CN117077099A - 一种基于声学传感数据的可信合法用户认证系统 - Google Patents
一种基于声学传感数据的可信合法用户认证系统 Download PDFInfo
- Publication number
- CN117077099A CN117077099A CN202311221539.5A CN202311221539A CN117077099A CN 117077099 A CN117077099 A CN 117077099A CN 202311221539 A CN202311221539 A CN 202311221539A CN 117077099 A CN117077099 A CN 117077099A
- Authority
- CN
- China
- Prior art keywords
- module
- key
- user
- habit
- keyboard
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000013480 data collection Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 17
- 238000012706 support-vector machine Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000005236 sound signal Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000013138 pruning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 239000010409 thin film Substances 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06F21/44—Program or device authentication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于声学传感数据的可信合法用户认证系统,属于用户安全认证技术领域。本发明的环境估计模块集成有键盘类型识别模块、大键识别模块和坐标估计模块。数据收集模块集成有环境模拟模块和离线击键习惯收集模块,用户击键行为习惯判别模块集成有特征提取模块和模型训练模块。本发明在用户登录及使用关键设备期间,通过用户随身携带的智能手机普遍装配的两个麦克风,收集用户在打字期间键盘发出的声学信号,以此分析该用户的击键动作行为特征,通过判别该特征是否符合系统合法用户击键行为习惯,进行用户合法性认证。与传统基于PIN密码、U盘密钥等网络关键设备合法用户认证的方式相比,具有很强的环境适应性和生存能力。
Description
技术领域
本发明主要涉及无线感知和用户安全认证技术领域,更具体地说,涉及一种基于声学传感数据的、对用户击键习惯进行判别的、用户合法性认证系统。
背景技术
随着大数据、云计算、5G通信等信息技术的发展,云端服务器等关键网络设备成为承载海量数据处理和大规模计算的重要载体,关键网络设备安全的重要性日益凸显。传统基于U盘密钥、PIN密码等系统登录安全认证方式,存在硬件密钥易丢失、密码输入过程容易暴露等缺陷,对网络关键设备安全的合法用户认证保障不足。
如今,智能手机中大多装备了物理位置不同的多个高精度麦克风。这些麦克风可以收集设备持有者的一些信息,包括声源位置、信号内容等等;且有击键动力学研究表明,当用户键盘输入时,其强度和时间特征可以用于识别和身份验证,这为我们提供了进行系统用户合法性认证的基础。
经检索,专利号ZL201510713975.3,专利名称:触屏用户按键行为模式构建与分析系统及其身份识别方法,该申请案通过手机触摸屏上的软键盘输入密码的历史按键信息进行数据分析并建立相应的神经网络模型,并对于新的待测数据进行模型计算,以识别用户身份;该系统由用户数据采集模块、数据预处理模块、模型训练模块以及用户身份认证模块组成;用户数据采集模块负责采集用户点击软键盘输入密码的时间序列信息以及压力和接触面积信息;数据预处理模块负责对采集到的数据进行预处理,去除脏数据,并对数据进行归一化;模型训练模块负责对所有用户的键入模式进行分析和建模;用户身份认证模块负责对于新的待测数据进行模型计算,用以识别用户的身份。该申请案使得用户身份认证和密码认证同步完成,提高了传统认证体系的安全性,但该申请案实现的是手机采集其自身信息,并对其自身的使用者身份进行认证,在使用上仍具有局限性。
