基于 Prophet 算法的智能手机用户行为实时识别
人机交互
2019-09-20 v1
摘要
尽管传统的物理密码、指纹解锁和面部特征在一定程度上提高了安全性，但它们具有被动认证和易于被盗取的特点。现有基于手机传感器采集的行为数据主要用于人体活动识别、跌倒检测和健康管理。Prophet 是一种基于加性模型预测时间序列数据的过程，其中非线性趋势与年、周、日季节性以及节假日效应进行拟合。它最适合具有强季节性效应和多个季节历史数据的时间序列。Prophet 对缺失数据和趋势变化具有鲁棒性，并且通常能很好地处理异常值。基于移动终端用户的时间序列行为数据，本文使用 Prophet 算法对六种日常行为的时间序列进行分解并剥离奇异值，以获得每种行为的内在周期和趋势，并验证下一时刻行为用户的合法性。在 UniMiB SHAR 公开数据集上的实验结果表明，用户只需做 2 个周期的指定动作即可实现对下一时间序列的预测。本文的主要贡献是提出了一种智能手机用户认证的新思路。它基于智能手机用户行为的实时数据，通过 Prophet 算法进行特征分解和时间序列预测，并找出内在周期等特征，从而进行用户行为识别。这种数据驱动的辅助认证方法可以有效解决密码、指纹和人脸识别等静态特征识别易被伪造的问题。
引用
@article{arxiv.1909.08997,
title = {Real-time Recognition of Smartphone User Behavior Based on Prophet Algorithms},
author = {Chunmin Mi and Runjie Xu and Ching-Torng Lin},
journal= {arXiv preprint arXiv:1909.08997},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1909.00045