CN109040438A - 一种基于连续相互验证的移动设备在线防丢检测系统 - Google Patents

Abstract

本发明提供了一种基于连续相互验证的移动设备在线防丢检测系统，包括置于同一携带者身体的任意位置的主、从设备；主、从设备中均嵌入有运动传感器、无线连接模块和警报触发器；主、从设备上均设有运动状态监测模块；主设备中还设有一致性交互验证模块，由运动状态一致性检查模块、基于周期相似性的粗粒度验证模块和基于相位稳定性的细粒度验证模块三个子模块；主、从设备的运动状态及运动传感器数据依次通过这三个子模块的交互验证，通过比对各设备上所搭载的运动传感器的数据之间的相关性，从而验证比对设备是否由同一合法用户携带，一旦相互验证失败，该系统将迅速发出警示信息。系统实时性好，准确度高，稳定性好，各种条件下都能可靠运行。

Description

一种基于连续相互验证的移动设备在线防丢检测系统

技术领域

本发明涉及一种移动设备在线防丢检测系统，尤其涉及一种基于连续相互验证的移动设备在线防丢检测系统。

背景技术

随着嵌入式及无线通信技术的发展，种类繁多的智能便携(及可穿戴)设备被嵌入各类传感器，并具有无线通信功能。越来越多用户同时携带超过2个智能设备，例如手机、智能手表、手环或眼镜等。移动便携设备已经、或正在成为人们生活的重要组成部分，大量敏感信息通过此类设备获取及保存，例如通讯录、私人图片、银行卡信息等。一旦设备丢失，用户不仅会蒙受经济上的损失，更重要的是，会丢失设备中保存的隐私信息，这些隐私信息将面临暴露的风险。

现有的便携设备丢失检测方案主要分为两类：第一类是基于移动设备之间无线链路(例如，蓝牙)的稳定性特征实现的。当链路的信噪比(SNR)低于阈值时，设备将被视为丢失。但是由于无线信道不可预知的衰落行为，基于信噪比的方案具有较大误差。另一类解决方案考虑了移动设备丢失后的对策。例如，iOS 7中的Apple Activation Lock，即使在手机重置时别人也无法访问手机；三星的Absolute LoJack硬件终止开关，该开关嵌入在智能手机的BIOS中，即使恢复出厂设置，擦除或更换硬盘也无法消除。这类解决方案能降低隐私数据暴露的风险，但没法从根源上解决设备丢失问题。

如何实时、准确、稳定地预防移动设备丢失，是本领域技术人员致力于解决的难题。

发明内容

本发明要解决的技术问题是提供一种移动设备实时、在线防丢检测系统。

为了解决上述技术问题，本发明的技术方案是提供一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：包括如下两类设备：

1)主设备，由具有相对较强计算能力的设备充当，完成较为复杂的比对认证工作；

2)从设备，由具有相对较弱计算能力的设备充当，完成初步运动状态判断；

主、从设备中均嵌入有运动传感器、无线连接模块和警报触发器；主、从设备可置于同一携带者身体的任意位置；

主、从设备上均设有运动状态监测模块；运动状态监测模块由两个子模块组成，即运动检测模块和周期性检查模块；运动检测模块持续监测运动传感器数据以判别携带者是否发生运动；若监测到运动，则周期性检查模块进一步检查携带者是否正在进行具有周期性规律的运动，例如，走路，奔跑等。这是由于设备丢失的原因都是因为人(携带者或偷窃者)的移动使得设备远离了原本的携带者。而人移动的基本方式都是具有周期性的协调运动。因此，一旦主、从设备中的任意设备检测到周期与非周期运动间的状态转换，或持续监测到周期运动的发生，则状态转换信息及运动传感器数据将触发进一步的交互验证；在此过程中，从设备通过无线连接模块将运动状态和运动传感器数据传递给主设备；