发明内容
1.发明要解决的技术问题
本发明提出了一种基于声学传感数据的可信合法用户认证系统,通过智能手机普遍装配的两个高精度麦克风,收集用户在打字期间键盘发出的声学信号,分析该用户的击键动作行为特征,通过判别该特征是否符合系统合法用户击键行为习惯进行用户合法性认证。与传统的用户认证系统相比,本发明具有击键行为特征不可复制、持续认证、使用简便灵活、无丢失问题的优点,可以作为一种对用户合法认证的有效补充手段。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种基于声学传感数据的可信合法用户认证系统,包括信号预处理模块、环境估计模块,数据收集模块和用户击键行为习惯判别模块;
所述信号预处理模块获取来自手机的双声道声学信号,并依次进行对于按键信号的检测、分割、分帧、加窗操作,并将得到的结果传输至环境估计模块;
所述环境估计模块集成有键盘类型识别模块,用于识别键盘类型;大键识别模块,用于进行键盘大键识别;和坐标估计模块,用于估计手机麦克风的位置坐标;
所述数据收集模块集成有环境模拟模块和离线击键习惯收集模块;其中,环境模拟模块模拟一个与设备持有者所在环境相同的输入环境,用于离线击键习惯收集模块;
所述用户击键行为习惯判别模块用于判断当前击键习惯是否与历史击键习惯接近,若击键习惯发生较大偏差,则判断该设备持有者不合法。
更进一步地,信号预处理模块对于初始的声学信号,首先进行标准化处理,随后通过滑动窗口扫描信号幅度大于阈值的部分,并根据此进行声学信号的分割;之后,将分割得到的按键片段分割为固定时间长度的帧,并在每一帧上应用汉宁窗;处理完毕后,双声道声学信号被传输至环境估计模块。
更进一步地,所述键盘类型识别模块从双声道声学信号中提取梅尔倒谱系数,并输入至提前训练好的支持向量机的键盘分类模型中,进行键盘类型识别;并将识别结果传输至大键识别模块和数据收集模块。
更进一步地,所述键盘类型识别模块依据不同类型的键盘按键发出的声音音色存在差别,且类间间距大于类内间距的标准,区分机械键盘、薄膜键盘、笔记本键盘三种类型。
更进一步地,所述大键识别模块从双声道声学信号中,提取梅尔倒谱系数并根据键盘类型,输入至提前训练好的支持向量机的大键识别模型中进行大键识别;并将识别出的大键坐标和对应的信号传输至坐标估计模块。
更进一步地,所述坐标估计模块利用两种方法计算声学信号在用于收集的两个麦克风处的到达时间差;第一种方法是通过坐标和两点间距离公式进行理论值计算,第二种方法是通过对双声道声学信号计算互相关得到测量值;通过协方差自适应进化策略,将理论值和测量值的差作为损失函数,并将该损失函数优化至最小,并将此时两个麦克风的坐标作为位置估计结果。
更进一步地,所述环境模拟模块获取键盘类型判断结果和来自坐标估计模块的位置估计结果,通过选用符合结果的键盘,并将手机摆放至位置估计结果对应的坐标,模拟一个与设备持有者所在环境相同的输入环境,用于离线击键习惯收集模块。
更进一步地,所述离线击键习惯收集模块在环境模拟模块布置的输入环境下,收集对应键盘的样本,构建一个来自单人、单键盘的小型训练集。
更进一步地,所述用户击键习惯合法性判断模块集成有特征提取模块、模型训练模块和单词剪枝模块;其中:特征提取模块从声学信号中提取用于分辨具体击键习惯的特征,组成特征向量,并将特征向量传输至模型训练模块;模型训练模块利用训练集中提取的特征向量训练基于支持向量机的用户击键行为习惯判别模型,并将待预测的特征向量输入该模型中,并将预测结果传输至单词剪枝模块;所述单词剪枝模块建立一个包含设备持有者击键习惯的数据库,并结合数据库内存在的特征和模型训练模块中的预测结果给出当前设备持有者习惯是否与历史击键习惯接近的判断结果,若击键习惯发生较大偏差,则判断该设备持有者不合法。
更进一步地,特征提取模块提取的特征包括声学信号到达两个不同麦克风的时延和两个麦克风收集的声学信号在空气中的衰减。
3.有益效果
采用本发明提供的技术方案,与已有的公知技术相比,具有如下显著效果:
(1)本发明的一种基于声学传感数据的可信合法用户认证系统,相比传统基于PIN密码、U盘密钥等系统用户登录认证方式,具有不可复制、持续认证、无丢失问题的优点,可以作为一种对用户合法认证的有效补充手段。
(2)本发明的一种基于声学传感数据的可信合法用户认证系统,相比硬件成本高、操作复杂、设备需求多的基于摄像头的用户认证系统,更加注重用户隐私保护且容易实施,而且应用场景立足于用户日常行为中出现频率较高的场景。
(3)本发明的原始数据是来自未知环境的按键,这代表不需要得知输入所使用的键盘、不需要拥有输入者的输入声音训练样本库,也不需要得知智能手机摆放的位置。因此本发明无需用户进行设备校准和初始化操作,具有较高的用户友好性。
