[发明专利]一种基于WiFi信号的生物打字识别方法

说明书

本发明公开了一种基于WiFi信号的生物打字识别方法，该方法通过利用用户手和手指键入时的动作引起的WiFi信道状态信息(CSI)中的变化来捕获用户键入行为的独特性。直觉上，不同的用户在CSI的时序中会生成独特的不同模式，即使在键入相同的短语时也是如此。本发明的方案在用户笔记本的位置和方向的变化时表现稳定，与其他生物识别方案(如指纹，面部或语音)不同，它是非隐私侵入式的，不需要任何额外的硬件，并且可以轻松地部署在现成的商用(COTS)WiFi设备上。本发明的技术方案可在COTS WiFi路由器和笔记本上予以实现。本发明对于用户识别可达到96％以上的准确率；对于用户认证可实现小于15％的等错误率。

技术领域

本发明涉及生物识别技术，具体而言，涉及一种基于WiFi信号的生物打字识别方法。

背景技术

基于打字行为的生物识别技术在传统的密码方案和基于PIN的身份验证方案之上提供了额外的安全级，这些方案通常容易受到肩膀冲浪(一种通过记录肩膀动作来探测用户行为的攻击方法)，按键记录恶意软件和基于视频的攻击。所有这些方案都基于这样的假设，即每个用户都有独特且一致连续的打字行为，并且攻击者很难准确地复现该行为。现有的基于打字的生物识别方案已经使用用户打字时按键之间的时间延迟或用户键入的手的视频之类的模态，以捕获键入行为的独特性。

在过去几年里，几种基于WiFi信号的人体感知系统被提出来，通过利用人的动作引起的WiFi CSI 的变化来识别不同的活动和/或姿势。最近，一种击键识别方案被提出来，其使用CSI值的变化在打字速度较慢的情况下，检测不同用户的键入行为。但是，他们的方案旨在识别用户按下哪个键，而不是为用户身份验证/识别应用获取生物识别信息。此外，上述技术的一个关键限制是它们需要针对键盘的每个不同位置和方向重新训练机器学习模型，这使得获得稳定的基于CSI的生物打字识别信息变得不实际。尽管理论上可以要求用户在所有可能的环境下提供他们的打字行为的训练样本，然后在所有可能的环境中为他的打字行为建立机器学习模型，但实际上这是不可能的，因为要收集的训练样本的数量实在是太大了。

发明内容

针对现有技术中存在的问题，本发明提出了一种基于打字的生物识别技术的新方法，通过利用用户的手和手指在打字期间的动作引起的WiFi信道状态信息(CSI)的变化来捕获用户键入行为的独特性。

本发明的目标是设计一种方案，以使用WiFi信号获得稳定的生物打字识别信息。为此，提出了一种基于WiFi CSI的生物打字识别方法，该方法对于用户笔记本的位置和方向的变化表现稳定。方案仅需要两个支持WiFi的设备，一个用于持续发送信号，比如路由器，一个用于持续接收信号，比如笔记本。当用户在笔记本上打字时，由于无线信号的多路效应，手指的动作将引起周围WiFi信号的尽管很小但是可测的变化。甚至不同的用户在输入相同的短语时也具有不同的输入行为，从而引起WiFi信号的不同的可测量的变化。基于某个用户打字引起的WiFi信号变化的独特性，即可以识别或验证该用户。与其他生物识别方案(如指纹，面部或语音)不同，它是非隐私侵入性的，不需要任何额外的硬件，可以轻松部署在现成的商用(COTS)WiFi设备中。

有益效果：本发明基于CSI的生物识别方案适合用作多因素用户认证系统中的附加认证方案，主要针对相对稳定的环境设计的方案，例如家庭或办公室环境。假设当用户输入密码时，身体的其他部位不会剧烈运动，因为它们会干扰打字活动引发的信号变化。然而，用户以自然的打字速度和自然的身体动作进行输入。本法明的基于WiFi信号的生物打字识别方案，它利用不同用户打字行为对应的 CSI信号变化的独特性。首先，在理论上证明从CSI信号的一阶差分(即微分)的振幅中提取的打字波形可以被归一化，以获取对笔记本的位置和方向变化具有鲁棒性的打字行为特征，并且对环境的静态变化表现稳定。第二，提出了一种鲁棒的打字波形提取算法，该算法实时检测和提取与用户打字行为相对应的CSI波形。第三，提出了一种新颖的的基于深度学习的分类架构，它自动地从CSI打字行为波形中学习适当的特征，这能最好地描述用户的打字行为。第四，对于用户识别和用户认证应用，均使用商用WiFi路由器和笔记本实现和评估了我们的生物识别方案。