魏忠誠 焦壯興 張新秋 王 巍 趙繼軍

(河北工程大學(xué)信息與電氣工程學(xué)院 河北 邯鄲 056038)(河北工程大學(xué)河北安防信息感知與處理重點(diǎn)實(shí)驗(yàn)室 河北 邯鄲 056038)

0 引 言

身份識別在日?？记?、設(shè)備認(rèn)證、安防應(yīng)急等領(lǐng)域有著廣泛的應(yīng)用。生物特征由于其普遍性、唯一性、穩(wěn)定性和不易復(fù)制性等使得生物特征識別技術(shù)成為當(dāng)前研究的熱點(diǎn)。常用的生物特征包括虹膜、靜脈、指紋、臉像和步態(tài)等，其中依據(jù)虹膜、靜脈、指紋等進(jìn)行識別所需專用設(shè)備的部署成本較高，且需要用戶的主動配合。而基于新興起的可穿戴設(shè)備進(jìn)行步態(tài)身份識別，又會引起用戶佩戴的不適感。因此，無接觸的被動式生物特征識別技術(shù)越來越受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。

基于現(xiàn)有工作設(shè)備，在完成既定功能的同時(shí)實(shí)現(xiàn)對身份的感知與識別得到了研究者們的青睞，如基于視頻監(jiān)控設(shè)備、無線通信設(shè)備的身份識別技術(shù)等。基于視覺設(shè)備可通過人臉、步態(tài)等實(shí)現(xiàn)身份的有效識別，但視覺設(shè)備對光線有一定的依賴性，存在視覺盲區(qū)并且容易造成用戶隱私泄露。

近年來，研究人員發(fā)現(xiàn)Wi-Fi技術(shù)在用作通信的同時(shí)還可以進(jìn)行特定信息的感知。如利用接收信號強(qiáng)度指示(Received Signal Strength Indicator，RSSI)和信道狀態(tài)信息(Channel State Information，CSI)能夠?qū)崿F(xiàn)室內(nèi)定位[1-3]。CSI是細(xì)粒度的物理信息，對環(huán)境變化敏感，感知效果更好，利用CSI能夠進(jìn)行檢測心跳和呼吸頻率[4-6]、肢體活動[7-8]和身份識別[9-10]等，本文在先前的工作中對人體活動持續(xù)時(shí)間進(jìn)行了估計(jì)[11]。由于Wi-Fi設(shè)備成本低，不需要用戶接觸和佩戴任何感知設(shè)備，克服了視覺設(shè)備和可穿戴設(shè)備的缺點(diǎn)，并且不易侵犯用戶的隱私，增強(qiáng)了用戶使用的舒適度和安全感。隨著基于CSI的活動識別技術(shù)的發(fā)展，Zhang等[12]首次將CSI引入到身份識別中。但是該身份識別系統(tǒng)缺乏對身份合法性認(rèn)證的考慮，容易遭到非法人員入侵，降低了該系統(tǒng)的實(shí)用性。在后來的工作中，部分研究人員考慮到身份合法性認(rèn)證問題，但是識別率較低，并且需要引入非法人員數(shù)據(jù)，或者需要知道用戶群體中非法人員的百分比，在現(xiàn)實(shí)中不易實(shí)現(xiàn)。

針對上述問題，本文提出一種基于Wi-Fi信道狀態(tài)信息的身份合法性認(rèn)證系統(tǒng)。首先利用Hampel濾波器、主成分分析(Principal Component Analysis，PCA)和巴特沃斯低通濾波器對CSI數(shù)據(jù)進(jìn)行降維和去噪；隨后利用第2主成分的短時(shí)能量進(jìn)行人體檢測；然后，根據(jù)人體檢測的結(jié)果，提取有效活動片段，提取離散小波變換的近似系數(shù)作為特征；最后利用K-means算法，將身份認(rèn)證問題轉(zhuǎn)化為相似度比較問題，實(shí)現(xiàn)人員身份合法性認(rèn)證。

1 相關(guān)工作

區(qū)分人員身份和判斷人員身份合法性是身份識別系統(tǒng)中兩個(gè)重要功能。本節(jié)就基于Wi-Fi信道狀態(tài)信息的身份識別和基于Wi-Fi信道狀態(tài)信息的身份合法性認(rèn)證進(jìn)行文獻(xiàn)綜述。

