基于GRU的智能手机多场景步态认证

• Published in: 网络与信息安全学报 Vol. 8; no. 5; pp. 26 - 39
• Main Authors: 姜奇, 冯茹, 张瑞杰, 王金花, 陈婷, 魏福山
• Format: Journal Article
• Language: Chinese
• Published: 西安电子科技大学网络与信息安全学院, 陕西 西安 710126 2022; 河南省网络密码技术重点实验室,河南郑州 450001%西安电子科技大学网络与信息安全学院, 陕西 西安 710126%信息工程大学密码工程学院,河南郑州 450001%保密通信重点实验室,四川成都 610041%信息工程大学网络空间安全学院,河南郑州 450001
• Subjects: 步态行为; 持续认证; 门控循环单元; 多传感器
• ISSN: 2096-109X
• DOI: 10.11959/j.issn.2096?109x.2022060

TP393; 基于步态的智能手机认证研究大多针对单一受控场景,而未考虑多场景变化对认证准确性的影响.智能手机以及用户的运动方向在不同场景下会发生变化,当使用对方向变化敏感的传感器采集用户步态数据时,可能会因场景的改变出现一定的偏差.因此,为智能手机提供一种多场景下的高精度步态认证方法已成为亟待解决的问题.此外,模型训练算法的选取是决定步态认证准确率和效率的关键.目前流行的基于长短期记忆(LSTM,long short-term memory)网络的认证模型能够实现较高的认证准确率,但其训练参数较多,内存占用较大,训练效率有待提升.针对现有步态认证方案未满足多场景认证需求、模型认证和训练且难以兼顾高效率与高准确率的问题,提出了基于门控循环单元(GRU,gate recurrent unit)的智能手机多场景步态认证方案.通过小波变换对步态信号进行初步降噪处理,并采用自适应的步态周期分割算法对循环的步态信号进行切分.为满足多步态场景的认证需求,采用坐标系转换方法对步态信号进行方向无关性处理,以消除智能手机方向以及用户运动方向对认证结果的影响.为实现高准确率认证以及高效率训练模型,利用不同体系结构的GRU以及多种优化方式训练用户步态模型.在公开数据集PSR和ZJU-GaitAcc上对所提方案进行实验分析.与所列方案对比,所提方案提高了认证准确率,较之基于LSTM的步态认证模型,所提模型的训练效率提升了约20％.