CN105844126A - 智能电子设备用户自动认证方法 - Google Patents

Abstract

本发明公开了智能电子设备用户自动认证方法，该方法包括采集当前用户使用智能电子设备所产生的行为数据；当当前时间为设定间隔时间段的终点时间，计算当前时间段内采集的所有行为数据的作为用户认证数据，读取用户行为数据参照库中根据用户设定时间段内的所有训练数据计算的认证模型；根据计算的认证数据和读取的认证模型，判断当前用户是否为智能设备的机主。当判断当前用户是机主，则保持设备解锁状态；当判断当前用户不是机主时，则弹出用于用户输入验证信息的控制界面；若输入的密码不是智能电子设备的密码时，锁定智能电子设备；否则，使智能电子设备保持解锁状态。

Description

智能电子设备用户自动认证方法

技术领域

本发明涉及移动通信技术领域，具体涉及智能电子设备用户自动认证方法。

背景技术

随着智能电子设备的日益普及和功能的不断增加，它已成为人们日常生活中不可或缺的一部分，人们通过智能手机连接互联网和社交网络，利用它与朋友，家人保持联系，对特殊时刻进行拍照和计划做出安排。然而这些功能强大的智能电子设备给用户带来便利的同时，也存在着一定的安全风险。智能电子设备体积一般比较小，而且保存了用户大量的隐私信息，如果一旦丢失或被盗，对数据失去控制造成的损伤远远超过设备本身的价值。

为了防止智能手机丢失或者失窃后被非法用户使用，用户普遍会根据个人喜好设置解锁密码、解锁图形或其它验证方式来实现每次使用时用户认证；这些方式普遍在几十秒或几分钟内无用户操作即自动锁定设备，若用户想进行使用手机就必须再次输入解锁密码、解锁图形或其它验证信息等，这种频繁的用户认证，导致了不友好的用户体验。

发明内容

针对现有技术中的上述不足，本发明提供了一种不需要用户频繁进行认证的智能电子设备自动认证方法。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种智能电子设备用户自动认证方法，其包括：

采集当前用户使用智能电子设备所产生的行为数据；

当当前时间为设定间隔时间段的终点时间，计算当前时间段内采集的所有行为数据的统计特征，其中统计特征包括平均值、标准差、最大值和/或最小值；

读取认证数据对参照库中根据用户设定时间段内的所有统计特征计算的模型系数；

根据计算的统计特征和读取的模型系数，判断当前用户是否为智能设备的机主：

$y=\frac{e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}{1+e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}$

其中，e为自然底数，β₀和β₁为模型系数，x为统计特征，y为0或1，0表示非机主，1表示为机主；

当计算获得的y等于0时，则当前用户不是机主，弹出用于用户输入验证信息的控制界面；

当接收的解锁密码非智能电子设备机主设置的解锁密码时，锁定智能电子设备；否则，使智能电子设备保持解锁状态。

本发明的有益效果为：用户每次使用智能电子设备时，打开手机后，可以直接进入操作界面，本方案能够时刻对用户产生的行为数据进行采集，并将采集的行为数据计算的认证数据与认证数据对参照库中存储的模型系数判断当前用户是否为机主，仅当判断当前用户为非机主时才会启动用户认证。

附图说明

图1为智能电子设备用户自动认证方法的流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

参考图1，图1示出了智能电子设备用户自动认证方法的流程图；如图1所示，该智能电子设备用户自动认证方法包括：

采集当前用户使用智能电子设备所产生的行为数据；此处的行为数据可以为当前用户的使用频率、充电行为和/或网络行为。其中，使用频率为智能电子设备的屏幕的点亮持续时间和/或屏幕的点亮间隔；充电行为可以为智能电子设备的充电间隔时间、充电持续时间和/或充电方式；充电方式又可以包括USB接口或AC电源。

网络行为为移动网络发送数据量、移动网络接收数据量、移动网络发送数据包数量、移动网络接收数据包数量、Wi-Fi网络发送数据量、Wi-Fi网络发送数据包量、Wi-Fi网络接收数据量和/或Wi-Fi网络接收数据包量。

当当前时间为设定间隔时间段的终点时间，计算当前时间段内采集的所有行为数据的统计特征，其中统计特征为平均值、标准差、最大值和/或最小值；此处的间隔时间段用户可以自行设置，比如一个小时、两个小时、半天或一天。

