基于行为特征的移动智能终端用户隐式认证协议研究

Mobile intelligent terminal user authentication is one of the hot topics in cyberspace security system. Password is currently the mainstream technology for mobile intelligent terminal identity authentication. However, it has its inherent security flaws and vulnerabilities. So it is urgent to enhance password security using new authentication techiniques. Implicit authentication technology based on user behavior features is the most promising authentication technique. However, the research on implicit authentication is far from maturity and satisfactory. The project will systematically research implicit authentication technology based on user behavior features and methods to pretect the privacy of behavior features. Firstly, we research on single-modal implicit authentication protocols using machine learning algorithms based on gait, touch behavior and behavioral profiling, respectively. We will design implicit protocols which have high accuracy and security while maintain low time delay; Secondly, we research on the fusion of multiple user behavior features and design multimodal implicit authentication schemes based on appropriate authentication score functions. We then reduce the trust level of the server and research the cloud supported multimodal implicit authentication schemes; Finally, we pay attention to privacy-preserving methods by using cryptographic schemes such as homomorphic encryption and order-preserving encryption schemes. This project is expected to establish efficient, secure and privacy-preserving multimodal implicit authentication systems. We will try to achieve innovative work with independent intellectual property. Our work will provide theoritical foundation and important technical support to the security protection of mobile intelligent terminals.

移动智能终端用户身份认证是网络空间安全体系研究的热点问题之一。口令是当前移动智能终端身份认证的主流技术，但其存在固有的安全缺陷和脆弱性，亟需新型的认证方式来增强其安全性。基于用户行为特征的隐式认证是当前最具前景的认证技术，但其研究尚处于起步阶段。本项目将系统研究基于用户行为特征的隐式认证技术及其隐私保护方法。首先，基于机器学习算法研究基于步态、触控行为以及行为习惯的单模态隐式认证协议，提高正确率和安全性的同时降低时延；其次，融合多种用户行为特征并设计合理的认证分数函数对用户进行多模态的认证，然后降低对服务器的信任程度，研究云辅助的多模态认证；最后，通过同态加密和保序加密等密码算法研究用户行为特征的隐私保护方法。课题预期建立融合多种行为特征的安全高效、具有隐私保护功能的多模态隐式认证系统，取得具有自主知识产权的创新成果，从而为移动智能终端的安全防护提供系统化的理论依据和重要的技术支撑。

基于用户行为特征的认证通过采集、训练和比较用户的行为习惯进行高精度、强安全的持续认证，成为当前最具发展前景的认证技术，被列为网络空间安全研究体系中需要重点布局和优先发展的关键技术之一。然而，当前基于行为特征的隐式认证协议研究聚焦于单模态的用户行为认证，认证精度和评价指标都有待提高和完善，并且对于用户行为特征的隐私保护的研究尚处于起步阶段。本项目系统研究基于用户行为特征的隐式认证协议设计方法以及对用户敏感信息的隐私保护方法，在研究中以移动智能终端的认证需求为牵引，兼顾安全、效率和隐私保护，取得了以下几个方面的成果：.1）针对用户行为特征的隐私保护需求，结合不同应用场景下隐私保护面临的挑战，通过采用多种密码学工具设计了一系列具有隐私保护功能的认证协议，所设计协议不仅保护了用户的特征隐私，同时还具有较高的计算与通信效率，适用于物联网、车联网及移动漫游等多种场景。.2）针对多种网络应用场景中移动智能终端的不同认证需求，首先总结了具体应用场景中认证协议所面临的安全威胁，并通过形式化的语言刻画了攻击者能力和安全需求，从而构建了相应的安全模型，在此基础上提出了一系列针对不同场景下移动智能终端认证的认证密钥交换协议，所设计的协议适用于移动边缘计算、物联网、车联网等应用场景。.3）为了有效利用用户的行为特征，还开展了数字信号处理、人工智能和流量分析的相关研究，取得了系列创新成果，为项目的核心研究内容提供了技术支撑。. 本项目的研究成果融合了信息处理、密码学和机器学习的方法与技术，提出了面向移动智能终端的融合多种行为特征的、具有隐私保护功能的多个隐式认证协议，取得了一系列具有自主知识产权的创新成果，为移动智能终端的安全防护提供系统化的理论依据和重要的技术支撑。