CN105553665A

CN105553665A - 一种基于书写行为生物特征的智能手机用户身份认证方法

Info

Publication number: CN105553665A
Application number: CN201510932470.6A
Authority: CN
Inventors: 戴林; 刘瑀; 郭坦
Original assignee: Individual
Current assignee: Individual
Priority date: 2015-12-15
Filing date: 2015-12-15
Publication date: 2016-05-04

Abstract

本发明涉及一种基于书写行为生物特征的智能手机用户身份认证方法，属于信息安全技术领域；该方法包括训练和认证两部分；训练阶段：首先用户选择或自定义印记并书写，然后采集书写过程中的触摸信息和手机传感器信息，接下来从中提取书写行为生物特征，最后对之进行保存用于认证；认证阶段：首先用户临摹训练阶段保存的印记提示，然后采集书写过程中的触摸信息和手机传感器信息，并从中提取书写行为生物特征，接下来计算该书写行为生物特征与训练阶段存储的书写行为生物特征之间的相似度，并判断其是否大于阈值，是则通过认证；否则认证失败。对比传统认证方法，本发明方法认证过程更加方便、安全性大大提高、用户使用更加方便，无需记忆复杂口令。

Description

一种基于书写行为生物特征的智能手机用户身份认证方法

技术领域

本发明属于信息安全技术领域，涉及一种智能手机用户身份认证方法，特别涉及一种基于书写行为生物特征的智能手机用户身份认证方法。

背景技术

随着移动互联网的迅猛发展和智能手机的普遍使用，智能手机成为了个人隐私信息和网络支付的重要载体。手机端的社交软件、游戏账户、网络购物支付、电子商务及手机银行等业务迅速发展，使得手机端的身份认证日趋重要。身份认证的任务是鉴别验证访问系统的用户身份的合法、真实和唯一性，进而决定是否允许用户访问指定的系统、资源或服务等功能。

在针对智能手机的身份认证方法中，大多数采用口令的身份认证方式。这种方式不但安全性较差，很容易被攻击者破解。口令较长时，又会给用户造成记忆的困难，容易导致用户的遗忘和混淆，从而会使用户蒙受损失。同一口令使用的时间越长，被破解的可能性就越大。因此，在如今互联网的发展形势下，这种身份认证模式已经无法满足用户对安全性的要求。

生物特征认证技术是指利用人体所拥有的一些生物特征来进行身份认证的一种解决方案。生物特征认证由于使用了人体本身所固有的生物特征，而具有更好的安全性、可靠性和有效性。生物特征又分为物理特征和行为特征。物理特征包括指纹、声纹、人脸等。基于生物物理特征的认证方法的缺点是需要专门的设备，而且不能随意变更。生物行为特征具有难以模仿且便于更换的特点，因此非常适合用于高强度的身份认证。书写行为就是一种典型的生物行为特征，只需要通过智能手机的触摸屏就可以获得。其容易获取的特征使之非常适用于智能手机端的身份认证。

发明内容

为了克服口令身份认证方式的不安全、易遗忘的缺点，本发明提供了一种用户无需记忆、安全性更高、便于更换的基于书写行为生物特征的智能手机用户身份认证方法。该方法特别适用于智能手机用户的敏感APP的登录及支付认证，使得身份认证过程更加安全、简便。