(4)本发明从声学信号中提取的、用于用户击键习惯判别的特征,与声源点、麦克风的相对位置相关,因此不受输入者按键的内容和键盘的类型影响。同时,本发明使用的特征可以分辨相邻的两个在声学上极其相近的按键音。因此本发明同时实现了鲁棒性和细粒度任务下的准确性。
附图说明
图1是本发明的认证系统结构示意图;
图2是输入者输入场景示意图;
图3是按键声学信号波形示意图;
图4是Q键的声学波形示意图;
图5是P键的声学波形示意图。
具体实施方式
为进一步了解本发明的内容,结合附图和实施例对本发明作详细描述。
实施例1
网络关键设备系统登录场景如下:某用户在某网络关键设备(例如,云端服务器、关键数据的存储设备等)进行系统登录,在登录及使用设备期间使用未知种类的键盘进行输入,输入的场景如图2所示。在输入的同时,系统要求该用户将手机放置在键盘所在的桌面上,并打开认证APP进行合法用户持续认证。系统的目标是根据麦克风收集用户在打字期间键盘发出的声学信号,分析该用户的击键动作行为特征,通过判别该特征是否符合系统合法用户击键行为习惯,进行登录期间持续的用户合法性认证。
如图1所示,本实施例的一种基于声学传感数据的可信合法用户认证系统,包括:信号预处理模块、环境估计模块,数据收集模块和用户击键习惯合法性判断模块。
所述信号预处理模块获取来自智能手机的双声道声学信号,并依次进行对于按键信号的检测、分割、分帧、加窗操作,并将得到的结果传输至环境估计模块。具体而言,首先对于初始的声学信号,进行标准化处理,以防止由于按键速度、力度引起声学信号的幅值区间变化过大造成不好的影响,同时方便信号分割的工作。随后通过滑动窗口扫描信号幅度大于阈值0.2的部分,并根据此进行声学信号的分割,分割完成后得到一系列声学信号段,每一个信号段对应一次按键。一次按键的信号波形如图3所示,分为三个峰值,分别由接触、按下和抬起造成的。当检测到接触峰时,向后取时间长度为180毫秒的声学信号片段,以此作为击键片段。之后,将分割得到的按键片段分割为时间长度为10ms的帧,并在每一帧上应用汉宁窗。因为声音信号属于准稳态过程,分帧处理能够使提取的特征兼顾离散和连续的信息,而加窗操作则可以使旁瓣互相抵消,消去高频干扰和漏能。处理完毕后,双声道声学信号被传输至环境估计模块。
所述环境估计模块集成有键盘类型识别模块、大键识别模块和坐标估计模块。其中:
键盘类型识别模块从双声道声学信号中提取梅尔倒谱系数,并输入至提前训练好的支持向量机的键盘分类模型中进行键盘类型识别。该模块可以区分机械键盘、薄膜键盘、笔记本键盘三种类型。区分的原理是这三种类型的键盘按键发出的声音音色存在明显的差别,且类间间距大于类内间距,这可以在三种键盘按键的声谱图中体现出来。输入的内容是来自未知键盘的多个按键声。经过该模块的处理,支持向量机模型输出对于每个按键声,键盘类型的判断结果。该模块将最多数的结果作为对键盘类型的最终判断。最后,该模块将判断结果传输至大键识别模块和数据收集模块。
大键识别模块从双声道声学信号中提取梅尔倒谱系数并根据键盘类型,输入至提前训练好的支持向量机的大键识别模型中进行大键识别,该模块可以从所有按键中区分出6种尺寸较大的按键。这一步判别的依据是,大尺寸的按键声在音色上与小尺寸的按键同样存在差别,同时不同的大尺寸按键的按键声由于机械结构和键帽造成的多径反射,音色也存在差别。输入的内容为每一次按键对应的声学信号段,输出的内容为该按键的标签,分为Capslock键、Enter键、左Shift键、右Shift键、左Control键、Space键和其他键。在该模块中,设定键盘上的Q键为坐标原点建立直角坐标系,即可得到大键识别模块中识别出的大键的坐标,同时可以得到该大键对应的标签和声学信号片段。此后,该模块将坐标和对应的信号传输至坐标估计模块。
坐标估计模块利用两种方法计算声学信号,在用于收集的两个麦克风处的到达时间差。第一种方法是通过坐标和两点间距离公式进行理论值计算,第二种方法是通过对双声道声学信号计算互相关得到测量值。通过使用协方差自适应进化策略,将理论值和测量值的差作为损失函数,并将该损失函数优化至最小,并将此时两个麦克风的坐标作为位置估计结果。最后,该模块将位置估计结果传输至数据收集模块。该坐标估计模块中的损失函数是按如下过程获得:
首先利用大键识别模块中得到的坐标计算到达时间差的理论值Δt
其中,(u,v)代表当前按下键的坐标,(u1,v1)和(u2,v2)代表两个麦克风的坐标,Vs代表声音的速度。
随后利用双声道声学信号的互相关计算到达时间差的测量值tK。
于是损失函数即构造为Loss(u1,v1,u2,v2)=Δt-tK。
