CN105980973A - 用户认证手势 - Google Patents

Abstract

本文涉及用户认证手势。一个示例可以在用户认证手势作为设备认证尝试而被执行时捕获多个生物计量特征。该示例可以比较多个生物计量特征的值与为用户而存储的先前值。该示例还可以在多个生物计量特征的值满足相对于先前值的相似度阈值的情况下解锁计算设备。

Description

用户认证手势

背景技术

在形式为消息、相片、银行账户和更多形式的敏感信息在移动设备上找到它的位置时，对于恰当地保护它们的需要变成必需。传统用户认证机制(比如包括字母、数字和符号的组合的冗长口令)由于触屏的小尺寸和缺乏具有触觉反馈的物理键盘而不适合于移动设备。假如用户需要在他们的移动设备上一天认证数十次或者甚至数百次，则传统口令认证技术变成实际瓶颈。另外，其它类型的演变设备本身没有被赋予传统用户认证机制。

为了简化认证过程，用户往往让他们的设备完全未被保护，或者他们利用简单认证技术(比如4位数pin、图片口令或者手势解锁(例如，在触屏上描迹符号或者形状)。即使这些技术允许容易和直观的用户认证，它们也有损设备的安全性，因为它们易受简单越肩表面攻击。Pin、图片口令和解锁手势可以通过简单地观测用户在他的/她的设备上认证一次而被容易地取得。在许多情况下，在设备的触屏上的污迹指纹也可以用来在没有对认证过程的任何直接观测的情况下自动地标识口令(pin、图片或者手势)。

Android^TM设备新近地通过经由设备的前置相机实现了用户认证来给大众带来脸部识别。尽管直观和快速，但是这一类型的认证受典型计算机视觉限制所困扰。脸部识别性能在不良照明条件或者与在训练期间使用的照明条件不同的照明条件之下显著地下降。假如移动设备持续地被用户携带和使用，则对环境条件的这样的波动是常见的。

更新近地，引入了一种通过在home按钮中嵌入指纹传感器来允许用户容易地和安全地解锁他们的设备的触摸标识技术。尽管这一方式解决了认证过程的可用性和安全性要求二者，但是它根本地限于在前面有大物理按钮(比如在iPhone上的home按钮)的设备。然而，随着电话制造商力争具有大边缘到边缘显示器的设备，物理按钮快速地被可以被容易地嵌入到触屏中的电容按钮所取代，从而消除了指纹传感器需要的实际地盘。另外，这一解决方案需要附加指纹传感器硬件并且由此增加设备成本。

发明内容

本文涉及用户认证手势(或者“认证手势”)。一个示例可以捕获与作为设备认证尝试而执行用户认证手势有关的多个生物计量特征。该示例可以比较多个生物计量特征的值与为用户而存储的先前值。该示例还可以在多个生物计量特征的值相对于先前值满足相似度阈值的情况下解锁计算设备。

另一示例可以包括显示器和至少两种不同类型的传感器。这一示例也可以包括被配置为存储计算机可读指令的存储装置和被配置为执行计算机可读指令的处理单元。这一示例也可以包括用户认证部件。用户认证部件可以被配置为使图形用户界面被呈现在显示器上，该图形用户界面指示用户在训练时期期间执行用户认证手势多次。用户认证部件可以被配置为接收在训练时期期间获得的、来自至少两种不同类型的传感器的传感器数据。用户认证部件也可以被配置为基于在训练时期期间获得的传感器数据来生成用于用户的个人化的相似度阈值。用户认证部件还可以被配置为在用户认证手势在后续设备认证尝试中被执行时接收附加传感器数据。用户认证部件可以被配置为在附加传感器数据与传感器数据的相似度满足个人化的相似度阈值的情况下认证对设备的使用。

提供这一发明内容以按照以下在具体实施方式中进一步描述的简化形式介绍对概念的选择。这一发明内容既未旨在于标识要求保护的主题内容的关键因素或者实质特征，也未旨在于用作在确定要求保护的主题内容的范围时的辅助。

附图说明

参照附图描述具体实施方式。在各图中，标号的最左位标识标号首次出现的图。在描述和各图中的不同实例中使用相同标号可以指示相似或者相同项目。

图 1-18是根据本概念的一些实现方式的认证手势场景和系统的示例。

图19-20是根据一些实现方式的认证手势方法的流程图。

具体实施方式

概述

如今，移动用户通过简单的四位通行代码或者手势在他们的移动设备(即，电话/平板计算机)上认证。尽管这一过程使用户易于解锁他们的设备，但是它未保留他们的设备的安全性。例如，简单地观测用户解锁他的/她的电话(例如，通过越肩攻击)的个人可以容易地辨认用来解锁设备的四位通行代码或者手势。作为结果，防止这样的越肩攻击的认证技术是合乎需要的。这样的技术应当让用户易于在设备上执行，但是对于其他用户即使在看见实际用户执行它之后仍然难以复制。其它设备运用专用指纹读取器以用于认证。指纹读取器可能相当地增添设备的总成本并且在设备上需要专用实际地盘。本概念可以在用户与设备交互时(比如在用户相对于设备执行认证手势时)收集关于用户的信息。可以共同地分析该信息而以高可靠率标识用户。这些概念可以使用许多类型的传感器数据并且可以利用现有传感器和/或用附加传感器而被实现。

在此简要介绍一些移动设备实现方式以辅助读者。本实现方式的一些配置可以仅基于通用传感器数据来实现用户认证。这一方式的底层原理是不同用户根据他们与移动设备交互的方式以及他们的手部的几何形状、大小和灵活性不同地执行相同手势。这些细微差异可以由设备的嵌入式传感器(即，触摸、加速度计和陀螺仪)拾取，从而基于传感器指纹实现用户认证。若干认证手势示例被讨论，这些示例提供可以通过设备的嵌入式传感器而被提取的相对大量的唯一用户信息。

