基于心率、步态与呼吸数据的可穿戴设备用户持续认证

私人信息的安全性正日益成为数字化社会的基石。当用户被密码和 PIN 码淹没时，这些黄金标准的显式认证正变得不再流行且价值降低。近期基于生物特征的认证方法，如人脸或指纹识别，因其更高的准确率而日益普及。然而，这些基于硬生物特征（hard-biometric）的系统需要配备强大传感器与认证模型的专用设备，而这对市场上大多数可穿戴设备而言往往受限。尽管如此，市售可穿戴设备正在收集用户的各类私人信息，并成为生活的组成部分：如解锁汽车、访问银行账户等。因此，时代亟需一种利用现代市售可穿戴设备易获取的、信息量较少的软生物特征（soft-biometric）数据、无负担的隐式认证机制。本工作中，我们提出一种基于情境依赖的软生物特征可穿戴设备认证系统，使用心率、步态与呼吸音频信号。通过采用“留一法”（leave-one-out）验证的详细分析，我们发现较轻的 $k$-近邻（$k$-NN）模型在 $k = 2$ 时可在 50% 置信水平下取得 $0.93 \pm 0.06$ 的平均准确率、$0.93 \pm 0.03$ 的 $F_1$ 分数以及低于 $0.08$ 的误报率（false positive rate, FPR），显示了本工作的前景。