基于步态的生物识别技术的新型人工神经网络框架

伦敦帝国理工学院的研究人员最近设计了一种新的生物识别密码系统方法，用于保护可穿戴和植入式医疗设备的无线通信。他们的框架在IEEE Explore上发表的一项研究中概述，使用人工神经网络(ANN)框架和步态信号能量变化。

在过去十年中，无线通信技术的进步推动了越来越多的身体传感器网络(BSN)设备的发展。这些是轻巧，低功率的传感器节点，可以佩戴或植入人体，以监测老年患者或慢性病患者的健康状况。

尽管其有价值的应用，BSN设备引发了重要的安全问题，因为攻击者可以破解这些无线连接的传感器并破坏患者的个人和健康信息。然而，鉴于这些小型化传感器的计算能力非常有限，传统的计算机安全方案不能应用于这些设备。因此，研究人员寻求开发新的高级安全机制，以有效保护这些敏感数据。

用于保护BSN设备的有效解决方案是生物识别密码系统(BCS)方法，其识别患者的生物特征，例如他/她的面部，虹膜，指纹，心电图(ECG)或光电容积描记术(PPG)。帝国理工学院的研究团队开发了一种新的BCS方法，特别关注步态信号能量变化; 换句话说，分析不同的人走路的方式。

“最先进的生物识别技术/可穿戴安全通常使用心电图(ECG)，心脏的电活动，但它的皮肤附着电极极大地限制了它的应用，”该论文的第一作者Yingnan Sun告诉TechXplore。“我们觉得有必要探索一种既容易收集又无创的新型生物识别技术，以及人们走路的步态。”

术语“步态”是指肢体在动物和人类中的运动模式，特别是当它们行走/跑步时。不同种类的动物有其独特的步态，但在个体之间也可以观察到轻微的差异。

可以通过在身体上佩戴低成本惯性传感器(例如加速度计)来捕获步态信号。目前，几乎所有可穿戴设备和许多可植入设备都已配备惯性传感器。使用步态信号来形成BCS可以在可穿戴设备和可植入设备之间建立安全的通信信道。

“使用步态信号进行安全性的挑战在于身体不同位置的不同传感器捕获的步态信号具有不同的模式，”Sun解释道。“为了解决这个问题，我们引入了一个人工神经网络(ANN)框架，它将传感器信号投影到一个统一的帧，并增加信号相关性。”

研究人员使用他们新开发的神经网络框架从BSN传感器中提取相似的特征，按需生成二进制密钥，无需用户干预。当他们在步态数据集上测试他们的方法时，他们发现生成的二进制密钥对所有主体都具有高熵。

“我们发现使用所提出的ANN框架可以显着增加不同可穿戴传感器捕获的步态信号之间的相关性，从而大大提高了安全方案的性能，”Sun说。“这个新提出的安全框架比我们之前的工作效率高68.75%，在步行的12秒内生成128位密钥。”

使用其框架生成的密钥通过了美国国家标准与技术研究院(NIST)和Dieharder统计测试，可以有效地区分不同人的步态。新方法作为生物识别安全工具显示出巨大的希望，并最终有助于更好地保护可穿戴设备和可植入设备收集的数据。

“目前，我们只研究了加速度信号在安全方案中的应用，但步态信号也包括其他类型的信号，例如陀螺仪信号，”Sun说。“在不久的将来，我们希望进一步提高我们提出的结合其他信号的安全方案的性能。”