触感行为特征识别的移动智能终端隐式身份认证方法研究

With ever-growing public dependence on mobile devices, the risk of information leakage caused by identity security has become a main problem for the public. The lack of implicit and continuous authentication techniques is the key factor to this problem. The aim of this research is to address the above problem by implicitly and continuously authenticating mobile users based on touch behavior and motion-sensor behavior when the users interacting with mobile devices. From the perspective of multi-view behavior learning, we first focus on touch-motion modeling and feature extraction based on the representation of touch behavior. We then study the algorithms of motion-sensor-behavior feature extraction and expression based on the tensor representation of motion-sensor information. Meanwhile, we take the Bayes-learning and multi-view-learning theories as the framework, and combine feature modeling with classifier learning for online implicit authentication. This research turns to the study of both touch behavior recognition and motion-sensor behavior recognition, building an efficient behavior-based implicit authentication approach, as well as setting-up public and diverse touch and motion-sensor behavior data sets. This research will lay a theoretical and empirical foundation for human-machine interaction behavior analysis and mobile authentication, and significantly improve the security level of personal data and privacy information on mobile devices.

随着社会公众对移动智能终端的依赖日益加深，在终端使用过程中缺乏有效的无扰持续式身份认证技术是用户数据和隐私安全风险急剧上升的重要因素。本项目以用户与移动智能终端交互时产生的触感（触屏和运动传感）行为为对象，对触感行为特征识别及基于行为的隐式身份认证方法展开研究。本项目从触感行为多视图分析入手，在人机可理解的触屏行为表示基础上，研究触屏运动建模与不变性特征提取方法；通过运动传感信息的一体化张量表示，研究紧致运动传感行为特征的提取和表达方法；以贝叶斯学习和多视图半监督学习理论为框架，将多类行为特征提取及建模与分类器在线学习及更新有机结合起来，提出多视图融合的在线隐式身份认证方法。项目旨在形成一套完善高效的基于触感行为隐式身份认证的理论和技术方法，并建立首个公开和通用的触感行为数据集，为人机行为特征识别及移动终端身份安全等问题提供理论依据和技术支持，有效提高移动用户数据和隐私信息的安全保障水平。

本项目面向社会和个人在移动信息安全的实际需要，以用户使用智能手机、平板电脑等移动智能终端时产生的触感交互行为为对象，研究了基于触感交互行为的身份认证理论和方法。项目组通过理论研究和技术攻关，突破了触感交互行为认知研究中的一系列关键技术，研究了触屏行为语义表示方法、特征提取方法、运动传感行为表示方法、分类器设计与选择、多视图融合决策身份认证方法，并建立了大规模触感行为数据集。项目研究成果先后在 IEEE Trans. on Dependable Secure Computing、IEEE Trans. on Information Forensics and Security、IEEE Trans. on Neural Networks and Learning Systems等相关领域顶级期刊以及USENIX Security、ACM CCS、ICSE等顶级国际会议上发表论文38篇，申请发明专利6项，获得授权专利2项，申请软件著作权6项，获2020年陕西省自然科学一等奖（排名1/4）、2018年教育部自然科学二等奖（排名3/5）、2020年教育部科技进步二等奖（排名4/10）、ICICS等最佳/优秀论文奖3次，顺利完成本项目的原定计划。自主研制了一系列身份智能安全分析、数据驱动异常识别等智能安全增强工具和平台，成果被应用于计算机系统人员权限保护、终端安全监控与预警、云计算服务安全保护等实际问题中，取得了较为显著的应用效果，获华为优秀合作伙伴MVP奖、阿里巴巴达摩院青橙奖、麻省理工科技评论MIT TR35 China等行业荣誉。