在用户执行认证手势之时，这些实现方式可以利用触屏传感器以提取关于用户的手部的几何性质和大小的丰富信息。特别地，该信息可以涉及在手指之间的距离和角度、每个手指触摸和离开触屏的精确定时以及每个手指的大小和施加的压力。同时，这些实现方式可以利用嵌入式加速度计和陀螺仪传感器以记录移动设备在手势期间的位移和旋转。每当手指轻敲屏幕时，移动设备根据用户在手势时间如何轻敲和保持移动设备来略微地移位。

本实现方式可以利用在用户与设备交互时用来标识用户的多个生物计量特征(例如，参数)。用户与设备的交互往往引起用户(和/或设备)的移动。在本实现方式的一些实现方式中，移动可以涉及认证手势(例如，登录手势)。在训练时期期间，用户可以反复地执行认证手势，可以在训练时段期间从训练认证手势检测多个不同生物计量特征的值。可以从训练认证手势的值为用户确定个性化的相似度阈值。简言之，个人相似度阈值可以反映用户在执行认证手势时多么一致(或者不一致)。换而言之，个性化的相似度值可以反映用户在执行认证手势时具有多少变化。

随后，用户可以执行认证手势以登录到设备上(或者以别的方式被设备认证)。生物特征值可以在登录期间从认证手势被检测并且与来自训练时期的生物计量特征值比较。可以确定在登录认证手势与训练时期之间的值的相似度。如果相似度满足个性化的相似度阈值，则尝试登录的个人很可能是用户。如果相似度不满足个性化的相似度阈值，则个人可能是假冒者。

从一个角度来看，本实现方式赋予的用户认证过程可以供用户容易地和快速地执行，并且同时让攻击者即使通过直接地观测用户在设备上认证也难以准确地重现。

系统场景

图1-4共同地示出了包括多特征认证手势实现方式的第一系统100。在这一情况下，该系统包括形式为显示设备的设备102，该设备包括(或者耦合到)一种或者多种类型的传感器104和显示器或者屏幕106。在这一示例中，传感器包括用于捕获在显示设备前面的区域的多个相机。在一些情况下，传感器可以被实现为比如如 牌3D传感器利用的3D相机。传感器可以在用户108执行认证手势时捕获关于用户的多个生物计量特征。多个生物计量特征可以用来确定用户是否真实。

用户108可以执行在用户的胳膊被完全地展开到每侧而手指散开(图1)时开始的在这一情况下为非触摸认证手势的认证手势。用户然后向上挥动她的胳膊(图2)并且在她的胳膊平行和竖直而手指在一起(图3)时完成认证手势。当然，这仅为认证手势的一个非限制示例并且相对于图5-7、9-12和13-17图示了其它示例。

传感器104可以捕获与认证手势有关的传感器数据。传感器数据可以涉及各种特征。特征可以是绝对的(比如如在110(图1)处标示的总指尖到指尖宽度)和/或相对的(比如在每个手指之间的角度(在112处标示这些角度之一)、相对手指长度、相对于胳膊长度的手指长度、相对于总指尖到指尖宽度的胳膊长度等(未具体地标示后一种特征以免附图页面上的混乱))。其它特征可以涉及时间，比如用户需要多久完成从胳膊展开(图1)到胳膊向上延伸(图3)的认证手势。其它特征相对于图5-16被讨论。注意，可以利用任何类型的认证手势。提供相对大量特征的认证手势往往提供更佳准确性(例如，成功地区分用户与假冒者)。

可以比较来自认证手势的传感器数据的特征值与从训练时期存储的特征值(例如，存储的训练特征(S T F)值114)以区分真实用户与假冒者。在一些情况下，该比较可以由认证部件116执行。认证部件116可以利用各种技术以比较感测到的特征值与存储的特征值以认证用户。实施的比较技术之一涉及相似度。可以确定感测到的特征值与存储的特征值的相似度。可以比较相似度与相似度阈值。在一些实现方式中，可以基于训练时期的存储的特征值向用户定制相似度阈值。以下相对于图8-17具体描述一个这样的实现方式。

图4示出了相似度满足相似度阈值并且如在402处指示的那样在显示设备上认证用户(例如，Auriana)的情况。

图5-7共同地示出了包括多特征认证手势实现方式的第二系统500。在这一情况下，该系统包括形式为平板型计算机的设备502。该设备包括多种类型的传感器504，比如与触屏或者触摸显示器506关联的相机和触摸传感器。例如，触屏可以包括可以感测接触位置和接触压力的电容触摸传感器。

在这一情况下，认证始于用户放下他的/她的手部508手掌侧和平放在触屏506上而手指散开(图5)。用户然后将手指攒在一起并且从触屏提开手掌(图6)，从而使得指尖维持与触屏506接触。认证手势在手指在手掌下面相互触摸(图7)时完成。这一认证手势可以提供可以由设备感测的多个特征。例如，特征可以涉及实际尺度，比如手指长度和宽度、手掌宽度和长度、指纹、掌纹、在认证手势开始时的总接触面积和/或在认证手势结束时的总接触面积以及其它特征。如以上提到的那样，可以由认证部件516比较在认证手势期间感测到的特征值与存储的训练特征值514以确定用户是否执行认证手势或者假冒者尝试访问设备。

