[发明专利]一种基于移动轨迹的身份认证方法及系统

说明书

本发明提供了一种基于移动轨迹的身份认证方法及系统，属于物联网安全技术领域，能够根据设备移动轨迹进行设备认证或用户认证，识别非法实体并要求实体进行二次身份认证。该方法充分利用设备移动轨迹中各个点之间的位置序列依赖关系作为实体行为模式特征，从而动态地进行轨迹与实体身份的匹配认证。本发明的系统适合作为一项辅助身份认证系统，搭配现有的静态身份认证系统使用，应用于各种使用移动设备的IoT场景中，从而缓解设备盗用、身份劫持等物联网安全问题，增强物联网安全性。

技术领域

本发明涉及一种基于移动轨迹的身份认证方法及系统，属于物联网安全技术领域。

背景技术

随着物联网(IoT)技术的发展，设备安全管理问题接踵而至。其中，设备认证和用户认证(后统称实体认证)是物联网安全管理技术的重要组成部分。早期的物联网主要基于局域网实现，它通过网关与互联网隔绝，同时，局域网内部的设备和用户相对可信。因此，早期的物联网对实体认证的安全需求较低。随着移动互联网的发展，诸多移动设备通过互联网链接成物联网，互联网的匿名性和连通性大大降低了物联网的安全性，因此物联网对认证技术提出了更高的安全需求。

目前，用户认证技术已经得到了较大的发展和普及，相较于传统的口令认证，生物识别技术提供了更高的安全性保障；而在设备身份认证领域，目前主要以设备标识符为代表的口令认证技术为主。但这些技术都属于静态的安全认证，即一次认证，认证系统则默认访问实体合法。一旦实体通过了认证，即使后续有非法操作，系统也不会质疑实体身份合法性。这不足以适应一些安全需求高的IoT场景。

发明内容

针对上述技术问题，本发明的目的是提供一种面向移动设备的身份认证方法及系统，能够根据设备移动轨迹进行设备认证或用户认证，识别非法实体并要求实体进行二次身份认证。该技术适合作为一项辅助身份认证方法，搭配现有的静态身份认证方法使用，应用于各种使用移动设备的IoT场景中，从而缓解设备盗用、身份劫持等物联网安全问题。

为了实现上述技术目的，本发明采用以下技术方案：

一种基于移动轨迹的身份认证方法，包括以下步骤：

1)记录目标区域内的所有合法实体控制下的设备的移动轨迹，移动轨迹为若干位置坐标点按时间顺序排序的序列，将上述移动轨迹作为合法移动轨迹，每条合法移动轨迹由产生该轨迹的实体的实体编号标记；

2)利用合法移动轨迹和对应的实体编号训练多分类的机器学习模型，该机器学习模型根据合法移动轨迹上的位置向量和实体编号输出移动轨迹所属实体的概率分布；

3)记录目标设备运行时的当前移动轨迹；

4)将目标设备的当前移动轨迹信息输入到机器学习模型，机器学习模型根据当前移动轨迹的位置向量提取当前移动轨迹中点的序列依赖关系信息，根据当前移动轨迹中点的序列依赖关系信息输出当前移动轨迹对应的各个实体编号的概率，将目标设备持有者所宣称的实体身份与所述机器学习模型输出的概率最高的前若干个实体编号进行匹配，如果匹配则认证成功，否则认证失败。

进一步地，使用卫星导航定位、基于基站的定位中的一种或两种定位方式获得合法移动轨迹和当前移动轨迹。

进一步地，记录移动轨迹时，将目标区域空间划分为多个网格，将设备的位置点数据转化为统一的空间网格编号，则所述合法移动轨迹则由经过的空间网格编号构成。

进一步地，利用word2vec模型的skip-gram技术对设备的移动轨迹上的各个位置点进行嵌入，形成位置向量。

进一步地，所述机器学习模型包括马尔科夫链模型、单向长短期记忆模型(LSTM)或双向长短期记忆模型。

进一步地，当利用LSTM模型作为所述机器学习模型时，该模型为基于多层感知机MLP构建，激活函数为ReLU，并利用交叉熵损失函数训练该模型。