基于无线信号进行多人用户认证方法及系统转让专利
申请号 : CN202011081529.2
文献号 : CN112218296B
文献日 : 2021-06-15
发明人 : 俞嘉地 , 孔浩 , 卢立
申请人 : 上海交通大学
摘要 :
权利要求 :
1.一种基于无线信号进行多人用户认证方法,其特征在于,通过多径到达时间测量算法描述Wi‑Fi信号下被多个用户单独影响的多径成分;对用户反射的多径成分进行聚合和分离以得到每一个用户的多径信号,并基于每个用户反射的多径构建每个用户的虚拟CSI;
再通过双任务模型从虚拟CSI中提取每个用户的细粒度的行为特征,实现多人用户认证;
所述的双任务神经网络模型包括:基于CNN‑RNN的特征提取器、基于全连接层和softmax层的动作识别器和用户认证器,其中:用来提取隐含在虚拟CSI中的用户行为特征的特征提取器包括依次叠加的三层卷积神经网络CNN和两层循环神经网络RNN,动作识别器通过识别动作种类来提升模型整体的学习效率和预测精度,用户认证器利用提取的行为特征进行身份认证;
所述的虚拟CSI,通过以下方式得到:
1)每条多径的虚拟CSI为 其中:ai为第i条多径信号的幅值,j为虚数单位, 为第i条多径信号的初始相位,2πfΔti为第i条多径信号由到达时间Δti引起的相位偏移,f为子载波的频率;
2)通过求解最优化问题得以估计每条多径的虚拟CSI:其中:N为多径的总个数,H为真实收集的CSI的值;
3)计算最优化问题得到每条多径的幅值 和相位 即实现每条多径的虚拟CSI的构建;
4)由于每个用户都对应不同的多径,将每个用户对应的多径的虚拟CSI进行相加,即得到每个用户对应的虚拟CSI。
2.根据权利要求1所述的基于无线信号进行多人用户认证方法,其特征是,所述的多径到达时间测量算法是指:每条多径的到达时间Δt计算方式为: 其中:a(Δt)是到达时间Δt引起的相位偏移,UN是信号的测量矩阵的噪声子空间,H是复数矩阵的共轭转置。
3.根据权利要求1所述的基于无线信号进行多人用户认证方法,其特征是,所述的卷积神经网络,第一个卷积层有32个5×5大小的卷积核,第二个卷积层有64个4×4大小的卷积核,第三个卷积层有128个3×3大小的卷积核;三个池化层都是2×2大小的取最大值的池化层。
4.根据权利要求1所述的基于无线信号进行多人用户认证方法,其特征是,所述的循环神经网络,包括两个具有门控循环单元单元的RNN,该RNN的循环步数为10,隐层神经元个数为200,输出神经元个数为6,使用GRU核。
5.根据权利要求1所述的基于无线信号进行多人用户认证方法,其特征是,所述的动作识别器和用户认证器均包括依次叠加的两层全连接层和一层softmax层,其中全连接层的第一层是由1024个神经元组成的全连接层,第二层是6个神经元的全连接层。
6.根据权利要求1所述的基于无线信号进行多人用户认证方法,其特征是,多人用户认证时,先进行身份注册,即每个用户单独地执行预定义的行为动作多次,通过将收集的信号经过处理后得到的用户的身份标签、动作标签以及对应数据组成训练集对双任务神经网络模型进行训练;然后在多人认证场景下,通过采集被用户动作所影响的Wi‑Fi信号后通过双任务神经网络模型分别得到每个用户的身份,实现多人用户认证。
7.根据权利要求6所述的基于无线信号进行多人用户认证方法,其特征是,所述的双任务神经网络模型,通过以下方式进行训练:将用户每次行为动作的CSI数据作为训练数据,将对应的身份和动作作为训练标签,执行1000轮的神经网络训练,使得神经网络的损失函数不断降低并保持稳定。
8.根据权利要求6所述的基于无线信号进行多人用户认证方法,其特征是,所述的身份标签、动作标签以及对应数据具体是指:用户的真实身份,用户执行的动作,以及相对应的CSI数据。
说明书 :
基于无线信号进行多人用户认证方法及系统
技术领域
背景技术
动作进行用户身份认证。但是,现有方法只能在单一用户存在的场景下进行用户认证,而无
法在多人同时存在的场景下进行用户认证。
达时间来区分不同的多径信号,并分析每条多径信号中的信息提取每个用户的行为特征,
进行多用户身份认证。
发明内容
场景实现对每个用户的身份认证。
分离以得到每一个用户的多径信号,并基于每个用户反射的多径构建每个用户的虚拟CSI;
再通过双任务模型从虚拟CSI中提取每个用户的细粒度的行为特征,实现多人用户认证。
阵的噪声子空间,H是复数矩阵的共轭转置。
起的相位偏移,f为子载波的频率;
附图说明
具体实施方式
的多人用户认证模型,用于多个用户同时进行身份认证。由于多径效应,由不同用户反射而
来的无线Wi‑Fi信号具有不同的到达时间,因此可将每个用户各自反射的信号依据到达时
间而分开。基于每个用户反射的信号,从中提取用户独特的行为动作特征,可在多人场景下
对每个用户进行身份认证。
H
XX ;然后在协方差矩阵中选择M‑D个较小的特征值对应的特征矩阵并构成噪声子空间銐N;
再测量每条多径的到达时间Δt: 其中:銐N为噪声子空间,a(Δt)是
到达时间Δt引起的相位偏移,然后将当前环境下Wi‑Fi信号的每条多径通过PMU(Δt)图中
以峰值形式展现。
差距,将不同用户的多径信号分离,并将同一个用户的多径信号聚合,具体为:当两条多径
的Δt的差值超过预设阈值,即两条多径的路径长度有较大的差距,因此这两个多径是由不
同的用户反射来的,将此两条多径分别标记为不同用户的信号;否则当两条多径的Δt的差
值低于此阈值,即两个多径的长度相似,因此这两条多径是由同一个人的不同身体部位反
射而来的,将此两条多径标记为同一个用户的信号。
多径信号的CSI构建得到用户的虚拟CSI,具体为:
移;
其中:N为多径的总个数,H为真实收集的CSI的值;
括:基于CNN‑RNN的特征提取器、基于全连接层和softmax层的动作识别器和用户认证器,其
中:用来提取隐含在虚拟CSI中的用户行为特征的特征提取器包括依次叠加的三层卷积神
经网络CNN和两层循环神经网络RNN,动作识别器通过识别动作种类来提升模型整体的学习
效率和预测精度,用户认证器利用提取的行为特征进行身份认证。
小的取最大值的池化层。
接层。
标签以及对应数据组成训练集对步骤4中的双任务神经网络模型进行训练;然后在多人认
证场景下,通过采集被用户动作所影响的Wi‑Fi信号后经过步骤1~步骤4后即通过双任务
神经网络模型分别得到每个用户的身份,实现多人用户认证。
定。
信号56个子载波的信道状态信息。使用商用Wi‑Fi路由器TP‑LINK‑WDR5620,持续不断地发
射802.11n标准的Wi‑Fi信号。征集15名志愿者,其中10名志愿者作为注册用户,5名作为侵
入者。注册用户先行在系统中注册自己的身份。在认证阶段,注册用户和侵入者分别在单
人,双人,三人的场景下进行用户认证。
入者的的几率。具体来说,本发明在单人,双人,三人认证的场景下,实现7.4%,8.8%,
10.6%的误识率与3.9%,5.6%和6.2%的拒识率。
限,在其范围内的各个实现方案均受本发明之约束。