基于上采样单分类的智能手机手势密码隐式身份认证机制
现有智能手机往往使用广泛且存储有敏感信息,一旦丢失会造成巨大的安全隐患,故数据安全的重要性日益凸显.鉴于传统认证策略的脆弱性,提出了一种基于上采样单分类的隐式身份认证机制.首先,融合使用了时间、二维及三维等多类手机内置传感器从不同维度采集用户的行为特征.其次,为降低高维数据所含噪声对分类的影响,提出了一种精选特征并降维的行为特征筛选方法,对所提取的特征进行向量排序、筛选以及降维.特别地,考虑到现有基于二分类算法方案的局限性,采用SVM SMOTE对正样本数据进行上采样,并提出了基于单分类的认证决策机制,以在单类小规模训练集上实现分类.最后基于实际的样本集进行性能测试,结果表明,所提方案在准确率、FAR、FRR与AUC指标上的表现部分优于使用大规模数据进行训练的传统KNN二分类器.
隐式身份认证、手势密码、单类支持向量机、超小规模训练集、上采样
47
TP391.4(计算技术、计算机技术)
国家自然科学基金"面上"基金项目;综合业务网理论及关键技术国家重点实验室开放研究基金
2020-11-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
19-24