注意，一些实现方式可以备选地或者附加地利用没有涉及认证手势的其它特征。例如，一些实现方式可以利用与脸部识别关联的特征以帮助标识用户。然而，与认证手势有关的特征往往比其它特征更少受环境因素影响。例如，脸部识别特征可能受光照条件、存在或者不存在脸部毛发、人的脸部是否直接地与设备的相机或者侧面对准等所影响。对照而言，与认证手势有关的特征(比如手指长度、在手指之间的角度、接触压力等)往往更一致而更少受环境因素影响。

图8-18共同地示出了附加多特征认证手势实现方式。

图8示出了包括多特征认证手势实现方式的第三系统800。在这一情况下，该系统包括形式为智能电话的设备802。设备802可以支持在操作系统(OS)806上运行的应用804。操作系统可以与硬件808交互。硬件的示例可以包括存储介质或者存储装置810、处理器812、触屏506和/或传感器504。另外，认证部件516可以与应用804和/或操作系统(OS)806和传感器504配合工作。传感器类型的非限制示例可以包括触摸传感器504(1)、相机504(2)、陀螺仪504(3)、加速度计504(4)、磁力计504(5)、射频(RF)传感器504(6)(例如，天线)、全球定位系统(GPS)传感器504(7)、声音传感器504(8)(例如，麦克风)以及其它示例。在一些情况下，在标号之后利用括号以区分相似单元。使用不具有关联括号的标号是单元通用的。传感器504可以比如在用户认证手势期间捕获特征。特征可以如以下描述的那样由认证部件516使用。

在这一情况下，设备802包括触屏506，该触屏506包括触摸传感器504(1)(或者与它配合工作)。例如，触屏可以包括可以感测特征(比如接触位置和接触压力)的电容触摸传感器。设备也可以比如在设备壳上和/或沿着触屏的边缘具有其它触摸传感器。

从一个观点来看，设备802可以被视为计算机。处理器812可以执行形式为计算机可读指令的数据以提供功能。数据(比如计算机可读指令和/或用户有关数据)可以被存储在存储装置810(比如可以在计算内部或者外部的存储装置)上。存储装置可以包括易失性或者非易失性存储器、硬驱动、闪存设备和/或光存储设备(例如，CD、DVD等)以及其它存储装置中的任何一个或者多个存储装置。如这里所用，术语“计算机可读介质”可以包括信号。对照而言，术语“计算机可读存储介质”排除信号。计算机可读存储介质包括“计算机可读存储设备”。计算机可读存储设备的示例包括易失性存储介质(比如RAM)和非易失性存储介质(比如硬驱动、光盘和闪存)以及其它示例。

在一些配置中，设备802可以包括片上系统(SOC)型设计。在这样的情况下，由设备提供的功能可以被集成在单个SOC或者多个耦合的SOC上。一个或者多个处理器可以被配置为与共享的资源(比如存储器、存储装置等)和/或一个或者多个专用资源(比如被配置为执行某个具体功能的硬件块)协调。因此，如这里所用的术语“处理器”也可以是指中央处理单元(CPU)、图形处理单元(GPU)、控制器、微控制器、处理器核或者其它类型的处理设备。

一般地，这里描述的功能中的任何功能可以使用软件、固件、硬件(例如，固定逻辑电路)、人工处理或者这些实现方式的组合而被实施。如这里所用的术语“部件”一般地代表软件、固件、硬件、整体设备或者网络或者这些的组合。例如，在软件实现方式的情况下，这些可以代表当在处理器(例如，一个或者多个CPU)上被执行时执行指定的任务的程序代码。程序代码可以被存储在一个或者多个计算机可读存储器设备(比如计算机可读存储介质)中。部件的特征和技术是平台独立的，这意味着它们可以被实施在具有多种处理配置的多种商用计算平台上。

认证部件516可以生成向用户示出如何执行认证手势的一个或者多个GUI。例如，在初始设备启动时，认证部件可以生成图示了如何执行认证手势的GUI。认证部件516可以生成指示用户执行认证手势多次的GUI。用户可以如指示的那样执行认证手势。认证部件可以将这一信息存储为训练数据。以下相对于图18更具体地讨论这一方面。其它实现方式可以示出多个认证手势并且允许用户选择要利用的认证手势。更多其它实现方式可以允许用户定义他/她自己的认证手势。用户可以比如在设置菜单之下访问认证部件51以改变他的/她的认证手势和/或执行附加训练以及其它功能。

注意，在本实现方式的一些实现方式中，认证部件516可以利用在现货设备(比如智能电话)上通常地发现的现有传感器来实现准确多特征手势认证。因此，可以用相对于现有产品的很少成本增加来实现本实现方式而又可以提供更大用户便利和安全性。另外，如果将来设备运用附加和/或不同传感器类型，则本实现方式可以利用由新传感器类型捕获的特征。

图9-12示出了在用户用一只手保持设备802而用另一只手执行认证手势之时被执行的多触摸认证手势。在图9中，用户的小指在用户开始认证手势时接触屏幕。在图10中，用户的无名指接触触屏，并且在图11中，用户的中指接触触屏。在图12中，用户在食指接触触屏时完成认证手势。图13示出了可以由触摸传感器504(1)从认证手势捕获的特征的示例。

图14-17示出了用户用一只手保持设备802而用同一只手执行认证手势的实现方式。在这一情况下，用户使用他的/她的拇指以在直接地在下面的支撑手指的指尖之上的位置处接触触屏。在这一示例中，接触的顺序是在食指之上(图14)、然后在中指之上(图15)、继而在无名指之上(图16)并且在小指之上(图17)完成。(由于附图页面的约束，仅在小指之上的位置处的认证手势接触直接地可见。)

