高金輝，趙奕芳

基于FUZZY ARTMAP算法的手機(jī)解鎖方法

高金輝，趙奕芳

（河南師范大學(xué) 電子與電氣工程學(xué)院，河南 新鄉(xiāng) 453007）

為提供更好的手機(jī)信息安全保護(hù)，提出了一種基于個(gè)人習(xí)慣的敲擊節(jié)奏手機(jī)解鎖方法。利用手機(jī)的內(nèi)置器件采集用戶數(shù)據(jù)，并對(duì)用戶敲擊手機(jī)觸摸屏的節(jié)奏進(jìn)行數(shù)據(jù)處理，再通過FUZZY ARTMAP算法進(jìn)行快速學(xué)習(xí)，決策手機(jī)的解鎖行為。該方法不需要特殊的硬件設(shè)備，僅基于Android手機(jī)平臺(tái)和Java語(yǔ)言，實(shí)現(xiàn)了手機(jī)身份解鎖認(rèn)證，實(shí)驗(yàn)結(jié)果證明了基于FUZZY ARTMAP算法的手機(jī)解鎖方法的有效性。

手機(jī)解鎖；FUZZY ARTMAP算法；個(gè)人信息安全；隱私保護(hù)

智能手機(jī)屏幕被鎖定后，一般是利用圖案、指紋、人臉進(jìn)行識(shí)別等[1-8]方法進(jìn)行解鎖。然而上述解鎖方法也存在缺陷。例如用圖案解鎖，不法分子能根據(jù)遺留痕跡破解密碼并盜取手機(jī)中的重要信息；用指紋解鎖時(shí)，手指上的污物會(huì)影響解鎖的準(zhǔn)確性，降低用戶的體驗(yàn)感；人臉和虹膜識(shí)別的成本較高，缺乏應(yīng)用的普適性。為了克服上述不足，本文基于用戶的敲擊習(xí)慣，利用神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)的特點(diǎn)，實(shí)現(xiàn)了對(duì)手機(jī)解鎖的高效認(rèn)證。

1 總體布局

用戶根據(jù)自己的行為習(xí)慣，敲擊一段自己喜歡的節(jié)奏，這些敲擊數(shù)據(jù)經(jīng)手機(jī)傳感器采集并使用一種認(rèn)證算法記錄和認(rèn)證用戶的輸入。在認(rèn)證階段，先使用認(rèn)證算法來進(jìn)行認(rèn)證，對(duì)于符合標(biāo)準(zhǔn)的輸入，用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，待神經(jīng)網(wǎng)絡(luò)訓(xùn)練好后，當(dāng)用戶在下次解鎖手機(jī)的時(shí)候，手機(jī)就會(huì)利用之前的學(xué)習(xí)行為，自動(dòng)地判別用戶的身份特征，并決策是否解鎖。設(shè)計(jì)方案流程如圖1所示。

2 數(shù)據(jù)采集與轉(zhuǎn)換

智能手機(jī)一般都會(huì)內(nèi)置很多器件，例如加速度傳感器、陀螺儀、光線感應(yīng)器、磁力計(jì)等，以采集用戶的輸入。智能手機(jī)內(nèi)置加速度傳感器的采樣頻率為50 Hz，由于三維立體敲擊節(jié)奏，手機(jī)的觸屏加速度被分解成、、3個(gè)坐標(biāo)軸上不同的值表示。研究表明，在數(shù)據(jù)采集的過程中，單獨(dú)使用某個(gè)方向上的值，將產(chǎn)生較大誤差，因此將傳感器捕捉到的、、坐標(biāo)軸上不同的加速度值合成一個(gè)特征數(shù)據(jù)，將更加準(zhǔn)確[9]。三軸加速度的關(guān)系可表示為

圖1 設(shè)計(jì)方案流程

對(duì)于一個(gè)一維含噪信號(hào)可表示為

設(shè)置一個(gè)閾值，令大于或等于閾值置為1，小于閾值置為0，即閾值函數(shù)

3 FUZZY ART神經(jīng)網(wǎng)絡(luò)

3.1 神經(jīng)網(wǎng)絡(luò)模型

FUZZY ART神經(jīng)網(wǎng)絡(luò)是監(jiān)督ARTMAP網(wǎng)絡(luò)的一個(gè)變種，ARTMAP網(wǎng)絡(luò)中并入了模糊集理論，克服了ART1只能處理二值輸入的不足，使其應(yīng)用范圍更加廣泛[11]?？焖賹W(xué)習(xí)是ART算法性質(zhì)的重要特點(diǎn)。FUZZY ARTMAP算法可以通過調(diào)節(jié)權(quán)值使系統(tǒng)具有快學(xué)慢編的特性。FUZZY ART網(wǎng)絡(luò)模型如圖2所示。