本发明专利解决其技术问题所采用的技术方案是：一种基于书写行为生物特征的智能手机用户身份认证方法，所述方法分为训练、认证两部分；

训练阶段步骤如下：

1.用户选择或自定义印记；

2.用户在手机触摸屏上按照个人书写习惯书写印记；

3.采集用户书写过程中留下的触摸信息和手机传感器信息，并对这些信息进行预处理以消除噪声和干扰；

4.依据采集的触摸信息和手机传感器信息提取书写行为生物特征，包括全局书写行为特征、局部书写行为特征、手机抖动特征和手机倾角特征；

5.多次重复步骤二、三、四，直到提取到稳定的书写行为生物特征；

6.保存书写行为生物特征；

认证阶段步骤如下：

1.向用户提示训练阶段保存的印记，供用户临摹；

2.用户根据印记提示临摹印记；

3.采集用户书写过程中留下的触摸信息和手机传感器信息，并对这些信息以与训练阶段步骤三相同的方式进行预处理；

4.依据采集的触摸信息和手机传感器信息以与训练阶段步骤四相同的方式提取书写行为生物特征；

5.依据所提取的生物特征，计算与训练阶段所保存的生物特征之间的相似度；若相似度大于预设阈值，则该用户认证通过；否则该用户认证失败。

优选的，所述印记包括任意图形、图案、字母、数字、符号、汉字，用户可根据个人安全需求、个人书写习惯和个人喜好来选择或自定义。

优选的，所述用户书写过程中留下的触摸信息包括在每个点上的：x坐标，y坐标，时间、压力及接触面积；用户书写过程中留下的手机传感器信息包括在每个点上的：手机加速度传感器信息和手机方向传感器信息；手机加速度传感器信息记录了手机在x，y，z三个方向上的抖动的加速度值；手机方向传感器信息记录了手机在x，y，z三个方向上的倾角值。

优选的，所述书写行为生物特征通过分析笔迹形状、书写时间、书写压力、手机倾斜度、接触面积及加速度信息获得，并基于该特征进行身份认证。

优选的，所述全局书写行为特征和局部书写行为特征通过所述触摸信息计算得到；

全局书写行为特征用于体现用户书写个性化印记时书写行为特征的整体分布，全局特征通过基于时间的全局特征、基于接触面积的全局特征、基于速度和加速度的全局特征、基于方向的全局特征和基于几何分布的全局特征中的N种表征，N为大于0的整数；

局部书写行为特征用于体现用户书写印记时书写行为特征的“特征-时间”分布规律，局部特征通过基于坐标的局部特征、基于接触面积的局部特征、基于速度和加速度的局部特征、基于方向的局部特征和基于压力的局部特征中的M种表征，M为大于0的整数。

优选的，所述手机抖动特征和手机倾角特征通过手机传感器信息计算得到；

抖动和倾角特征用于体现用户书写印记时操作手机的习惯，包括手机在x，y，z三个方向上的抖动的加速度值和手机在x，y，z三个方向上的倾角值。

优选的，认证阶段所述相似度的计算方法为：分别计算全局特征相似度、局部特征相似度、手机抖动特征相似度和手机倾角特征相似度；然后将它们归一化并融合，得到最终的相似度。

优选的，所述全局特征相似度的计算方法为当全局特征由N个元素表征的时候，逐一计算两个对应全局特征的差值，然后通过归一化和融合的方法，得到最终的全局特征相似度；其中N为大于0的整数。

优选的，所述局部特征相似度的计算方法为当局部特征由M个元素表征的时候，逐一计算两个对应“特征-时间”序列间的距离，然后通过归一化和融合的方法，得到最终的局部特征相似度；其中M为大于0的整数。

优选的，所述手机抖动特征相似度包括x，y，z三个方向上的相似度；手机倾角特征相似度包括x，y，z三个方向上的相似度；相似度计算方法为逐一计算两个对应序列间的距离，然后通过归一化和融合的方法，得到最终的手机抖动相似度和手机倾角相似度。

本发明的有益效果是：1.本发明所述的基于书写行为生物特征的智能手机用户身份认证方法与传统的口令身份认证方法相比，其安全性大大提高，且便于更换，并且避免了口令的遗忘、口令的泄露、和被非法攻击等问题；本方法与输入复杂口令相比，认证过程更加方便快捷；2.本发明所述的基于书写行为生物特征的智能手机用户身份认证方法操作简单，无需增加任何额外设备；在不改变用户行为习惯的基础上进行认证，提取可以体现用户独特书写习惯的生物特征并以此作为身份认证的判据，具有广泛的安全性和实用性；3.由于书写行为是一种独特的生物特征，不易被他人窃取和伪造，所以即使将书写印记显示于屏幕上供用户临摹也无须担心认证的准确性。因此用户可以根据个人安全需求、个人书写习惯、个人喜好选择自定义的书写印记，提升了用户的操作体验。

