[发明专利]一种基于优化LSTM的移动设备用户认证方法及装置

说明书

本一种基于优化LSTM的移动设备用户认证方法和装置，包括：获取包括多条训练样本的训练样本集，所述训练样本包括移动设备用于进行设备用户认证的特征数据以及该特征数据对应的标签；利用所述训练样本集对预先设定的LSTM模型进行训练得到认证模型；获取待认证移动设备用户的特征数据作为所述认证模型的输入，以所述认证模型在该输入下的输出作为待认证设备的认证结果。本发明结合端云构建移动设备用户认证装置，采用端云合作架构有效整合系统性能，推动算法进行实际应用，并且使用增强的SGD算法最小化训练阶段噪声标签的影响，能够有效减少训练阶段噪声标签的影响提高模型的鲁棒性，能够在噪声环境下，实现高精度的隐式用户身份验证。

技术领域

本发明涉及一种基于优化LSTM的移动设备用户认证装置及方法，具体来说，它涉及一种通过增强随机梯度下降优化LSTM进行移动设备用户认证方法及装置。

背景技术

随着移动通信技术和互联网的高速发展，移动互联网应运而生并进入了人们的生活。随着移动设备应用的日益广泛，越来越多的个人认证和私有信息被采集以用于移动设备的智能化。为了防止对存储在移动设备上的本地私有和金融信息的非法访问，就迫切需要根据移动设备本身的软硬件特点与应用场景特点，设计合适并强健的认证模式以保护用户的信息安全。隐式的身份认证通过移动终端的感知进行数据采集和计算来完成用户合法性的判断。这一过程通过对用户的生物特征数据或者行为习惯数据作为鉴别基础。

当前，国际上面向移动设备的隐式实时用户认证相关研究正逐步向实时化、智能化、综合化方向发展，涉及的具体技术包括了多传感器融合、机器学习、人机交互、移动计算等多个方面。目前在行为感知与数据采集、行为数据分析等技术方向上取得了一些成果。但是当前的研究仍处于起步阶段，以学术探索和原型验证为主，在关键技术方向上仍然缺少系统化的研究体系，距离实际应用也有较大的差距。

基于上述原因，确有必要提出一种较为完善实用的移动设备用户认证方法，以解决上述问题。

发明内容

为实现移动设备的隐式实时用户认证，并将其进行实际应用，本发明提出一种基于优化LSTM的移动设备用户认证装置及方法，将LSTM方法中的梯度下降算法进行优化，提出增强随机梯度下降，并通过移动设备和云端服务协同工作，构建认证体系架构，进而实现移动设备的隐式实时精准认证。

一种基于优化LSTM的移动设备用户认证方法，所述方法包括如下步骤：

获取包括多条训练样本的训练样本集，所述训练样本包括移动设备用于进行设备用户认证的特征数据以及该特征数据对应的标签；

利用所述训练样本集对预先设定的LSTM模型进行训练得到认证模型；

获取待认证移动设备用户的特征数据作为所述认证模型的输入，以所述认证模型在该输入下的输出作为待认证设备的认证结果。

作为优选，所述利用所述训练样本集对预先设定的LSTM模型进行训练得到认证模型包括：基于所述的训练样本集利用增强SGD算法学习LSTM神经网络的网络参数。

作为优选，基于所述的训练样本集利用增强SGD算法学习LSTM神经网络的网络参数包括：

设定初始网络参数以及最大迭代次数；

基于增强SGD算法学习LSTM神经网络的网络参数，每次迭代进行如下操作：

使用随机的抽样概率n/N在训练样本集随机选择样本进入组，n为随机抽取的训练样本的数量，N训练样本集中的样本数量；

利用样本进入组以及预设的损失函数计算所述神经网络的梯度值；

对所述的梯度值进行裁剪得到裁剪梯度值；

将高斯噪声作为鲁棒因子添加至经过裁剪梯度值中得到鲁棒梯度值

按照如下公式进行梯度下降运算：