基于HMM与D-S证据理论的手势身份认证方法

doi:10.3969/j.issn.1671-1122.2018.10.003

信息网络安全 ›› 2018, Vol. 18 ›› Issue (10): 17-23.doi: 10.3969/j.issn.1671-1122.2018.10.003

基于HMM与D-S证据理论的手势身份认证方法

孙子文^1,²(), 李富¹

1. 江南大学物联网工程学院,江苏无锡 214122
2. 物联网技术应用教育部工程研究中心,江苏无锡 214122

收稿日期:2018-05-24 出版日期:2018-10-10 发布日期:2020-05-11
作者简介:
作者简介：孙子文（1968—）,女,四川,教授,博士,主要研究方向为模式识别、人工智能、无线传感网络理论与技术、信息安全;李富（1990—）,男,河南,硕士研究生,主要研究方向为移动终端身份认证安全理论及技术。
基金资助:
国家自然科学基金[61373126];中央高校基本科研业务费专项资金[JUSRP51510]

Gesture Authentication Method Based on HMM and D-S Evidence Theory

Ziwen SUN^1,²(), Fu LI¹

1. School of Internet of Things Engineering, Jiangnan University, Wuxi Jiangsu 214122, China
2. Engineering Research Center of Internet of Things Technology Applications, Ministry of Education, Wuxi Jiangsu 214122, China

Received:2018-05-24 Online:2018-10-10 Published:2020-05-11

摘要/Abstract

摘要：

文章针对智能手机用户个人隐私及信息面临的安全问题,提出了一种基于HMM和D-S证据理论的手势身份认证方法。首先通过智能手机触摸屏传感器采集手势运动轨迹的原始数据并进行预处理,提取手势特征序列作为HMM的观察序列,建立合法用户手势模型;然后将测试手势特征序列与手势模型进行匹配计算获取初步判断结果;最后采用D-S证据理论组合规则得到融合后的概率分配函数进行最终的认证决策。仿真实验表明,文中方法与其他方法相比可有效提高手势身份认证的精度。

关键词: 手势识别, 身份认证, HMM, D-S证据理论, 手机传感器

Abstract:

Aiming at the security problems of smart phone users’ privacy and information, a gesture recognition identity authentication method based on HMM and D-S evidence theory is adopted. Firstly, the original data of the gesture trajectory is collected by the touch screen sensor of the smart phone, the gesture feature sequence is preprocessed and extracted as the observation sequence of the HMM, and a legal user gesture model is established. Secondly, the preliminary judgment result is obtained by matching the test gesture feature sequence and the gesture model, and then use D-S evidence theory combination rules to get the fusion probability distribution function for the final certification decision. Simulation results show that compared with other methods, this method can effectively improve the accuracy of gesture recognition authentication.

Key words: gesture recognition, identity authentication, HMM, D-S evidence theory, mobile sensor

中图分类号:

TP309

孙子文, 李富. 基于HMM与D-S证据理论的手势身份认证方法[J]. 信息网络安全, 2018, 18(10): 17-23.

Ziwen SUN, Fu LI. Gesture Authentication Method Based on HMM and D-S Evidence Theory[J]. Netinfo Security, 2018, 18(10): 17-23.