圖2 FUZZY ART神經(jīng)網(wǎng)絡(luò)模型

FUZZY ART神經(jīng)網(wǎng)絡(luò)模型[12]為3層結(jié)構(gòu)，0層的節(jié)點(diǎn)代表當(dāng)前的輸入向量，1層接收來自0層的自下到上的輸入和來自2層的自上到下的輸入，并進(jìn)行相應(yīng)的匹配。1層稱為比較層，其興奮矢量為=(1,2, … ,x)，并定義其自下到上和其自上到下的權(quán)矢量相同，即

=(w1,w2,…,w),=(1, 2,…,)

2層為類別表示層，它的所有節(jié)點(diǎn)代表激活的分類，2層作為輸入向量的分類器，它的興奮矢量可以用=(1,2,…,u)表示。

3.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

在認(rèn)證階段，先使用認(rèn)證算法對(duì)用戶的輸入進(jìn)行處理，然后把認(rèn)證經(jīng)處理的數(shù)據(jù)輸入FUZZY ART神經(jīng)網(wǎng)絡(luò)，認(rèn)證結(jié)果作為導(dǎo)師信號(hào)（即模板信號(hào)）對(duì)FUZZY ART神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行訓(xùn)練；訓(xùn)練結(jié)束后，F(xiàn)UZZY ART神經(jīng)網(wǎng)絡(luò)算法就可以應(yīng)用到認(rèn)證過程了。

FUZZY ARTMAP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法則是：

第一步：為了避免出現(xiàn)類別增生問題，在1層，要對(duì)敲擊特征數(shù)據(jù)進(jìn)行補(bǔ)碼編碼[13]，令為補(bǔ)碼后的當(dāng)前輸入，即：

第二步：2層通過一個(gè)選擇函數(shù)

找到獲勝神經(jīng)元的范圍，并由式（4）確定其具體位置：

式中：T為選擇函數(shù)；是正實(shí)數(shù)，為選擇參數(shù)；為2層節(jié)點(diǎn)由上-下的權(quán)矢量，在=0時(shí)刻，其各個(gè)分量的起始值為1，稱為“未表態(tài)節(jié)點(diǎn)”；算子?為模糊集的求交運(yùn)算。

如果時(shí)刻最多只能有一個(gè)2節(jié)點(diǎn)興奮，即被稱作是一次類別選擇，記此時(shí)被選中的類別為類。如果最大的T不唯一，則選擇最先出現(xiàn)的一個(gè)，即下標(biāo)最小的一個(gè)。此時(shí),令=1，且除此之外的2的興奮矢量=0

如果式（5）表示和的鑒別不大于警戒參數(shù)，則獲勝神經(jīng)元就表示輸入了的分類，此時(shí)會(huì)發(fā)生共振，與獲勝神經(jīng)元相聯(lián)系的權(quán)值就會(huì)按照式（6）進(jìn)行自適應(yīng)調(diào)節(jié)，使它和輸入模式更相近。

如果式（5）表示和的鑒別大于警戒參數(shù)，則獲勝神經(jīng)元不可以看作是的恰當(dāng)分類，獲勝節(jié)點(diǎn)被制止，輸入模式被重新傳給2層，以搜索滿足當(dāng)前條件的其他節(jié)點(diǎn)。如果沒有符合條件的節(jié)點(diǎn)，則會(huì)在2層開辟出新的節(jié)點(diǎn)，返回第一步繼續(xù)對(duì)新的輸入模式進(jìn)行特征學(xué)習(xí)。

訓(xùn)練階段完成以后，F(xiàn)UZZY ART神經(jīng)網(wǎng)絡(luò)就能自動(dòng)判別用戶的身份特征。

4 實(shí)驗(yàn)與結(jié)果

4.1 訓(xùn)練網(wǎng)絡(luò)性能

首先采集用戶的100組數(shù)據(jù)，把這100個(gè)樣本依次輸入給網(wǎng)絡(luò)進(jìn)行訓(xùn)練，設(shè)置網(wǎng)絡(luò)的警戒參數(shù)= 0.6[14-15]。網(wǎng)絡(luò)訓(xùn)練好后，再把這100個(gè)數(shù)據(jù)作為測(cè)試數(shù)據(jù)輸入網(wǎng)絡(luò)，得到網(wǎng)絡(luò)的輸出，與開始時(shí)的數(shù)據(jù)進(jìn)行對(duì)比，得到圖3。

