CN104104773A - 利用svm分类器识别手机用户的方法 - Google Patents

Abstract

本发明公开了一种利用SVM分类器识别手机用户的方法。首先用户手持手机做出预先规定的动作，通过手机线性加速度传感器和方向传感器在采样周期内分别采集一次三维坐标x，y，z的值，并且处理得到的数据，然后用SVM进行分类识别。处理完成后，用户只要做出规定的动作，就可以准确的区分出不同用户，以达到用户识别的目的，这种方法方便快捷，安全性高。

Description

利用SVM分类器识别手机用户的方法

技术领域

本发明涉及身份识别的技术，特别涉及利用手机传感器提取生理特征，并通过SVM(支持向量机，Support Vector Machines)分类进行用户识别的方法。

背景技术

手机用户识别中的SVM(支持向量机，Support Vector Machines)分类器是基于统计学习理论框架下的通用机器学习方法，最初是针对两类分类问题而提出来的，它具有结构简单，泛化能力强的优点。

随着电子商务的飞速发展，越来越多的人期望通过手机这一个平台实现手机支付、手机优惠券、手机银行和移动VIP客户服务端等移动电子商务，以及基于手机终端的移动交易业务，这使手机面临着严峻的安全挑战。

目前手机用户身份识别方法主要是传统的基于知识的认证方式，即通过输入密码或个人识别码来进行身份验证。从密码学的角度看：目前用户习惯使用6-8位的密码多数为不安全的弱密码。因此为了提高密码使用的安全性必须增加密码长度、增加密码个数。这极大的削弱了用户的体验水平。而且基于密码的身份验证方案易受外部的恶意攻击，存在用户名或密码的泄漏、伪造、遗忘等安全隐患。

日益成熟的生理特征生物识别是基于人的特征的测量数据，为直接的人体测量特征，如人脸、指纹、虹膜等，但是人脸、指纹、虹膜等识别技术为基于图像的识别技术，存在被仿冒的风险，只能用来鉴别用户的真实身份，而无法证明验证图像就是合法人的手机用户本人的实时采集图像。

综上，手机用户身份识别迫切需要比口令和生理特征更友好、更强壮的验证方式。

发明内容

本发明的目的是，提供一种利用SVM分类器识别手机用户的方法。此方法不需要密码就可以完成安全识别，而且不易被破解，极大的提高了用户的安全性，为用户提供了方便。

为此，本发明提供了一种利用SVM分类器识别不同手机用户的方法，其特征在于，用户手持手机做出预先规定的动作，通过手机线性加速度传感器和方向传感器在采样周期内分别采集三维坐标x，y，z的值，并且处理得到的数据，然后用SVM进行分类处理。

在进行用户识别时，要求用户手持手机做出预先的动作并采集以上数据进行SVM分类，就能准确的对不同用户进行区分。

使用的手机是基于Android平台的手机。

上述预先规定的动作，是指在空中画一个圆形，每次动作的轨迹应大致相同。

上述采样周期是0.05s。

上述处理得到的数据作为SVM分类器的属性值输入训练。

本发明具有以下技术效果：

1)提高了用户的安全性

本发明不是采用传统的密码或者生理特征等作为识别依据，而是依据生物的行为特征作为识别依据。基于人的行动测量数据，为间接的人体测量特征，本发明是测量手势的特征。通过手机传感器采集数据并处理数据来提取用户的行为特征作为识别的依据，这就很好的避免了密码遗失、指纹仿造等传统识别方法的弊端，而且能解决验证用户确实持有该手机终端的问题。所以本发明大大提高了用户的安全性。

2)使用更便捷

本发明中用户只需手持手机做出预先设定的动作，就可以区分不同用户，用户不需要再去设置并记住密码，或者担心自己的指纹遭到破坏。本发明给用户带来的便利是显而易见的。

附图说明

图1是利用SVM分类器识别手机用户方法的流程图；

图2是训练预测模型的流程图；

图3是用户识别的流程图。

具体实施方式

本发明所提供的是一种利用SVM分类器识别手机用户的方法，为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。

本发明实施例提供的是一种利用SVM分类器识别手机用户的方法，选用含有线性加速度和方向传感器的Android平台的手机。如图2所示，模型训练主要包括以下步骤：

步骤一、安装软件。在手机上安装传感器数据采集软件，主要采集线性加速度和方向传感器的数据，每项采集的数据都包含x，y，z三轴的数据，以0.05s为采样周期进行数据采集。

步骤二、规定手机运动的轨迹，确定手持手机做出的动作为一圆形，使用户每次移动手机的动作都类似，这样做便于数据分析。

步骤三、打开数据采集软件，此时软件会自动记录手机传感器数据。

步骤四、按规定动作摇晃手机，反复做50次。这样做是为了更好的提取用户特征。

步骤五、分析采集的数据。每次动作分割为一组数据。

步骤六、处理数据。主要包括：由加速度数据通过积分分别求出对应时刻速度和位移的值，公式如下：

其中t₀表示初始时刻，a表示加速度，v表示速度，s表示位移。

然后分别求出各个轴位移、速度、加速度、方向值的平均值和标准差。

平均值表示为：其中X_i表示每一个时刻的数据，x表示平均值，n表示每组的数据个数。

标准差表示为：其中σ表示标准差。

这里的每个数据都包含x，y，z三个轴，加上每组数据的个数一共25个数据作为一组数据的属性，每个用户有50组数据。

步骤七、让不同用户重复步骤四至六。收集不同人的数据。

步骤八、SVM分类处理。把数据输入SVM分类器中进行训练，每个用户的分类标签都不同，SVM分类器损失函数的参数设置为2，核函数中gamma函数的参数设置为0.002，训练结束后得到训练模型。

至此模型训练工作就完成了，如图3所示，用户识别的步骤主要有：

步骤一、打开数据采集软件。

步骤二、用户按规定动作摇晃手机一次。

步骤三、处理数据。方法同模型训练的步骤六。

步骤四、进行SVM分类识别。把数据输入SVM并根据模型分类识别出用户，从而实现用户识别。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (4)

1.一种利用SVM分类器识别手机用户的方法，其特征在于，用户手持手机做出预先规定的动作，通过手机线性加速度传感器和方向传感器在采样周期内分别采集三维坐标x，y，z的值，并且处理得到的数据，然后用SVM进行分类处理。

在进行用户识别时，要求用户手持手机做出预先规定的动作并采集以上数据进行SVM分类，就能准确的对不同用户进行区分。

2.根据权利要求1所述的利用SVM分类器识别手机用户的方法，其特征在于，所述的预先规定的动作，是指在空中画一个圆形，每次动作的轨迹应大致相同。

3.根据权利要求1所述的利用SVM分类器识别手机用户的方法，其特征在于，所述的采样周期为0.05s。

4.根据权利要求1所述的利用SVM分类器识别手机用户的方法，其特征在于，所述的处理得到的数据作为SVM分类器的属性值输入训练。