王凌云

摘要：近些年來(lái)，由于用戶安全和隱私泄露問(wèn)題日益受到關(guān)注，用戶身份識(shí)別，即驗(yàn)證連接到某些資源的人的身份的過(guò)程，變得越來(lái)越重要。如何防止未經(jīng)授權(quán)的攻擊者訪問(wèn)某些設(shè)備和資源、保護(hù)用戶的信息安全、防止信息泄露，已經(jīng)成為人們普遍關(guān)注的一個(gè)問(wèn)題。此外，智能家居等新興應(yīng)用也在試圖對(duì)用戶進(jìn)行區(qū)分，并推出相應(yīng)的定制服務(wù)。用戶身份識(shí)別對(duì)信息的保護(hù)、智能感知的發(fā)展具有重要作用，因此具有較大的研究和發(fā)展空間。通過(guò)分析國(guó)內(nèi)外文獻(xiàn)，首先介紹了當(dāng)前常用的用戶識(shí)別方法，并列舉各方法的優(yōu)缺點(diǎn);接下來(lái)，介紹了新興的、基于無(wú)線信號(hào)的用戶識(shí)別方法及相應(yīng)的研究成果。

關(guān)鍵詞：用戶識(shí)別;信道狀態(tài)信息CSI;無(wú)線感知

中圖分類(lèi)號(hào)：TP301 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）14-0169-03

Abstract： In recent years， with the increasing concern of user security and privacy disclosure problem， user identification， that is， the process of verifying the identity of people connected to certain resources， has become more and more important. How to prevent unauthorized attackers from accessing some equipment and resources， protect users' information security and prevent information leakage has become a problem of common concern. New applications such as smart homes are also trying to differentiate users and offer customized services. User identification plays an important role in the protection of information and the development of intelligent perception. On the analysis of domestic and overseas literature， firstly， the current common user identification methods are introduced， and the advantages and disadvantages of the methods are listed. Secondly， the emerging user identification methods based on wireless signals and the corresponding research results are introduced.

Key words：user identification; channel state information; wireless sensing

1 傳統(tǒng)的用戶識(shí)別方法

當(dāng)前常用的用戶識(shí)別方法大多是基于知識(shí)的密碼、手寫(xiě)或是基于一個(gè)或多個(gè)生理或行為方面的區(qū)別來(lái)實(shí)現(xiàn)。這些區(qū)別要么是與身體本身的屬性有關(guān)，如指紋、虹膜、面部特征，要么與人的某些行為方式（如打字、步態(tài)、聲音節(jié)奏）有關(guān)。根據(jù)提取特征的不同，可以將當(dāng)前的用戶身份識(shí)別方法分為基于密碼和基于生物特征這兩大類(lèi)。

1.1 基于密碼的用戶識(shí)別方法

在我們的日常生活中，基于密碼的用戶識(shí)別方法是最常見(jiàn)的，其優(yōu)點(diǎn)是識(shí)別的方法簡(jiǎn)單。但是，我們每個(gè)人都需要記住很多密碼，以便訪問(wèn)所需的資源，當(dāng)用戶忘記密碼或密碼被竊取時(shí)，很有可能會(huì)造成較為嚴(yán)重的后果。為了提高用戶識(shí)別的可靠性，研究者們提出了基于個(gè)人生理或行為屬性的用戶識(shí)別的觀點(diǎn)，通常被稱為“生物特征”。

1.2 基于生物特征的用戶識(shí)別方法

基于生物特征的用戶識(shí)別是指通過(guò)個(gè)人獨(dú)特的生理特征（指紋、虹膜等）或行為特征（聲音、步態(tài)、簽名等）自動(dòng)識(shí)別其身份[1]?！吧锾卣鳌迸c密碼相比，具有以下幾個(gè)優(yōu)勢(shì)：不需要用戶記住任何東西，減少了用戶的記憶負(fù)擔(dān);生物特征是每個(gè)人固有的，是獨(dú)一無(wú)二的，不能轉(zhuǎn)讓或被盜取。這些屬性為用戶識(shí)別提供了更好的安全性保證。圖1中顯示了研究者們所找到的可以用于用戶身份識(shí)別的生物特征[2]。然而，這些已有的方法大多需要專(zhuān)用的傳感器設(shè)備，以及用戶的主動(dòng)參與，即需要用戶靠近傳感裝置以進(jìn)行準(zhǔn)確的識(shí)別或隨身佩戴一些額外的傳感器，會(huì)增加用戶的負(fù)擔(dān)。因此，與這些傳統(tǒng)的用戶識(shí)別方法相比，我們亟須找到一種設(shè)備簡(jiǎn)單、部署方便、用戶負(fù)擔(dān)小的用戶識(shí)別方法。