主设备中还设有用于实现设备间交互验证的一致性交互验证模块；一致性交互验证模块由三个子模块组成，即运动状态一致性检查模块、基于周期相似性的粗粒度验证模块和基于相位稳定性的细粒度验证模块；主、从设备的运动状态及运动传感器数据将依次通过这三个子模块的交互验证：首先，运动状态一致性检查模块会对比主、从设备是否具有相同的运动状态，若两设备的运动状态不一致，则立即触发报警；紧接着，若两设备都处于周期运动状态，则基于周期相似性的粗粒度验证模块将计算两设备间周期运动的相关性，若两设备间周期运动的相关性低于阈值，则立即触发报警；最后，通过粗粒度验证的数据还需交由细粒度检测模块进行两设备间相对相位稳定性检验，以降低漏报率。若两设备的运动数据间呈现出相对相位的持续变化，说明主、从设备的携带者不同，则立即触发报警。

优选地，所述主设备包括但不限于智能手机或平板电脑。

优选地，所述从设备包括但不限于智能手表或手环。

优选地，为实现交互验证，系统中允许存在多台从设备，但需至少包含1台主设备。

优选地，所述运动传感器包括但不限于3D加速度传感器或陀螺仪。

优选地，所述无线连接模块不仅用于实现主、从设备间的数据交换，还用于保持主、从设备间的无线连接，使用心跳包来抵御无线信道DoS攻击，若给定时间内未收到合法心跳包，则立即触发报警。

优选地，所述无线连接模块采用低功耗蓝牙4.0。

优选地，若主、从设备中任意设备检测到运动状态失配或无线通信链路丢失，对应的警报触发器模块则通过振动或声音触发警报。

更优选地，所述警报只能由合法用户通过标准识别方案手动取消。

本发明提供的基于连续相互验证的移动设备在线防丢检测系统克服了现有技术的不足，通过比对各便携设备上所搭载的运动传感器的数据之间的相关性，从而验证比对设备是否由同一合法用户携带，一旦相互验证失败，该系统将迅速发出警示信息。系统实时性好，准确度高，稳定性好，在各种条件下都能可靠运行。

附图说明

图1为本发明系统的原理示意图；

图2为本发明系统的体系结构图；

图3为行走加速度数据的后向自相关计算示意图；

图4为运动状态转换间交给一致性交互验证模块的数据示意图；

图5为两台设备之间的相关性ρ的累积分布函数CDF图；

图6为主、从设备的加速度数据a_m和a_s以及设备在同一人的交叉小波变换示意图；

图7为主、从设备的加速度数据a_m和a_s以及设备位于不同人的交叉小波变换示意图；

图8(a)为交叉共同能量的平均CDF图；

图8(b)为交叉共同能量的标准差CDF图；

图8(c)为相对相位的标准差CDF图；

图9为k值对误报率和漏报率的影响结果图；

图10为训练数据尺寸对误报率和漏报率的影响结果图；

图11为手机位置对误报率和漏报率的影响结果图；

图12为运动状态对误报率和漏报率的影响结果图；

图13为地形对误报率和漏报率的影响结果图；

图14为模仿攻击对误报率和漏报率的影响结果图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。

本发明提出了一种基于连续相互验证的移动设备在线防丢检测系统，图1为本发明系统的原理示意图，多个移动设备内嵌了三维加速度运动传感器，通过比对各移动设备上所搭载的运动传感器的数据之间的相关性，从而验证比对设备是否由同一合法用户携带，一旦相互验证失败，该系统将迅速发出警示信息，以达到设备防丢在线检测的目的。

以下使用一对主、从设备为实施例，进一步阐述本发明。

图2为本发明系统的体系结构图，本发明系统具有包括：

1.设备携带者运动状态监测模块

该模块的关键在于检测设备是否正在移动。具体说，该系统通过主、从设备上收集到的3轴加速度数据，即进行在线分析以识别运动。其中，为x、y、z三轴加速度矢量，a_x为x轴加速度数据，a_y为y轴加速度数据，a_z为z轴加速度数据。考虑到携带者走动时主、从设备姿态难以保持，用单轴方向的加速度数据没法很好的检测运动，因此采用加速度矢量和，即

子模块一：运动检测模块

为了确定当前运动的起始和终止，该模块检测当前时刻到前w₂个样本时间加速度矢量和a内的标准方差。w₂为一设定的整数。当标准方差超过给定的阈值时则认为携带者处于运动状态，标准方差低于阈值时则表示运动终止。

