[發明專利]基于細粒度手指姿態的智能家居連續用戶認證方法及系統

有效

• 申請號: 201811206918.6
• 申請日: 2018-10-17
• 公開（公告）號: CN109413057B
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 俞嘉地;孔浩;盧立
• 申請（專利權）人: 上海交通大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62;G06K9/00
• 代理公司: 31201 上海交達專利事務所
• 代理人: 王毓理;王錫麟

1.一種基于細粒度手指姿態的智能家居連續用戶認證系統，其特征在于，包括：注冊階段模塊和服務階段模塊，其中：注冊階段模塊傳輸已注冊用戶的手指信息至服務階段模塊；

所述的用戶認證系統在登錄階段通過從不同用戶的手指手勢中提取行為特征進行多用戶認證，在交互階段通過支持向量機的分類器，根據歷史手指手勢和當前手勢，通過連續認證識別身份；

所述的提取，采用市售的Wi-Fi設備持續不斷地發射Wi-Fi信號的同時，先通過去噪和篩選處理以減去環境噪聲的干擾，然后接收設備接收反射信號并從中解析出CSI數據，然后采用深度神經網絡提取每個用戶習慣性手指動作的手指運動軌跡特征，即行為特征；

所述的注冊階段模塊進行登錄過程的注冊和交互過程的注冊，其中：

登錄過程的注冊是指：通過收集用戶登錄手指姿態提取特征并訓練多分類器，對應所述的深度神經網絡為基于長短時記憶單元的三層神經網絡，對于經過三層神經網絡提取得到的所有用戶的行為特征，利用sigmoid函數訓練多分類器，具體為：對于用戶U_k通過深度神經網絡得到的特征輸出O，其后驗概率P(U_k|O)計算為：

其中：P(U_k)是第k類的先驗概率，P(O|U_k)是在用戶標簽U_k的條件下特征輸出O的似然度，當有K個用戶類時，sigmoid函數輸出對每個用戶類的后驗概率；通過目標函數k＝argmax_k∈KP(U_k|O)，特征輸出O用于認證為某一特定用戶類別U_k；至此，基于神經網絡的多用戶分類器構建完成，即完成了用戶登錄階段的注冊；

交互過程的注冊是指：收集用戶交互手指姿態，通過認證機制組合多次的手指姿態構建訓練樣本以訓練單分類器，即對應n種類型的手指交互動作：g₍₀₎……g_(n-1)，首先為每一個手指動作訓練單分類器，即，c_g(0)，……，c_g(n-1)；其次為所有兩種手指交互動作的組合訓練單分類器，即，c_g(0)g(0)，c_g(0)g(1)，……，c_g(0)g(n-1)，c_g(1)g(n)，……，c_g(n-1)g(n-1)，……，最后為所有m種手指動作的組合訓練單分類器，即，c_{g(0)g(0)...g(0)}，c_{g(0)g(0)...g(1)}，……，c_{g(n-1)g(n-1)...g(n-1)}，從而完成對所有的動作組合訓練了組合長度不超過m的單分類器集合，單分類器個數共為

所述的連續認證具體是指：結合用戶當前的人機交互手指動作和之前的人機交互手指動作，使用相對應的輕量級單分類器進行用戶身份的認證，使得用戶與系統每一次的人機交互都在認證用戶身份安全的情況下進行影響，以實現貫穿交互全過程的連續用戶身份認證，

所述的注冊階段模塊包括：深度神經網絡、樣本生成單元、多分類器、單分類器、Wi-Fi信號發射單元以及無線網卡單元，其中：Wi-Fi信號發射單元持續地傳輸Wi-Fi信號，無線網卡單元與樣本生成單元相連并傳輸手指動作樣本數據信息，深度神經網絡與樣本生成單元相連并傳輸提取到的手指特征信息，多分類器與深度神經網絡相連并提供多用戶認證功能，單分類器與樣本生成單元相連并提供交互時的單用戶認證功能；

所述的服務階段模塊包括：深度神經網絡、樣本生成單元、多分類器、單分類器、手指動作類型分類器、Wi-Fi信號發射單元以及無線網卡單元，其中：Wi-Fi信號發射單元持續地傳輸Wi-Fi信號，無線網卡單元與樣本生成單元相連并傳輸手指動作樣本數據信息，深度神經網絡與樣本生成單元相連并傳輸提取到的當前用戶的手指特征信息，多分類器連接當前樣本的手指特征信息與已注冊樣本的手指特征信息并傳輸多用戶認證結果，手指動作類型分類器與樣本生成單元相連并傳輸不同動作類型的手指樣本數據，單分類器連接手指動作類型分類器并傳輸交互時的單用戶認證結果，

所述的服務階段模塊進行登錄過程的服務和交互過程的服務，其中：

登錄過程的服務是指：系統認證某一登錄用戶的身份，決定其是否進入系統；

交互過程的服務是指：系統通過已登錄用戶每一次的交互姿態持續地認證用戶的身份，根據認證結果決定是否響應其特定的交互請求，具體為：

通過Wi-Fi信號發射單元和無線網卡單元獲取被手指動作影響的Wi-Fi信號，然后通過樣本生成單元獲得手指動作樣本的CSI數據區段，通過基于支持向量機的手指動作類型分類器，獲得不同類別的手指交互動作的預處理CSI數據；

同時，在用戶手指交互請求過程中，單分類器收集當前的手指動作，與之前m-1個手指動作，結合為手指動作組，根據它們通過上一步已分辨出來的手指動作類別，匹配注冊階段相同動作類型的組合分類器，即分類器c_g(t)，c_g(t-1)g(t),…，c_{g(t-m+1)g(t-m+2)...g(t)}，每一個分類器都將得到一個分類結果，從而共得到m個分類結果，其中t為手指交互請求過程次數；

對得到的所有m個分類結果采用投票機制，獲得最終的用戶認證結果，具體為：其中：μ_i＝1和μ_i＝0分別表示認證成功和認證失敗，result＝1和result＝0分別表示最終此當前用戶身份認證成功和失敗。