在本发明的一个实施例中，在当前时间为设定间隔时间段的终点时间时，计算当前时间段内采集的所有行为数据的统计特征的步骤中计算的统计特征包括以下33个数据：

AVG_{screen_duration}，STD_{screen_duration}，MAX_{screen_duration}，MIN_{screen_duration}，AVG_{screen_interval}，STD_{screen_interval}，MAX_{screen_interval}，MIN_{screen_interval}，AVG_{charging_duration}，STD_{charging_duration}，MAX_{charging_duration}，MIN_{charging_duration}，AVG_{charging_interval}，STD_{charging_interval}，MAX_{charging_interval}，MIN_{charging_interval}，TYPE_charging，AVG_{size_mobile_receive}，STD_{size_mobile_receive}，MAX_{size_mobile_receive}，MIN_{size_mobile_receive}，AVG_{size_mobile_transit}，STD_{size_mobile_transit}，MAX_{size_mobile_transit}，MIN_{size_mobile_transit}，AVG_{packet_mobile_receive}，STD_{packet_mobile_receive}，MAX_{packet_mobile_receive}，MIN_{packet_mobile_receive}，AVG_{packet_mobile_transit}，STD_{packet_mobile_transit}，MAX_{packet_mobile_transit}，MIN_{packet_mobile_transit}。

其中的符号AVG、STD、MAX、MIN、TYPE分别代表平均值、标准差、最大值、最小值及类型。

下标screen_duration、screen_interval、charging_duration、charging_interval、charging、size_mobile_receive、size_mobile_transit、packet_mobile_receive、packet_mobile_transit分别代表屏幕点亮持续时间(单位秒，下同)、两次屏幕点亮间隔时间、充电持续时间、两次充电间隔时间、充电事件、蜂窝网络接收数据包大小(单位byte，下同)、蜂窝网络发送数据包大小、蜂窝网络接收数据包数量、蜂窝网络发送数据包数量(单位个，下同)、WiFi网络接收数据包数量、WiFi网络接收数据包大小、WiFi网络发送数据包大小、WiFi网络接收数据包数量、WiFi网络发送数据包数量。

AVG_{screen_duration}，计算平均屏幕点亮时间，比如：9点到10点，一共点亮了5次，点亮时间分别为4分钟，6分钟，5分钟，3分钟，7分钟，则AVG_{screen_duration}＝5分钟。

STD_{screen_duration}，计算屏幕点亮时间的标准差，比如：9点到10点，一共点亮了5次，点亮时间分别为4分钟，6分钟，5分钟，3分钟，7分钟，则STD_{screen_duration}计算公式如下，其中si是每次屏幕点亮时长，s为5次点亮的平均时长，n为点亮次数。举例说明：(4分钟-5分钟)2+(6分钟-5分钟)2+(5分钟-5分钟)2+(3分钟-5分钟)2+(7分钟-5分钟)2的计算结果除以5再开方即得。

MAX_{screen_duration}，计算最长屏幕点亮时间，比如：9点到10点，一共点亮了5次，点亮时间分别为4分钟，6分钟，5分钟，3分钟，7分钟，则MAX_{screen_duration}＝7分钟。

MIN_{screen_duration},计算最长屏幕点亮时间，比如：9点到10点，一共点亮了5次，点亮时间分别为4分钟，6分钟，5分钟，3分钟，7分钟，则MIN_{screen_duration}＝3分钟。

其他数据的平均值、标准差、最大值、最小值与上述计算方式相同，此处就不再赘述。

读取认证数据对参照库中根据用户设定时间段内的所有统计特征(此处的统计特征是由用户设定时间段内的所产生的所有行为数据计算而得的)计算的模型系数；

根据计算的认证数据和读取的模型系数，判断当前用户是否为智能设备的机主：

$y=\frac{e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}{1+e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}$

其中，e为自然底数，β₀和β₁为模型系数，x为统计特征，y为0或1，0表示非机主，1表示为机主；

只有当计算获得的y等于0时，才判定当前用户非智能电子设备的机主，弹出用于当前用户输入验证信息的控制界面；此处输入验证信息的控制界面可以是输入密码的界面、输入图案验证的界面或者输入验证码的界面，具体的可以根据用户个人喜好进行设置。