子模块二：周期性检测模块

当检测到携带者运动时，周期性检查模块对加速度矢量和a执行反向自相关检验来进一步发现周期运动。具体来说，给定长度为n(n为正整数)的加速度时间序列{a₁，a₂，...a_n}，将最近的w₂个样本记为X_n，而比X_n早τ个样本的序列记为X_n-τ。对于正整数τ∈[1，w₃]，w₃为正整数，反向自相关定义为：

其中，μ_n和σ_n分别是X_n的均值和标准方差，μ_n-τ和σ_n-τ分别是X_n-τ的均值和标准方差。X_n为长度是L的模板窗口(L为正整数)，τ的范围是[1，w₃]，称为兴趣窗(Window ofinterest)，兴趣窗的长度为k·L(k是不小于2的正整数)，从而得到由τ-n个反向自相关值所构成的时间序列，记为P。

通过反向自相关检验，可识别出兴趣窗内加速度数据的周期(对应于自相关相邻峰值点间样本距离)。图3是携带者行走时其中一个设备上执行反向自相关计算的示例。如上半子图所示，模板窗口包含50个样本，并且使用后向自相关计算250个样本长度的兴趣窗。下半子图表示在兴趣窗中各点的自相关值，通过峰值可以清楚的识别运动的周期。尽管如此，运动过程仍会产生许多噪声峰。该模块根据以下两条规则过滤掉有噪声的峰值：1)由于小峰值表示当前窗和模板窗口之间相对较小的相关性，因此，小于阈值β的峰值将被删除；2)鉴别人类的行走周期通常超过0.2s，因此两峰之间至少保证δ样本大小的时间间隔。δ为设定值。

若任意设备发现兴趣窗中有峰值，则认为该设备正在移动，并且标记该设备的移动模式为周期运动；否则，该设备的移动模式被标记为非周期。

主、从设备持续收集新的模板窗口并执行反向自相关计算，一旦任意设备(主/从设备)检测到周期与非周期运动间的状态转换，或持续监测到周期运动，则应在主设备上进行运动状态一致性检查。图4显示了主、从设备在不同运动状态转换间需发送给一致性交互验证模块(部署于主设备上)进行交互验证的数据。具体来说，若设备保持静止状态，则无需发送。如果设备保持移动状态或者从静止状态改变为移动状态，则发送兴趣窗内的运动状态和传感器数据。相反，如果模式从移动状态改变为静止状态，则仅发送运动状态数据。

2.一致性交互验证模块

一致性验证模块是该系统的核心组件，由三个子模块组成，即运动状态一致性检查模块、基于周期一致性的粗粒度验证模块、和基于相位稳定性的细粒度验证模块，根据验证主、从设备之间移动一致性的困难程度，使用不同的模块来执行判断。

子模块一：运动状态一致性检查模块

该模块比较主、从设备的运动状态(运动/静止)一致性。如果两设备同时位于同一携带者身上，则他们应该显示出相同的运动状态。具体来说，一旦该模块从任意设备接收到运动状态改变信息，则其期待随即会从另一设备收集到相应的运动状态信息，若未在预定时间内收到则意味着两设备运动状态失配，立即触发报警；若收到则比较两设备运动状态的一致性。若运动状态不一致，该立即触发报警；否则运动数据送入下一子模块。

子模块二：基于周期相似性的粗粒度验证模块

实验发现即使在短时间内，步行周期都会发生一定的变化，因此对于放置在同一携带者身上的主、从设备都应该能获取到相同的改变。因此，该模块通过计算两设备相同兴趣窗内的自相关序列P_m和P_s间的Pearson相关系数来比较其相关性，具体计算公式如下：

