基于FUZZY ARTMAP算法的手机解锁方法

高金辉，赵奕芳

基于FUZZY ARTMAP算法的手机解锁方法

高金辉，赵奕芳

（河南师范大学 电子与电气工程学院，河南 新乡 453007）

为提供更好的手机信息安全保护，提出了一种基于个人习惯的敲击节奏手机解锁方法。利用手机的内置器件采集用户数据，并对用户敲击手机触摸屏的节奏进行数据处理，再通过FUZZY ARTMAP算法进行快速学习，决策手机的解锁行为。该方法不需要特殊的硬件设备，仅基于Android手机平台和Java语言，实现了手机身份解锁认证，实验结果证明了基于FUZZY ARTMAP算法的手机解锁方法的有效性。

手机解锁；FUZZY ARTMAP算法；个人信息安全；隐私保护

智能手机屏幕被锁定后，一般是利用图案、指纹、人脸进行识别等[1-8]方法进行解锁。然而上述解锁方法也存在缺陷。例如用图案解锁，不法分子能根据遗留痕迹破解密码并盗取手机中的重要信息；用指纹解锁时，手指上的污物会影响解锁的准确性，降低用户的体验感；人脸和虹膜识别的成本较高，缺乏应用的普适性。为了克服上述不足，本文基于用户的敲击习惯，利用神经网络的快速学习的特点，实现了对手机解锁的高效认证。

1 总体布局

用户根据自己的行为习惯，敲击一段自己喜欢的节奏，这些敲击数据经手机传感器采集并使用一种认证算法记录和认证用户的输入。在认证阶段，先使用认证算法来进行认证，对于符合标准的输入，用来训练神经网络，待神经网络训练好后，当用户在下次解锁手机的时候，手机就会利用之前的学习行为，自动地判别用户的身份特征，并决策是否解锁。设计方案流程如图1所示。

2 数据采集与转换

智能手机一般都会内置很多器件，例如加速度传感器、陀螺仪、光线感应器、磁力计等，以采集用户的输入。智能手机内置加速度传感器的采样频率为50 Hz，由于三维立体敲击节奏，手机的触屏加速度被分解成、、3个坐标轴上不同的值表示。研究表明，在数据采集的过程中，单独使用某个方向上的值，将产生较大误差，因此将传感器捕捉到的、、坐标轴上不同的加速度值合成一个特征数据，将更加准确[9]。三轴加速度的关系可表示为

图1 设计方案流程

对于一个一维含噪信号可表示为

设置一个阈值，令大于或等于阈值置为1，小于阈值置为0，即阈值函数

3 FUZZY ART神经网络

3.1 神经网络模型

FUZZY ART神经网络是监督ARTMAP网络的一个变种，ARTMAP网络中并入了模糊集理论，克服了ART1只能处理二值输入的不足，使其应用范围更加广泛[11]。快速学习是ART算法性质的重要特点。FUZZY ARTMAP算法可以通过调节权值使系统具有快学慢编的特性。FUZZY ART网络模型如图2所示。

图2 FUZZY ART神经网络模型

FUZZY ART神经网络模型[12]为3层结构，0层的节点代表当前的输入向量，1层接收来自0层的自下到上的输入和来自2层的自上到下的输入，并进行相应的匹配。1层称为比较层，其兴奋矢量为=(1,2, … ,x)，并定义其自下到上和其自上到下的权矢量相同，即

=(w1,w2,…,w),=(1, 2,…,)

2层为类别表示层，它的所有节点代表激活的分类，2层作为输入向量的分类器，它的兴奋矢量可以用=(1,2,…,u)表示。

3.2 神经网络训练

在认证阶段，先使用认证算法对用户的输入进行处理，然后把认证经处理的数据输入FUZZY ART神经网络，认证结果作为导师信号（即模板信号）对FUZZY ART神经网络系统进行训练；训练结束后，FUZZY ART神经网络算法就可以应用到认证过程了。

FUZZY ARTMAP神经网络的训练法则是：

第一步：为了避免出现类别增生问题，在1层，要对敲击特征数据进行补码编码[13]，令为补码后的当前输入，即：

第二步：2层通过一个选择函数

找到获胜神经元的范围，并由式（4）确定其具体位置：

式中：T为选择函数；是正实数，为选择参数；为2层节点由上-下的权矢量，在=0时刻，其各个分量的起始值为1，称为“未表态节点”；算子⋀为模糊集的求交运算。

如果时刻最多只能有一个2节点兴奋，即被称作是一次类别选择，记此时被选中的类别为类。如果最大的T不唯一，则选择最先出现的一个，即下标最小的一个。此时,令=1，且除此之外的2的兴奋矢量=0

