比勒陀利亚大学和香港城市大学的一组研究人员最近开发了一种基于步态分析的连续智能手机用户身份验证系统。在IEEE工业电子学会（IEEE Industrial Electronics Society）第44届年会上发表的一篇论文中，概述了这一系统。该系统利用了设备已有的硬件，根据用户的步态模式对智能手机用户进行身份验证。“步态”一词指的是行走或跑步时通过移动肢体来实现的运动模式。研究发现，每个人的步态模式都有很大的不同，以至于步态分析可以用于生物特征认证。现有的生物特征步态识别工具可分为三类：基于机器视觉的步态识别工具、基于地板传感器的步态识别工具和基于可穿戴传感器的步态识别工具。

博科园-科学科普：在基于机器视觉的步态识别中，系统利用摄像机获取数据，然后利用图像处理技术对数据进行分析。另一方面，基于地面传感器的步态识别系统通过一个垫子工作，这个垫子可以测量一个人的步伐所产生的力量和速度。最后，基于可穿戴传感器的步态识别系统使用带有传感器的可穿戴设备，如加速度计、陀螺仪传感器和力传感器，来检测和记录步态活动。研究人员在论文中写道：这篇论文介绍了一种智能手机用户认证系统的开发，该系统利用了该设备已有的硬件。身份验证是基于智能手机用户的步态模式，这是一种生物特征。比勒陀利亚大学和香港城市大学的研究团队开发了一种基于可穿戴传感器的步态识别系统，该系统利用了智能手机已有的硬件，尤其是其加速度计。

sistem全图，图片：Mufandaidza，Ramotsoela & Hancke

如今，大多数智能手机都内置加速计，可以检测用户的步态相关数据。该系统由研究人员设计，不需要任何额外的硬件来运行，因此升级现有的智能手机不需要额外成本。工作原理是不断分析智能手机内置加速计收集与步态相关的数据，并在检测到步态模式的异常变化时，通过电子邮件通知智能手机的主人。研究人员在论文中解释说：如果认证结果是积极的，那么认证过程就会在后台不间断地进行。如果认证失败，设备的位置信息应该发送到预先确定的电子邮件地址，通知授权用户设备的位置。该方法由传感器数据采集单元、预处理单元、分类算法和评价系统组成。

反馈神经网络，图片：Mufandaidza， Ramotsoela & Hancke

智能手机内置的加速度计不断获取与步态相关的数据，这些数据由预处理单元进行预处理，然后通过动态时间扭曲（dynamictime翘曲，DTW）算法和前馈神经网络进行分析，对用户进行身份验证。在首次检测到未经授权的访问后的一分钟内，系统会向智能手机用户发送电子邮件通知，其中包括该设备最后已知位置的时间戳。这可以帮助用户找回他们的智能手机时，他们不小心放错地方或丢失了。在初步评价中，这种新的基于gait的认证系统的灵敏度为0.74，特异性为0.78。虽然这些结果令人鼓舞，但研究人员还需要进一步开发该系统，才能在现实环境中成功应用。研究人员表示：虽然提出的方案的性能很有希望，但它确实需要改进，以使系统变得切实可行。

博科园-科学科普｜Science X Network