当接收的解锁密码非智能电子设备机主设置的解锁密码时，锁定智能电子设备；否则，使智能电子设备保持解锁状态。

在本发明的一个实施例中，其中的确定模型系数的方法为：

将认证数据对参照库的所有统计特征按设定比例划分为两部分；此处比例用户可以自行设置，不过在设置时一般普遍遵守用于计算模型系数比例大于进行模型系数验证比例的原则。

采用其中一部分的统计特征计算模型系数：

$y=\frac{e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}{1+e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}$

其中，e为自然底数，β₀和β₁为模型系数，x为统计特征，y为0或1，0表示非机主，1表示为机主；

采用另一部分的统计特征对计算得到的所有组模型系数进行验证；进行验证时所采用的公式与计算模型系数所采用的公式是一样的，此处就不再赘述。

将其中验证时识别为机主准确率最高的一组模型系数作为确定机主判断时的模型系数。

本方案中提到的设定时间段可以为用户设定的固定时间段，若是用户设定的固定时间段，那么在设置时，为了保证进行机主判断时的准确性，这个固定时间段至少大于等于一周。

在使用时，本方案中提到的认证间隔可以由用户进行设置。另外，当计算获得的y等于0，但当前用户输入解锁密码正确时，将计算y值的统计特征新增至认证数据对参照库，采用更新后的全部统计特征计算模型系数。

综上所述，通过本方案的认证方法，用户不需要频繁的输入认证信息，打开手机后就可以直接使用，仅当采集的行为数据计算的认证数据与认证数据对参照库中存储的模型系数判断当前用户是否为机主时，才会要求用户输入认证信息。

虽然结合附图对本发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (8)

1.智能电子设备用户自动认证方法，其特征在于，包括：

采集当前用户使用智能电子设备所产生的行为数据；

当当前时间为设定间隔时间段的终点时间，计算当前时间段内采集的所有行为数据的统计特征，其中统计特征包括平均值、标准差、最大值和/或最小值；

读取认证数据对参照库中根据用户设定时间段内的所有统计特征计算的模型系数；

根据计算的统计特征和读取的模型系数，判断当前用户是否为智能设备的机主：

$y=\frac{e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}{1+e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}$

其中，e为自然底数，β₀和β₁为模型系数，x为统计特征，y为0或1，0表示非机主，1表示为机主；

当计算获得的y等于0时，则当前用户不是机主，弹出用于用户输入验证信息的控制界面；

当接收的解锁密码非智能电子设备机主设置的解锁密码时，锁定智能电子设备；否则，使智能电子设备保持解锁状态。

2.根据权利要求1所述的智能电子设备用户自动认证方法，其特征在于，所述训练数据系数的计算方法为：

将认证数据对参照库中根据用户设定时间段内的所有统计特征按设定比例划分为两部分；

采用其中一部分统计特征计算模型系数：

$y=\frac{e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}{1+e^{{\mathrm{\β}}_0+{\mathrm{\β}}_{1}x}}$

其中，e为自然底数，β₀和β₁为模型系数，x为统计特征，y为0或1，0表示非机主，1表示为机主；采用另一部分统计特征对计算得到的模型系数进行验证；

将其中验证时识别为机主准确率最高的一组模型系数作为确定机主判断时的模型系数。

3.根据权利要求2所述的智能电子设备用户自动认证方法，其特征在于，所述设定时间段为用户设定的固定时间段，其至少大于等于一周。

4.根据权利要求2所述的智能电子设备用户自动认证方法，其特征在于，当计算获得的y等于0，但当前用户输入解锁密码正确时，将计算y值的统计特征新增至认证数据对参照库，采用更新后的全部统计特征计算模型系数。

5.根据权利要求1-4任一所述的智能电子设备用户自动认证方法，其特征在于，所述行为数据为当前用户的使用频率、充电行为和/或网络行为。

6.根据权利要求5所述的智能电子设备用户自动认证方法，其特征在于，所述使用频率为智能电子设备的屏幕的点亮持续时间和/或屏幕的点亮间隔；充电行为为智能电子设备的充电间隔时间、充电持续时间和/或充电方式；网络行为为移动网络发送数据量、移动网络接收数据量、移动网络发送数据包数量、移动网络接收数据包数量、Wi-Fi网络发送数据量、Wi-Fi网络发送数据包量、Wi-Fi网络接收数据量和/或Wi-Fi网络接收数据包量。

7.根据权利要求6所述的智能电子设备用户自动认证方法，其特征在于，充电方式为USB接口或AC电源。

8.根据权利要求1-4、6或7所述的智能电子设备用户自动认证方法，其特征在于，所述的智能电子设备为手机。