1.1 基于Wi-Fi信道狀態(tài)信息的身份識別

2016年，Zhang等[12]首次提出基于CSI的身份識別系統(tǒng)的Wi-Fi-ID系統(tǒng)，該系統(tǒng)利用連續(xù)小波變換提取中與人員行走相關(guān)的CSI信息，提取用戶行走時(shí)CSI幅值的最大值、最小值和熵等特征，實(shí)現(xiàn)了身份的有效分類和識別，在區(qū)分2～6個(gè)人身份時(shí)識別率分別為93%～77%。同年，Hong等[13]提出WIFD系統(tǒng)，提取子載波幅度頻率作為特征，利用支持向量機(jī)(Support Vector Machine,SVM)算法進(jìn)行分類，實(shí)現(xiàn)身份識別。Zeng等[14]提出WiWho系統(tǒng)，通過提取人員的步態(tài)特征和行走特征，實(shí)現(xiàn)身份識別。Xin等[15]提出FreeSense系統(tǒng)，提取離散小波變換的近似系數(shù)作為特征，將動態(tài)時(shí)間規(guī)整與KNN算法結(jié)合實(shí)現(xiàn)身份識別。隨著深度學(xué)習(xí)算法的發(fā)展，Nkabiti等[16]利用DBD-LSTM-RNN模型進(jìn)行身份識別，該模型可以識別出人員走路的開始和結(jié)束，并且可以根據(jù)行走時(shí)身體對CSI的影響來判斷人員身份。Pokkunuru等[17]提出NeuralWave系統(tǒng)，利用深度卷積神經(jīng)網(wǎng)絡(luò)自動獲得步態(tài)特征，并通過Softmax分類器對其進(jìn)行分類。

上述的身份識別系統(tǒng)中，分類器中的類別是事先明確的，當(dāng)出現(xiàn)非法人員時(shí)，非法人員的類別與分類器中所有分類類別均不相符，但分類器會將其當(dāng)作訓(xùn)練過的人進(jìn)行分類。因此系統(tǒng)無法對人員身份的合法性做出判斷，容易遭到非法人員的入侵。

1.2 基于Wi-Fi信道狀態(tài)信息的身份合法性認(rèn)證

盡管現(xiàn)在的身份識別技術(shù)的精確度很高，但是無法識別非法人員限制了這些系統(tǒng)的應(yīng)用性?？紤]到人員身份合法性認(rèn)證問題，部分研究人員在身份識別系統(tǒng)中增加了這一功能。Wang等[18]設(shè)計(jì)了WifiU系統(tǒng)，從CSI頻譜圖中提取步行速度、步態(tài)周期、軀干和腿部運(yùn)動速度的特征，將訓(xùn)練數(shù)據(jù)分為基準(zhǔn)人員和目標(biāo)人員兩個(gè)類別，利用支持SVM分類器計(jì)算出未知步態(tài)實(shí)例屬于目標(biāo)人員的概率，將概率值高于閾值的步態(tài)實(shí)例視為合法人員；文獻(xiàn)[19]提出Wii系統(tǒng)，在實(shí)現(xiàn)身份識別的同時(shí)將一部分訓(xùn)練集劃分為合法人員和非法人員，構(gòu)建合法人員和非法人員兩個(gè)高斯模型進(jìn)行區(qū)分合法人員和非法人員；Lin等[20]通過兩個(gè)專用損失函數(shù)來識別合法用戶身份和驗(yàn)證非法用戶。上述系統(tǒng)在進(jìn)行人員身份合法性認(rèn)證時(shí)，訓(xùn)練集中需要引入非法人員數(shù)據(jù)，或者需要知道用戶群體中非法人員的百分比，在現(xiàn)實(shí)場景下，該條件不易滿足。Shi等[21]為每個(gè)合法用戶構(gòu)建一個(gè)支持向量模型，通過比較未知人員樣本與合法用戶樣本的支持向量的距離來判別未知人員身份的合法性，其存在模型中合法人員個(gè)數(shù)較少，識別率偏低的問題。本文針對人員身份合法性認(rèn)證問題，利用聚類算法，將人員身份合法性認(rèn)證過程轉(zhuǎn)化相似度比較，避免在訓(xùn)練過程中引入非法人員數(shù)據(jù)，實(shí)現(xiàn)了對人員身份合法性的高精度認(rèn)證。

