[发明专利]一种云环境下的智能手机用户透明认证方法

摘要

本发明公开了一种云环境下的智能手机用户透明认证方法，包括：(1)触屏手势数据采集；(2)原始手势数据处理；(3)用户手势特征提取；(4)添加随机样本隐藏用户个人数据；(5)模型训练及参数输出；(6)输入触屏手势数据输出判定结果。通过上述方式，本发明云环境下的智能手机用户透明认证方法通过采用了增量学习的方法来识别用户触屏手势习惯以透明地认证智能手机的拥有者，保证了认证过程的安全性和高效性，允许用户通过简单的触屏操作使智能手机能够高效安全地判断用户的身份，减小了手机端的负载并提高了判断的正确率，成本低廉、适应性广，在云环境下的智能手机用户透明认证方法的普及上有着广泛的市场前景。

主权项

一种云环境下的智能手机用户透明认证方法，其特征在于，包括以下步骤：(1)触屏手势数据采集：用户在第一次使用智能手机时，在智能手机屏幕上进行若干次的随机滑动，使得智能手机收集用户的触屏手势数据，手势数据中包含滑动中触点的位置、时间和压力序列；(2)原始手势数据处理：当智能手机收集了用户的一定数量的触屏手势数据后，对这些原始的手势数据进行处理，即智能手机将用户触屏手势数据变换成满足分类算法处理要求的数据，同时也去除数据中的噪声和错误数据；(3)用户手势特征提取：当智能手机将用户的原始触屏手势数据处理完成后，对手势数据进行特征提取，得到用户触屏手势特征向量；(4)添加随机样本隐藏用户个人数据：当提取出用户所有触屏手势的特征向量之后，对该特征向量集合增加一些随机的手势样本以隐藏用户真实的、个人的数据：（a）首先按照每类特征合法数值的值域随机地产生种子特征向量作为多维高斯分布的均值向量，（b）然后随机产生多维特征之间的协方差矩阵，从该分布进行随机采样得到一定数目的随机特征向量，（c）最后合并随机特征向量集合与用户个人特征向量集合，打乱集合中数据顺序后发送给云平台进行模型训练；(5)模型训练及参数输出：云计算平台将收到的包含随机样本的特征向量集合作为增量SVM分类算法的正例输入，并将平台收集的其他用户的手势数据的特征向量集合作为反例输入，进行分类模型的训练，得到一个二类分类器，所述二类分类器的训练方法为求解如下的最优化问题：其中表示所有的正例输入和反例输入组成的样本集合，其中包括了真实的用户数据、用户在本地通过随机方式产生的混淆数据和云平台上的非法用户数据，矩阵的对角线包含了所有样本的类别标识，根据增量SVM算法，该最优化问题的解为:，其中； (6)输入触屏手势数据输出判定结果：当智能手机检测到有人在使用它时，自动识别当前用户是否是该手机的拥有者，即当有用户在手机上进行触屏操作时，智能手机记录当前的手势数据并提取特征向量，然后计算如下公式对用户身份进行认证：其中，包含了之前随机产生的混淆数据，通过该减量操作可以恢复真实的识别结果；如果结果为1则判断当前用户合法，否则判断当前用户非法，此时可进行下一步的处理。