圖3 重合結(jié)果對(duì)比圖

從圖3中可知，在100個(gè)測(cè)試樣本中，有5個(gè)結(jié)果不重合。這些不重合的樣本可能與訓(xùn)練的樣本數(shù)和樣本訓(xùn)練的次數(shù)有關(guān)，出現(xiàn)了不重合的情況。

為了判別樣本數(shù)量與網(wǎng)絡(luò)誤差之間的關(guān)系，還需要改變樣本的數(shù)量，訓(xùn)練出不同的網(wǎng)絡(luò)，再對(duì)這100個(gè)樣本判斷，使輸出結(jié)果與開始的樣本進(jìn)行對(duì)比。此時(shí)的誤差率定義為數(shù)據(jù)的異常個(gè)數(shù)比上樣本的總數(shù)，如圖4所示。

圖4 訓(xùn)練樣本數(shù)與網(wǎng)絡(luò)誤差的關(guān)系

從圖4中可以看出：訓(xùn)練樣本數(shù)在20個(gè)的時(shí)候，再增加樣本的數(shù)量對(duì)減少誤差的影響就不明顯了。

神經(jīng)網(wǎng)絡(luò)的性能不僅受訓(xùn)練樣本數(shù)的影響，受樣本訓(xùn)練次數(shù)的影響也不可忽略。因此，固定訓(xùn)練樣本為20個(gè)，通過改變樣本的訓(xùn)練次數(shù)，計(jì)算出網(wǎng)絡(luò)的誤差如圖5所示。

圖5 網(wǎng)絡(luò)誤差訓(xùn)練次數(shù)的關(guān)系

從圖5可知，樣本訓(xùn)練次數(shù)為80的時(shí)候，網(wǎng)絡(luò)性能最好，即誤差最小。

4.2 實(shí)驗(yàn)結(jié)果與分析

訓(xùn)練好網(wǎng)絡(luò)后，為了檢測(cè)基于FUZZY ARTMAP算法的手機(jī)解鎖效果，并以Android手機(jī)作為實(shí)驗(yàn)仿真平臺(tái)[16]。硬件環(huán)境為System:Android8.1.0，CPU：麒麟980，SD card：128 GB；軟件環(huán)境為JDK9。本實(shí)驗(yàn)收集了19個(gè)反例樣本，1個(gè)正確樣本。樣本1為持有者數(shù)據(jù)，樣本2—20為偽數(shù)據(jù)。分別進(jìn)行80次采樣測(cè)試，實(shí)驗(yàn)結(jié)果如表1所示。

表1 實(shí)驗(yàn)結(jié)果

采用以下公式進(jìn)行實(shí)驗(yàn)分析：

式中，表示正確的接受率；表示正確接受的采樣次數(shù)；表示手機(jī)持有者的采樣次數(shù)；表示正確的拒絕率；表示認(rèn)證拒絕的采樣次數(shù)；表示非手機(jī)持有者的采樣次數(shù)。

由表1和式（7）、式（8）可知，在每個(gè)樣本的80次手機(jī)身份測(cè)試實(shí)驗(yàn)中，正確樣本的接受率高達(dá)97.5%，偽樣本的拒絕率平均在98.6%。由此實(shí)驗(yàn)結(jié)果可知，基于FUZZY ARTMAP算法的手機(jī)解鎖方案認(rèn)證精度較高。

5 結(jié)語(yǔ)

基于FUZZY ARTMAP算法的手機(jī)解鎖方法是利用現(xiàn)在流行的大數(shù)據(jù)進(jìn)行快速學(xué)習(xí)，通過用戶的行為特征分析，進(jìn)行獨(dú)特的手機(jī)解鎖，取得了令人滿意的結(jié)果。該方法不需要其他硬件設(shè)備，成本低廉且具有很好的適用性。

[1] SARANYA S, SHERLINE S V, MAHESWARI M. Fake biometric detection using image quality assessment: Application to iris, fingerprint recognition[C]//2016 Second International Conference on Science Technology Engineering & Management (ICONSTEM). 2016. DOI:10.1109/ICONSTEM.2016.7560931.

