CN111400680B - 一种基于传感器的手机解锁密码预测方法和相关装置 - Google Patents
一种基于传感器的手机解锁密码预测方法和相关装置 Download PDFInfo
- Publication number
- CN111400680B CN111400680B CN202010237267.8A CN202010237267A CN111400680B CN 111400680 B CN111400680 B CN 111400680B CN 202010237267 A CN202010237267 A CN 202010237267A CN 111400680 B CN111400680 B CN 111400680B
- Authority
- CN
- China
- Prior art keywords
- pin
- user
- mobile phone
- sensor
- input
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/66—Substation equipment, e.g. for use by subscribers with means for preventing unauthorised or fraudulent calling
- H04M1/667—Preventing unauthorised calls from a telephone set
- H04M1/67—Preventing unauthorised calls from a telephone set by electronic means
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Telephone Function (AREA)
- Lock And Its Accessories (AREA)
Abstract
本申请公开了一种基于传感器的手机解锁密码预测方法和相关装置,在用户进入设置PIN页面进行PIN码设置时,引导用户输入多组PIN码多次,在用户输入PIN过程中获取手机的五个传感器的读数变化曲线,通过传感器的读数变化曲线来提取曲线特征值和计算传感器之间的相关度,从而得到用户的PIN码特征值,利用得到的PIN码对神经网络进行训练,从而得到预测模型,在用户忘记PIN码时,提示用户输入预置PIN码,根据用户输入的预置PIN码通过预测模型进行预测,从而得到PIN码预测结果,为用户进行手机解锁,解决了现有的解决用户因忘记PIN码而导致用户无法使用智能手机的方式,无法满足用户对快速解决因忘记PIN码导致无法使用智能手机的需求和操作不便的技术问题。
Description
技术领域
本申请涉及手机密码解锁技术领域,尤其涉及一种基于传感器的手机解锁密码预测方法和相关装置。
背景技术
随着智能手机的发展,人们的生活对于智能手机的依赖性越来越大,智能手机存储的个人信息越来越多,为了保护智能手机用户的安全性,用户通常会设置智能手机的锁屏密码对智能手机进行锁定,智能手机锁屏密码上使用PIN码来进行锁定和解锁,这就要求用户牢记PIN码。但是,用户忘记PIN码的情况比比皆是,导致智能手机无法解锁使用,而现有的解决用户因忘记PIN码而导致用户无法使用智能手机的方式是将智能手机拿到专门的维修点,通过专业维修人员采用专业软件重新为用户设置新的PIN码,这种处理方式无法满足用户对快速解决因忘记PIN码导致无法使用智能手机的需求,同时需要依赖于专业维修人员和专业工具,操作不便,极大地降低了用户体验。
发明内容
本申请提供了一种基于传感器的手机解锁密码预测方法和相关装置,用于解决现有的解决用户因忘记PIN码而导致用户无法使用智能手机的方式,无法满足用户对快速解决因忘记PIN码导致无法使用智能手机的需求和操作不便的技术问题。
有鉴于此,本申请第一方面提供了一种基于传感器的手机解锁密码预测方法,包括:
在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,所述第一数量和所述第二数量均不小于3;
采集用户在输入PIN码时的五个手机传感器的读数值,所述五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器;
根据所述五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线;
分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度,得到PIN码特征值集合;
将所述PIN码特征值集合作为神经网络的输入,所述PIN码特征值对应的PIN码作为所述神经网络的输出结果,对所述神经网络的进行训练,得到预测模型;
在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入所述预置PIN码时的五个手机传感器的读数值输入所述预测模型,输出PIN码预测结果并发送给用户。
可选地,所述分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度,得到PIN码特征值集合,包括:
分别求取每条所述读数变化曲线的最大值、最小值、平均值和平方和,作为每条所述读数变化曲线的第一特征值;