2 信道狀態(tài)信息(CSI)

近CSI描述了信號在發(fā)射機(jī)和接收機(jī)之間的傳輸變化。這些變化包含信號的散射、衰弱和功率隨距離衰減等信息。無線信號在傳輸過程中會沿不同路徑進(jìn)行傳播，產(chǎn)生多徑效應(yīng)。信道的多徑效應(yīng)可以用信道沖擊響應(yīng)(Channel Impulse Response，CIR)描述。在線性時(shí)不變的條件下，CIR可表示為：

(1)

式中：αi、θi和τi分別為第i條路徑的幅值衰減、相位偏移和時(shí)間延遲；N為傳播路徑總數(shù)；δ(τ)為狄克拉函數(shù)。

在頻域上，信號的多徑效應(yīng)可以用信道頻率響應(yīng)(Channel Frequency Response，CFR)來描述。在帶寬無限的條件下，CFR與CIR互為傅里葉變換。CFR可表示為：

(2)

CSI屬于無線通信協(xié)議中的物理層信息，無法直接獲取。近年來，研究人員通過修改固件，使得一些普通IEEE 802.11n標(biāo)準(zhǔn)的無線網(wǎng)卡(如：Inter 5300、Atheros AR9382等)能以CSI的形式提供不同子載波詳細(xì)的幅度和相位信息。本文使用Atheros AR9382網(wǎng)卡對Linux系統(tǒng)下的網(wǎng)卡開源驅(qū)動程序進(jìn)行修改，可以得到CSI矩陣H：

H=[H(1),H(2),…，H(k)]NT×NR

(3)

式中：NT與NR分別為發(fā)射天線和接收天線數(shù)目，k為子載波序號。

3 人員身份合法性認(rèn)證方法描述

本系統(tǒng)通過對CSI幅值進(jìn)行分析實(shí)現(xiàn)人員檢測和人員身份合法性認(rèn)證。首先，采用Hampel濾波器去除原始數(shù)據(jù)的離群點(diǎn)，PCA提取CSI幅值主成分，降低數(shù)據(jù)維度，利用巴特沃斯低通濾波器進(jìn)行去噪處理；然后，進(jìn)行人員檢測截取包含人員行走的有效片段；最后，在有效片段中提取特征，作為人員合法性判斷的依據(jù)，實(shí)現(xiàn)人員身份合法性的判斷。

3.1 數(shù)據(jù)預(yù)處理

由于硬件設(shè)備存在缺陷，工作過程中發(fā)射功率和傳輸速率等的變化，使得提取到的CSI幅值出現(xiàn)異常值[22]。為了保證后續(xù)工作不受異常值干擾，本文選用Hampel濾波器去除異常點(diǎn)[23]。計(jì)算CSI幅值任意點(diǎn)與其鄰近的6個(gè)點(diǎn)的中值μ與標(biāo)準(zhǔn)差σ將不在區(qū)間[μ-3σ,μ+3σ]內(nèi)的值作為離群點(diǎn)去除，并且用中值代替。

在正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing，OFDM)調(diào)制下，接收到的CSI包含114條子載波。為降低后續(xù)工作的計(jì)算復(fù)雜度，利用PCA對CSI幅值進(jìn)行降維處理。PCA是將n維特征映射到k維(k

圖1 CSI第1-3主成分序列

由于周圍環(huán)境的影響，接收到CSI包含大量噪聲，而典型的人類活動只會影響300 Hz以下頻率的CSI變化[24]。在之前身份識別的工作中得以驗(yàn)證，截止頻率為30 Hz時(shí)濾波效果最好。本文采用截止頻率為30 Hz的巴特沃斯低通濾波器去除CSI數(shù)據(jù)中的高頻噪聲。圖2(a)為濾波前CSI主成分的波形，圖2(b)為濾波后CSI主成分的波形。