其中，cov是协方差，σ是标准方差。当检测到ρ小于预定阈值时，立即触发报警。否则运动数据送入下一子模块。

为选取合适的ρ的阈值，进行以下实验：

携带者左手带手环(从设备)沿着规定路线行走，同时将手机(主设备)放置在身体不同位置，如上衣口袋、裤子口袋、单肩包以及双肩包。同时，携带者在运动中进行一系列日常操作，例如拿起手机，拨打电话，打字等。主、从设备加速度传感器数据的采样频率均为200。将采集的加速度时间序列数据划分入不同的感兴趣窗口。图5绘制主、从设备位于同一携带者和不同携带者相对应的ρ的累积分布函数(Cumulative Distribution Function)。由图5可见，在这两种情况下，ρ的累积分布函数存在很大差异。例如，大约0.5％位于同一携带者的情况的ρ值小于0.2，而对于不同的携带者，其相应比值为60％。因此，ρ值可设置为0.2。

子模块三：基于相位稳定性的细粒度验证模块

基于相位稳定性的细粒度验证模块检查两个设备之间随时间而产生的细微相对相位变化。该模块包括特征提取和使用分类器进行分类两个步骤。

1)特征提取

交叉小波变换(XWT)可用于检查两个时间序列在时频空间是否存在高振幅的共有频率和一致的相位关系。因此，使用交叉小波变换分析两个时间序列之间的相关性非常有用。具体来说，给定主、从设备的加速度数据为a_m和a_s，则两组数据的XWT可以表示为其中和是a_m和a_s上的连续小波变换(CWT)。

一组有相同时间步长Δt的加速度信号a[n](n＝1，....，N)的连续小波变换是a[n]和一个具有缩放和转移版本的小波基ψ₀(η)的卷积，计算公式如下：

*表示复共轭，s表示小波尺度。通过改变小波尺度s并沿着局部时间指数n进行平移，可以得到一个表示任何特征相对于尺度的振幅以及该幅度如何随时间变化的矩阵。而由于Morlet小波能在时频定位之间提供一个很好的平衡作用，同时能在傅里叶空间执行快速卷积操作，因此交叉小波变换使用该小波(无量纲频率ω₀＝6)作为小波基ψ₀(η)。

当主、从设备分别位于相同和不同的携带者时，计算兴趣窗口内a_m和a_s的交叉小波变换。图6显示了主、从设备位于同一携带者时的加速度数据a_m和a_s以及相应的交叉小波变换，其中颜色表示交叉共同功率，箭头表示两者之间的相对相位。当主、从设备在同一携带者身上，即使a_m和a_s曲线不相似，也可检测到在人的行走频率附近具有较高的交叉共同频率，同时相对相位也较稳定。图7显示了由不同人携带的主、从设备的加速度数据a_m和a_s以及相应的交叉小波变换。可以看出，人行走频率附近也呈现较高的交叉共同频率，但上述频率下相对相位随着时间显著变化。因此，交叉小波变换分析可提供更细粒度的验证依据。

为降低计算开销，并不需要计算所有频率的交叉小波变换。为寻找包含有效特征的频率，给定主、从设备所测得步行周期P＝(τ₁，τ₂，...，τ_k)，计算整体平均步行周期，记为在三个频率处计算交叉小波变换。然后计算三个频率处交叉共同功率的均值、标准方差以及相对相位的标准方差。图8分别表示了在三个频率处的交叉共同功率的平均值、标准方差和相对相位的标准方差的累积分布函数。当设备位于同一携带者和不同携带者时的累积分布函数存在明显的差距。因此，将上述三个频率上交叉共同功率的平均值和标准方差，以及相对相位的标准方差作为特征，送入分类器用于训练和分类。

2)分类器训练

为了训练分类器，携带者携带主、从设备，以不同的速度步行几分钟，以此来训练具有径向基(RBF)核函数的一类(one-class)支持向量机(SVM)分类器，即libSVM。在支持向量机的RBF核函数中有两个参数，即成本参数c和伽玛参数g，它们影响着训练模型的效果，因此执行交叉验证训练来获得携带者特有的c和g。

将上一步骤所提取的特征向量送入训练好的分类器进行分类，根据分类结果(同一携带者与否)决定是否触发报警。

申请者通过以下实验验证了所提出在线丢失检测方法的有效性：

该实验由10个参与者完成，每组实验需要两人合作完成，测试过程中要求每位参与者与其他参与者轮流进行实验。每组实验安排一名参与者扮演手机携带者，另一名扮演“小偷”，携带者将智能手环戴在其习惯的一侧手腕上，同时将智能手机放置在分别放置于上衣口袋，裤子口袋，单肩包和双肩包等位置。实验的地形环境包括直路，弯路，岔道，上下楼，扶梯，室内过道。在每个环境中，携带者按其日常习惯行走约30秒，每种实验设置下重复测试2次。对于每个携带者，收集了190段被偷窃的传感器数据(包括主从设备)。