根据每个所述手机传感器对应的所述读数变化曲线计算所述五个手机传感器的皮尔逊相关度,得到第二特征值;
将所述第一特征值和所述第二特征值加入PIN码特征值集合。
可选地,所述分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度得到特征值,还包括:
对所述读数变化曲线进行FFT变换,得到频域变化曲线;
分别求取每条所述频域变化曲线的最大值、最小值、平均值和平方和,作为每条所述频域变化曲线的第三特征值;
将所述第三特征值加入所述PIN码特征集合。
可选地,所述在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,包括:
在用户设置PIN码时,引导用户在平稳姿态下在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次。
本申请第二方面提供了一种基于传感器的手机解锁密码预测装置,包括:
指示单元,用于在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,所述第一数量和所述第二数量均不小于3;
采集单元,用于采集用户在输入PIN码时的五个手机传感器的读数值,所述五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器;
绘制曲线单元,根据所述五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线;
特征提取单元,用于分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度,得到PIN码特征值;
训练单元,用于将所述PIN码特征值集合作为神经网络的输入,所述PIN码特征值对应的PIN码作为所述神经网络的输出结果,对所述神经网络的进行训练,得到预测模型;
解锁单元,用于在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入所述预置PIN码时的五个手机传感器的读数值输入所述预测模型,输出PIN码预测结果并在预测结果与用户设置的PIN码匹配时为用户解锁,所述预置PIN码为用户设置的PIN码。
可选地,所述特征提取单元具体用于:
分别求取每条所述读数变化曲线的最大值、最小值、平均值和平方和,作为每条所述读数变化曲线的第一特征值;
根据每个所述手机传感器对应的所述读数变化曲线计算所述五个手机传感器的皮尔逊相关度,得到第二特征值;
将所述第一特征值和所述第二特征值加入PIN码特征值集合。
可选地,还包括变换单元;
所述变换单元用于:
对所述读数变化曲线进行FFT变换,得到频域变化曲线;
分别求取每条所述频域变化曲线的最大值、最小值、平均值和平方和,作为每条所述频域变化曲线的第三特征值;
将所述第三特征值加入所述PIN码特征值集合。
可选地,所述指示单元具体用于:
在用户设置PIN码时,引导用户在平稳姿态下在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,所述第一数量和所述第二数量均不小于3。
本申请第三方面提供了一种基于传感器的手机解锁密码预测设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的基于传感器的手机解锁密码预测方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面任一种所述的基于传感器的手机解锁密码预测方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中提供了一种基于传感器的手机解锁密码预测方法,包括:在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,第一数量和第二数量均不小于3;采集用户在输入PIN码时的五个手机传感器的读数值,五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器;根据五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线;分别对每条读数变化曲线进行特征提取,并计算五个手机传感器的相关度,得到PIN码特征值集合;将PIN码特征值集合作为神经网络的输入,PIN码特征值对应的PIN码作为神经网络的输出结果,对神经网络的进行训练,得到预测模型;在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入预置PIN码时的五个手机传感器的读数值输入预测模型,输出PIN码预测结果并在预测结果与用户设置的PIN码匹配时为用户解锁。
本申请提供的基于传感器的手机解锁密码预测方法,在用户进入设置PIN页面进行PIN码设置时,引导用户输入多组PIN码多次,在用户输入PIN过程中获取手机的五个传感器的读数变化曲线,通过传感器的读数变化曲线来提取曲线特征值和计算传感器之间的相关度,从而得到用户的PIN码特征值,利用得到的PIN码对神经网络进行训练,从而得到预测模型,在用户忘记PIN码时,提示用户输入预置PIN码,根据用户输入的预置PIN码通过预测模型进行预测,从而得到PIN码预测结果,发送给用户进行手机解锁,该过程不需要用户将手机带到专门维修点找专业维修技术人员来解锁,仅需要用户在忘记PIN码时通过点击忘记PIN码发送的解锁PIN码请求,即可为用户解锁,解决了现有的解决用户因忘记PIN码而导致用户无法使用智能手机的方式,无法满足用户对快速解决因忘记PIN码导致无法使用智能手机的需求和操作不便的技术问题。
