基于步态分析的穿戴式物联网信息安全关键技术研究

With the fast development and penetration of IoTs devices, the privacy-sensitive users' data is processed, transmitted and stored in IoTs. The privacy information of the users is under server treats due to the ignorance of research on security of wearable IoTs. In this proposal, we focus on the fast developing high-profit wearable IoTs devices. By machine learning on the unique gait information, we design and implement the pervasive-applicable, robust and user-friendly authentication and secured communication to secure the devices. Specifically, we first design a lightweight and robust gait recognition algorithm to realise effective users authentication on wearable devices based on the theory of compressive sensing. We then extract the common gait information from the mixed signals collected from different body parts and use it as a encryption key for communication between different wearable devices. At last, inspired by transfer learning, we model the training process of the gait authentication system as a transfer learning model to improve the user experience while preserving high authentication accuracy. Our proposal complements the research in IoTs security and provides reliable solution for protecting users' privacy which indicates significant theoretical and practical impact.

随着物联网技术的发展和物联网设备的普及，大量用户隐私数据在物联网中处理、传输、存储。然而，物联网信息安全系统研究的匮乏导致用户隐私面临着严峻的威胁。本项目聚焦于近年来发展迅猛的穿戴式物联网设备，以用户的步态信息为依据，通过对前沿的机器学习方法研究，设计和实现广泛适用的、可靠的、用户友好的认证和通信加密安全系统。基于压缩感知的最新理论，本项目首先设计了低功耗、高可靠的步态识别算法，实现高效安全的穿戴式物联网设备用户认证系统；其次，基于混合信号分离方法，提取用户身体不同部位的穿戴式设备产生的同源步态信息，并以此为依据进行设备的配对和通信加密；最后，基于迁移学习理论，降低用户训练分类模型的成本，同时保证分类的可靠性，从而提高系统的用户体验。本项目的提出填补了穿戴式物联网研究的空白，其对穿戴式设备用户信息安全的保护和用户体验的提升，具有较大的理论前瞻性和现实意义。

在嵌入式硬件软件技术快速发展的基础上，物联网特别是穿戴式物联网取得了长足的进步。建立在穿戴式物联网技术上的各种应用和服务也与人们的生活越来越息息相关，因此也获取并存储了大量用户的隐私数据。本研究着眼于穿戴式物联网设备和应用在使用周期内可能出现的用户数据甚至隐私泄露的问题，通过对于相关的机器学习方法的研究，提出了多种适用于穿戴式物联网的用户数据和隐私保护解决方案。首先，本研究基于压缩感知、稀疏表示等理论，设计和实现了基于步态信息的穿戴式设备的用户识别模型、算法和系统。其次，基于主成分分析和用户自身运动的特点，设计了穿戴式设备之间的自动加密通信协议，并利用这一协议保护了穿戴式设备间通信时的用户数据的安全。最后，将机器学习中前沿的深度学习模型引入穿戴式设备的隐私保护中，并设计了基于卷积神经网络的通信解码算法，提高了基于振动的通信传输的速度和准确率，保证了多个穿戴式设备间配对的准确性和安全性，明显的提升了用户的使用体验。