CN109766683B - 一种移动智能设备传感器指纹的保护方法 - Google Patents
一种移动智能设备传感器指纹的保护方法 Download PDFInfo
- Publication number
- CN109766683B CN109766683B CN201910040491.5A CN201910040491A CN109766683B CN 109766683 B CN109766683 B CN 109766683B CN 201910040491 A CN201910040491 A CN 201910040491A CN 109766683 B CN109766683 B CN 109766683B
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- fingerprint
- model
- mobile intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种移动智能设备传感器指纹的保护方法,包括:步骤1,收集传感器数据:获取移动智能设备的运动传感器的原始数据;步骤2,数据预处理:对获取的运动传感器的原始数据进行处理后使数据的数据长度一致并在时间轴上均匀分布;步骤3,基于神经网络的指纹保护数据对抗训练:对指纹识别神经网络模型通过训练数据进行指纹保护的对抗训练;步骤4,数据输出:将实时获取的传感器原始数据按步骤2进行预处理后,然后通过训练后的指纹识别神经网络模型对预处理后的传感器原始数据进行指纹保护处理,处理后根据输出场景输出无指纹信息的传感器数据。该方法能成功保护不同设备传感器的指纹信息且能控制效用损失,不影响相关传感器使用。
Description
技术领域
本发明涉及移动智能设备安全领域,尤其涉及一种移动智能设备传感器指纹的保护方法。
背景技术
随着移动互联网的繁荣,移动设备的安全和隐私问题成为一个日受关注的问题,精准地识别用户和用户的移动设备,使各种移动服务(个性化跨平台推荐、广告跨设备服务等)和数据处理(数据融合、数据交易等)成为可能,但是同时也带来了用户潜在隐私信息的泄露。现有的获取设备指纹的方法,常见的如浏览器获取cookie、APP请求安卓设备的IMEI和苹果设备的IDFA等,由于人们对隐私越来越强烈的关注,这些方法受到了越来越多明确的限制,因此有一些新奇的方法被提出来用于提取设备指纹,比如通过移动设备运动传感器进行指纹标记的方法。
随着移动智能设备的普及和基于MEMS的运动传感器(特别地,加速度计传感器和陀螺仪传感器)技术日臻成熟,大部分移动智能设备,比如安卓设备和苹果设备,都配备了加速度计传感器和陀螺仪传感器,这些传感器成为设备指纹实现的重要途径,也是重要的隐私泄露途径。
现在有许多方法来保护设备指纹隐私。现有的一些方法比如浏览器的cookie可以被手动清除,用户可以通过设置来禁止APP获取安卓设备的IMEI和苹果设备的IDFA信息等。然而传感器指纹提取基于硬件,利用了传感器在制造过程中因为加工工艺的限制导致的异质性,这些传感器差异在其设备使用声明周期内几乎恒定且难以修改,现有的一些保护传感器指纹隐私的方法,比如校正和加噪,都很难保证同时降低识别精度并且效用损失可控。但目前并没有很好的保护传感器指纹的方法,如何防止这些方法暴露用户隐私且没有数据的效用损失是迫切需要解决的问题。
发明内容
基于现有技术所存在的问题,本发明的目的是提供一种移动智能设备传感器指纹的保护方法,能安全处理移动智能设备的传感器数据,成功保护不同设备传感器的指纹信息并且能控制效用损失,不影响相关传感器使用。
本发明的目的是通过以下技术方案实现的:
本发明实施方式提供一种移动智能设备传感器指纹的保护方法,包括:
步骤1,收集传感器数据:获取所述移动智能设备的运动传感器的原始数据;
步骤2,数据预处理:对获取的运动传感器的原始数据进行处理,使处理后得到数据的长度一致并在时间轴上均匀分布;
步骤3,去隐私数据输出:用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行指纹保护处理,处理后根据输出场景输出无指纹信息的传感器数据;其中,预先训练对抗网络模型得出的数据生成模型通过以下方式得出:用按所述步骤1、2依次处理后得出的传感器数据作为训练数据,对对抗网络模型进行对抗训练,训练后得出数据生成模型。
由上述本发明提供的技术方案可以看出,本发明实施例提供的移动智能设备传感器指纹的保护方法,其有益效果为:
该方法通过在较小修改原始传感器数据的情况下混淆了其中的指纹特征,保护了传感器指纹;该方法对用户行为不敏感,在移动智能设备持有者做任意动作时,如保持静止、走路、跑步、爬楼梯等,均可以进行处理。本发明的方法能在不影响传感器功能使用的情况下,有效实现传感器指纹的保护,能够广泛应用于各类移动智能设备保护用户的身份隐私。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的移动智能设备传感器指纹的保护方法的流程图;
图2为本发明实施例提供的移动智能设备传感器指纹的保护方法应用状态示意图。
具体实施方式
下面结合本发明的具体内容,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