这两个实现方式(例如，图9-12和图14-17)可以允许相对于认证手势来捕获涉及用户的手部的几何形状的多个特征。随着用户用四个手指执行手势，系统800可以同时记录每个手指首先触摸和随后离开设备的触屏的在触屏上的位置和时间。在个人正在执行手势之时，系统也可以记录设备的加速度计和陀螺仪签名，这些签名指示个人如何正在保持设备。认证部件516可以组合这一信息以提取特征集合，比如每个手指触摸触屏的时间、在手指之间的距离、在触摸之间的角度(见图13)等，该特征集合可以用来训练用于用户(例如，训练时期)的认证模型。为了伪造这样的手势，攻击者需要同时重放用户的手势的定时、距离、角度和传感器特性，这是很难实现的事情。

本实现方式可以利用不同用户根据他们保持设备的方式以及他们的手部的几何形状、大小和灵活性来不同地执行相同手势的事实。这些细微差异可以由设备的嵌入式传感器(即触摸、加速度计和陀螺仪)拾取作为特征，从而基于传感器指纹来实现用户认证。

换而言之，在用户执行认证手势之时，认证部件516可以利用触屏传感器以提取关于用户的手部的几何形状和大小的丰富信息。特别地，可以提取在手指之间的距离和角度、每个手指触摸和离开触屏的精确定时以及每个手指的大小和施加的压力。同时，认证部件516可以利用嵌入式加速度计和陀螺仪传感器以记录设备在手势期间的位移和旋转。注意，每当手指轻敲触屏时，设备根据用户在手势时间如何轻敲和保持设备而被略微地移位。

在被组合时，来自触摸、加速度计和陀螺仪传感器的信息(以及其它信息)可以提供对个体用户如何执行认证手势的具体见解。认证部件516可以利用这一信息作为‘传感器指纹’以认证用户。(传感器指纹不应与捕获用户的实际指纹的传感器混淆。然而，在一些实现方式中，用户的一个或者多个实际指纹可以对他的/她的传感器指纹有贡献)。

由于所示的认证手势可以很直观/自然并且可以在触屏上的任何位置处被执行，所以它们对于用户未引起显著认知开销。同时，想要攻击这一认证机制的攻击者面对难得多的任务，因为他们必须同时再现每个手指敲击的定时、放置、大小和压力以及加速度计和陀螺仪传感器指纹。尽管个别地伪造这一信息中的每个信息可能是容易的，但是同时再现所有这一信息即使在攻击者有机会接近地观测实际用户执行认证手势时仍然很有挑战。

概括而言，图9-12和14-17中所示的认证手势提供认证了认证手势的示例，这些认证手势允许设备的现有嵌入式传感器提取关于用户的手部生物计量和用户保持设备的方式的大量信息。

在这两种情况下，以像素坐标的形式通过触屏层记录四个手指轻敲。由于记录的触摸点中的每个触摸点直接地(2只手手势)或者间接地(1只手手势)对应于指尖，所以触摸传感器504(1)可以捕获用户的手部的几何形状。特别地，在每对指尖之间的距离以及由三个指尖(图13)的任何组合定义的角度可以用来表征用户的手部的大小和几何形状。同时，手指轻敲的时间戳醒目突出用户能够弯曲他的/她的手指以执行所需手势的速度。每个手指轻敲的持续时间以及在成对手指轻巧之间的定时根据用户的手部的大小和灵活性而随用户不同而变化。

在大多数设备(比如智能电话)上的触屏层也能够记录每个手指轻敲的压力和大小。这两个值依赖于用户的手部的大小和重量、用户在显示器上施加多少压力以及用户在执行手势之时保持设备的角度。

加速度计传感器504(4)和陀螺仪传感器504(3)可以通过间接地捕获关于用户的手部生物计量的附加信息来对触摸传感器504(1)进行补充。每当用户执行认证手势之一时，设备802被略微地移位和旋转。设备的位移和旋转在加速度计和陀螺仪传感器数据中被反映。在每个手指轻敲期间以及略微地在手势之前和之后，存在加速度计和陀螺仪传感器签名的显著变化。在两只手认证手势的情况下，这些变化由两个来源引起：手指在设备的显示器上轻敲以及用户的第二只手试图补偿手指轻敲和支持设备的手指轻敲。在一只手手势的情况下，设备位移和旋转主要地由用户的手部的大小和/或用户的拇指相对于其它手指的长度和设备本身的大小而言的触及/长度引起。

概括而言，认证部件516可以组合来自触摸、加速度计和陀螺仪传感器的信息以及其它信息以形成捕获用户的手部的几何形状和生物计量的传感器指纹。

尽管直观，但是使用这一类型的传感器数据以用于用户认证引起若干挑战。首先，记录的传感器数据可能根据实际用户如何执行手势或者保持设备802而随不同手势实例变化。甚至更糟的是，这一可变性可能是用户特有的。例如，一些用户可以在再现在手指轻敲之间的确切定时或者距离时很准确，但是无法准确地再现传感器数据的其它部分(比如压力或者角度签名)，并且反之亦然。为此，在本实现方式的一些实现方式中，认证部件516可以运用自动地针对每个用户的能力而被定制的认证技术。

为了实现跨用户和手势实例对传感器指纹的直接比较，认证部件516可以运用用于离散触摸传感器读数以及连续加速度计和陀螺仪数据二者的个性化的相似度度量。个性化的相似度度量被设计为更多强调传感器数据的跨手势实例表现最少可变性、并且因此更有价值地描述用户的手势输入行为的那些特征。

另外，在一些实现方式中，认证516可以在考虑感测配置时考虑设备资源。例如，当前移动设备支持可以高达200KHz或者更高的传感器采样速率。以这一速率对传感器如加速度计连续地采样半秒或者更多(用户执行认证手势可能花费的时间)可以产生需要大量时间(和/或其它资源)来本地处理的大量数据。这些延迟可能减缓设备认证过程，从而潜在地使得该技术太慢而无法满足用户期望。为了解决这一问题，一些实现方式可以利用在传感器下采样与总准确性之间的折衷。对传感器数据的适当下采样可以实现让用户满意的设备认证时间而未牺牲识别准确性。