图/表 5

图1

表1

表2

表3

表4

参考文献 15

[1]	LAI Jianwei, ZHANG Dongsong.ExtendedThumb: A Target Acquisition Approach for One-handed Interaction with Touch-screen Mobile Phones[J]. IEEE Transactions on Human-Machine Systems, 2015, 45(3): 362-370.
[2]	NGUYEN T V, SAE-BAE N, MEMON N. DRAW-A-PIN: Authentication using Finger-drawn PIN on Touch Devices[EB/OL]. .
[3]	ZHAO Kaili, LI Danyi, LI Qiang, et al.Implementation of Identity Authentication Scheme Based on Smart Mobile Cryptographic Module[J]. Netinfo Security, 2017, 17(9): 107-110.
	赵凯利,李丹仪,李强,等. 基于智能移动终端密码模块的身份认证方案实现[J]. 信息网络安全,2017,17(9):107-110.
[4]	PRAMANA M I W, SUHARDI S, KURNIAWAN N B, et al. Keystroke Dynamics for Authentication using Dynamic Time Warping[C]//IEEE. 14th International Joint Conference on Computer Science and Software Engineering, July 12-14, 2017, Nakhon Si Thammarat, Thailand. New Jersey: IEEE, 2017: 1-5.
[5]	MA Guangkai, WU Ligang, WANG Yan. A General Subspace Ensemble Learning Framework via Totally-corrective Boosting and Tensor-based and Local Patch-based Extensions for Gait Recognition[EB/OL]. , 2018-1-22.
[6]	HU Qing, LIU Benyong.Speaker Recognition Algorithm Based on Convolutional Neural Networks[J]. Netinfo Security, 2016, 16(4): 55-60.
	胡青,刘本永. 基于卷积神经网络分类的说话人识别算法[J]. 信息网络安全,2016,16(4):55-60.
[7]	VIVARACHO-PASCUAL C, SIMON-HURTADO A, MANSO-MARTINEZ E, et al.Client Threshold Prediction in Biometric Signature Recognition by Means of Multiple Linear Regression and Its Use for Score Normalization[J]. Elsevier Science Inc, 2016, 55(C): 20-32.
[8]	MUHAMMAD P, DEVI S A. Hand Gesture User Interface for Smart Devices Based on Mems Sensors[EB/OL]. .
[9]	YANG C, HAN D K, KO H. Continuous Hand Gesture Recognition Based on Trajectory Shape Information[EB/OL]. .
[10]	GANESH S M, VIJAYAKUMAR P, DEBORAH L J.A Secure Gesture Based Authentication Scheme to Unlock the Smartphones[C]//IEEE. 2nd International Conference on Recent Trends and Challenges in Computational Models, February 3-4, 2017, Tindivanam, India. New Jersey: IEEE, 2017: 153-158.
[11]	BURIRO A, CRISPO B, DELFRARI F, et al.Hold and Sign: A Novel Behavioral Biometrics for Smartphone User Authentication[C]//IEEE. 2016 IEEE Security and Privacy Workshops, May 22-26, 2016, San Jose, CA, USA. New Jersey: IEEE, 2016: 276-285.
[12]	PANG Yongchun, SUN Ziwen, WANG Yao.Authentication Algorithm of Multi-touch Based on Mobile Touch Sensor[J]. Journal of Computer Applications, 2015, 35(6): 1780-1784.
	庞永春,孙子文,王尧. 基于手机触摸屏传感器多点触摸身份认证算法[J]. 计算机应用,2015,35(6):1780-1784.
[13]	MARTINEZ-DIAZ M, FIERREZ J, GALBALLY J.Graphical Password-based User Authentication with Free-form Doodles[J]. IEEE Transactions on Human-Machine Systems, 2016, 46(4): 607-614.
[14]	KUMAR P, GAUBA H, ROY P P, et al.Coupled HMM-based Multi-sensor Data Fusion for Sign Language Recognition[J]. Pattern Recognition Letters, 2017, 86(C): 1-8.
[15]	SUN Ziwen, LI Hui, JI Zhichegn.Fusion Image Steganalysis Based on Dempster-shafer Evidence Theory[J]. Control and Decision, 2011, 26(8): 1192-1196.
	孙子文,李慧,纪志成. 基于D-S证据理论的融合图像隐写分析[J]. 控制与决策,2011,26(8):1192-1196.

	M=1	M=2	M=3	M=4	M=5	M=6
N=1	7.59	5.36	3.46	4.68	3.78	2.68
N=2	6.56	4.78	3.69	3.87	3.82	2.47
N=3	5.34	4.02	2.33	2.88	3.24	1.99
N=4	3.88	2.58	2.96	1.96	2.71	2.06
N=5	2.12	3.26	2.18	2.56	2.11	1.60
N=6	2.32	2.17	2.11	2.02	1.85	1.79

	食指手势数据		中指手势数据
概率区间	m₁(ω_ture)/%	m₁(ω_false)/%	m₂(ω_ture)/%	m₂(ω_false)/%
[0.0, 4.0)	4.5	95.5	33.2	66.8
[4.0, 4.3)	15.6	84.4	1.5	98.5
[4.3, 4.6)	22.2	77.8	15.8	84.2
[4.6, 4.9)	87.5	12.5	85.6	14.4
[4.9, +∞)	97.4	2.6	98.7	1.3

