基于传感器数据的手机用户身份识别模型研究

发布时间：2020-04-08 19:39

【摘要】：随着互联网时代的高速发展,智能手机已经成为人们生活中不可或缺的组成部分,被广泛应用于社交,电子商务,商业以及娱乐等各个领域。与传统通讯工具仅支持电话短信等通讯功能不同的是,智能手机上安装的应用程序赋予其更多的功能,再加上互联网的介入,使得智能手机真正成为了功能丰富的智能终端。与此同时,安装在智能手机上的各种社交类应用包含了用户的私人信息,而支付宝,微信等可支付类软件还涉及到用户财产信息,因此,智能手机上的数据非常敏感,智能手机的用户安全显得尤为重要。由于目前智能手机普遍搭载有高精度、低功耗的内置传感器,为解决上述问题,本文提出根据智能手机运动时的传感器数据来对用户身份进行识别。具体研究内容如下:(1)分两种场景获取模型研究的手机传感器数据:自行采集和搜索公开数据集。编写Android应用程序自行采集用户摇动手机产生的数据构建数据集;选取符合手机身份识别的公开手机传感器数据集。(2)原始感知数据的处理。因为对用户的身份识别要求高准确率,所以需要处理无关数据和由于传感器硬件设备差异造成的噪声。从频域角度提取信息增大用户之间的区分度,进行输入前的其他预处理操作。(3)针对现有识别方式的缺陷,从探索智能手机运动时产生的传感器数据出发,对应于两种数据集,提出一种结合卷积神经网络和循环神经网络的用户身份识别模型。其中,双流(Two-stream)卷积神经网络用于提取传感器数据的时域和频域特征,之后的融合卷积用于融合不同类型传感器的时频特征;时钟循环神经网络进一步分析卷积后得到的特征序列中的隐藏信息,同时挖掘时间序列的前后联系。(4)所提模型与普通卷积神经网络和传统机器学习算法进行对比,实验结果表明本文提出的模型性能优于其他方法,相较于其他类似工作在性能上也具有优势,能够在多种场合下有效地识别出智能手机用户的身份,具有良好的普适性。
【图文】：

智能手机,手机,坐标系,传感器

图 3-1 智能手机传感器坐标系机被平放在桌面上时，坐标系的 x 轴平行于水平面横穿过手平面且垂直于 x 轴；z 轴垂直于手机屏幕竖直向上。当智能）时，该坐标系相对于手机固定，传感器返回某一帧中 3 手机中使用频率较高的传感器有如下几种：度传感器感器是用来测量手机运动时的加速度的传感器，它返回手y、z 三轴的加速度数值。该数值包含重力的影响，单位是加速度传感器的三轴指示的具体含义是：当手机水平置于桌面y 轴数值为 0，z 轴数值约为 9.81m/s^2，即重力加速度的值z 轴的值变为-9.81 m/s^2；当手机向左倾斜时，x 轴的值由时，x 轴由 0 变为负；当手机向上倾斜时，y 轴的值由 0 变y 轴由 0 变为正。

界面图,采集程序,界面图,数据集

(a)主界面 (b) 功能界面图 3-2 ShakeLogin 数据集采集程序界面图.2.2 日常行为数据相较于摇动手机对应于用户有意识的感知信息，与此相对应的，在用户并不的情况下采集的数据则是无意识的感知信息。在这个过程中，用户可能并不知己随身携带的智能手机在收集数据，因此可以视为用户是无意识的。更具体地于行走、骑车、上下楼梯等日常行为，若用户在执行这些日常行为时携带智能（例如放置于裤兜）并收集该段行为的数据，则这些数据可以视为是用户日常的反应，这种场景与本文前面所述的摇动手机是明显不同的，因为用户并没有要执行某种行为的意识，即此种场景下收集数据并没有对用户的平常生活习生任何干预，是用户在无意识的状态下对用户的真实反映。本文使用的无意识器数据来源于一个公开数据集：Heterogeneity Dataset for Human Activecognition[40]，，这个数据集是一个智能手机与智能手表产生的行为传感器数据集文简称为 HHAR。该数据集使用到的传感器是加速度计和陀螺仪，这两种传
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP212;TP309;TN929.53

【参考文献】