如图1所示,本发明实施例提供一种移动智能设备传感器指纹的保护方法,能处理移动智能设备(智能手机、智能平板等)传感器数据,成功保护不同设备传感器的指纹信息并且能控制效用损失,包括以下步骤:
步骤1,收集传感器数据:获取所述移动智能设备的运动传感器的原始数据;
步骤2,数据预处理:对获取的运动传感器的原始数据进行处理,使处理后得到数据的长度一致并在时间轴上均匀分布;
步骤3,去隐私数据输出:用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行指纹保护处理,处理后根据输出场景输出无指纹信息的传感器数据;其中,预先训练对抗网络模型得出的数据生成模型通过以下方式得出:用按所述步骤1、2依次处理后得出的传感器数据作为训练数据,对对抗网络模型进行对抗训练,训练后得出数据生成模型。
上述方法步骤1中,通过调用移动智能设备的应用程序接口或者运行的浏览器,获取所述移动智能设备的加速度计传感器和陀螺仪传感器的原始数据。
上述方法步骤2中,对获取的传感器的原始数据进行处理为:对获取的传感器的原始数据进行切片和插值处理。
上述对获取的传感器的原始数据进行切片和插值处理包括:
获取的传感器的原始数据进行切片处理,使切片处理后得到的各数据的时间长度保持一致,然后进行PCHIP插值处理,处理后使数据的时序数据在时间轴上均匀分布。
上述方法步骤3中,所述对抗网络模型包括:
指纹识别模型和数据生成模型;其中,
所述指纹识别模型是一个包含全连接重构层和堆叠的长短时记忆网络层的用于识别传感器指纹的神经网络子模型;
所述数据生成模型是一个将传感器原始数据通过卷积神经网络进行修改输出去除指纹信息的数据网络子模型;
所述指纹识别模型与数据生成模型通信连接进行对抗训练后得出能去除指纹隐私且能控制效用损失的数据生成模型。
上述指纹识别模型的长短时记忆网络层不少于两层,每层的记忆单元数目不少于100个;
所述数据生成模型的卷积层不少于两层,且最终输出的数据维度与输入数据的纬度一致。
上述方法步骤3中,用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行指纹保护处理为:
用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行修改后输出去除指纹信息的数据。
下面结合具体实施例对本发明做进一步详细说明。
如图1、2所示,本发明实施例提供一种移动智能设备传感器指纹的保护方法,是处理移动智能设备的运动传感器(即加速度计传感器和陀螺仪传感器)保护其传感器指纹信息,该发明包括以下步骤:
步骤1,收集传感器数据:调用APP的获取运动传感器的API或者通过浏览器脚本,获得加速度计传感器和陀螺仪传感器的原始数据。
步骤2,数据预处理:对收集到的数据进行切片,使得数据时间长度保持一致,然后进行PCHIP插值(分段三次Hermite多项式插值),使传感器的时序数据在时间轴上均匀分布。
步骤3,去隐私数据输出:步骤2处理后的传感器原始数据,用预先训练对抗网络模型得出的数据生成模型进行指纹保护处理,再根据输出场景输出无指纹信息的传感器数据;其中,预先训练对抗网络模型得出数据生成模型的方式如下:按步骤1获取传感器原始数据,并按步骤2进行预处理后的数据作为训练数据,进行对抗网络模型的对抗训练,该对抗网络模型包括两个部分,一部分为指纹识别模型,另一部分为数据生成模型,指纹识别模型是一个识别传感器指纹的神经网络子模型,数据生成模型则是将原始数据进行修改输出去除指纹信息的神经网络子模型,两个神经网络子模型对抗进行训练,最终得出保护指纹隐私且能控制效用损失的数据生成模型。
进一步的,为平衡隐私保护与效用损失,本发明提供以下明确的处理档次来供用户选择:
(1)去隐私程度:本发明用指纹识别神经网络模型来衡量消除传感器的效果,即表示去除隐私的程度。优选的,去隐私程度可分为四个档次,识别模型准确率下降到5%以下为第一档,是去除隐私的程度最佳的一档;识别模型在5%~15%为第二档;15%~30%为第三档;30%及以上为第四档;可以知道,上述去隐私程度的四个档次仅是一种具体可用的设置,使用者也可根据保护隐私的需求,设定其它去隐私程度的档次。
(2)数据效用:本发明用欧几里得距离来衡量原始数据和生成数据的差异,数值越大表示效用会越差(效用是表示数据还能不能被拿来做有用的事情的程度)。数据效用也可分为四个档次,欧几里得距离在0~5之间为第一档,也是数据效用保留最佳的一档;欧几里得距离在5~20为第二档;欧几里得距离在20~40为第三档;欧几里得距离40及以上为第四档;可以知道,上述数据效用的四个档次也仅是一种具体可用的设置,使用者也可根据数据效用的需求,设定其它数据效用的档次。
根据上述设置的去隐私程度和数据效用的档次后,本发明可以在第一档的数据效用情况下去隐私程度维持在第三档,也可以在第一档的去隐私程度情况下数据效用达到第三档。
用户可以根据自己的需要通过选择不同的数据效用档次和去隐私程度档次进行不同程度的传感器指纹保护,进而达到很好的平衡隐私保护与效用损失。
本发明的处理方法在较小修改传感器数据的情况下混淆了其中的指纹特征,保护了传感器指纹;处理方法对用户行为不敏感,在移动智能设备持有者做任意动作时,如保持静止、走路、跑步、爬楼梯等,均可以进行处理。该发明能在不影响传感器功能使用的情况下,有效实现传感器指纹的保护,能够广泛应用于各类智能设备保护用户的身份隐私。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种移动智能设备传感器指纹的保护方法,其特征在于,包括:
步骤1,收集传感器数据:获取移动智能设备的运动传感器的原始数据;
步骤2,数据预处理:对获取的运动传感器的原始数据进行处理,使处理后得到数据的长度一致并在时间轴上均匀分布;
步骤3,去隐私数据输出:用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行指纹保护处理,处理后根据输出场景输出无指纹信息的传感器数据;其中,预先训练对抗网络模型得出的数据生成模型通过以下方式得出:用按所述步骤1、2依次处理后得出的传感器数据作为训练数据,对对抗网络模型进行对抗训练,训练后得出数据生成模型;
所述对抗网络模型包括:指纹识别模型和数据生成模型;其中,
所述指纹识别模型是一个包含全连接重构层和堆叠的长短时记忆网络层的用于识别传感器指纹的神经网络子模型;
所述数据生成模型是一个将传感器原始数据通过卷积神经网络进行修改输出去除指纹信息的数据网络子模型;
所述指纹识别模型与数据生成模型通信连接进行对抗训练后得出能去除指纹隐私且能控制效用损失的数据生成模型;
所述指纹识别模型的长短时记忆网络层不少于两层,每层的记忆单元数目不少于100个;
所述数据生成模型的卷积层不少于两层,且最终输出的数据维度与输入数据的纬度一致。
2.根据权利要求1所述的移动智能设备传感器指纹的保护方法,其特征在于,所述方法步骤1中,通过调用移动智能设备的应用程序接口或者运行的浏览器,获取所述移动智能设备的加速度计传感器和陀螺仪传感器的原始数据。
3.根据权利要求1或2所述的移动智能设备传感器指纹的保护方法,其特征在于,所述方法步骤2中,对获取的运动传感器的原始数据进行处理为:对获取的运动传感器的原始数据进行切片和插值处理。
4.根据权利要求3所述的移动智能设备传感器指纹的保护方法,其特征在于,所述对获取的运动传感器的原始数据进行切片和插值处理包括:
获取的运动传感器的原始数据进行切片处理,使切片处理后得到的各数据的时间长度保持一致,然后进行PCHIP插值处理,处理后使数据的时序数据在时间轴上均匀分布。
5.根据权利要求1或2所述的移动智能设备传感器指纹的保护方法,其特征在于,所述方法步骤3中,用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行指纹保护处理为:
用预先训练对抗网络模型得出的数据生成模型,对所述步骤2预处理后的传感器原始数据进行修改后输出去除指纹信息的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040491.5A CN109766683B (zh) | 2019-01-16 | 2019-01-16 | 一种移动智能设备传感器指纹的保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040491.5A CN109766683B (zh) | 2019-01-16 | 2019-01-16 | 一种移动智能设备传感器指纹的保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109766683A CN109766683A (zh) | 2019-05-17 |
CN109766683B true CN109766683B (zh) | 2021-10-01 |
Family
ID=66452427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040491.5A Active CN109766683B (zh) | 2019-01-16 | 2019-01-16 | 一种移动智能设备传感器指纹的保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109766683B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866231B (zh) * | 2019-10-14 | 2022-06-24 | 北京邮电大学 | 服务器、智能终端以及隐式身份认证系统和方法 |
CN111143873A (zh) * | 2019-12-13 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 隐私数据处理方法、装置和终端设备 |
CN113111725B (zh) * | 2021-03-18 | 2022-10-28 | 浙江大学 | 一种基于同源信号的振动马达设备指纹提取识别系统 |
CN113111726B (zh) * | 2021-03-18 | 2022-10-28 | 浙江大学 | 一种基于同源信号的振动马达设备指纹提取识别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10360364B2 (en) * | 2013-03-13 | 2019-07-23 | Lookout, Inc. | Method for changing mobile communication device functionality based upon receipt of a second code |