本发明采用协方差自适应进化策略优化该损失函数。对于每一个由大键识别模块识别出的大键(u,v),优化损失函数100次,得到一个大小为100的解集。并将所有解集的并集的中心作为最终的参数估计值。
在优化的过程中,由于参数较多,所以可能出现最终取值为局部最优而不是全局最优的情况,因此本发明通过遍历两个麦克风的连接线与键盘水平线的夹角来减少参数数量。之后,以步长为5°遍历夹角空间,由于二维空间内满足条件的参数有且仅有一组,因此当遍历到正确的夹角时,最终解集内的元素方差应该最小。因此以方差最小的解集的中心点作为最终结果。
所述数据收集模块集成有环境模拟模块和离线击键习惯收集模块。
所述环境模拟模块获取键盘类型判断结果和来自坐标估计模块的位置估计结果。通过选用符合结果的键盘,并将智能手机摆放至位置估计结果对应的坐标,该模块可以模拟一个与设备持有者所在环境相同的输入环境,用于离线击键习惯收集模块,该离线击键习惯收集模块收集离线用户击键习惯。
离线击键习惯收集模块在环境模拟模块布置的输入环境下,收集对应键盘的样本,构建一个来自单人、单键盘的小型训练集。具体来说,该模块收集的数据只需要一个人和一个键盘,收集者在26个英文字母键的每一个键上按10下,组成一个大小为260的训练集。
所述用户击键习惯合法性判断模块集成有特征提取模块、模型训练模块和单词剪枝模块。
其中:
所述特征提取模块从声学信号中提取用于分辨具体按键的特征,组成特征向量。该模块提取的特征包括声学信号到达两个不同麦克风的到达时间差和两个麦克风收集的声学信号在空气中的衰减,并将特征向量传输至模型训练模块。
在图2的实验场景下,按下Q键时和按下P键时的声学信号如图4和图5所示,可见在Q键的声学信号波形中信道2的信号先于信道1到达,且幅值更高。而在P键的声学波形信号中情况相反。这证明了该模块提取的特征能够体现不同击键动作之间的差异性。
所述模型训练模块利用训练集中提取的特征向量,训练基于支持向量机的按键预测模型,并将待预测的特征向量输入该模型中,并将预测结果传输至单词剪枝模块。预测的结果包括一个标签序列,序列中的每一项包括对当前按键预测置信度前五的标签和置信度。
在本系统中选用了支持向量机模型,相比于其他分类模型,支持向量机在训练时更注重特征向量的整体性,且其分类原理以基于少数支持向量作为判断标准,减轻了奇异数据的干扰,因此更加适合本系统的场景。
为了应对非线性的分类任务,环境估计模块中键盘类型识别模块以及大键识别模块中的支持向量机模型均使用高斯核函数,并在优化目标函数时引入松弛向量,以使用软间隔来减轻过拟合的负面影响。同时,由于只由支持向量确定分类超平面,支持向量机能够更好地适应小样本集的训练场景,减少欠拟合的情况发生,这也支持了本发明中使用小样本集的需求,增加了灵活性和鲁棒性,减少了对先验知识的依赖。
所述单词剪枝模块建立一个包含常用英语单词的词库,并结合词库内存在的单词和模型训练模块中的预测结果给出置信度最高的有意义单词,并将这个单词作为最终的预测结果。
本发明相比传统基于PIN密码、U盘密钥等系统用户登录认证方式,具有不可复制、持续认证、无丢失问题的优点,可以作为一种对用户合法认证的有效补充手段。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (10)
1.一种基于声学传感数据的可信合法用户认证系统,其特征在于:包括信号预处理模块、环境估计模块,数据收集模块和用户击键行为习惯判别模块;
所述信号预处理模块获取来自手机的双声道声学信号,并依次进行对于按键信号的检测、分割、分帧、加窗操作,并将得到的结果传输至环境估计模块;
所述环境估计模块集成有键盘类型识别模块,用于识别键盘类型;大键识别模块,用于进行键盘大键识别;和坐标估计模块,用于估计手机麦克风的位置坐标;
所述数据收集模块集成有环境模拟模块和离线击键习惯收集模块;其中,环境模拟模块模拟一个与设备持有者所在环境相同的输入环境,用于离线击键习惯收集模块;
所述用户击键行为习惯判别模块用于判断当前击键习惯是否与历史击键习惯接近,若击键习惯发生较大偏差,则判断该设备持有者不合法。
2.根据权利要求1所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:信号预处理模块对于初始的声学信号,首先进行标准化处理,随后通过滑动窗口扫描信号幅度大于阈值的部分,并根据此进行声学信号的分割;之后,将分割得到的按键片段分割为固定时间长度的帧,并在每一帧上应用汉宁窗;处理完毕后,双声道声学信号被传输至环境估计模块。