第三，用于机器学习的传统方式不能被直接地应用于建立用户执行手势的方式的概率模型。鉴别模型往往在训练阶段期间需要阳性(positive)和阴性(negative)数据二者。遗憾的是，用户的设备只能访问真实用户的手势实例(比如来自训练时期的阳性数据)。生成模型无需阴性数据，但是受它们需要的大量训练采样所限制。要求用户在他们购买他们的新设备之后立即地执行解锁手势数千次往往是用户不可接受的。

在不存在阴性训练数据并且有限数目的训练手势可用时，在本实现方式的一些实现方式中，认证部件516可以运用个性化的阈值化技术以用于验证传感器指纹的真实性。具体而言，一些实现方式可以表征传感器指纹对于给定的用户跨手势实例的可变性，并且使用它以生成个性化的相似度阈值。以该方式，传感器指纹对于用户跨手指实例越一致，用于用户的个性化的相似度阈值就会越高，并且反之亦然。架构

图18提供了以上介绍的基于传感器的认证系统800的示例系统架构的概况。在用户登记阶段(例如，训练时期)1802期间，来自训练时期的信息可以随后用于实时认证1804。在训练时期1802期间，真实用户可以在具有触摸功能的设备802上反复地执行认证手势。为了易于讨论，在训练时期期间执行的认证手势可以被称为训练手势。对于每个训练手势，包括触摸传感器的多种传感器类型可以检测和记录手指轻敲并且提取关于在每对轻敲之间的定时、距离和角度以及每个手指轻敲的存在和大小(例如，见图13)的信息。同时，加速度计和陀螺仪传感器可以被连续地采样以捕获设备在训练手势期间的位移和旋转。在1806表示这些特征。从手指轻敲提取的特征数据与原始加速度计和陀螺仪数据一起可以如在1808处指示的那样对用于用户的实际传感器数据有贡献。以该方式，跨不同训练手势实例的多个传感器指纹(如在1810处表示的所标注的传感器指纹1至传感器指纹n)被收集。这一传感器指纹汇集代表在传感器域中的用户的身份并且类似于以上相对于图5而介绍的存储的训练特征值514。

注意，相似或者相同处理流水线可以用于图9-12和14-17中所示的认证手势。在两种情况下，加速度计和陀螺仪传感器可以被连续地采样，并且确切地四个手指轻敲在处理层通过触摸传感器被记录。(当然，其它未图示的认证手势可以使用少于四个手指轻敲或者多于四个手指轻敲)。

概括而言，用户可以经由多个训练时期(或者子时期)来训练用于在1810处包括的多于一个认证手势类型。例如，用户可能想要训练在图9-12中所示的认证手势以及在图14-17中所示的认证手势和/或在手势被执行之时设备被放置在硬性表面(比如桌面)上的另一认证手势。在这样的情况下，用户可以执行用于每个配置的训练认证手势集合。集合然后可以用于在运行时间的比较(例如，实时认证1804)。

为了确定在实时认证1804期间获得的随机传感器指纹是否属于真实用户，该系统可以运用一种用于量化两个传感器指纹的相似度的方式。为此，本实现方式的一些实现方式可以运用相似度度量1812，该相似度度量1812考虑用户的唯一手势行为以对两个传感器指纹多么地接近进行量化。给定这一相似度度量，本实现方式可以比如从训练手势对于给定的用户来分析记录的传感器指纹的可变性1814(在用户训练多个手势时，可变性可以在与个体手势类型关联的集合内)。该系统可以推导或者计算用于准许或者拒绝未知传感器指纹(例如，来自认证手势)的个性化的相似度阈值或者认证阈值1816。在这一方式后面的直观性是传感器指纹的可变性可以跨用户而不同。对于具有低可变性的那些用户，应当实行更严格的个性化的相似度阈值，而对于具有高可变性的用户，应当采用更宽松的个性化的相似度阈值以恰当地平衡假阳性和假阴性。

在运行时间(例如，实时认证1804)，每当用户执行认证手势时，该系统可以记录新传感器指纹1818。该系统可以如分别在1822和1824处指示的那样计算这一认证手势传感器指纹与真实用户(例如，训练用户)的相似度1820作为在认证手势传感器指纹与在训练时段中记录的每个单个传感器指纹(例如，传感器指纹1-n)之间的平均相似度。这产生平均相似度分数1826。在1828处，该系统仅如果用于记录的指纹的平均相似度分数1826在1830处满足个性化相似度阈值才认证执行认证手势的用户，否则设备在1832处保持锁定。

注意，描述的系统架构的全部可以被实现在设备802上。备选地，设备802可以与代表该设备来存储传感器指纹和/或执行处理的其它设备协作地操作。

以下讨论描述了如何可以形成传感器指纹、个性化的相似度度量和个性化的阈值标识技术的示例。

传感器指纹

可以组合触摸、加速度计和陀螺仪传感器数据以及其它数据以形成传感器指纹。在加速度计和陀螺仪传感器的情况下，该过程是简单直接的，因为原始传感器数据可以被直接地用作传感器指纹的部分。在触摸传感器的情况下，可以应用两步骤过程以提取关于用户的手部几何形状和生物计量的最具体信息。首先，手指轻敲在触屏上的位置可以被用来提取绝对特征的初始集合。然后可以在绝对特征上面直接地计算相对特征的集合。