附图说明

图1是本发明实施例一种基于书写行为生物特征的智能手机用户身份认证方法训练阶段的流程示意图。

图2是本发明实施例一种基于书写行为生物特征的智能手机用户身份认证方法认证阶段的流程示意图。

图3是本发明实施例一种基于书写行为生物特征的智能手机用户身份认证方法认证阶段用户输入印记的示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

如图1所示为一种基于书写行为生物特征的智能手机用户身份认证方法训练阶段的流程示意图，从图中可以看出，训练阶段包括如下过程：用户选择书写印记，用户输入书写印记，系统采集触摸信息和手机传感器信息，预处理，提取用户书写行为生物特征，判断训练是否完成，保存书写行为生物特征。

步骤一、用户选择书写印记。

用户在手机触摸屏上书写的印记可以是系统预设的、或者用户自定义的书写印记，包括：任意图形、图案、字母、数字、符号、汉字等。用户可根据个人安全需求、个人书写习惯和个人喜好来选择自定义的书写印记；比如选择用户在生活中经常书写的汉字，如我、你、他、的、地、得等；选择经常画的图形或图案，如：平行四边形、梯形、三角形、圆形、五角星、太阳等，或选择用户自己喜爱的字母或有特殊意义的符号等。

步骤二、用户输入书写印记。

由于每个人的书写习惯都不同，即在书写一个特定印记时每一部分的书写特征均不相同，例如笔迹形状、书写时间、书写压力、手机倾斜度、接触面积及加速度等。因此利用用户按照个人书写习惯书写的印记进行身份认证，具有较高的安全性。

步骤三、采集触摸信息和手机传感器信息并预处理。

本实施例的手写输入设备是智能手机的触摸屏，采集的触摸信息是指用户在触摸屏上书写印记的过程中所采集到触摸点的每个点上的x坐标，y坐标，时间、压力和接触面积。例如，在Android系统中获取触摸信息是通过调用记录系统当前时间的currentTimeMillis()函数以及OnTouchEvent中的MotionEvent中的getX()、getY()、getPressure()、getSize()函数获得。

本实施例采集的手机传感器信息是指用户在触摸屏上书写印记的过程中所采集到触摸点的在每个点上的：手机加速度传感器信息和手机方向传感器信息；手机加速度传感器记录了手机在x，y，z三个方向上的抖动的加速度值；手机方向传感器信息记录了手机在x，y，z三个方向上的倾角值。例如，在Android系统中，有一个SensorManager类负责管理手机中的所有传感器设备及其数据收发，通过其中的方法getSensorList来获取相应的传感器类型，然后对加速度传感器和方向传感器进行监听来获取每个时刻该传感器得到的x、y、z三个方向上的数据。

由于手机屏幕的采样频率较低且容易受到干扰，直接从触摸屏上采集到的触摸点可能会受到噪声和干扰点的影响，因此有必要对触摸信息和传感器信息进行预处理，包括平滑去噪、滤波、归一化等运算。

步骤四、提取书写行为生物特征。

书写行为生物特征是能够体现用户独特书写习惯的特征，包括全局书写特征、局部书写特征、手机抖动特征和手机倾角特征。

全局书写特征可以体现用户书写印记时书写行为特征的整体分布，通过触摸信息计算获得。由于本方法应用于手机客户端上，针对手机用户的训练样本较少，且实验表明在训练样本较少的情况下应用全局书写特征进行身份认证的准确度较高，因此本方法选择提取全局书写特征保证用户身份认证的准确性。