3.根据权利要求2所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述键盘类型识别模块从双声道声学信号中提取梅尔倒谱系数,并输入至提前训练好的支持向量机的键盘分类模型中,进行键盘类型识别;并将识别结果传输至大键识别模块和数据收集模块。
4.根据权利要求3所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述键盘类型识别模块依据不同类型的键盘按键发出的声音音色存在差别,且类间间距大于类内间距的标准,区分机械键盘、薄膜键盘、笔记本键盘三种类型。
5.根据权利要求4所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述大键识别模块从双声道声学信号中,提取梅尔倒谱系数并根据键盘类型,输入至提前训练好的支持向量机的大键识别模型中进行大键识别;并将识别出的大键坐标和对应的信号传输至坐标估计模块。
6.根据权利要求5所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述坐标估计模块利用两种方法计算声学信号在用于收集的两个麦克风处的到达时间差;第一种方法是通过坐标和两点间距离公式进行理论值计算,第二种方法是通过对双声道声学信号计算互相关得到测量值;通过协方差自适应进化策略,将理论值和测量值的差作为损失函数,并将该损失函数优化至最小,并将此时两个麦克风的坐标作为位置估计结果。
7.根据权利要求1-6任一项所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述环境模拟模块获取键盘类型判断结果和来自坐标估计模块的位置估计结果,通过选用符合结果的键盘,并将手机摆放至位置估计结果对应的坐标,模拟一个与设备持有者所在环境相同的输入环境,用于离线击键习惯收集模块。
8.根据权利要求7所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述离线击键习惯收集模块在环境模拟模块布置的输入环境下,收集对应键盘的样本,构建一个来自单人、单键盘的小型训练集。
9.根据权利要求8所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:所述用户击键习惯合法性判断模块集成有特征提取模块、模型训练模块和单词剪枝模块;其中:特征提取模块从声学信号中提取用于分辨具体击键习惯的特征,组成特征向量,并将特征向量传输至模型训练模块;模型训练模块利用训练集中提取的特征向量训练基于支持向量机的用户击键行为习惯判别模型,并将待预测的特征向量输入该模型中,并将预测结果传输至单词剪枝模块;所述单词剪枝模块建立一个包含设备持有者击键习惯的数据库,并结合数据库内存在的特征和模型训练模块中的预测结果给出当前设备持有者习惯是否与历史击键习惯接近的判断结果,若击键习惯发生较大偏差,则判断该设备持有者不合法。
10.根据权利要求9所述的一种基于声学传感数据的可信合法用户认证系统,其特征在于:特征提取模块提取的特征包括声学信号到达两个不同麦克风的时延和两个麦克风收集的声学信号在空气中的衰减。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311221539.5A CN117077099A (zh) | 2023-09-20 | 2023-09-20 | 一种基于声学传感数据的可信合法用户认证系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311221539.5A CN117077099A (zh) | 2023-09-20 | 2023-09-20 | 一种基于声学传感数据的可信合法用户认证系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117077099A true CN117077099A (zh) | 2023-11-17 |
Family
ID=88713561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311221539.5A Pending CN117077099A (zh) | 2023-09-20 | 2023-09-20 | 一种基于声学传感数据的可信合法用户认证系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117077099A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117827011A (zh) * | 2024-03-04 | 2024-04-05 | 渴创技术(深圳)有限公司 | 基于用户行为预测的按键反馈方法、装置和存储介质 |
