面向可穿戴设备的多源行为身份认证

Nowadays, wearable devices have greatly facilitated the daily life of human beings, and are becoming the connection between human and IoT. The identity security of wearable devices plays significant roles in protecting users’ data, privacy and property, and securing their lives. Moreover, the security of wearable devices is important for enhancing the security of IoT systems, such as smart home, online transportation, etc. The sensor data, which are collected by wearable devices, provide opportunities to perceive human activities, physiological signals and environmental parameters. This project aims to develop the theories and methods of multi-source behavior authentication based on a variety of sensor data. To this end, this project will study the structural description of sensor data, the representation and extraction of behavioral features, the learning and updating methods of behavioral models, and evaluate the validity and security of authentication methods. Furthermore, this project will establish a secure and effective authentication for wearable devices to achieve the correct binding of user, identity and device, and to promote the wearable devices to become a smart key to the connection of all things. Our project team has devoted considerable efforts to conducting researches in system security and behavioral authentication for years. Many papers have been published in top venues, such as Oakland (S&P), InfoCom, TIFS, DSN, ACSAC, RAID which are listed in CCF A or B conferences or journals. This provides a solid foundation for this project.

可穿戴设备有着广泛而重要的用途，而且有望成为联结人与物联网的枢纽设备。其身份安全问题不仅对保护用户个人的数据、隐私、财产乃至生命安全十分重要，而且对提升智能家居、网约车等物联网系统的安全现状也具有重要意义。本项目以可穿戴设备中用来感知佩戴者活动、生理信号和环境参数的多种传感器行为数据为对象，研究多源行为身份认证的理论和方法，提出行为数据结构化描述及行为特征的表示与提取方法、用户行为模型的学习与更新方法，并评估分析行为认证方法的有效性与安全性。在此基础上建立一套安全有效的可穿戴设备行为身份认证方案，实现佩戴者、身份与设备三者之间的正确绑定，为推动可穿戴设备真正成为连接万物的智能钥匙提供理论支撑。项目组长期从事系统安全、行为认证等领域的研究，多篇论文发表在Oakland（S&P）、InfoCom、TIFS、DSN、ACSAC、RAID等CCF A、B类会议或期刊，为本项目实施提供了良好的基础。

可穿戴设备有着广泛而重要的用途，而且有望成为5G时代联结人与物联网的枢纽设备。本项目以可穿戴设备中用来感知佩戴者活动、生理信号和环境参数的多种传感器行为数据为对象，研究多源行为身份认证的理论和方法，提出行为数据结构化描述及行为特征的表示与提取方法、用户行为模型的学习与更新方法，并评估分析行为认证方法的有效性与安全性。.本项目针对可穿戴设备上可获取到的多类用户行为特点，研究运动传感器数据特征的提取与身份认证方法，从常用模式，多指操作模式，持续监控模式入手，提取用户的稳定行为特征刻画产生身份模板对用户身份进行认证或身份监控，实现非结构化行为数据的结构化，建立一套安全有效的可穿戴设备行为身份认证方案，实现佩戴者、身份与设备三者之间的正确绑定。研究了基于多源运动数据用户身份信息挖掘方法，并通过不同的特征级融合方法对采集到的多源运动数据进行信息融合，利用融合后的数据挖掘用户的身份信息，包括性别、身高和体重，可以实现对用户性别达到93.7%的判断的准确率，此外，提出一种基于多源运动数据用户身高和体重定量估计新方法。探究通过仅使用移动设备的运动传感器来开发和研究用户行为认证系统，从而提高移动系统的安全性。触摸动力学作为智能手机身份验证的可用和隐私保护方案的潜力方向，大多数现有方法都依赖于手工制作的特征，提出了将提出了一种将手工制作的特征集成到深度学习过程的两个阶段的方法，实验表明可以提高多点触控移动设备行为认证的有效性和安全性。.. 本项目在执行过程中共发表高水平论文14篇，其中包括中国计算机学CCF A类顶级会议长文2篇（CHI 2020、CSCW 2019）、CCF A类期刊论文1篇（TIFS 2018）, 其他IEEE Transaction长文2篇，共有7篇期刊论文被SCI检索。 申请国家发明专利3项，其中获得授权发明专利2项，获得软件著作权授权1项。圆满完成了本项目的设定的所有的目标，此外本项目成果获得2020年陕西省自然科学一等奖。