(a) 去噪前的CSI第2主成分變化

(b) 去噪后的CSI第2主成分變化圖2 去噪前后的CSI第2主成分

3.2 人員檢測與有效片段提取

設(shè)備工作過程中，接收端會不斷地接收CSI數(shù)據(jù)，因此需要檢測感知范圍內(nèi)是否有人員存在，確定人員行走的有效區(qū)域，提取行走的有效片段，用于后續(xù)的人員身份合法性驗(yàn)證。如圖2(b)所示，當(dāng)有人在LOS行走時(shí)CSI主成分波形變化最明顯。短時(shí)能量是滑動窗口內(nèi)平方信號的總和，對人體活動更敏感。如圖3為CSI第2主成分的短時(shí)能量序列，當(dāng)LOS上沒有人行走時(shí)，第2主成分的短時(shí)能量值接近于0，當(dāng)有人穿過LOS時(shí)短時(shí)能量值變化很大，這為確定行走的有效區(qū)域提供了依據(jù)。因此，本文通過短時(shí)能量進(jìn)行人員檢測。

圖3 CSI第2主成分的短時(shí)能量序列

Emax=max(E)

(4)

(5)

式中：J為短時(shí)能量序列的長度。

實(shí)驗(yàn)發(fā)現(xiàn)，短時(shí)能量序列的最大值與均值的比值可以作為人員檢測的條件。即：

(6)

如果θ不小于設(shè)定的閾值則認(rèn)為環(huán)境中有用戶行走，反之亦然。本系統(tǒng)中閾值為10。

3.3 特征提取

特征提取是對信息提煉的過程，目的是提取出具有魯棒性的特征，使系統(tǒng)在不同的環(huán)境下具有穩(wěn)定身份識別效果。離散小波變換(Discrete Wavelet Transform，DWT)可以對波形進(jìn)行壓縮，變換后的波形能夠保留原波形大多數(shù)的時(shí)域和頻域信息[15]。因此，本文采用Daubechies D4小波對第2主成分波形進(jìn)行處理，使用近似系數(shù)來表示原波形的形狀特征。

3.4 人員合法性識別

在判斷人員身份合法性的過程中，非法人員的數(shù)據(jù)樣本往往不確定，因此不適合用分類算法。本文采用聚類算法進(jìn)行分析。

具體可分為以下步驟：

(1) 將近似系數(shù)進(jìn)行歸一化處理。

(2) 將10名志愿者特征數(shù)據(jù)分為2組，1～5號志愿者為合法人員，6～10號志愿者為非法人員數(shù)據(jù)集。

(3) 從合法人員數(shù)據(jù)中抽取若干合法人員，每名合法人員隨機(jī)選取30條數(shù)據(jù)作為合法人員的訓(xùn)練集，剩下70條數(shù)據(jù)作為合法人員的測試集。

(4) 利用Hampel濾波器去除訓(xùn)練集中每條特征向量的離群點(diǎn)。采用K-means算法對處理后的訓(xùn)練集進(jìn)行聚類，將聚類錯(cuò)誤的數(shù)據(jù)刪除，并且得到第i類的中心坐標(biāo)Oi和第i類中的第j點(diǎn)到Oi的距離lij。

(5) 通過式(7)、式(8)得到第i類中各點(diǎn)到中心坐標(biāo)Oi的距離Li。設(shè)置距離系數(shù)c，使得距離半徑Ri=cLij。

(7)

Lij=max(Li)

(8)

式中：N為每類包含的數(shù)據(jù)個(gè)數(shù)。

(6) 計(jì)算每個(gè)測試數(shù)據(jù)到各個(gè)聚類中心Oi距離P，若P

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)設(shè)置

本文使用和文獻(xiàn)[11]一樣的實(shí)驗(yàn)室場景對系統(tǒng)的性能進(jìn)行了評估。圖4為實(shí)驗(yàn)場景平面圖。使用TP-Link 802.11n無線路由器作為發(fā)射機(jī)，配備Atheros 9382 NIC和開源工具Atheros-CSI-Tool的戴爾筆記本電腦作為接收機(jī)，運(yùn)行Ubuntu 14.04 OS。發(fā)射器和接收器被放置在離地面約1 m的地方，彼此相距1.5 m。本文提取了發(fā)射機(jī)和接收機(jī)的第一根天線的主天線對之間鏈路的CSI幅值。此外，在數(shù)據(jù)采集過程中，由于設(shè)備處理能力有限，數(shù)據(jù)采樣頻率設(shè)置為500 Hz。