绝对特征

触摸传感器可以报告用于每个手指轻敲的三种不同类型的信息：像素位置、压力和大小。只要手指触摸触屏就可以连续地报告压力和大小二者。假如压力和大小的变化对于每个手指轻敲很小，则该系统可以平均所有报告的压力和大小值，并且使用它们作为两个不同特征。给定四个手指轻敲，可以生成四个压力和四个大小值(表1)。

该系统可以从四个手指轻敲的像素位置直接地提取大多数基于触摸的特征。注意，提取的所有特征仅依赖于手指轻敲的相对而不是绝对像素位置。以该方式，用户无需在屏幕上的具体位置上执行手指轻敲。这对于用户将增加认知开销、使认证手势更难执行并且显著地增加记录的数据的可变性，从而因此减少它用于用户认证的能力。

一些实现方式可以通过对于每对手指轻敲计算在像素位置空间中的距离来开始。以该方式，可以计算六个特征值(表1)。同时，三个手指轻敲的每个组合唯一地限定角度(图13)。一些实现方式可以考虑由三个手指轻敲的集合定义的所有可能角度并且生成附加的四个特征(表1)。

表1：从四个手指轻敲的显示位置提取的特征。注意，所有特征依赖于手指轻敲的相对而不是绝对位置。用户可以在屏幕上任何位置处执行认证手势。

认证手势的时间签名可以与由距离和角度特征定义的空间签名一样重要。触摸传感器可以报告用于每个手指轻敲的开始和结束时间戳，从而指示手指初始地触摸屏幕的时间和它失去接触的时间。这些时间戳可以用来计算每个手指轻敲的总持续时间以及在每对手指轻敲之间的开始和结束时间之间流逝的时间。以该方式，每个手指轻敲的定时以及跨手指轻敲的定时被准确地捕获。如表1中所示，在一个实现方式中计算18个时间特征。

相对特征

相对特征可以被视为用于距离、压力、大小、持续时间以及其它特征类型的基于比值的特征。例如，相对特征可以是在小指与无名指指触摸之间的距离与在无名指与中指触摸之间的距离之比。

比较传感器指纹

在这一实现方式中，每个传感器指纹包含表1中总结的55个触摸特征以及加速度计和陀螺仪传感器的原始传感器模式。在跨手势比较传感器签名时，不同技术可以用来对触摸特征的差值和传感器模式的差值进行量化。

触摸特征

为了说明的目的，令F¹和F²为跨两个手势实例记录的55个触摸特征的集合。该系统可以将在这些特征集合之间的差值D_touch量化作为跨所有特征的加权平均差值：

$D_{touch}=\underset{i=1}{\overset{55}{\Σ}}{W}_i{D}_{F^1\left(i\right),F^2\left(i\right)}---\left(1\right)$

其中W_i是用于特征i的权重，并且是在两个手势实例处为特征i而记录的值之间的差值。

在特征值F¹(i)与F²(i)之间的距离由它们的归一化的数值差值定义：

$D_{F^1\left(i\right),F^2\left(i\right)}=\min \left\{\frac{|F^1\left(i\right)-F^2\left(i\right)|}{|F^1\left(i\right)}\right|,2\}---\left(2\right)$

在两个特征值相同时，差值分数变成0。一般而言，跨特征实例的用于特征值的差值越高，用于该特征的距离就将越高。然而，为了防止单个特征偏置等式1的结果，一些实现方式可以将距离的最大值限制为2。这可以在跨两个手势实例的大多数特征值接近地匹配、但是它们之一显著地偏离(即，无关或者有错测量)比如50x时特别地有用。尽管两个手势实例几乎相同，但是在未使用上界时，这一特征可能显著地偏置在等式1中计算的距离分数。

特征i的权重W_i代表特征对于给定的用户而言的重要性。一般而言，在用户重复认证手势时，它们可以用可变成功程度来准确地重复特征值。权重的作用是强调具体用户可以跨认证手势实例准确地再现的那些特征。给定来自用户的登记的认证手势的集合，用于特征i的权重被定义为：

$W_i=\exp \{-\frac{{\mathrm{\σ}}_{F\left(i\right)}}{{\mathrm{\μ}}_{F\left(i\right)}}\}---\left(3\right)$

其中σ_F(i)和μ_F(i)是跨来自真实用户的所有登记的手势的用于特征i的值的方差和期望。

传感器模式

在这一实现方式中，每个传感器指纹由六个时序信号组成，每个时序信号代表设备跨x、y和z维度的加速度和旋转尽管用于跨手势比较这些信号的简单直接方式将是简单地计算在它们之间的距离，但是这样的方法往往由于传感器数据中的噪声而失败。例如，用于执行手势的总时间和在手指轻敲之间的确切定时即使对于相同用户仍然固有地随手势实例变化。这些变化可以非自然地增加在记录的踪迹之间的距离。

作为替代，该系统可以通过组合用于比较时序数据的两种技术来对这些信号跨手势的差值进行量化：动态时间卷包和互相关。这两种技术允许直接比较时序数据而允许传感器数据中的噪声。取代在记录的信号之间比较每个对应的采样，信号的窗口用来发现在信号之间的最佳可能匹配。直观地，两个信号被略微地移位以实现最佳可能匹配。这允许系统考虑跨手势实例的时间差值。

在比较两个信号之前，每个信号可以被归一化成零均值和一个能量以避免有利于低能量胜过高能量信号对。然后，每个信号可以进一步被它的长度归一化以避免有利于短信号胜过长信号。特别地，传感器指纹中的六个时序数据S(i)中的每个时序数据可以被如下归一化：