附图说明
图1为本申请实施例中提供的一种基于传感器的手机解锁密码预测方法的一个流程示意图;
图2为本申请实施例中提供的一种基于传感器的手机解锁密码预测方法的另一个流程示意图;
图3为本申请实施例中的提供的一种基于传感器的手机解锁密码预测装置的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应理解的是,本申请的基于传感器的手机解锁密码预测方法可不仅限于本申请实施例中的手机解锁密码预测,本领域技术人员在本申请实施例的基础上,可以根据实际需求应用到如IPAD终端等其他方面的基于传感器的智能终端解锁密码预测场景。
为了便于理解,请参阅图1,本申请提供了一种基于传感器的手机解锁密码预测方法的一个实施例,包括:
步骤101、在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,第一数量和第二数量均不小于3。
需要说明的是,在用户首次设置手机的解锁密码时,即PIN码,需要提示信息给用户以引导用户在PIN设置页面输入不同组PIN码若干次,具体的可以是20组PIN码5次,作为用户输入PIN码的数据集。为了降低换件因素的干扰,在引导用户输入PIN码时,可提示用户在自身处于平稳姿态下输入PIN码。
步骤102、采集用户在输入PIN码时的五个手机传感器的读数值,五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器。
需要说明的是,智能手机中都会设置有加速度传感器、陀螺仪、重力传感器、线性加速度传感器和方向传感器等传感器,本申请实施例中借助这些传感器来解决用户的PIN码解锁问题。通过这五个手机传感器采集用户在输入PIN码时的数据,可分别获得各传感器在输入每个PIN码过程中各个时刻的读数值。这些读数值可以存储在智能手机的预置文件夹中,每次输入PIN码对应预置文件夹下的五个传感器读数值文件。
步骤103、根据五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线。
需要说明的是,每个传感器采集的原始数据过于庞大,因此,需要对采集到的数据进行特征提取。针对每个传感器采集到的数据,可以绘制出相应的读数变化曲线,若取每个传感器在空间坐标系中3个坐标轴对应的读数,则可以获得5*3=15条时域曲线。
步骤104、分别对每条读数变化曲线进行特征提取,并计算五个手机传感器的相关度,得到PIN码特征值集合。
需要说明的是,在得到读数变化曲线之后,需要对每条曲线进行特征提取,此时可以得到15个特征值,同时,考虑到不同传感器之间存在着一定的相关性,因此,可以根据每个手机传感器对应的读数变化曲线计算五个传感器两两之间的相关度,因此可以得到手机传感器相关度对应的15个特征值,从而可以得到30个PIN码特征值。因此,用户每次输入一组PIN码对应着30个PIN码特征值,输入第二数量次,则一组PIN码对应30乘以第二数量个PIN码特征值。
步骤105、将PIN码特征值集合作为神经网络的输入,PIN码特征值对应的PIN码作为神经网络的输出结果,对神经网络的进行训练,得到预测模型。
需要说明的是,用户输入第一数量组的PIN码第二数量次,那么可以得到第一数量乘以第二数量个样本的样本数据集,将这些数据集划分为训练集和测试集,对神经网络进行训练,得到最终的预测模型。
步骤106、在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入预置PIN码时的五个手机传感器的读数值输入预测模型,输出PIN码预测结果并在预测结果与用户设置的PIN码匹配时为用户解锁。
需要说明的是,可以在手机的锁屏PIN界面设置有忘记PIN码请求的按键,在用户忘记PIN码时,可以点击该按键发送解锁PIN码请求,当系统接收到该请求时,通过用户手机提示用户输入预置PIN码,预置PIN码为用户设置的PIN码,采集用户输入预置PIN码时的五个手机传感器的读数值,输入到预测模型中,输出PIN码预测结果,若预测结果为预测的PIN码与用户设置的PIN码匹配,则为用户解锁,可以避免非本机机主盗取PIN码。
本申请实施例提供的基于传感器的手机解锁密码预测方法,在用户进入设置PIN页面进行PIN码设置时,引导用户输入多组PIN码多次,在用户输入PIN过程中获取手机的五个传感器的读数变化曲线,通过传感器的读数变化曲线来提取曲线特征值和计算传感器之间的相关度,从而得到用户的PIN码特征值,利用得到的PIN码对神经网络进行训练,从而得到预测模型,在用户忘记PIN码时,提示用户输入预置PIN码,根据用户输入的预置PIN码通过预测模型进行预测,从而得到PIN码预测结果,为用户进行手机解锁,该过程不需要用户将手机带到专门维修点找专业维修技术人员来解锁,仅需要用户在忘记PIN码时通过点击忘记PIN码发送的解锁PIN码请求,即可为用户解锁,解决了现有的解决用户因忘记PIN码而导致用户无法使用智能手机的方式,无法满足用户对快速解决因忘记PIN码导致无法使用智能手机的需求和操作不便的技术问题。
为了便于理解,请参阅图2,本申请提供了一种基于传感器的手机解锁密码预测方法的另一实施例,包括:
步骤201、在用户设置PIN码时,引导用户在平稳姿态下在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次。
步骤202、采集用户在输入PIN码时的五个手机传感器的读数值,五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器。
步骤203、分别求取每条读数变化曲线的最大值、最小值、平均值和平方和,作为每条读数变化曲线的第一特征值。
步骤204、根据每个手机传感器对应的读数变化曲线计算五个手机传感器的皮尔逊相关度,得到第二特征值。
步骤205、对读数变化曲线进行FFT变换,得到频域变化曲线。
需要说明的是,为了不丢失信息,可以同时提取读数变化曲线的时域特征和频域特征,因此,可以将时域的读数变化曲线进行FFT变换,也就是说上一实施例中的15条时域的读数变化曲线可以得到15条频域变化曲线。
步骤206、分别求取每条频域变化曲线的最大值、最小值、平均值和平方和,作为每条频域变化曲线的第三特征值。
步骤207、将第一特征值、第二特征值和第三特征值作为PIN码特征值。
需要说明的是,对时域的读数变化曲线和对频域变化曲线分别进行最大值、最小值、平均值和平方和的求取,可以得到(15+15)*4=120个特征值。再加上五个手机传感器的相关度计算得到的30个特征值,因此,可以得到150个PIN码特征值。
步骤208、将PIN码特征值作为神经网络的输入,PIN码特征值对应的PIN码作为神经网络的输出结果,对神经网络的进行训练,得到预测模型。
步骤209、在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入预置PIN码时的五个手机传感器的读数值输入预测模型,输出PIN码预测结果并在预测结果与用户设置的PIN码匹配时为用户解锁。
需要说明的是,本申请实施例中神经网络接受150维的向量输入,输出采用一位有效编码,即输出40维的向量,每10位代表一位PIN码,例如,1234对应的结果编码为{[0,1,0,0,0,0,0,0,0,0],[0,0,1,0,0,0,0,0,0,0],[0,0,0,1,0,0,0,0,0,0],[0,0,0,0,1,0,0,0,0,0]}依此类推。因此,在收到用户输入的预置PIN码之后,五个传感器将各自读出读数,从而预测模型可以根据五个传感器的读数提取特征,预测出用户设置的PIN码,若预测的结果得到的PIN码与用户设置的PIN码一致,则认为进行该操作的是设置该PIN码的人,可直接为用户解锁手机。
为了便于理解,请参阅图3,本申请中提供了一种基于传感器的手机解锁密码预测装置,包括:
指示单元,用于在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,第一数量和第二数量均不小于3;
采集单元,用于采集用户在输入PIN码时的五个手机传感器的读数值,五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器;
绘制曲线单元,根据五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线;
特征提取单元,用于分别对每条读数变化曲线进行特征提取,并计算五个手机传感器的相关度,得到PIN码特征值集合;
训练单元,用于将特征值作为神经网络的输入,PIN码特征值对应的PIN码作为神经网络的输出结果,对神经网络的进行训练,得到预测模型;
解锁单元,用于在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入预置PIN码时的五个手机传感器的读数值输入所述预测模型,输出PIN码预测结果并在预测结果与用户设置的PIN码匹配时为用户解锁。
进一步地,特征提取单元具体用于:
分别求取每条读数变化曲线的最大值、最小值、平均值和平方和,作为每条所述读数变化曲线的第一特征值;
根据每个手机传感器对应的读数变化曲线计算五个手机传感器的皮尔逊相关度,得到第二特征值;
将第一特征值和第二特征值加入PIN码特征值集合。
进一步地,还包括变换单元;
变换单元用于:
对读数变化曲线进行FFT变换,得到频域变化曲线;
分别求取每条频域变化曲线的最大值、最小值、平均值和平方和,作为每条频域变化曲线的第三特征值;
将第三特征值加入PIN码特征值集合。
进一步地,指示单元具体用于:
在用户设置PIN码时,引导用户在平稳姿态下在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,第一数量和所述第二数量均不小于3。
本申请中提供了一种基于传感器的手机解锁密码预测设备的实施例,设备包括处理器以及存储器:
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述的基于传感器的手机解锁密码预测方法实施例中的任一种基于传感器的手机解锁密码预测方法。
本申请中提供了一种计算机可读存储介质的实施例,计算机可读存储介质用于存储程序代码,所述程序代码用于执行前述的基于传感器的手机解锁密码预测方法实施例中的任一种基于传感器的手机解锁密码预测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机系统(可以是个人计算机,服务器,或者网络系统等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于传感器的手机解锁密码预测方法,其特征在于,包括:
