[发明专利]一种手机用户触屏行为身份认证方法及相关装置

权利要求书

1.一种手机用户触屏行为身份认证方法，其特征在于，包括：

对电容式触摸屏传感器的原始测量数据进行数据预处理；

基于3D CNN的架构来提取预处理后的数据中触摸手势的手势内时空特征；

基于触摸手势的手势内时空特征，采用长短期记忆网络LSTM对触摸手势间的模式进行建模；

对模型进行训练和测试。

2.根据权利要求1所述的一种手机用户触屏行为身份认证方法，其特征在于，数据预处理包括：差分运算、阈值设置和重新取样；

差分运算：对每个触摸屏执行差分运算，具体通过计算网格中所有单元的基线测量值和变化的测量值之间的差值来重建每个触摸框；

阈值设置：设置阈值μ，当触摸框x_ij中的单元格x大于μ时，保持原始测量；否则，将该值设置为0；

重新取样：对于长度小于的触摸手势，添加全零的触摸框来获得特定长度的触摸框；对于长度大于的触摸手势，对触摸手势X进行下采样，得到重新采样的长度为的触摸手势对于长度为l触摸框的触摸手势X，首先根据X的第一个触摸框和最后一个触摸框确定开始时间和结束时间；然后，在开始时间和结束时间之间进行线性内插，得到中每个触摸帧的采样时间；然后，对于一个内插的采样时间搜索在X中时间戳最接近的触摸帧x_t和x_t+1，其中最后，得到基于x_t和x_t+1的重新采样的触摸帧

3.根据权利要求1所述的一种手机用户触屏行为身份认证方法，其特征在于，提取预处理后的数据中触摸手势的手势内时空特征：

在CNN模型的卷积层应用三维卷积运算，同时捕捉触摸帧中触点指尖的外观和轮廓，以及连续触摸帧中的动态滑动轨迹；3D CNN模型的输入是触摸手势；模型的输出是属于合法用户或入侵者的触摸手势的概率；

在每一卷积层中，使用3D卷积滤波在特征图上执行卷积运算，每个特征图连接到前一层中的多个触摸框，形成时空立方体；通过在这些立方体上应用3D卷积过滤器，3D CNN模型捕捉触摸帧不同空间区域的局部特征和触摸帧之间的动态滑动信息；

在每次卷积运算后，对每个特征图进行变换操作，通过对低层特征图进行卷积滤波和非线性变换，逐步增加后续层的特征图个数，生成高层特征；

对于池化层，使用3D池化操作通过对特征图进行下采样来捕获不同空间尺度上的要素；

通过交替地应用上述操作，3D CNN模型将输入的触摸手势转换为高维特征向量，该高维特征向量捕捉联系人指尖的外观和轮廓以及在连续触摸帧中编码的指尖运动的动态滑动信息。

4.根据权利要求3所述的一种手机用户触屏行为身份认证方法，其特征在于，第i层的第j个特征图中坐标(x,y,z)位置的值的计算公式为：

其中H_i，W_i，D_i表示i_th层的3D卷积滤波的高度、宽度和时间深度；M是特征图的数量；表示连接上一层k_th特征图的过滤器(h,w,d)位置的值。

5.根据权利要求1所述的一种手机用户触屏行为身份认证方法，其特征在于，LSTM模型由n个完全相同的网络R组成，该网络学习一个非线性函数将触摸手势特征X₁…X_n转化为隐藏向量序列h₁…h_n，隐藏向量保存了历史触摸手势信息；

在每个步骤i(i＝1,…,n)处，网络将最后一个隐藏向量h_i-1和当前触摸手势的特征X_i作为输入，并输出新的隐藏向量h_i；

一旦触摸手势的数量达到预定数量的触摸手势n，递归层h_n的最后输出将被反馈到输出层；

输出层包含用于生成身份验证结果的完全连接层和Softmax层；其中，全连接层将学习到的触摸手势表示映射到二维输出；然后，Softmax层使用Sigmoid函数将输出归一化为0到1之间的值，表示触摸手势序列属于合法用户的概率。