基于用户行为特征的低能耗身份认证

摘要

目前,移动设备中传统的身份认证如密码、指纹等方式存在安全性低、易被破解等风险,不能完全保护使用者的隐私。本文提出基于用户行为特征的持续身份认证方案,通过调用移动终端传感器获得与用户行为相关的数据,采用最大互信息系数提取出能表征用户的特征,再利用机器学习算法进行模型训练,对用户身份进行识别。为了使持续的身份认证方式尽可能减少能耗,提出了低能耗的身份认证模型,对内置传感器的不同采样频率和识别算法进行能耗分析,实验结果表明,模型采用朴素贝叶斯算法,传感器采样率为25 Hz时,可以使认证精度达到97.94%,且显著降低认证模型的能耗。