在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,所述第一数量和所述第二数量均不小于3;
采集用户在输入PIN码时的五个手机传感器的读数值,所述五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器;
根据所述五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线;
分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度,得到PIN码特征值集合;
将所述PIN码特征值集合作为神经网络的输入,所述PIN码特征值对应的PIN码作为所述神经网络的输出结果,对所述神经网络的进行训练,得到预测模型;
在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入所述预置PIN码时的五个手机传感器的读数值输入所述预测模型,输出PIN码预测结果并发送给用户。
2.根据权利要求1所述的基于传感器的手机解锁密码预测方法,其特征在于,所述分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度,得到PIN码特征值集合,包括:
分别求取每条所述读数变化曲线的最大值、最小值、平均值和平方和,作为每条所述读数变化曲线的第一特征值;
根据每个所述手机传感器对应的所述读数变化曲线计算所述五个手机传感器的皮尔逊相关度,得到第二特征值;
将所述第一特征值和所述第二特征值加入PIN码特征值集合。
3.根据权利要求2所述的基于传感器的手机解锁密码预测方法,其特征在于,所述分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度得到特征值,还包括:
对所述读数变化曲线进行FFT变换,得到频域变化曲线;
分别求取每条所述频域变化曲线的最大值、最小值、平均值和平方和,作为每条所述频域变化曲线的第三特征值;
相应地,所述PIN码特征值还包括所述第三特征值。
4.根据权利要求1所述的基于传感器的手机解锁密码预测方法,其特征在于,所述在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,包括:
在用户设置PIN码时,引导用户在平稳姿态下在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次。
5.一种基于传感器的手机解锁密码预测装置,其特征在于,包括:
指示单元,用于在用户设置PIN码时,引导用户在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,所述第一数量和所述第二数量均不小于3;
采集单元,用于采集用户在输入PIN码时的五个手机传感器的读数值,所述五个手机传感器包括加速度传感器、重力传感器、陀螺仪传感器、线性加速度传感器和方向传感器;
绘制曲线单元,根据所述五个手机传感器的读数值绘制每组PIN码每次输入所对应的各手机传感器的读数变化曲线;
特征提取单元,用于分别对每条所述读数变化曲线进行特征提取,并计算所述五个手机传感器的相关度,PIN码特征值集合;
训练单元,用于将所述特征值作为神经网络的输入,所述PIN码特征值对应的PIN码作为所述神经网络的输出结果,对所述神经网络的进行训练,得到预测模型;
解锁单元,用于在接收到用户发送的解锁PIN码请求时,提示用户输入预置PIN码,将采集到的用户输入所述预置PIN码时的五个手机传感器的读数值输入所述预测模型,输出PIN码预测结果并发送给用户。
6.根据权利要求5所示的基于传感器的手机解锁密码预测装置,其特征在于,所述特征提取单元具体用于:
分别求取每条所述读数变化曲线的最大值、最小值、平均值和平方和,作为每条所述读数变化曲线的第一特征值;
根据每个所述手机传感器对应的所述读数变化曲线计算所述五个手机传感器的皮尔逊相关度,得到第二特征值;
将所述第一特征值和所述第二特征值加入PIN码特征值集合。
7.根据权利要求6所述的基于传感器的手机解锁密码预测装置,其特征在于,还包括变换单元;
所述变换单元用于:
对所述读数变化曲线进行FFT变换,得到频域变化曲线;
分别求取每条所述频域变化曲线的最大值、最小值、平均值和平方和,作为每条所述频域变化曲线的第三特征值;
将所述第三特征值加入所述PIN码特征值集合。
8.根据权利要求5所示的基于传感器的手机解锁密码预测装置,其特征在于,所述指示单元具体用于:
在用户设置PIN码时,引导用户在平稳姿态下在PIN设置页面输入第一数量组PIN码,每组PIN码输入第二数量次,所述第一数量和所述第二数量均不小于3。
