自适配权重特征融合的持续身份认证

摘要：

针对现有智能手机用户身份认证方法的不足,提出了一种自适配权重特征融合的持续身份认证方法.设计了一种卷积神经网络,对手机内置传感器(加速度计、陀螺仪、磁力计)获取的用户行为信息数据进行深度特征提取及融合.通过网络中 3 个子网络流分别提取 3 种传感器特征,在特征融合层加权融合,各特征的权值会在网络学习过程中根据不同特征的贡献度实现自适应分配.融合特征经过特征选择之后,使用单分类支持向量机进行用户分类认证.实验结果表明:该方法对不同用户身份认证获得的等错误率为 1.20%,与现有其他认证方法相比具有更好的认证准确性.

关键词：持续身份认证、自适配权重、深度特征融合、卷积神经网络、单分类支持向量机

所属期刊栏目：46

分类号：UTP391.4

资助基金：国家自然科学基金61672119

在线出版日期：2023-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：103-112