	FRR/%		FAR/%
用户	食指	中指	食指	中指
1	4.25	4.25	2.87	3.13
2	3.95	3.39	1.85	2.63
3	3.53	4.53	2.23	3.04
4	2.86	3.76	1.79	1.98
5	2.94	4.27	2.14	3.26
6	3.67	3.23	2.38	2.55
均值	3.53	3.91	2.21	2.77

	FRR/%				FAR/%
用户	与融合	或融合	均值融合	本文方法	与融合	或融合	均值融合	本文方法
1	4.76	5.09	2.72	2.84	0.67	0.87	0.53	0.16
2	5.53	4.78	3.23	3.06	0.85	0.95	1.02	0.48
3	4.85	4.52	2.65	2.69	0.79	0.79	0.46	0.00
4	5.97	4.89	3.36	3.15	0.62	1.12	0.83	0.62
5	5.62	5.02	2.77	2.78	0.83	1.06	0.49	0.46
6	5.16	4.47	2.52	2.55	0.91	0.81	0.36	0.33
均值	5.32	4.79	2.38	2.85	0.78	0.95	0.62	0.34

基于HMM与D-S证据理论的手势身份认证方法

Gesture Authentication Method Based on HMM and D-S Evidence Theory

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘晓芬, 陈晓峰, 连桂仁, 林崧. 基于d级单粒子的可认证多方量子秘密共享协议[J]. 信息网络安全, 2020, 20(3): 51-55.
[2]	令狐金花, 潘平, 杜瑶瑶. 基于证据距离理论的信息系统安全风险分析[J]. 信息网络安全, 2019, 19(9): 11-15.
[3]	张富友, 王琼霄, 宋利. 基于生物特征识别的统一身份认证系统研究[J]. 信息网络安全, 2019, 19(9): 86-90.
[4]	张顺, 陈张凯, 梁风雨, 石润华. 基于Bell态的量子双向身份认证协议[J]. 信息网络安全, 2019, 19(11): 43-48.
[5]	张敏, 许春香, 黄闽英. 远程医疗环境下面向多服务器的轻量级多因子身份认证协议研究[J]. 信息网络安全, 2019, 19(10): 42-49.
[6]	胡卫, 吴邱涵, 刘胜利, 付伟. 基于国密算法和区块链的移动端安全eID及认证协议设计[J]. 信息网络安全, 2018, 0(7): 7-9.
[7]	游林, 梁家豪. 基于同态加密与生物特征的安全身份认证研究[J]. 信息网络安全, 2018, 0(4): 1-8.
[8]	魏占祯, 王守融, 李兆斌, 李伟隆. 基于OpenFlow的SDN终端接入控制研究[J]. 信息网络安全, 2018, 0(4): 23-31.
[9]	陈付龙, 张紫阳, 王涛春, 谢冬. 一种基于联络信号的物联网安全身份认证方法[J]. 信息网络安全, 2018, 18(11): 40-48.
[10]	亢保元, 王佳强, 邵栋阳, 李春青. 一种适用于异构Ad Hoc无线传感器网络的身份认证与密钥共识协议[J]. 信息网络安全, 2018, 0(1): 23-30.
[11]	武传坤, 张磊, 李江力. 物联网设备信任体系架构与轻量级身份认证方案设计[J]. 信息网络安全, 2017, 17(9): 16-20.
[12]	张曼, 咸鹤群, 张曙光. 基于重力传感器的身份认证技术研究[J]. 信息网络安全, 2017, 17(9): 58-62.
[13]	赵凯利, 李丹仪, 李强, 马存庆. 基于智能移动终端密码模块的身份认证方案实现[J]. 信息网络安全, 2017, 17(9): 107-110.
[14]	杨连群, 孟魁, 王斌, 韩勇. 基于隐马尔可夫模型的新型SQL注入攻击检测方法[J]. 信息网络安全, 2017, 17(9): 115-118.
[15]	周健, 孙丽艳, 段爱华, 施文君. 空间自组织网络区域自治身份认证管理方案研究[J]. 信息网络安全, 2017, 17(8): 45-52.