$S\left(i\right)=\frac{S\left(i\right)-{\mathrm{\μ}}_S}{{\mathrm{\Σ}}_{i=1}^L{\left(S\right(i)-{\mathrm{\μ}}_S)}^{2}L}---\left(4\right)$

其中L是信号的长度，并且μ_S是所有信号采样的均值。

令和为跨两个不同手势实例被记录的在x轴之上的归一化的加速度计信号。由于它们在不同时间被记录，所以它们可能具有不同长度、比如和为了计算这两个信号，该系统可以先计算在和中的每对采样之间的直接距离。以该方式，可以计算在具有行和列的距离矩阵其中每个元素取以下值：

$D_{{\mathrm{accel}}_x}^{ij}=|S_{{\mathrm{accel}}_x}^1\left(i\right)-S_{{\mathrm{accel}}_x}^2\left(j\right)|,1\≤i\≤L_{{\mathrm{accel}}_x}^1,1\≤j\≤L_{{\mathrm{accel}}_x}^2---\left(5\right)$

以相似方式，计算距离矩阵和代表加速度计数据在x、y和z维度中的差值的三个距离矩阵然后可以被相加在一起以形成单个距离矩阵：

$D_{accel}=D_{{\mathrm{accel}}_x}+D_{{\mathrm{accel}}_y}+D_{{\mathrm{accel}}_y}$

确切相同过程可以应用于陀螺仪数据以生成对陀螺仪传感器数据跨x、y和z维度的差值进行编码的单个距离矩阵D_gyro。最后，可以将加速度计和陀螺仪距离矩阵组合成单个距离矩阵：

D＝D_accel+D_gyro

注意，加速度计和陀螺仪流中的采样数目可能根据硬件对于这些传感器而支持的采样速率而不同(通常地，陀螺仪传感器赋予更低采样速率)。作为结果，矩阵D_accel和D_gyro可能具有不同维度。在这一情况下，该系统可以对更低频信号进行上采样以保证D_accel和D_gyro二者具有相同维度并且可以被恰当地相加。假定陀螺仪和加速度计信号被初始地归一化，该系统可以安全地将对应的距离度量相加。

简单地将矩阵D中的对角元素相加对应于跨两个认证手势在传感器指纹之间的直接距离。然而，假定用户执行认证手势的方式的可变性(略微地不同的定时等)，直接距离可能很不准确。作为替代，该系统可以沿着最终距离矩阵D的对角线来定义窗口，该窗口允许补偿跨认证手势的时间差值。特别地，该系统可以跨对角线定义由C_DTW定义的搜索空间：

D_ij＝∞(|i-j|≥C_DTW) (6)

其中C_DTW是动态时间卷包约束。

通过将距离设置成无穷大，该系统可以沿着对角线限制搜索空间，从而因此限制每个信号被移位多少。在两个信号之间的距离现在被定义作为在矩阵D中的两个对角点之间的最短卷包路径：

$D_{DTW}=\underset{p}{\arg \min }\underset{(i,j)\∈p}{\Σ}{D}_{ij}---\left(7\right)$

其中p是在矩阵中的两个对角点之间的卷包路径。

在C_DTW等于1时，直接距离可以被计算为矩阵D中的所有对角元素之和。随着C_DTW的值增加，可以允许对两个信号的更多移位。

互相关

与动态时间卷包方式相似地，该系统可以跨x、y和z维度组合加速度计和陀螺仪传感器数据以将单个互相关值计算为：

$Corr=\underset{n\∈\[-C_{Corr},C_{Corr},\]}{\arg \max }\underset{k=1}{\overset{P}{\mathrm{\Σ}}}\underset{m=\max \{-n+1,1\}}{\overset{\min \{L_{1k}-n,L_{2k}\}}{\mathrm{\Σ}}}{S}_{1k}(m+n)S_{2k}\left(m\right)---\left(8\right)$

其中C_Corr是在比较之下的每个信号的允许的移位量。同前，对信号的移位可以用来补偿传感器签名跨相同用户的手势实例的略微时间差值。

由动态时间卷包和互相关技术产生的分数被组合在一起以对在传感器模式域中的手势之间的总距离进行量化：

D_sensor＝D_DTW*(1-Corr) (9)

组合触摸特征和传感器模式

等式1和9可以分别地对在触摸和传感器域中的两个手势实例之间的差值进行量化。该系统可以通过将对应的差值分数相乘来组合触摸特征和传感器模式：

D_combined＝D_touch*D_sensor (10)

个性化的阈值

等式10可以对在任何一对手势实例之间的差值进行量化，但是它可能不足以做出两个手势是否属于相同用户的判决。原因是用户表现不同手势行为。一些用户可以跨手势实例很准确地再现触摸和传感器手势，而其他用户可能表现更高可变性。作为结果，可以跨用户不同地解释来自等式10的低或者高分数。

该系统可以通过定义用于决定在认证手势之间的差值何时低到足以假设它们属于相同用户的个性化的阈值P_Th来应对这一可变性。假定来自用户的N个登记的认证手势，该系统可以将用于这一用户的P_Th定义为：

$P_{Th}={\mathrm{\μD}}_{combined}^{ij}+3{\mathrm{\σ}}_{D_{combined}^{ij}},1\≤i,j\≤N,i\≠j---\left(11\right)$

其中第一项代表在属于用户的每对手势之间的中值距离(等式10)，并且第二项代表这些距离的标准偏差。这两个值可以对传感器签名对于该用户跨手势实例的可变性进行量化。自然地，用于用户的跨手势实例准确地再现传感器手势的阈值将具有低P_Th值，并且反之亦然。