EP3437005A1 (en) * | 2016-03-31 | 2019-02-06 | FotoNation Limited | Biometric recognition system |
US20170329966A1 (en) * | 2016-05-13 | 2017-11-16 | Qualcomm Incorporated | Electronic device based security management |
US9898901B1 (en) * | 2016-11-30 | 2018-02-20 | Bank Of America Corporation | Physical security system for computer terminals |
US10467842B2 (en) * | 2017-03-17 | 2019-11-05 | Bank Of America Corporation | Portable item transfer container |
CN107832834B (zh) * | 2017-11-13 | 2020-02-14 | 合肥工业大学 | 一种基于生成对抗网络的wifi室内定位指纹库的构建方法 |
CN108491497B (zh) * | 2018-03-20 | 2020-06-02 | 苏州大学 | 基于生成式对抗网络技术的医疗文本生成方法 |
CN108958482B (zh) * | 2018-06-28 | 2021-09-28 | 福州大学 | 一种基于卷积神经网络的相似性动作识别装置及方法 |
-
2019
- 2019-01-16 CN CN201910040491.5A patent/CN109766683B/zh active Active
Non-Patent Citations (3)
Title |
---|
Web客户端追踪(下)—浏览器指纹追踪;Wellee;《https://paper.seebug.org/229/》;20170226;文章全文 * |
取硬件指纹信息;minddancer;《https://blogs.csdn.net/minddancer/article/details/6561070》;20110622;文章全文 * |
基于硬件指纹的软件加密和注册技术;月光;《https://www.willianlong.info/archives/1544.html》;20081024;文章全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109766683A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766683B (zh) | 一种移动智能设备传感器指纹的保护方法 | |
CN109376041A (zh) | 一种用于ai手机芯片的基准测试系统及其工作流程 | |
CN107305774A (zh) | 语音检测方法和装置 | |
CN105373887B (zh) | 一种终端应用的质量评估方法和系统 | |
CN111275784B (zh) | 生成图像的方法和装置 | |
CN111062964B (zh) | 图像分割方法及相关装置 | |
CN110569826B (zh) | 一种人脸识别方法、装置、设备及介质 | |
CN107315955A (zh) | 文件安全性识别方法和装置 | |
CN112766197B (zh) | 基于隐私保护的人脸识别方法及装置 | |
CN112818390A (zh) | 一种基于隐私保护的数据信息发布方法、装置及设备 | |
CN110619334A (zh) | 基于深度学习的人像分割方法、架构及相关装置 | |
CN111881706B (zh) | 活体检测、图像分类和模型训练方法、装置、设备及介质 | |
CN111931707A (zh) | 基于对抗补丁的人脸图像预测方法、装置、设备和介质 | |
CN115131603A (zh) | 一种模型处理方法、装置、存储介质及电子设备 | |
CN111382403A (zh) | 用户行为识别模型的训练方法、装置、设备及存储介质 | |
CN114272612A (zh) | 身份识别方法、装置、存储介质及终端 | |
CN110570375A (zh) | 一种图像处理方法、装置、电子设置以及存储介质 | |
CN110796115B (zh) | 图像检测方法、装置、电子设备及可读存储介质 | |
CN111046223A (zh) | 一种视觉障碍者语音辅助方法、终端、服务器及系统 | |
CN115982965A (zh) | 去噪扩散样本增量学习的碳纤维材料损伤检测方法及装置 | |
CN116798129A (zh) | 一种活体检测方法、装置、存储介质及电子设备 | |
CN111784726A (zh) | 人像抠图方法和装置 | |
CN113299300B (zh) | 一种语音增强方法、装置及存储介质 | |
CN114360015A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN114003493A (zh) | 测试数据处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |