[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

说明书

一种手机用户触屏行为身份认证方法及相关装置，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。本发明基于3D CNN的架构提取触摸手势的手势内时空特征，采用长短期记忆网络(LSTM)对手势间模式进行建模，能够更加贴合实际的验证环境，带来手机用户身份持续认证的更大的提升。

技术领域

本发明属于信息技术领域，具体涉及一种手机用户触屏行为身份认证方法及相关装置。

背景技术

随着手机的不断普及，越来越多的用户享受到了手机给生活带来的便利性，但与此同时，越来越多的隐私泄露情况不断涌现，手机中保存有用户大量的隐私和敏感数据，例如，照片、电子邮件等，防止这些数据被攻击者访问具有重要意义。

目前，基于从底层触控接口获取触摸屏生物特征是手机用户身份认证的一个很有前景的方法，例如，当用户身体的一部分(手、耳等)接触到触摸屏时，电容式触摸屏上的接触区的静电场会发生扭曲，接触区的电容值也会相应地发生变化，从而可以用于用户身份认证。

然而，上述方法适用于专门的实验场景，例如，正确地将手放在触摸屏上，而在日常生活不受约束的条件下，很难执行准确的身份验证，因为实际的触摸交互过程涉及各种类型的触摸手势的交叉使用，例如，敲击打字、滑动浏览等，但是现有技术并没有提及此种实际环境中的多种干扰情况。

发明内容

本发明的目的在于提供一种手机用户触屏行为身份认证方法及相关装置，以解决实际的触摸交互过程涉及各种类型的触摸手势的交叉使用，现有技术在实际环境中的多种干扰情况下无法准确验证的问题。

为实现上述目的，本发明采用以下技术方案：

一种手机用户触屏行为身份认证方法，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。

进一步的，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

进一步的，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；