申请者将所提出在线丢失检测方法与传统的两类方法进行了比较：

基于DTW的方法：通过使用DTW(动态时间扭曲)来提取和比较主、从设备的步态周期，从而来判别两者的相似性。两个步态周期之间的较低的DTW距离表示两者具有较高的相似性。

基于相干性的方法：首先，计算两个信号之间的幅度平方相干性(MSC)。为了防止导致所有频率的单位幅度，使用称为加权重叠段平均的加窗方法(使用大小50汉宁窗口)。其次，对频率在0-10Hz范围的信号执行归一化操作得到0到1之间的相干性度量。

实验研究了以下几项参数对于检测准确性(漏报率和误报率)的影响：

1)k值的影响

如图9所示，当k等于2时，该系统的漏报率仅为2.57％。当k增加到3，漏报率也随之下降至1.37％。而当k进一步增加时，漏报率的值将保持稳定。因此，选取k＝3作为系统的参数可以在漏报率和误报率上实现良好的权衡。

2)训练数据尺寸的影响

如图10所示，当训练数据集尺寸为50时，平均漏报率为2.01％。而增加训练数据量对平均漏报率没有太大改善。其次，随着训练数据尺寸的增加，平均误报率下降也逐渐趋于稳定。我们推测该现象是由于：当在单一携带者情形下提取较多传感器数据片段以供SVM分类时，所得到的分类器将能够更准确的识别，并容忍由同一参与者携带的两个设备上所表现出的运动模式的差异。

3)手机位置的影响

由图11中可以看出。当手机放在上衣口袋，裤子口袋，单肩包和双肩包时，本方法的漏报率和误报率分别为1.63％，0％，0％，0％和6.12％，1.92％，4.16％，4.49％。虽然手机放在上衣口袋时漏报率略有增加，但仍可保证相当低的误报率。相比之下，基于DTW和基于相关性的方法的漏报率达到20％，并且所有位置得到的误报率都不低于20％(高达30％)。

4)携带者运动状态的影响

由图12可以看出，与基于DTW和基于相关性的方法进行比较。除了在“步行/步行”设置中的漏报率为2.38％，本方法在其他运动状态下都为0％。而基于DTW和基于相关性的方法的漏报率在“行走/站立”和“步行/行走”设置中达到23％。对于误报率，当携带者静止时，不会产生相应的误报率，这是因为携带者和“小偷”之间存在巨大的移动性差异，然而，误报率在其他情况下显着增加，尤其是当携带者和“小偷”都在移动时。但是无论如何本方法仍保持相对误报率不超过8％。

5)地形环境的影响

由图13可以看出，使用所提出的检测方法，携带者在直道、叉路和下楼行走时，漏报率约为5％。在其他地形中都为0％。在大多数地形中，基于DTW和基于相关性的方法的漏报率超过15％。另一方面，除了自动扶梯，本方法在大多数情况下保持相对稳定的误报率(6％)，而其他两种方法都相对应的误报率高达20％。

6)抵抗模仿攻击

模仿攻击中假设“小偷”对于该系统有一定的了解，在偷窃过程中采取以下两种策略尽最大可能不让携带者注意到：

a)尾随：“小偷”在整个过程中尽可能的与携带者保持相同的行走速度，在窃取手机成功后，“小偷”仍然保持相同的速度，直到实验结束。

b)缓慢远离：实验研究了携带者行走和静止两种状态，对于行走的携带者，攻击方式和尾随攻击相似，不同在于“小偷”窃取成功后逐渐减慢行走速度，直到实验结束；对于静止的携带者，“小偷”站在携带者旁边，窃取成功后缓慢远离携带者，直到实验结束。

