[发明专利]一种基于数据分类匹配的手机按键检测方法及系统

说明书

本发明公开了基于数据分类匹配的手机按键检测方法，通过获取发送端持续不断发送WIFI信号，接收端进行CSI数据收集，当用户在发送端和接收端之间进行按键支付操作时，将CSI变化的数据在接收端存储并进行波形展示，对接收端的原始CSI数据进行去噪和降维处理，去噪处理和降维处理包括异常点判别、低通滤波和PCA处理，检测并提取按键波形的起止点，采用动态时间规整继续对提取的按键CSI数据进行压缩处理，对按键的CSI数据进行分类处理，以识别每个按键波形的数字类别，推测按键的开始时间和结束时间，使用K最近邻算法进行分类器训练，得出用户匹配率和按键识别率，也提高了手机按键检测的精确度。

技术领域

本发明属于手机按键检测技术领域，尤其涉及一种基于数据分类匹配的手机按键检测方法及系统。

背景技术

随着万物互联时代的到来和移动通信的逐步发展，4G通信成为主流，5G时代也将拉开序幕，WIFI基础设施在全球大范围普及。在我们日常生活中，商场、公园、车站、居民楼等公共活动场所大都部署了WIFI设备，随处可见的WIFI信号可能来自无线路由器、手机、平板电脑等，不仅为我们的生活带来便利，同时非法入侵者也能利用公共场合部署的WIFI信号窃取他人的隐私，如在非视距的情况下受害者防范意识不高，暴露数字按键信息如手机开机密码或支付密码，容易存在安全漏洞和个人隐私泄露的危险。

目前，通过击键的声音特性恢复击键内容提取FFT值作为击键的特征，并使用监督式学习训练带标签的数据，这些数据来自每个按键敲击100次的数据集合，最后的测试结果显示有80％的识别准确率，但监督式学习的缺点是它只适用于带标记的数据，而对未标记的数据就不适用，即来自某个键盘的训练模型并不适用于其他的键盘，导致不同键盘产生的击键数据不能保证是相同的或者具有类似的频域分布，使得检测精度不高。

发明内容

有鉴于此，本发明提供了一种基于数据分类匹配的手机按键检测方法及系统，通过接收端获取的CSI，可以及时衡量当前的通信环境，并将其反馈到发送端进行调整，从而提高通信的传输效率和链路可靠性，同时数字按键的特征之间具有相关性，采用主成分分析进行简化降维处理，降低了子载波挑选的时间复杂度和提高了分类的准确率，具体采用以下技术方案来实现。

第一方面，本发明提供了一种基于数据分类匹配的手机按键检测方法，包括以下步骤：

获取发送端持续不断发送WIFI信号，接收端进行CSI数据收集，当用户在发送端和接收端之间进行按键支付操作时，将CSI变化的数据在接收端存储并进行波形展示，其中，当用户在部署环境的区域内进行按键操作时，接收端的显示器上出现CSI数据波形，通过捕获案件操作对应的波形波动来识别用户的按键情况；

对接收端的原始CSI数据进行去噪和降维处理，去噪处理和降维处理包括异常点判别、低通滤波和PCA处理，其中，使用中位值和绝对中位差找到数据集中的异常数据点，并使用滑动窗口中数据的中值替换异常值；

检测并提取按键波形的起止点，采用动态时间规整继续对提取的按键CSI数据进行压缩处理；

对按键的CSI数据进行分类处理，以识别每个按键波形的数字类别。