摘 要：针对当前智能手机解锁的特点，利用用户手指滑动屏幕加速度不同的生物特性，提出了一种基于 RL-DTW 算法的智能手机滑动解锁认证方法。并通过对传统 DTW 算法和优化 RL-DTW 算法进行数据对比，得出 RL-DTW 算法在辨别模仿者方面的加速度确定概率值高达 93%，远高于 DTW 算法的 72%，很好地满足了用户对智能手机随意形状滑屏解锁的需求。
关键词：生物特征；滑动解锁；RL-DTW 算法
DOI:10.19850/j.cnki.2096-4706.2022.013.002
中图分类号：TP391.4 文献标识码：A 文章编号：2096-4706（2022）13-0006-06
Research and Implementation of Smart Phone Identity Authentication Mechanism Based on RL-DTW
LIU Cong, LI Nengneng
(Weifang Vocational College, Weifang 261041, China)
Abstract: Aiming at the characteristics of current smart phone unlocking, this paper proposes a smart phone slide unlock authentication method based on RL-DTW algorithm by using the different biological characteristics of user’s finger sliding screen acceleration. And through the data comparison between the traditional DTW algorithm and the optimized RL-DTW algorithm, it is concluded that the acceleration determination probability value of the RL-DTW algorithm in the aspect of identifying imitators is as high as 93%, which is much higher than 72% of the DTW algorithm. It is well satisfied the user’s demand for the random shape slide screen unlocking of the smart phone.
Keywords: biological characteristics; slide unlock; RL-DTW algorithm
参考文献：
[1] 李耀成，张凌宇，姜廷慈 . 基于图形密码的手机安全性研究[J]. 齐齐哈尔大学学报（自然科学版），2014，30（5）：29-33.[2] 龚遂 . 浅谈图形密码 [J]. 科协论坛，2009（4）：89-90.
[3] 刘丽群，李晨琛 . 基于可用性视角的用户技术选择与接受研究——以智能手机密码系统为例 [J]. 新闻与传播评论，2015（0）：48-58.
[4] 王竞博 . 智能终端的指纹解锁原理 [J]. 中国新通信，2017，19（8）：101-102.
[5] PRABHAKAR S，PANKANTI S，JAIN A K. Biometric recognition: security and privacy concerns [J].IEEE security & privacy， 2003，1（2）：33-42.
[6] 郑方，艾斯卡尔·肉孜，王仁宇，等 . 生物特征识别技术综述 [J]. 信息安全研究，2016，2（1）：12-26.
[7] BAUM L E，PETRIE T. Statistical Inference for Probabilistic Functions of Finite State Markov Chains [J].The Annals of Mathematical Statistics，1966，37（6）：1554-1563.
[8] HE X F，YAN S C，HU Y X，et al. Face recognition using Laplacian faces [J].IEEE Transactions on Pattern Analysis and Machine 2022.07 11 Intelligence，2005，27（3）：328-340.
[9] DAUGMAN J. Statistical Richness of Visual Phase Information: Update on Recognizing Persons by Iris Patterns [J]. International Journal of Computer Vision，2001，45（1）：25-38.
[10] DAUGMAN J G. High confidence visual recognition of persons by a test of statistical independence [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1993，15（11）：1148-1161.
[11] KIRBY M，SIROVICH L. Application of the KarhunenLoeve procedure for the characterization of human faces [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1990，12（1）：103-108.
[12] 潘胜男 . 虹膜识别前处理算法的研究 [D]. 长春：吉林大学，2017.
[13] MALTONI D，MAIO D，JAIN A K，et al. Handbook of Fingerprint Recognition [M].London：Springer，2009.
[14] SALVADOR S，CHAN P. Toward accurate dynamic time warping in linear time and space [J].Intelligent Data Analysis，2007，11（5）：561-580.
[15] ROWLEY H A，BALUJA S，KANADE T. Rotation Invariant Neural Network-Based Face Detection [C]//1998 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Santa Barbara：IEEE，1998：963.
[16] MINSKY M L. Theory of neural-analog reinforcement systems and its application to the brain model problem [D].Princeton： Princeton University，1954.
[17] MINSKY M. Steps toward Artificial Intelligence [J]. Proceedings of the IRE，1961，49（1）：8-30.
[18] 胡金平，陈若珠，李战明 . 语音识别中 DTW 改进算法的研究 [J]. 微型机与应用，2011，30（3）：30-32.
[19] KELA J，KORPIPÄÄ P，MÄNTYJÄRVI J，et al. Accelerometer-based gesture control for a design environment [J]. Personal and Ubiquitous Computing，2006，10（5）：285-299.
[20] 曹秀莲 . 基于动态手势的身份认证方法及其在智能手机上的实现 [D]. 长沙：中南大学，2013.
[21] AGRAWAL S，CONSTANDACHE I，GAONKAR S，et al. PhonePointpen： using mobile phones to writein air [C]//Proceedings of the 1st ACM workshop on Networking， systems， and applications for mobile handhelds.Barcelona：Association for Computing Machinery， 2009：1-6.
[22] QUEK C，ZHOU R W. Antiforgery： a novel pseudo-outer product based fuzzy neural network driven signature verification system [J].Pattern Recognition Letters，2002，23（14）：1795-1816.
[23] ROSS A A，NANDAKUMAR K，JAIN A K. Handbook of Multi-biometrics [C].NewYork：Springer-Verlag，2006.
[24] CORTES C，VAPNIK V. Support Vector Networks [J].Machine Learning，1995，20：273-297.
[25] 陈立万 . 基于语音识别系统中 DTW 算法改进技术研究[J]. 微计算机信息，2006（5）：267-269.
[26] 杨洁，康宁 . 动态时间规整 DTW 算法的研究 [J]. 科技与创新，2016（4）：11-12.
[27] VIOLA P，JONES M. Rapid object detection using a boosted cascade of simple features [C]//Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Kauai：IEEE，2001（1）：1.
[28] OSUNA E，GIROSI F. Reduceing the run-time complexity of Support Vector Machines [EB/OL].1998：1-10[2022-03-18].https://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=1023B2EB383AED B7F09E0EE4311A80F3?doi=10.1.1.49.506&rep=rep1&type=pdf.
作者简介：刘聪（1990—），男，汉族，山东潍坊人，助教，硕士研究生，研究方向：图像识别和算法研究；李能能（1993—），女，汉族，山东潍坊人，助教，硕士研究生，研究方向：人工智能和大数据。