全局书写特征包括：基于时间的全局特征、基于速度和加速度的全局特征、基于接触面积的全局特征、基于方向的全局特征和基于几何分布的全局特征。

例如，书写总时间，书写高速时间/书写低速时间，书写高压时间/书写低压时间等可以体现用户书写时间分布的特征；书写最大速度/书写最小速度，书写平均速度/书写最大速度，书写加速度和速度的均值、方差等可以体现用户书写速度和加速度分布的特征；书写最大接触面积、平均接触面积等可以体现用户书写时与屏幕接触面积分布的特征；书写最大曲率、书写最大夹角，方向直方图等可以体现用户书写方向变化分布的特征；书写区域长宽比、触摸点的分布等可以体现用户书写形状分布的特征。

应用时根据不同应用场景及用户需求，提取其中全部或部分特征作为全局书写特征。

局部书写特征可体现用户书写印记时书写行为特征的“特征-时间”分布规律，通过触摸信息计算获得。在指定书写印记形状的情况下，局部书写特征是能体现用户生物特征的重要特征，用户生物特征的差异又是进行身份认证的关键，因此，本方法也选择提取局部书写特征提高用户身份认证的准确性。

局部书写特征包括：基于坐标的局部特征、基于速度和加速度的局部特征、基于接触面积的局部特征、基于方向的局部特征和基于压力的局部特征。

例如，x(t)，y(t)以及它们的一阶、二阶导数可以体现基于坐标的局部特征；v(t)，a(t)以及它们的一阶、二阶导数可以体现基于速度和加速度的局部特征；s(t)可以体现基于接触面积的局部特征；α(t)、ρ(t)可以体现基于方向的局部特征；p(t)及其一阶、二阶导数可以体现基于压力的局部特征；其中，x(t)表示“x坐标-时间”序列，y(t)表示“y坐标-时间”序列，v(t)表示“速度-时间”序列，a(t)表示“加速度-时间”序列，s(t)表示“接触面积-时间”序列，α(t)表示“角度-时间”序列，ρ(t)表示“曲率-时间”序列；p(t)表示“压力-时间”序列。

应用时根据不同应用场景及用户需求，提取其中全部或部分特征作为局部书写特征。

抖动和倾角特征可以体现用户书写印记时操作手机的习惯，通过手机传感器信息获得。用户在手机触摸屏上输入印记时，根据个人习惯的不同，手持手机的角度、书写印记的力度均有不同，因此手机抖动和倾角特征可以作为生物特征进行用户身份认证。由于手机传感器数据的采样率高，数据准确等特点，抖动和倾角特征同样成为书写行为生物特征的重要组成部分。其包括手机在x，y，z三个方向上的抖动的加速度值和手机在x，y，z三个方向上的倾角值。它们分别由智能手机内置的加速度传感器和方向传感器获取，并分别作为手机抖动特征和手机倾角特征。

在本实施例中，为了获得更好的认证速度和准确率，选取书写总时间、书写平均速度、书写平均加速度、书写平均接触面积、书写最大曲率作为全局书写特征；选取x(t)、y(t)、v(t)、a(t)、s(t)、ρ(t)作为局部书写特征；选取手机加速度传感器监听到的x，y，z三个方向上的加速度值作为手机抖动特征；选取手机方向传感器监听到的x，y，z三个方向上的倾角值作为手机倾角特征。

步骤五、确定训练是否完成。

将训练阶段用户几次提交的印记进行相似度比较，并设定类内相似度阈值，当类内相似度小于阈值时，则认为特征稳定，结束训练，转步骤六；否则，认为特征不稳定，转步骤二继续训练。

步骤六、保存书写行为生物特征。

将生物特征保存用于认证阶段进行相似度比较，根据用户需求和应用环境的不同，特征可保存于本地或远程验证服务器。

综上所述，训练阶段完成。

如图2所示为一种基于书写行为生物特征的智能手机用户身份认证方法认证阶段的流程示意图，从图中可以看出，认证阶段包括以下过程：系统显示印记提示，用户临摹书写印记，采集触摸信息和手机传感器信息并预处理，提取用户书写行为生物特征，计算相似度，进行身份认证。