9.一种基于传感器的手机解锁密码预测设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的基于传感器的手机解锁密码预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的基于传感器的手机解锁密码预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010237267.8A CN111400680B (zh) | 2020-03-30 | 2020-03-30 | 一种基于传感器的手机解锁密码预测方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010237267.8A CN111400680B (zh) | 2020-03-30 | 2020-03-30 | 一种基于传感器的手机解锁密码预测方法和相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111400680A CN111400680A (zh) | 2020-07-10 |
CN111400680B true CN111400680B (zh) | 2022-12-23 |
Family
ID=71434834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010237267.8A Active CN111400680B (zh) | 2020-03-30 | 2020-03-30 | 一种基于传感器的手机解锁密码预测方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400680B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468962A (zh) * | 2014-09-03 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 用户界面解锁的方法及装置 |
CN105530637A (zh) * | 2015-12-11 | 2016-04-27 | 北京元心科技有限公司 | 保护智能终端用户隐私的方法以及智能终端 |
CN106951751A (zh) * | 2017-03-24 | 2017-07-14 | 电子科技大学 | 一种基于传感器的智能手机开锁识别方法 |
CN107465814B (zh) * | 2017-07-17 | 2019-11-22 | 长沙学院 | 一种基于手机惯性传感器的用户输入识别方法 |
-
2020
- 2020-03-30 CN CN202010237267.8A patent/CN111400680B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111400680A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163611B (zh) | 一种身份识别方法、装置以及相关设备 | |
CN109165940B (zh) | 一种防盗方法、装置及电子设备 | |
Muaaz et al. | An analysis of different approaches to gait recognition using cell phone based accelerometers | |
CN105159585B (zh) | 一种基于指纹的功能解锁方法及系统 | |
CN110147710B (zh) | 人脸特征的处理方法、装置和存储介质 | |
CN107819945B (zh) | 综合多种因素的手持设备浏览行为认证方法及系统 | |
CN102890776A (zh) | 通过面部表情调取表情图释的方法 | |
CN107545160A (zh) | 指纹识别方法及装置 | |
CN104994105B (zh) | 一种Android智能终端安全认证方法 | |
CN102890777B (zh) | 可识别面部表情的电脑系统 | |
CN112468658B (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
CN110247898B (zh) | 身份验证方法、装置、介质及电子设备 | |
CN105212942A (zh) | 利用生物体信息的认证系统 | |
CN107454251B (zh) | 解锁控制方法及相关产品 | |
CN111382403A (zh) | 用户行为识别模型的训练方法、装置、设备及存储介质 | |
CN111400680B (zh) | 一种基于传感器的手机解锁密码预测方法和相关装置 | |
CN105427480A (zh) | 一种基于图像分析的柜员机 | |
CN110175516B (zh) | 生物特征模型生成方法、装置、服务器及存储介质 | |
CN111709851A (zh) | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 | |
CN107615299A (zh) | 用于评估指纹模板的方法和系统 | |
CN106470106B (zh) | 终端信息显示方法及装置 | |
CN107832690B (zh) | 人脸识别的方法及相关产品 | |
CN115344839A (zh) | 一种基于用户击键动力学的身份认证方法及装置 | |
CN108803364B (zh) | 一种智能家居控制系统 | |
CN112989295A (zh) | 用户识别的方法和装置 |
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 |