圖4 實(shí)驗(yàn)場景平面圖

本次實(shí)驗(yàn)招募了10名年齡相仿的健康志愿者，他們的基本信息如表1所示。在數(shù)據(jù)采集過程中，志愿者的行走速度和行走方式不受限制，自然地行走穿過一次收發(fā)機(jī)的LOS即可，每名志愿者行走100次。為了更接近現(xiàn)實(shí)的場景，在數(shù)據(jù)采集過程中有四個(gè)干擾人員在實(shí)驗(yàn)室內(nèi)正常工作。

表1 志愿者信息

4.2 評判指標(biāo)

為了驗(yàn)證各個(gè)指標(biāo)對系統(tǒng)性能的影響，本文采用以下評判指標(biāo)。

真陽性(TP)：TP指系統(tǒng)將合法人員正確識別為合法人員的事件。

真陰性(TN)：TN指系統(tǒng)將非法人員正確識別為非法人員的事件。

假陽性(FP)：FP指系統(tǒng)將非法人員錯(cuò)誤識別為合法人員的事件。

假陰性(FN)：FN指系統(tǒng)將合法人員錯(cuò)誤識別為非法人員的事件。

真陽性率(TPR)：TPR指系統(tǒng)對合法人員做出正確判斷的概率，如式(9)所示。

(9)

真陰性率(TNR)：TNR指系統(tǒng)對非法人員做出正確判斷的概率，如式(10)所示。

(10)

正確率：正確率指系統(tǒng)對合法人員和非法人員做出正確判斷的概率，如式(11)所示。

(11)

用戶TNR需求度下識別率(PTNR)：PTNR指用戶TNR需求度為P?(0,1)下的系統(tǒng)識別率，如式(12)所示。

PTNR=(1-P)×TPR+P×TNR

(12)

4.3 近似系數(shù)層數(shù)

本節(jié)將驗(yàn)證不同分解層數(shù)下的近似系數(shù)對系統(tǒng)正確率的影響。此次實(shí)驗(yàn)中，訓(xùn)練集中包含1～5名合法人員，每名合法人員隨機(jī)選取30條數(shù)據(jù)。每名合法人員剩下70條數(shù)據(jù)作為合法人員測試集，非法人員測試數(shù)量與合法人員測試數(shù)量相同，每次實(shí)驗(yàn)重復(fù)5次。實(shí)驗(yàn)結(jié)果如圖5所示，隨著分解層數(shù)增大，正確率逐漸減小，這是由于離散小波變換的不同分解層數(shù)對波形的壓縮程度不同，使得近似系數(shù)包含波形信息不同。因此，本文使用第一層近似系數(shù)來評估后續(xù)實(shí)驗(yàn)。

圖5 不同層數(shù)的近似系數(shù)正確率對比

4.4 訓(xùn)練集中合法人員個(gè)數(shù)與距離系數(shù)

本節(jié)將驗(yàn)證訓(xùn)練集中不同合法人員個(gè)數(shù)與距離系數(shù)c對TPR和TNR的影響。由式(9)和式(10)可知，TPR和TNR的結(jié)果不受測試集中合法人員和非法人員數(shù)量比例的影響。此次實(shí)驗(yàn)中，訓(xùn)練集中包含1～5名合法人員，每名合法人員隨機(jī)選取30條數(shù)據(jù)。每名合法人員剩下的70條數(shù)據(jù)作為合法人員測試集，500條非法人員數(shù)據(jù)作為非法人員測試集。每次實(shí)驗(yàn)重復(fù)5次。實(shí)驗(yàn)結(jié)果如圖6所示，訓(xùn)練集中包含1～3個(gè)合法人員時(shí)，TPR和TNR的交點(diǎn)處超過0.95，訓(xùn)練集中包含4～5個(gè)合法人員時(shí)，TPR和TNR的交點(diǎn)處超過0.8。隨著訓(xùn)練集中合法人員個(gè)數(shù)增多，系統(tǒng)TPR和TNR有所下降。這是由于合法人員個(gè)數(shù)增多，通過K-means算法處理后，得到的不同人員的類別增多，使得合法人員的判定范圍變大，容易將非法人員識別為合法人員。因此，訓(xùn)練集中合法人員個(gè)數(shù)是評判系統(tǒng)性能的重要指標(biāo)。

