基于多传感器的隐式用户识别
密码学与安全
2020-09-25 v3 计算机与社会
摘要
智能手机已无处不在地融入我们的家庭和工作环境，然而，用户通常在受控环境中依赖显式但低效的身份识别过程。因此，当设备被盗时，窃贼可以绕过存储的密码访问所有者的个人信息和服务。针对这种潜在场景，本工作提出了一种基于从智能手机捕获的用户行走模式中提取步态生物特征的自动合法用户识别系统。我们应用一组预处理方案来校准含噪和无效样本，并扩充由步态引起的时域和频域特征，随后使用非线性无监督特征选择方法进行进一步优化。所选特征构建了底层的步态生物特征表示，能够区分个体并唯一地识别他们。采用不同的分类器（即支持向量机（SVM）、K近邻（KNN）、Bagging 和极限学习机（ELM））来实现准确的合法用户识别。在室内环境中对 名个体进行的广泛实验表明了所提解决方案的有效性：在每个窗口 到 个样本的情况下，KNN 和 Bagging 分类器达到了 的准确率，ELM 达到了 ，SVM 达到了 。对于几乎所有分类器，所提流程实现了 的真阳性率和 的假阴性率。
引用
@article{arxiv.1706.01739,
title = {Multi Sensor-based Implicit User Identification},
author = {Muhammad Ahmad and Ali Kashif Bashir and Adil Mehmood Khan and Manuel Mazzara and Salvatore Distefano and Shahzad Sarfraz},
journal= {arXiv preprint arXiv:1706.01739},
year = {2020}
}