买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天翼云科技有限公司

摘要：本发明公开了一种基于移动终端的触摸行为持续身份认证方法，属于网络安全、深度学习等技术领域，特别是持续身份认证领域，包括数据收集、数据预处理、特征向量生成和模型训练测试四个阶段，根据用户自身特有的习惯、手势和触摸动作的角度偏好，记录用户与移动设备互动时独特的行为特征来实现对用户身份的持续认证。基于以上模型，本方法设计了一种深度学习算法DeepConvEncoder作为分类器来建模运动传感器数据序列，以捕捉运动传感器事件的时间性质和动态特性，通过神经网络对每个特征向量构建多层次表示，充分地捕获特征向量的个性化信息，以准确学习手部操作对于传感器产生的震动的方向及幅度的细粒度表征。

主权项：1.一种基于移动终端的触摸行为持续身份认证方法，其特征在于：具体包含如下步骤：步骤1，基于触摸行为的移动设备持续认证模型CAMMBDTB设计：利用移动设备中内置的加速度计、磁力计、陀螺仪三种传感器收集数据，根据用户自身特有的习惯、手势和触摸动作的角度偏好，记录用户与移动设备互动时独特的行为特征来实现对用户身份的持续认证；步骤2，数据收集：将用户的触摸操作量化为由点击事件引起的运动、方向和磁场中的变化或扰动，通过使用加速度计、陀螺仪和磁力计三种传感器的读数作为数据源，将每个传感器的X轴、Y轴和Z轴用于记录传感器数据；在收集的过程中，通过手机内置的传感器记录用户与手机交互的实时数据，捕捉用户在点击屏幕时的细微的运动和方向模式；步骤3，数据预处理；包括传感器数据去噪和对数据进行标准化两个阶段；步骤4，特征向量生成：基于触摸行为的移动设备持续认证模型CAMMBDTB，对该模型中特征向量生成的部分进行优化；用于将每种传感器的X轴、Y轴和Z三轴数据生成统计特征、振幅特征和三轴联合特征；步骤5、基于深度学习的分类器算法架构设计：基于触摸行为生物认证模型CAMMBDTB，设计一种深度学习的卷积编码器模型DeepConvEncoder作为分类器进行分类，结合卷积神经网络和Transformer模型中编码器块进行设计；步骤6、模型训练测试；采用Facebook公司研发的Pytorch框架对网络模型进行构建，且使用10折交叉验证的方式进行训练和测试。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种基于移动终端的触摸行为持续身份认证方法