凭借脉搏认识我：通过手腕佩戴 PPG 实现实用连续身份验证
密码学与安全
2025-08-20 v1 机器学习
摘要
使用生理信号进行生物识别身份验证为可穿戴设备的安全友好访问控制提供了可行路径。虽然心电图 (ECG) 信号显示出高辨识度，但其侵入性感知需求和非连续获取限制了实际应用。相比之下，脉搏波形 (PPG) 使连续、非侵入式身份验证成为可能，可无缝集成到手腕佩戴式可穿戴设备中。然而，大多数现有工作依赖高频 PPG（例如 75-500 Hz）和复杂深度模型，这会导致能耗和计算开销显著，阻碍在功耗受限的实际系统中部署。本文提出了在智能手表上实现和评估的首个实际连续身份验证系统 We-Be Band，采用 25 Hz 低频多通道 PPG 信号。我们的方法使用注意力机制的双向 LSTM 从 4 通道 PPG 的短（4 秒）窗口中提取身份特征。通过在公共数据集（PTTPPG）和我们的 We-Be 数据集（26 名受试者）上的广泛评估，我们展示了在平均测试准确率为 88.11%、宏平均 F1 分数为 0.88、误接受率 (FAR) 为 0.48%、误拒率 (FRR) 为 11.77%，以及平等错误率 (EER) 为 2.76%的强大分类性能。我们的 25 Hz 系统在不牺牲性能的前提下，将传感器功耗降低 53%（相对于 512 Hz）和 19%（相对于 128 Hz）。我们发现，25 Hz 的采样率可保留身份验证准确率，而在 20 Hz 的采样率下性能会急剧下降，仅提供微不足道的额外节能，凸显 25 Hz 作为实际下限。此外，我们发现仅在静息数据上训练的模型在运动情境下会失败，而多样化的活动训练可提高跨生理状态的鲁棒性。
引用
@article{arxiv.2508.13690,
title = {Know Me by My Pulse: Toward Practical Continuous Authentication on Wearable Devices via Wrist-Worn PPG},
author = {Wei Shao and Zequan Liang and Ruoyu Zhang and Ruijie Fang and Ning Miao and Ehsan Kourkchi and Setareh Rafatirad and Houman Homayoun and Chongzhou Fang},
journal= {arXiv preprint arXiv:2508.13690},
year = {2025}
}
备注
To be published in Network and Distributed System Security (NDSS) Symposium 2026