步骤一、系统显示印记提示。

认证阶段，系统首先提供预设的、或者用户自定义的印记提示，供用户临摹书写；印记提示是将用户提交保存的印记经适当处理后显示在手机屏幕上。处理方式包括雾化、遮挡等手段。

步骤二、用户临摹书写印记。

用户进行身份认证时，通过临摹与训练阶段相同的书写印记进行认证，在临摹时根据印记提示的笔迹及按照个人书写习惯进行书写。

如图3所示为用户输入印记的示意图，即用户在界面指定区域按照印记提示输入书写印记以进行身份认证。其中，(a)为用户在屏幕指定区域绘制自定义的五角星图案；(b)为用户在屏幕指定区域书写的自定义汉字“我”；(c)为用户在屏幕指定区域绘制的系统预设的太阳图案。

步骤三、采集触摸信息和手机传感器信息并预处理。同训练阶段处理方式。

步骤四、提取书写行为生物特征。同训练阶段处理方式。

步骤五、计算并比较相似度。

本步骤需要计算训练阶段存储的书写行为生物特征与步骤四获得的生物特征间的相似度，并将该相似度与预设的阈值比较，相似度大于预设阈值，则该用户认证通过；否则该用户认证失败。

计算相似度的方法为：分别计算全局特征相似度、局部特征相似度、手机抖动相似度和手机倾角相似度；然后将它们归一化并融合，得到最终的相似度。所述相似度归一化方法和融合算法可以有多种，例如，归一化方法包括但不限于：max-min法、z-score法、tanh-estimator法等；融合算法包括但不限于：求和，加权求和，乘积等。

其中，mix-min归一化方法数学表达式为：

r_{n} = \frac{r - r_{m i n}}{r_{m a x} - r_{\min}}

其中，r_n为归一化后的数值，r为原始数值，r_min为原始数值中的最小值，r_max为原始数值中的最大值。

z-score归一化法数学表达式为：

r_{n} = \frac{r - μ}{σ}

其中，r_n为归一化后的数值，r为原始数值，μ和σ为原始数值的均值和方差。

tanh-estimator归一化方法数学表达式为：

r_{n} = \frac{1}{2} {\tanh (0.01 \times \frac{r - μ}{σ}) + 1}

计算全局特征相似度的方法为：计算每个全局特征的差值，并通过归一化和融合的方法，得到最终的全局特征相似度。

计算局部特征相似度的方法为：计算每个“特征-时间”序列间的距离，并通过归一化和融合的方法，得到最终的局部特征相似度。所述“特征-时间”序列中的特征可以表示前述的x坐标、y坐标、速度、加速度、接触面积、角度、曲率或压力等。“特征-时间”序列间的距离可以采用任何可以得到两个时间序列间距离的算法得到，如动态时间规整算法(DynamicTimeWarping)、欧式距离(Euclideandistance)、马氏距离(Mahalanobisdistance)等。本实施例采用动态时间规整算法(DTW)计算两序列间距离，这种方法通过时间上的扭曲找到一条最优的匹配路径，使得两序列在该路径下的距离最小。

计算手机抖动特征相似度包括计算x，y，z三个方向上的相似度；计算手机倾角特征相似度包括计算x，y，z三个方向上的相似度；与局部特征相似度的计算方法一样，抖动特征和倾角特征相似度的计算方法亦为计算每两个序列间的距离，本实施例采用动态时间规整算法(DTW)。

在本实施例中，根据所选的书写行为生物特征，计算全局特征相似度时，逐一计算训练和认证两阶段提取到的书写总时间、书写平均速度、书写平均加速度、书写平均接触面积和书写最大曲率的差值；计算局部特征相似度时，逐一计算训练和认证两阶段提取的x(t)、y(t)、v(t)、a(t)、s(t)、ρ(t)序列间的距离，采用DTW算法；与局部特征相似度的计算方法一样，抖动特征和倾角特征相似度的计算方法亦为计算每两个序列间的距离，采用DTW算法。计算结果经过tanh-estimator归一化并求和后，得到最终相似度。