如果式（5）表示和的鉴别不大于警戒参数，则获胜神经元就表示输入了的分类，此时会发生共振，与获胜神经元相联系的权值就会按照式（6）进行自适应调节，使它和输入模式更相近。

如果式（5）表示和的鉴别大于警戒参数，则获胜神经元不可以看作是的恰当分类，获胜节点被制止，输入模式被重新传给2层，以搜索满足当前条件的其他节点。如果没有符合条件的节点，则会在2层开辟出新的节点，返回第一步继续对新的输入模式进行特征学习。

训练阶段完成以后，FUZZY ART神经网络就能自动判别用户的身份特征。

4 实验与结果

4.1 训练网络性能

首先采集用户的100组数据，把这100个样本依次输入给网络进行训练，设置网络的警戒参数= 0.6[14-15]。网络训练好后，再把这100个数据作为测试数据输入网络，得到网络的输出，与开始时的数据进行对比，得到图3。

图3 重合结果对比图

从图3中可知，在100个测试样本中，有5个结果不重合。这些不重合的样本可能与训练的样本数和样本训练的次数有关，出现了不重合的情况。

为了判别样本数量与网络误差之间的关系，还需要改变样本的数量，训练出不同的网络，再对这100个样本判断，使输出结果与开始的样本进行对比。此时的误差率定义为数据的异常个数比上样本的总数，如图4所示。

图4 训练样本数与网络误差的关系

从图4中可以看出：训练样本数在20个的时候，再增加样本的数量对减少误差的影响就不明显了。

神经网络的性能不仅受训练样本数的影响，受样本训练次数的影响也不可忽略。因此，固定训练样本为20个，通过改变样本的训练次数，计算出网络的误差如图5所示。

图5 网络误差训练次数的关系

从图5可知，样本训练次数为80的时候，网络性能最好，即误差最小。

4.2 实验结果与分析

训练好网络后，为了检测基于FUZZY ARTMAP算法的手机解锁效果，并以Android手机作为实验仿真平台[16]。硬件环境为System:Android8.1.0，CPU：麒麟980，SD card：128 GB；软件环境为JDK9。本实验收集了19个反例样本，1个正确样本。样本1为持有者数据，样本2—20为伪数据。分别进行80次采样测试，实验结果如表1所示。

表1 实验结果

采用以下公式进行实验分析：

式中，表示正确的接受率；表示正确接受的采样次数；表示手机持有者的采样次数；表示正确的拒绝率；表示认证拒绝的采样次数；表示非手机持有者的采样次数。

由表1和式（7）、式（8）可知，在每个样本的80次手机身份测试实验中，正确样本的接受率高达97.5%，伪样本的拒绝率平均在98.6%。由此实验结果可知，基于FUZZY ARTMAP算法的手机解锁方案认证精度较高。

5 结语

基于FUZZY ARTMAP算法的手机解锁方法是利用现在流行的大数据进行快速学习，通过用户的行为特征分析，进行独特的手机解锁，取得了令人满意的结果。该方法不需要其他硬件设备，成本低廉且具有很好的适用性。

[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] 陈书贞，王林，侯莉，等.基于Log-Gabor子带图像分割的虹膜识别算法[J].电子技术应用，2007(3): 54–56, 59.

[9] 李翔宇.基于DTW算法的多模板组合手机身份认证方法[J].福建电脑，2018, 34(4): 8–9, 19.

[10] 谭纪文，汪立新，周小刚，等.改进小波阈值函数的HRG振动信号去噪研究[J].现代防御技术，2018, 46(1): 184–189.

[11] 高晓红. ART神经网络的发展与应用[J].电脑知识与技术（学术交流），2007(20): 509, 526.

[12] 张洪.基于遗传算法的ART网络优化及其应用研究[D].上海：华东师范大学，2009.

[13] 徐玲玲，李朝峰，潘婷婷.一种改进的模糊ART神经网络学习算法[J].计算机工程与应用，2008(28): 49–50, 85.

[14] 齐芳，陈静，赵培军.基于ART神经网络的在线学习分析策略算法研究[J].激光杂志，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] 张晶，朱琰洁.使用脸部特征码提高无线应用系统的认证安全[J].河南师范大学学报（自然科学版），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

教育部产学合作协同育人项目（201701064018）

高金辉（1962—），男，河南南阳，本科，教授，主要研究方向为电路系统设计及新能源。E-mail: gaojinhui282@sina.com

赵奕芳（1991—），女，河南周口，硕士，主要研究方向为电子信息系统设计。E-mail: 915666481@qq.com