2 基于無(wú)線信號(hào)的用戶識(shí)別方法

隨著無(wú)線技術(shù)的發(fā)展，無(wú)線信號(hào)在我們的日常生活中得到了廣泛的應(yīng)用，WiFi設(shè)備無(wú)處不在——我們的家中，辦公室，商店，餐館，幾乎所有的空間都充斥著無(wú)線信號(hào)。當(dāng)用戶在無(wú)線環(huán)境中運(yùn)動(dòng)時(shí)，會(huì)對(duì)無(wú)線信號(hào)的傳播產(chǎn)生干擾。CSI tools[3]的出現(xiàn)，使得人們可以通過(guò)修改固件的方式，從普通的WiFi設(shè)備上獲取到30個(gè)子載波上的信道狀態(tài)信息（CSI），使得普通的WiFi設(shè)備不僅能夠?qū)崿F(xiàn)高速的信息傳輸，還可以實(shí)現(xiàn)情境感知。信道狀態(tài)信息（CSI）描述了信號(hào)如何從發(fā)送端傳輸?shù)浇邮斩?，反映了信?hào)在傳播過(guò)程中所受到的散射、衰落、遮擋等影響。目前，利用普通的WiFi設(shè)備所發(fā)射的無(wú)線信號(hào)可以實(shí)現(xiàn)手勢(shì)識(shí)別[4]、各種日常動(dòng)作的識(shí)別[5-8]、跌倒檢測(cè)[9]、識(shí)別鍵盤(pán)敲擊內(nèi)容[10]、甚至是監(jiān)測(cè)睡眠[11]及呼吸頻率[12]等。近年來(lái)，基于WiFi信號(hào)的用戶識(shí)別研究也取得了一定的成果，根據(jù)提取特征的不同，本文將現(xiàn)有成果分為兩類(lèi)進(jìn)行概述。

2.1 基于步態(tài)特征的用戶身份識(shí)別

基于步態(tài)特征的用戶身份識(shí)別是指從WiFi數(shù)據(jù)中提取用戶行走過(guò)程中的步態(tài)信息，根據(jù)步態(tài)的唯一性，實(shí)現(xiàn)不同用戶的區(qū)分。

2016年發(fā)表的WiWho[13]是第一個(gè)基于WiFi信號(hào)的被動(dòng)、無(wú)源的用戶識(shí)別的研究。以前的研究[2， 14] 中已經(jīng)證明，每個(gè)人的步態(tài)是獨(dú)一無(wú)二的，可以用于用戶身份識(shí)別。WiFi信號(hào)中包含與用戶相關(guān)的豐富信息，WiWho通過(guò)分析CSI數(shù)據(jù)的形狀，使用“波峰-波谷”的檢測(cè)方法對(duì)CSI數(shù)據(jù)進(jìn)行切割，得到每一步所對(duì)應(yīng)的數(shù)據(jù)，如圖2所示。WiWho從每一步中提取能夠反映波形的時(shí)域（最值、方差、偏度、峰度等）信息，得到踏步特征。踏步特征從統(tǒng)計(jì)學(xué)的角度，體現(xiàn)了每一步的波形變化，但是并不能表示整個(gè)行走過(guò)程的全部特性，例如走的快慢、姿勢(shì)的改變等，因此需要對(duì)整個(gè)行走過(guò)程的CSI數(shù)據(jù)進(jìn)行頻域分析（能量、熵、FFT系數(shù)等）得到行走特征。踏步特征和行走特征共同構(gòu)成了一個(gè)人完整的步態(tài)模型，從而識(shí)別不同的用戶。

與WiWho類(lèi)似，WifiU[15] 研究中也是利用CSI數(shù)據(jù)提取用戶的步態(tài)信息，根據(jù)步態(tài)和行走速度的差別實(shí)現(xiàn)用戶識(shí)別。不同之處是，WiWho是從時(shí)域角度進(jìn)行分析，WifiU是將CSI數(shù)據(jù)經(jīng)過(guò)短時(shí)傅里葉變換得到對(duì)應(yīng)頻譜圖，從頻譜圖中提取特征信息。用戶行走過(guò)程中，身體不同部位的運(yùn)動(dòng)速度是不同的，因此會(huì)影響CSI信號(hào)的不同頻段，因此WifiU將CSI時(shí)域信號(hào)轉(zhuǎn)化為頻譜圖（三個(gè)維度：時(shí)間、頻率、振幅）后，如圖3所示，單獨(dú)觀察不同頻段上的數(shù)據(jù)，得到軀干、四肢運(yùn)動(dòng)的輪廓線，提取出行走速度、行走周期等信息，實(shí)現(xiàn)步態(tài)檢測(cè)，根據(jù)步態(tài)和行走速度的差別完成用戶身份的識(shí)別。

2.2 基于統(tǒng)計(jì)特征的用戶身份識(shí)別

基于統(tǒng)計(jì)特征的用戶身份識(shí)別是指，CSI數(shù)據(jù)的波動(dòng)性中包含與用戶相關(guān)的特征，通過(guò)直接從數(shù)據(jù)中提取時(shí)域（最大值、最小值、均值、峰度、偏度、方差、過(guò)均值率）和頻域（熵、能量、FFT峰值）特征的方式，保留原始數(shù)據(jù)的波形信息，從而實(shí)現(xiàn)用戶識(shí)別。

