基于人体呼出气流物理特性的用户认证系统

本研究采用开创性方法，尝试构建一种完全基于呼出气流流体力学原理的生物识别系统。我们验证了以下假设：人体呼出气流中的湍流结构可用于构建生物识别算法。本研究基于胸外气道因人而异的特性，将呼出气流视为一种生物标志物。在构建用户认证算法（即用户确认和用户识别）时，采用了经典的多维假设检验方法和机器学习模型。用户确认算法旨在验证用户是否为其声称的身份；用户识别算法则试图在无任何先验信息的情况下识别用户身份。本研究利用来自 94 名受试者的呼出气流时间序列样本数据集评估了这些算法的性能。用户确认算法在该数据集上表现极佳，真实确认率超过 $97\%$。基于机器学习的算法取得了良好的真实确认率，进一步印证了为何基于机器学习的算法通常优于基于经典假设检验的算法。用户识别算法在所提供的数据集上表现尚可，超过 $50\%$ 的用户被识别为位于两个可能的嫌疑人范围内。我们揭示了呼出气流中此前未被发现的独特湍流特征。除了探讨一种新型生物识别系统外，我们还论证了利用这一理念作为工具，以深入了解个体间胸外气道形态计量学差异的可行性。此类工具预计在个性化医疗领域具有未来潜力。