Key points are not available for this paper at this time.
Die ständig wachsenden Sicherheitsprobleme in verschiedenen mobilen Anwendungen und Smart-Geräten schaffen eine dringende Nachfrage nach einer zuverlässigen und bequemen Methode zur Benutzerverifizierung. Traditionelle Verifizierungsmethoden verlangen von den Benutzern, ihre Geheimnisse preiszugeben (z. B. Passwörter eingeben und Fingerabdrücke sammeln). Wir envisionieren, dass der wesentliche Trend der Benutzerverifizierung darin besteht, die Benutzer von aktiver Teilnahme am Verifizierungsprozess zu befreien. Zu diesem Zweck schlagen wir ein kontinuierliches Benutzerverifizierungssystem vor, das die weit verbreitete WiFi-Infrastruktur wiederverwendet, um die einzigartigen physiologischen Eigenschaften, die in den respiratorischen Bewegungen des Benutzers verankert sind, zu erfassen. Im Gegensatz zu den bestehenden kontinuierlichen Verifizierungsmethoden, die von eingeschränkten Szenarien/Benutzerverhalten abhängen (z. B. Tasteneingaben und Gänge), kann unser System leicht in jede WiFi-Infrastruktur integriert werden, um nicht intrusive kontinuierliche Verifizierung bereitzustellen. Konkret extrahieren wir die mit der Atmung verbundenen Signale aus den Kanalzustandsinformationen (CSI) von WiFi. Anschließend leiten wir die benutzerspezifischen respiratorischen Merkmale basierend auf der Analyse der Wellenformmorfolio und der Fuzzy-Wavelet-Transformation der Atemsignale ab. Darüber hinaus wird ein auf Deep Learning basierendes Benutzerverifizierungsschema entwickelt, um legitime Benutzer genau zu identifizieren und das Vorhandensein von Spoofing-Angriffen zu erkennen. Umfassende Experimente mit 20 Teilnehmern zeigen, dass das vorgeschlagene System Benutzer robust verifizieren/identifizieren und Spoofer unter verschiedenen Angriffsarten erkennen kann.
Liu et al. (Mittwoch) haben diese Frage untersucht.