基于FUZZY ARTMAP算法的手機解鎖方法

高金輝，趙奕芳

基于FUZZY ARTMAP算法的手機解鎖方法

高金輝，趙奕芳

（河南師范大學 電子與電氣工程學院，河南 新鄉 453007）

為提供更好的手機信息安全保護，提出了一種基于個人習慣的敲擊節奏手機解鎖方法。利用手機的內置器件采集用戶數據，并對用戶敲擊手機觸摸屏的節奏進行數據處理，再通過FUZZY ARTMAP算法進行快速學習，決策手機的解鎖行為。該方法不需要特殊的硬件設備，僅基于Android手機平臺和Java語言，實現了手機身份解鎖認證，實驗結果證明了基于FUZZY ARTMAP算法的手機解鎖方法的有效性。

手機解鎖；FUZZY ARTMAP算法；個人信息安全；隱私保護

智能手機屏幕被鎖定后，一般是利用圖案、指紋、人臉進行識別等[1-8]方法進行解鎖。然而上述解鎖方法也存在缺陷。例如用圖案解鎖，不法分子能根據遺留痕跡破解密碼并盜取手機中的重要信息；用指紋解鎖時，手指上的污物會影響解鎖的準確性，降低用戶的體驗感；人臉和虹膜識別的成本較高，缺乏應用的普適性。為了克服上述不足，本文基于用戶的敲擊習慣，利用神經網絡的快速學習的特點，實現了對手機解鎖的高效認證。

1 總體布局

用戶根據自己的行為習慣，敲擊一段自己喜歡的節奏，這些敲擊數據經手機傳感器采集并使用一種認證算法記錄和認證用戶的輸入。在認證階段，先使用認證算法來進行認證，對于符合標準的輸入，用來訓練神經網絡，待神經網絡訓練好后，當用戶在下次解鎖手機的時候，手機就會利用之前的學習行為，自動地判別用戶的身份特征，并決策是否解鎖。設計方案流程如圖1所示。

2 數據采集與轉換

智能手機一般都會內置很多器件，例如加速度傳感器、陀螺儀、光線感應器、磁力計等，以采集用戶的輸入。智能手機內置加速度傳感器的采樣頻率為50 Hz，由于三維立體敲擊節奏，手機的觸屏加速度被分解成、、3個坐標軸上不同的值表示。研究表明，在數據采集的過程中，單獨使用某個方向上的值，將產生較大誤差，因此將傳感器捕捉到的、、坐標軸上不同的加速度值合成一個特征數據，將更加準確[9]。三軸加速度的關系可表示為

圖1 設計方案流程

對于一個一維含噪信號可表示為

設置一個閾值，令大于或等于閾值置為1，小于閾值置為0，即閾值函數

3 FUZZY ART神經網絡

3.1 神經網絡模型

FUZZY ART神經網絡是監督ARTMAP網絡的一個變種，ARTMAP網絡中并入了模糊集理論，克服了ART1只能處理二值輸入的不足，使其應用范圍更加廣泛[11]?？焖賹W習是ART算法性質的重要特點。FUZZY ARTMAP算法可以通過調節權值使系統具有快學慢編的特性。FUZZY ART網絡模型如圖2所示。

圖2 FUZZY ART神經網絡模型

FUZZY ART神經網絡模型[12]為3層結構，0層的節點代表當前的輸入向量，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，并進行相應的匹配。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矢量相同，即

=(w1,w2,…,w),=(1, 2,…,)

2層為類別表示層，它的所有節點代表激活的分類，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 神經網絡訓練

在認證階段，先使用認證算法對用戶的輸入進行處理，然后把認證經處理的數據輸入FUZZY ART神經網絡，認證結果作為導師信號（即模板信號）對FUZZY ART神經網絡系統進行訓練；訓練結束后，FUZZY ART神經網絡算法就可以應用到認證過程了。