(a) 訓(xùn)練集中包含1名合法人員

(b) 訓(xùn)練集中包含2名合法人員

(c) 訓(xùn)練集中包含3名合法人員

(d) 訓(xùn)練集中包含4名合法人員

(e) 訓(xùn)練集中包含5名合法人員圖6 訓(xùn)練集中合法人員個(gè)數(shù)與距離系數(shù)對TPR/TNR影響對比

隨著距離系數(shù)的增大，TPR值變大，TNR值變小。這是由于距離系數(shù)c越大Ri越大，致使合法人員判定范圍變大，從而容易將測試數(shù)據(jù)識別為合法人員。因此，用戶可以根據(jù)不同應(yīng)用場景的需求來選定距離系數(shù)進(jìn)行人員合法性認(rèn)證。

4.5 用戶TNR需求度

根據(jù)用戶對不同TNR的需求傾向，本文為用戶提供了一個(gè)基于TNR需求度的選擇方案。本節(jié)將驗(yàn)證不同距離系數(shù)下5種需求度的PTNR。此次實(shí)驗(yàn)中，訓(xùn)練集中包含5名合法人員，每名合法人員隨機(jī)選取30條數(shù)據(jù)。每名合法人員剩下的70條數(shù)據(jù)作為合法人員測試集，500條非法人員數(shù)據(jù)作為非法人員測試集。每次實(shí)驗(yàn)重復(fù)5次。實(shí)驗(yàn)結(jié)果如圖7所示，不同需求傾向的PTNR極值所對應(yīng)的距離系數(shù)分布點(diǎn)隨著P值的減小而增大。因此，當(dāng)用戶對TNR的需求高時(shí)，距離系數(shù)應(yīng)設(shè)置小一些，當(dāng)用戶對TPR的需求高時(shí)，距離系數(shù)應(yīng)設(shè)置大一些。此外。5條線在c=1.05處相交，這是由于該點(diǎn)的TPR和TNR相等。

圖7 不同距離系數(shù)對PTNR影響對比

4.6 測試集中合法人員數(shù)量比例

本節(jié)利用測試集中不同合法人員數(shù)量比例驗(yàn)證系統(tǒng)穩(wěn)定性。圖8(a)為測試集中不同合法人員數(shù)量比例下正確率隨距離系數(shù)的變化，此時(shí)訓(xùn)練集中包含5名合法人員。由圖可知，隨著距離系數(shù)增大，測試集中合法人員數(shù)量越多，正確率越大，這是由于隨著距離系數(shù)增大，TPR逐漸增大。圖8(b)為測試集中不同合法人員數(shù)量比例下正確率隨訓(xùn)練集中合法人員個(gè)數(shù)的變化，隨著訓(xùn)練集中合法人員個(gè)數(shù)增多，系統(tǒng)正確率有所下降。這也再次驗(yàn)證了圖6的結(jié)論，即訓(xùn)練集合法人員個(gè)數(shù)是影響系統(tǒng)性能的重要指標(biāo)。

(a) 訓(xùn)練集中包含5名合法人員

(b) 訓(xùn)練集中不同合法人員個(gè)數(shù)圖8 測試集中不同合法人員數(shù)量比例對正確率的影響

5 結(jié) 語

人員身份合法性認(rèn)證是實(shí)現(xiàn)入侵檢測的重要一步。本文針對現(xiàn)有方法存在防偽性和隱私性較差的問題，提出了基于CSI的合法人員認(rèn)證系統(tǒng)。該系統(tǒng)在訓(xùn)練集不引進(jìn)非法人員數(shù)據(jù)的情況下，利用聚類方法實(shí)現(xiàn)高精度合法人員認(rèn)證，并在典型的實(shí)驗(yàn)室場景中進(jìn)行系統(tǒng)評估。實(shí)驗(yàn)表明，系統(tǒng)中合法人員為1到5人時(shí)，TPR和TNR可達(dá)到80%以上，通過調(diào)節(jié)距離系數(shù)能夠滿足不同應(yīng)用場景的安全需求。在未來的工作中，將根據(jù)不同安全等級提供更為詳細(xì)的用戶選擇方案，并且在非視距路線下實(shí)現(xiàn)人員身份合法性認(rèn)證。同時(shí)，將進(jìn)一步探索訓(xùn)練集大規(guī)模合法人員個(gè)數(shù)情況下的身份合法性認(rèn)證問題。