-
2023
- 2023-09-20 CN CN202311221539.5A patent/CN117077099A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117827011A (zh) * | 2024-03-04 | 2024-04-05 | 渴创技术(深圳)有限公司 | 基于用户行为预测的按键反馈方法、装置和存储介质 |
CN117827011B (zh) * | 2024-03-04 | 2024-05-07 | 渴创技术(深圳)有限公司 | 基于用户行为预测的按键反馈方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11289072B2 (en) | Object recognition method, computer device, and computer-readable storage medium | |
US7971156B2 (en) | Controlling resource access based on user gesturing in a 3D captured image stream of the user | |
WO2020119448A1 (zh) | 语音信息验证 | |
WO2018006797A1 (zh) | 利用声音信号检测键盘敲击内容的系统及方法 | |
Meng et al. | Liveness detection for voice user interface via wireless signals in IoT environment | |
CN117077099A (zh) | 一种基于声学传感数据的可信合法用户认证系统 | |
CN109256139A (zh) | 一种基于Triplet-Loss的说话人识别方法 | |
WO2019237518A1 (zh) | 模型库建立方法、语音识别方法、装置、设备及介质 | |
CN108182418A (zh) | 一种基于多维声波特征的键击识别方法 | |
CN113129867B (zh) | 语音识别模型的训练方法、语音识别方法、装置和设备 | |
CN111625792B (zh) | 一种基于异常行为检测的身份识别方法 | |
CN108831506A (zh) | 基于gmm-bic的数字音频篡改点检测方法及系统 | |
Yin et al. | Ubiquitous writer: Robust text input for small mobile devices via acoustic sensing | |
CN110517696A (zh) | 一种可植入式离线声纹识别系统 | |
CN113643707A (zh) | 一种身份验证方法、装置和电子设备 | |
CN108880815A (zh) | 身份验证方法、装置和系统 | |
CN105138886A (zh) | 机器人生物体征识别系统 | |
Jiang et al. | Securing liveness detection for voice authentication via pop noises | |
CN112309398B (zh) | 工作时长监控方法、装置、电子设备和存储介质 | |
Neelima et al. | Mimicry voice detection using convolutional neural networks | |
Vasuhi et al. | An efficient multi-modal biometric person authentication system using fuzzy logic | |
US20230114470A1 (en) | Object recognition method and apparatus based on ultrasonic echoes and storage medium | |
CN108416592B (zh) | 一种高速语音识别方法 | |
CN108550368B (zh) | 一种语音数据的处理方法 | |
CN112863523B (zh) | 语音防伪方法、装置、终端设备及存储介质 |
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 |