[2] PATEL V M, CHELLAPPA R, CHANDRA D, et al. Continuous User Authentication on Mobile Devices: Recent progress and remaining challenges[J]. IEEE Signal Processing Magazine, 2016, 33(4): 49–61.

[3] SAMANGOUEI P, PATEL V M, CHELLAPPA R. Attribute- based continuous user authentication on mobile devices[C]//IEEE International Conference on Biometrics Theory. IEEE, 2015.

[4] SHEN C, CHEN Y F, GUAN X H. Performance evaluation of implicit smartphones authentication via sensor-behavior analysis [J]. Information Sciences, 2018, 430–431: 538–553.

[5] TOOSI E N, TOOSI A N, GODAZ R, et al. Integrated IoT and Cloud Environment for Fingerprint Recognition[EB/OL].[2019- 03-15]. https://www.researchgate.net/publication/326570379_ Integrated_IoT_and_Cloud_Environment_for_Fingerprint_Recognition.

[6] LIN C, KUMAR A. Contactless and partial 3D fingerprint recognition using multi-view deep representation[J]. Pattern Recognition, 2018, 83: 314–327.

[7] ALSMIRAT M A, AL-ALEM F, AL-AYYOUB M, et al. Impact of digital fingerprint image quality on the fingerprint recognition accuracy[J]. Multimedia Tools & Applications, 2018(4): 1–40.

[8] 陳書貞，王林，侯莉，等.基于Log-Gabor子帶圖像分割的虹膜識(shí)別算法[J].電子技術(shù)應(yīng)用，2007(3): 54–56, 59.

[9] 李翔宇.基于DTW算法的多模板組合手機(jī)身份認(rèn)證方法[J].福建電腦，2018, 34(4): 8–9, 19.

[10] 譚紀(jì)文，汪立新，周小剛，等.改進(jìn)小波閾值函數(shù)的HRG振動(dòng)信號(hào)去噪研究[J].現(xiàn)代防御技術(shù)，2018, 46(1): 184–189.

[11] 高曉紅. ART神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用[J].電腦知識(shí)與技術(shù)（學(xué)術(shù)交流），2007(20): 509, 526.

[12] 張洪.基于遺傳算法的ART網(wǎng)絡(luò)優(yōu)化及其應(yīng)用研究[D].上海：華東師范大學(xué)，2009.

[13] 徐玲玲，李朝峰，潘婷婷.一種改進(jìn)的模糊ART神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[J].計(jì)算機(jī)工程與應(yīng)用，2008(28): 49–50, 85.

[14] 齊芳，陳靜，趙培軍.基于ART神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)分析策略算法研究[J].激光雜志，2016, 37(7): 118–123.

[15] AL-OBAYDY W N I, SUANDI S A. Open-set single-sample face recognition in video surveillance using fuzzy ARTMAP [J/OL]. Neural Computing & Applications, 2018: 1-8. https:// link.springer.com/article/10.1007%2Fs00521-018-3649-0.

[16] 張晶，朱琰潔.使用臉部特征碼提高無線應(yīng)用系統(tǒng)的認(rèn)證安全[J].河南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2006(4): 185–187.

Mobile phone identification method based on FUZZY ARTMAP algorithm

GAO Jinhui, ZHAO Yifang

(College of Electronics and Electrical Engineering, Henan Normal University, Xinxiang 453007, China)

In order to provide better information security protection for mobile phones, a method of unlocking mobile phones based on personal habits with tapping rhythm is proposed. Users’ data are collected by the built-in device of mobile phones, and the rhythm of users’ tapping on touch the screen of the mobile phone is processed. Then FUZZY ARTMAP algorithm is used for fast learning to decide the unlocking behavior of the mobile phone. This method does not need special hardware devices, and only based on Android mobile phone platform and Java language, it achieves mobile phone identity unlock authentication. The experimental results prove the validity of mobile phone unlocking based on FUZZY ARTMAP algorithm.

mobile phone unlocking; FUZZY ARTMAP algorithm; personal information security; privacy protection

TP391.4

A

1002-4956(2019)10-0144-04

2019-03-26

2019-05-07

教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目（201701064018）

高金輝（1962—），男，河南南陽(yáng)，本科，教授，主要研究方向?yàn)殡娐废到y(tǒng)設(shè)計(jì)及新能源。E-mail: gaojinhui282@sina.com

趙奕芳（1991—），女，河南周口，碩士，主要研究方向?yàn)殡娮有畔⑾到y(tǒng)設(shè)計(jì)。E-mail: 915666481@qq.com