如圖4所示，用戶沿走廊行走的過(guò)程中，當(dāng)距離信號(hào)收發(fā)端較遠(yuǎn)時(shí)，對(duì)信號(hào)的影響較小;用戶穿過(guò)信號(hào)的視距路徑前后時(shí)，對(duì)信號(hào)的影響最大，即CSI中包含的與用戶相關(guān)的信息較多，該區(qū)域被稱為“有效區(qū)域”。WiFi-ID[16]和FreeSense[17]研究中，通過(guò)分析“有效區(qū)域”中CSI波形的變化，從中提取能夠代表用戶行走方式的統(tǒng)計(jì)特征，從而實(shí)現(xiàn)用戶身份識(shí)別。

3 結(jié)束語(yǔ)

在各種系統(tǒng)和場(chǎng)景中，如何實(shí)現(xiàn)可靠的用戶識(shí)別一直是人們所關(guān)心的關(guān)鍵問(wèn)題。傳統(tǒng)的密碼方法不能實(shí)現(xiàn)真正意義上的用戶識(shí)別，因?yàn)樗枰脩粲洃浤承〇|西，以此作為識(shí)別的依據(jù)，安全性較差。作為一種替代方法，基于生物特征的識(shí)別方法具有更高的安全性和可靠性。但是，已有的這些方法大多需要部署專(zhuān)用的設(shè)備，如攝像機(jī)，圖像質(zhì)量的好壞決定了最終識(shí)別的準(zhǔn)確率;加速度計(jì)等各種傳感器，則需要用戶隨身攜帶才可發(fā)揮作用。基于無(wú)線信號(hào)的用戶識(shí)別作為一種新興的用戶識(shí)別方法具有不需要部署額外設(shè)備、不需要用戶主動(dòng)參與、簡(jiǎn)單有效等優(yōu)點(diǎn)，在未來(lái)會(huì)發(fā)揮更大的作用。

參考文獻(xiàn)：

[1] Jain A K， Ross A， Prabhakar S. An introduction to biometric recognition[J]. IEEE Transactions on Circuits & Systems for Video Technology. 2004， 14（1）： 4-20.

[2] Unar J A， Seng W C， Abbasi A. A review of biometric technology along with trends and prospects[J]. Pattern Recognition. 2014， 47（8）： 2673-2688.

[3] Halperin D， Hu W， Sheth A， et al. Predictable 802.11 packet delivery from wireless channel measurements[Z]. 2010.

[4] Pu Q， Jiang S， Gollakota S. Whole-Home Gesture Recognition Using Wireless Signals [Z]. 201327-38.

[5] Zeng Y， Pathak P， Mohapatra P. Analyzing Shopper's Behavior through WiFi Signals[C]. ACM， 2015.

[6] Wang Y， Liu J， Chen Y， et al. E-eyes： device-free location-oriented activity identification using fine-grained WiFi signatures[C]. ACM， 2014.

[7] Zeng Y， Pathak P， Xu C， et al. Your AP knows how you move： fine-grained device motion recognition through WiFi[C]. ACM， 2014.

[8] Adib F M， Kabelac Z， Katabi D， et al. 3D Tracking via Body Radio Reflections[J]. 2014： 317-329.

[9] Han C， Wu K， Wang Y， et al. WiFall： Device-free fall detection by wireless networks[Z]. 2014271-279.

[10] Ali K， Liu A， Wang W， et al. Keystroke Recognition Using WiFi Signals[C]. ACM， 2015.

[11] Liu X， Cao J， Tang S， et al. Wi-Sleep： Contactless Sleep Monitoring via WiFi Signals[C]. IEEE， 2014.

[12] Liu X， Cao J， Tang S， et al. Contactless Respiration Monitoring Via Off-the-Shelf WiFi Devices[J]. IEEE Transactions on Mobile Computing. 2016， 15（10）： 2466-2479.

[13] Zeng Y， Pathak P， Mohapatra P. WiWho： wifi-based person identification in smart spaces[C]. IEEE Press， 2016.

[14] Ngo T T， Makihara Y， Nagahara H， et al. The largest inertial sensor-based gait database and performance evaluation of gait-based personal authentication[J]. Pattern Recognition. 2014， 47（1）： 228-237.

[15] Wang W， Liu A X， Shahzad M. Gait recognition using wifi signals[Z]. 2016363-373.

[16] Zhang J， Wei B， Hu W， et al. WiFi-ID： Human Identification Using WiFi Signal[Z]. 201675-82.

[17] Xin T， Guo B， Wang Z， et al. FreeSense： Indoor Human Identification with Wi-Fi Signals[C]. IEEE， 2016.

【通聯(lián)編輯：唐一東】