点问题。在ARP4754以及DO-178C等民机研制标准中所定义的系统工程/软件工程过程中非常强调在软件产品生命周期开始时构造完整、一致且组织良好的系统/软件需求,并开始引入了基于模型的系统工程(Model Based System Engine
由于信息技术的进步,人们越来越频繁地在社交网络中分享各种照片。其中,以人为主体的照片占据了极大比重,特别是那些围绕人脸的照片。人脸属性识别的任务是分析人脸的生物描述,在人脸搜索等众多领域有广泛应用,因此具有重要的研究意义。随着机器学习的发展,学界涌现出许多人脸属性识别相关研究。然而,目前很多研究割裂了人脸属性之间的关系,并采用单任务学习方式。虽然一些研究开始使用多任务学习,但大部分仅针对个别属性。
从大量数据中查找用户所需信息来协助用户制定多目标决策是数据库领域中一个重要的研究方向。Top-k查询和Skyline查询被广泛用来解决此类问题,但是它们有着本质的缺陷。遗憾最小化查询也能够很好地解决此类问题,它综合了Top-k查询和Skyline查询的优点,但是现有的遗憾最小化查询算法效率不高或者缺乏理论保证。论文针对已有算法存在的缺陷,设计出具有理论保证的高效的近似算法。论文主要工作和创新点如下
无人机应用越来越广泛,各种无人机服务于军事民事领域。有研究发现高度组织的蜂群可以完成远远大于单体所能完成的复杂任务。蜂群是今后无人机发展的必然趋势。考虑电力驱动无人机蜂群,蜂群是否稳定运行受限于成员无人机的可用状态。无人机不可用的原因一般是能量缺乏。本文考虑在蜂群执行任务期间,为其补充电力来维护稳定。基于这个问题,做了如下研究:(1)提出使用射频对蜂群无线充电。射频充电设备为低电量无人机充电以增加
计算机软件系统已经在国防、金融、通信、医疗等安全关键领域中得到大规模应用。这些领域中的许多软件是采用C语言开发,在享受C语言高效的运行效率的同时,还需要承担C语言指针操作带来的内存安全风险。为了构建高可信的软件系统。许多面向C语言的内存安全检测工具被广泛使用,这些工具使用代码插桩来实现内存安全错误的运行时检测。但是,这些内存安全检测工具及其算法都没有经过严格的正确性证明,这带来了两个问题。第一,插
集成学习在解决时间序列预测问题方面显示出强大的优势,如何从集成系统中选择合适的基学习器集合是集成剪枝技术中需要研究的问题,适当的集成剪枝可以使模型的预测能力更强。集成剪枝可以有效克服传统集成学习的一些缺点,例如相对较高的时间和空间复杂性。然而,每个基学习器都有其独特的预测能力。一个基学习器可能在某些样本上表现不佳,但在其他样本上表现出色,盲目低估特定基学习器的作用是不合理的。为每个待预测样本选择最
云计算通过将硬件资源抽象成虚拟资源,为用户提供可弹性伸缩的按需获取的服务。随着越来越多的应用与服务部署在云端,用户对云计算可靠性的要求越来越高,且云数据中心的资源虚拟化、快速弹性架构和应用托管等复杂特性导致云数据中心容易出现异常和故障。因此,对可靠性的要求越来越高。如何保障云数据中心的可靠性,提高云计算系统提供无故障服务的能力成为亟待解决的问题。本文主要针对云数据中心计算资源的可靠性保障技术进行了
在网络功能虚拟化(Network Function Virtualization,NFV)环境下,服务功能链(Service Function Chaining,SFC)通过连接一组有序的虚拟网络功能(Virtual Network Function,VNF)定制某种网络服务,可以灵活地提供网络服务。但是,目前SFC仅仅通过定义VNF的执行顺序来定制网络服务,而没有考虑VNF的运行参数、运行时序等
随着移动智能设备的普及和云计算技术的快速发展,移动云计算进入了人们的生活。移动云计算解决了移动终端计算性能不佳、存储容量较小等问题,但是随着用户规模的不断扩大,移动云计算也面临着资源管理方面的挑战。为了应对这些挑战,很有必要开展移动云资源调度与管理技术的研究。本文在分析了行业需求和研究了相关关键技术的基础上,做出的主要研究工作如下:(1)针对移动云数据中心的高能耗和资源利用率较低的问题,本文改进了