FUZZY ARTMAP神經網絡的訓練法則是：

第一步：為了避免出現類別增生問題，在1層，要對敲擊特征數據進行補碼編碼[13]，令為補碼后的當前輸入，即：

第二步：2層通過一個選擇函數

找到獲勝神經元的范圍，并由式（4）確定其具體位置：

式中：T為選擇函數；是正實數，為選擇參數；為2層節點由上-下的權矢量，在=0時刻，其各個分量的起始值為1，稱為“未表態節點”；算子?為模糊集的求交運算。

如果時刻最多只能有一個2節點興奮，即被稱作是一次類別選擇，記此時被選中的類別為類。如果最大的T不唯一，則選擇最先出現的一個，即下標最小的一個。此時,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，則獲勝神經元就表示輸入了的分類，此時會發生共振，與獲勝神經元相聯系的權值就會按照式（6）進行自適應調節，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，則獲勝神經元不可以看作是的恰當分類，獲勝節點被制止，輸入模式被重新傳給2層，以搜索滿足當前條件的其他節點。如果沒有符合條件的節點，則會在2層開辟出新的節點，返回第一步繼續對新的輸入模式進行特征學習。

訓練階段完成以后，FUZZY ART神經網絡就能自動判別用戶的身份特征。

4 實驗與結果

4.1 訓練網絡性能

首先采集用戶的100組數據，把這100個樣本依次輸入給網絡進行訓練，設置網絡的警戒參數= 0.6[14-15]。網絡訓練好后，再把這100個數據作為測試數據輸入網絡，得到網絡的輸出，與開始時的數據進行對比，得到圖3。

圖3 重合結果對比圖

從圖3中可知，在100個測試樣本中，有5個結果不重合。這些不重合的樣本可能與訓練的樣本數和樣本訓練的次數有關，出現了不重合的情況。

為了判別樣本數量與網絡誤差之間的關系，還需要改變樣本的數量，訓練出不同的網絡，再對這100個樣本判斷，使輸出結果與開始的樣本進行對比。此時的誤差率定義為數據的異常個數比上樣本的總數，如圖4所示。

圖4 訓練樣本數與網絡誤差的關系

從圖4中可以看出：訓練樣本數在20個的時候，再增加樣本的數量對減少誤差的影響就不明顯了。

神經網絡的性能不僅受訓練樣本數的影響，受樣本訓練次數的影響也不可忽略。因此，固定訓練樣本為20個，通過改變樣本的訓練次數，計算出網絡的誤差如圖5所示。

圖5 網絡誤差訓練次數的關系

從圖5可知，樣本訓練次數為80的時候，網絡性能最好，即誤差最小。

4.2 實驗結果與分析

訓練好網絡后，為了檢測基于FUZZY ARTMAP算法的手機解鎖效果，并以Android手機作為實驗仿真平臺[16]。硬件環境為System:Android8.1.0，CPU：麒麟980，SD card：128 GB；軟件環境為JDK9。本實驗收集了19個反例樣本，1個正確樣本。樣本1為持有者數據，樣本2—20為偽數據。分別進行80次采樣測試，實驗結果如表1所示。

表1 實驗結果

采用以下公式進行實驗分析：

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

由表1和式（7）、式（8）可知，在每個樣本的80次手機身份測試實驗中，正確樣本的接受率高達97.5%，偽樣本的拒絕率平均在98.6%。由此實驗結果可知，基于FUZZY ARTMAP算法的手機解鎖方案認證精度較高。

5 結語

基于FUZZY ARTMAP算法的手機解鎖方法是利用現在流行的大數據進行快速學習，通過用戶的行為特征分析，進行獨特的手機解鎖，取得了令人滿意的結果。該方法不需要其他硬件設備，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別算法[J].電子技術應用，2007(3): 54–56, 59.

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

[10] 譚紀文，汪立新，周小剛，等.改進小波閾值函數的HRG振動信號去噪研究[J].現代防御技術，2018, 46(1): 184–189.

[11] 高曉紅. ART神經網絡的發展與應用[J].電腦知識與技術（學術交流），2007(20): 509, 526.

[12] 張洪.基于遺傳算法的ART網絡優化及其應用研究[D].上海：華東師范大學，2009.

[13] 徐玲玲，李朝峰，潘婷婷.一種改進的模糊ART神經網絡學習算法[J].計算機工程與應用，2008(28): 49–50, 85.

[14] 齊芳，陳靜，趙培軍.基于ART神經網絡的在線學習分析策略算法研究[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用系統的認證安全[J].河南師范大學學報（自然科學版），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

教育部產學合作協同育人項目（201701064018）

高金輝（1962—），男，河南南陽，本科，教授，主要研究方向為電路系統設計及新能源。E-mail: gaojinhui282@sina.com

趙奕芳（1991—），女，河南周口，碩士，主要研究方向為電子信息系統設計。E-mail: 915666481@qq.com