概括而言，本系统可以运用在设备上可用的任何类型的传感器以提供在认证手势期间捕获的特征值以标识(或者拒绝)用户。传感器可以专用于认证手势和/或传感器用于多个用途。可以利用(当前可用移动设备的)现有传感器以用于附加认证手势功能来实现准确实现方式。因此，可以在没有附加硬件及其关联增加成本的情况下增强用户便利和设备安全性。

示例技术

图19图示了认证手势验证技术或者方法1900的流程图。

在块1902处，该方法可以检测涉及用户的多个生物计量特征的值，该用户相对于设备执行认证手势。在认证手势是在触屏上的多触摸手势的情况下，生物计量的示例可以涉及在每对手指之间的距离、在每三个手指之间的角度、每个手指的触摸的大小、每个手指的触摸的压力、每个手指连续地触摸触屏的总时间、在每对手指之间的开始触摸时间的差值、在每对手指之间的结束触摸时间的差值、手指距离之比、手指大小之比、手指总触摸时间之比和/或手指压力之比以及其它示例。其它特征可以涉及用户在执行认证手势之时如何保持设备(例如，旋转和/或位移)。

在块1904处，该方法可以取回在用户反复地执行认证手势(例如，训练手势)的训练时期期间获得的多个生物计量特征的存储的值。

在块1906处，该方法可以获得从存储的值推导的个性化的相似度阈值。例如，个性化的相似度阈值可以考虑用户在执行训练手势时的可变性和该可变性如何影响个体特征。

在块1908处，该方法可以比较检测到的值与存储的值。如以上提到的那样，一些实现方式可以涵盖多个训练手势特征，并且该比较可以利用用于每个特征的平均值。

在块1910处，该方法可以评估检测到的值相对于存储的值的相似度。在块1912到，该方法可以在检测的值与存储的值的相似度满足个性化的相似度阈值的情况下在设备上认证用户。否则，在块1914处可以拒绝认证手势并且可以拒绝对设备的访问。

图20图示了认证手势验证技术或者方法2000的流程图。

在块2002处，该方法可以捕获涉及用户认证手势的多个生物计量特征，该用户认证手势作为设备认证尝试而被执行。

在块2004处，该方法可以比较多个生物计量特征的值与为用户而存储的先前值。

在块2006处，该方法可以在多个生物计量特征的值相对于先前值满足相似度阈值的情况下解锁计算设备。

描述的方法可以由以上相对于图1-18描述的系统和/或设备和/或由其它设备和/或系统执行。描述方法的顺序未旨在于被解释为限制，并且可以按任何顺序执行任何数目的描述的动作以实施该方法或者备选方法。另外，可以在任何适当硬件、软件、固件或者它们的组合中实施该方法，从而使得设备可以实施该方法。在一种情况下，该方法被存储在计算机可读存储介质上作为指令集合，从而使得由计算设备的处理器执行使得计算设备执行该方法。

结论

虽然已经用结构特征和/或方法动作特有的语言描述了主题内容，但是将理解，在所附权利要求中限定的主题内容未必限于以上描述的具体特征或者动作。实际上，以上描述的具体特征和动作被公开作为实施权利要求的示例形式。

Claims (10)

1.一种由计算设备执行的方法，包括：

捕获涉及用户认证手势的多个生物计量特征，所述用户认证手势作为设备认证尝试而被执行；

比较所述多个生物计量特征的值与为所述用户而存储的先前值；以及

在所述多个生物计量特征的所述值相对于所述先前值满足相似度阈值的情况下解锁所述计算设备。

2.根据权利要求1所述的方法，其中所述捕获包括同时获得的所述设备上的触摸位置特征、所述设备上的触摸压力特征、由所述用户认证手势的执行产生的所述设备的加速度特征和由所述用户认证手势的执行产生的所述设备的位移特征。

3.根据权利要求1所述的方法，其中所述捕获包括捕获涉及所述用户在执行所述用户认证手势之时的移动的个体生物计量参数和涉及由所述用户相对于所述计算设备执行所述用户认证手势而引起的所述计算设备的移动的另一个体生物计量参数。

4.根据权利要求1所述的方法，其中所述先前值在训练时期期间被获得。

5.根据权利要求1所述的方法，其中所述先前值被存储在所述设备上或者相对于所述设备被远程存储。

6.根据权利要求1所述的方法，其中所述比较由所述设备执行或者相对于所述设备被远程执行。

7.根据权利要求1所述的方法，其中所述相似度阈值基于所述先前值的可变性而被个性化。

8.一种系统，包括：

显示器；

至少两种不同类型的传感器；

存储装置，被配置为存储计算机可读指令；

处理器，被配置为执行所述计算机可读指令；

用户认证部件，被配置为使图形用户界面被呈现在所述显示器上，所述图形用户界面指示用户在训练时期期间多次执行用户认证手势，并且被配置为从所述至少两种不同类型的传感器接收在所述训练时期期间获得的传感器数据；

所述用户认证部件还被配置为基于在所述训练时期期间获得的所述传感器数据来生成用于所述用户的个性化的相似度阈值；

所述用户认证部件还被配置为在所述用户认证手势在后续设备认证尝试中被执行时接收附加传感器数据，其中至少一些所述传感器数据和至少一些所述附加传感器数据涉及与执行所述用户认证手势相关联的运动；以及，

所述用户认证部件还被配置为在所述附加传感器数据与所述传感器数据的相似度满足所述个性化的相似度阈值的情况下，在所述设备上认证所述用户。

9.根据权利要求8所述的系统，其中所述显示器是触敏显示器并且其中所述用户认证手势包括在所述触敏显示器上的四手指触摸手势。

10.根据权利要求8所述的系统，其中所述处理单元包括通用中央处理单元或者其中所述系统还包括片上系统，并且其中所述处理单元和所述存储装置被实现为所述片上系统上的专用电路。