由图14可以看出，对于静止的携带者，本方法得到的漏报率和误报率都为0％。虽然另外两种方法在该攻击中误报率也为0，但相应的漏报率为11.8％和8.8％。实际上在日常使用中，两种评价标准并不是同等重要的。漏报率将导致设备丢失，而误报率仅仅可能使得携带者不舒服，因此，漏报率对于评价一个防丢系统更加重要。另一方面，在尾随攻击中，三种方法的漏报率分别在12％，33％和21％。在缓慢远离(携带者行走)的场景中，本方法的漏报率为0％，而其他两种方法的漏报率依然高达27％和22％。同时，该场景中本方法的误报率为7％。同时，实验证明另外两种方法的误报率比该方法高2到4倍。总的来说，本方法在复杂的模仿攻击下是可靠的。

本发明提供了一种基于连续相互验证的移动设备在线防丢检测系统，用于在线移动设备丢失检测。该系统能够抵御DoS和模仿攻击，因为它可以识别由小偷偷窃造成的设备之间的移动性差异。此外，该系统具有轻量级的特点，根据验证设备之间移动一致性的难度，采用三级决策策略。实验结果证明，该系统非常可靠，在各种条件下都能运行良好。

以上所述，仅为本发明的较佳实施例，并非对本发明任何形式上和实质上的限制，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还将可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员，在不脱离本发明的精神和范围的情况下，当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时，凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变，均仍属于本发明的技术方案的范围内。

Claims (8)

1.一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：包括如下两类设备：

1)主设备，由具有相对较强计算能力的设备充当，完成比对认证工作；

2)从设备，由具有相对较弱计算能力的设备充当，完成初步运动状态判断；

主、从设备中均嵌入有运动传感器、无线连接模块和警报触发器；主、从设备置于同一携带者身体的任意位置；

主、从设备上均设有运动状态监测模块；运动状态监测模块由两个子模块组成，即运动检测模块和周期性检查模块；运动检测模块持续监测运动传感器数据以判别携带者是否发生运动；若监测到运动，则周期性检查模块进一步检查携带者是否正在进行具有周期性规律的运动；一旦主、从设备中的任意设备检测到周期与非周期运动间的状态转换，或持续监测到周期运动的发生，则状态转换信息及运动传感器数据将触发进一步的交互验证；在此过程中，从设备通过无线连接模块将运动状态和运动传感器数据传递给主设备；

主设备中还设有用于实现设备间交互验证的一致性交互验证模块；一致性交互验证模块由三个子模块组成，即运动状态一致性检查模块、基于周期相似性的粗粒度验证模块和基于相位稳定性的细粒度验证模块；主、从设备的运动状态及运动传感器数据将依次通过这三个子模块的交互验证：首先，运动状态一致性检查模块会对比主、从设备是否具有相同的运动状态，若两设备的运动状态不一致，则立即触发报警；紧接着，若两设备都处于周期运动状态，则基于周期相似性的粗粒度验证模块将计算两设备间周期运动的相关性，若两设备间周期运动的相关性低于阈值，则立即触发报警；最后，通过粗粒度验证的数据还需交由细粒度检测模块进行两设备间相对相位稳定性检验，若两设备的运动数据间呈现出相对相位的持续变化，说明主、从设备的携带者不同，则立即触发报警。

2.如权利要求1所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：所述主设备包括但不限于智能手机或平板电脑。

3.如权利要求1所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：所述从设备包括但不限于智能手表或手环。

4.如权利要求1所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：为实现交互验证，系统中允许存在多台从设备，但需至少包含1台主设备。

5.如权利要求1所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：所述运动传感器包括但不限于3D加速度传感器或陀螺仪。

6.如权利要求1所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：所述无线连接模块不仅用于实现主、从设备间的数据交换，还用于保持主、从设备间的无线连接，使用心跳包来抵御无线信道DoS攻击，若给定时间内未收到合法心跳包，则立即触发报警。

7.如权利要求1所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：若主、从设备中任意设备检测到运动状态失配或无线通信链路丢失，对应的警报触发器模块则通过振动或声音触发警报。

8.如权利要求7所述的一种基于连续相互验证的移动设备在线防丢检测系统，其特征在于：所述警报只能由合法用户通过标准识别方案手动取消。