论文部分内容阅读
随着智能手机的快速发展,越来越多的功能可以通过使用手机进行,如收发邮件、社交应用、手机支付等等。手机同人们的日常生活变得息息相关,同时,手机也存储了大量的个人信息。手机在帮助人们提高生活质量的同时,承载着大量用户个人隐私,手机的安全认证越来越受到人们的重视。常用的安全认证方法有图形、PIN码等,已经得到了广泛应用,但是容易破解,并且需要用户记忆冗长的密码或者复杂的图形;基于生物特征的手机认证技术也得到了广泛的应用和推广,如指纹识别技术等,但是需要得到手机的硬件支持,增加硬件成本;基于用户行为特征的手机认证工作,开始受到大家的关注,常用的用来进行安全认证的方法有步态识别等。根据以上研究工作,本文提出了一种基于用户手势特征的手机安全认证方法。根据手机加速度传感器进行用户动作捕捉,采用门限值的方法,对用户数据进行判别,根据其判别结果组成训练集,通过使用支持向量机(Support Vector Machine,SVM)的方法进行机器学习,进而实现手机安全认证。其最大的特点是不需要进行先前训练,得到认证用户的数据即可进行用户的安全认证。同时,为了提高该方法在用户处于复杂环境时的准确度,在观察了用户处于行走状态和做地铁状态下的手机晃动数据之后,本文提出了一种纠正数据空间偏移的方法。根据不同用户状态下带来的数据空间偏移,针对每名用户,实现了对数据空间的压缩,以及对数据空间中心点的位置纠偏。提高了该方法在复杂环境下的适应性。