将计算出的相似度与阈值比较，若相似度大于阈值，则该用户认证通过；否则该用户认证失败。选择阈值的原则是保证较低的误拒率(FRR)和误纳率(FAR)。

综上所述，认证阶段完成。

以上对本申请所提供的一种基于书写行为生物特征的智能手机用户身份认证方法进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为本申请的限制。

Claims

1.一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：包括如下训练阶段和认证阶段：

(一)训练阶段步骤如下：

(1)用户选择预设的印记或自定义印记；

(2)用户在手机触摸屏上按照个人书写习惯书写印记；

(3)采集用户书写过程中留下的触摸信息和手机传感器信息，并对这些信息进行预处理以消除噪声和干扰；

(4)依据采集的触摸信息和手机传感器信息提取书写行为生物特征，包括全局书写行为特征、局部书写行为特征、手机抖动特征和手机倾角特征；

(5)多次重复步骤二、三、四，直到提取到稳定的书写行为生物特征；

(6)保存书写行为生物特征；

(二)认证阶段步骤如下：

(1)向用户提示训练阶段保存的印记，供用户临摹；

(2)用户根据印记提示临摹印记；

(3)采集用户书写过程中留下的触摸信息和手机传感器信息，并对这些信息以与训练阶段步骤三相同的方式进行预处理；

(4)依据采集的触摸信息和手机传感器信息以与训练阶段步骤四相同的方式提取书写行为生物特征；

(5)依据所提取的生物特征，计算与训练阶段所保存的生物特征之间的相似度；若相似度大于预设阈值，则该用户认证通过；否则该用户认证失败。

2.根据权利要求1所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述印记包括任意图形、图案、字母、数字、符号、汉字，用户可根据个人安全需求、个人书写习惯和个人喜好来选择或自定义。

3.根据权利要求1所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述用户书写过程中留下的触摸信息包括在每个点上的：x坐标，y坐标，时间、压力及接触面积；用户书写过程中留下的手机传感器信息包括在每个点上的：手机加速度传感器信息和手机方向传感器信息；手机加速度传感器信息记录了手机在x，y，z三个方向上的抖动的加速度值；手机方向传感器信息记录了手机在x，y，z三个方向上的倾角值。

4.根据权利要求1所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述书写行为生物特征通过分析笔迹形状、书写时间、书写压力、手机倾斜度、接触面积及加速度信息获得，并基于该特征进行身份认证。

5.根据权利要求1所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述全局书写行为特征和局部书写行为特征通过所述触摸信息计算得到；

6.根据权利要求1-5任一所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述手机抖动特征和手机倾角特征通过手机传感器信息计算得到；

7.根据权利要求1所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：认证阶段所述相似度的计算方法为：分别计算全局特征相似度、局部特征相似度、手机抖动特征相似度和手机倾角特征相似度；然后将它们归一化并融合，得到最终的相似度。

8.根据权利要求7所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述全局特征相似度的计算方法为当全局特征由N个元素表征的时候，逐一计算两个对应元素的差值，然后通过归一化和融合的方法，得到最终的全局特征相似度；其中N为大于0的整数。

9.根据权利要求7所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述局部特征相似度的计算方法为局部特征由M个元素表征的时候，逐一计算两个对应“特征-时间”序列间的距离，然后通过归一化和融合的方法，得到最终的局部特征相似度；其中M为大于0的整数。

10.根据权利要求7-9任一所述的一种基于书写行为生物特征的智能手机用户身份认证方法，其特征在于：所述手机抖动特征相似度包括x，y，z三个方向上的相似度；手机倾角特征相似度包括x，y，z三个方向上的相似度；相似度计算方法为逐一计算两个对应序列间的距离，然后通过归一化和融合的方法，得到最终的手机抖动相似度和手机倾角相似度。