【技术实现步骤摘要】
本专利技术主要涉及移动智能设备认证领域，主要研究基于声音的多径传播、声音在非均匀介质中传播的衰减特征、移动智能设备物理指纹提取与校验方法等，从声音在设备内部结构的传播中提取结构衰减系数，实现智能移动设备的合法性验证技术。
技术介绍
1、随着移动智能设备的普及，人们越来越依赖手机等设备进行各种日常活动，移动智能设备已经成为人们日常生活和工作中不可或缺的一部分。这些设备不仅在日常生活中被广泛使用，还被应用于如银行业务授权等重要场景的身份验证。然而在一些对安全性要求较高的领域，恶意代理可能会从具有高度网络访问权限的设备中获取并复制软件登录信息，非法设备可以利用这些信息登录受保护的设备，从而造成风险。因此设备认证的重要性也日益凸显。
2、目前，常用于移动智能设备认证的技术主要包括密码、指纹识别、面部识别、双因素认证等，但这些技术存在一些局限性。基于密码的方法存在密码可能泄露的风险，安全性不足；基于生物识别技术的方法可能受到仿造或伪造生物信息的威胁；基于双因素认证的方法可能增加用户操作复杂度，降低用户体验。在关于声学指纹的研究中，通常利用移动智能设备声学传感器的非线性失真作为设备的声学指纹，但随着这些声学传感器内部非线性硬件的老化，声学指纹会产生变化，使得原有的指纹失效。因此，现有的用于移动智能设备认证的方法均无法普适于移动智能设备认证，所以需要探索研究新的设备认证技术，实现移动智能设备上设备认证的普适、安全、便捷和高效。
3、声音在非均匀介质中传播时，因为介质材料的变化发生不同程度的衰减，造成幅度变化或相位变化。
技术实现思路
1、为了实现以上目的，本专利技术提出了一种基于结构衰减系数的设备认证方法。本专利技术的实施方案是：在设备b要登录设备a，等待被设备a进行合法性验证的场景下，我们将设备a称为验证发起设备，设备b称为验证响应设备。首先，使用这两个设备的扬声器和麦克风形成四条不同的音频传输路径，其中两条传输路径与两个设备的机身结构相关，包含设备机身结构衰减系数特征。其次，将采集得到的四条传输音频进行信号处理，计算相关功率谱，从四个功率谱中计算出验证发起设备和验证响应设备的结构衰减系数，形成设备间的物理指纹。最后，构建机器学习模型将提取得到的物理指纹与验证响应设备注册时得到的物理指纹进行合法性验证，完成验证过程。
2、本专利技术中设备认证方法的特征在于：
3、(1)使用移动智能设备内部结构的衰减系数作为设备特征，可以抵御密码窃取、重放攻击等多种攻击形式，提升了移动智能设备认证的安全性。
4、(2)利用移动智能设备本身的麦克风和扬声器完成设备认证，实际使用功耗十分微小，并且无需引入额外传感器件。
5、因此，该方法作为一种新的移动智能设备认证技术，是对现有方法的补充和拓展，可普适于移动智能设备上设备认证的场景需求。
6、本专利技术为实现上述目标所采用的技术方案为：此基于结构衰减系数的设备认证方法主要包括四个步骤：信号设计与采集、声音信号处理、提取设备物理指纹、设备合法性验证。
7、技术方案
8、1.信号设计与采集：移动智能设备的扬声器-麦克风系统在高频范围内，如高于14khz的范围内，频率响应差异很大。由于硬件的材料特性限制，当频率高于18khz时，大多数移动智能设备的性能会迅速衰减。人类活动的大部分环境噪声频率在11khz以下。考虑这些因素，我们采用的声音信号频率范围为16khz到18khz，采用扫频信号以提高信号强度，具体发射的声音信号设计为如下：
9、
10、其中a0为信号幅度，t为扫频信号长度，fh为扫频信号的最高频率，设为18khz，fl为扫频信号的最低频率，设为16khz。使用验证发起设备和验证响应设备的扬声器-麦克风系统播放和收集上述声音信号，录制四条不同路径的传输音频，这些传输音频包含扬声器非线性失真、麦克风非线性失真、传播路径(如空气、机身结构)衰减特征、原信号本身，为了简化表达，我们使用设备a表示验证发起设备，使用设备b表示验证响应设备。我们录制的四条不同路径分别为路径aa，路径ab，路径bb，路径ba。然后我们使用raa、rab、rbb、rba表示在这四条路径得到的传输音频。这四个传输音频的传播模型表达如下：
11、raa(f,t)＝rc(f,t)×sa(f,t)×ma(f,t)×haa(f.t)
12、rab(f,t)＝rc(f,t)×sa(f,t)×mb(f,t)×hab(f.t)
13、rbb(f,t)＝rc(f,t)×sb(f,t)×mb(f,t)×hbb(f.t)
14、rba(f,t)＝rc(f,t)×sb(f,t)×ma(f,t)×hba(f.t)
15、其中，rc(f,t)表示播放的声音原信号，sa(f,t)和ma(f,t)分别表示验证发起设备a的扬声器非线性失真和麦克风的非线性失真，sb(f,t)和mb(f,t)分别表示验证响应设备b的扬声器非线性失真和麦克风的非线性失真，haa(f.t)、hab(f.t)、hbb(f.t)、hba(f.t)分别表示四条不同路径上的衰减系数。其中，路径ab和路径ba只包含空气介质中的衰减系数，路径aa和路径bb包含空气介质和机身结构的非均匀介质中的衰减系数。
16、2.声音信号处理：
17、1)信号分解：数据序列可以显示多种模式，因此通常可以将一个序列分解为几个组件，每个组件代表一个底层模式类别。在这个方向上，我们假设可以对上述路径的传输音频数据序列进行乘法分解，它们可以表示为两个分量的乘积：趋势分量和非趋势分量。趋势分量显示了序列在大范围频率内增加或减少的一般趋势，它的相对波动也比非趋势分量更平滑。因此，趋势分量实际上应该包含大部分由传输距离引起的大尺度衰减，并且只包含设备的少量信息。所以我们分解传输音频数据序列，得到四条路径上的趋势分量并去除，获得与设备本身特征相关性更强的非趋势分量，以减轻传输距离的影响。以路径aa为例进行信号分解：
18、
19、其中为路径aa传输音频的趋势分量，路径aa传输音频的非趋势分量。
20、2)趋势分量和非趋势分量表达：趋势分量实际上应该包含大部分由传输距离引起的大尺度衰减，并且只包含设备的少量信息，非趋势分量与设备本身特征相关性更强。以路径aa为例，该路径上的趋势分量为声音原信号和空气介质衰减系数，非趋势分量为扬声器失真、麦克风失真和机身结构的非均匀介质中的衰减系数。以路径ab为例，该路径上的趋势分量为声音原信号和空气介质衰减系数，非趋势分量为扬声器失真、麦克风失真。因此，本文档来自技高网...
【技术保护点】
1.一种基于结构衰减系数的设备认证方法，包括以下几个步骤：
2.根据权利要求1所述的方法，步骤2所述的信号分解过程如下：
3.根据权利要求1所属的方法，步骤2估计非趋势分量的过程如下：
4.根据权利要求1所述的方法，步骤3计算物理指纹的过程如下：
5.根据权利要求1所属的方法，步骤4中进行合法性验证的过程如下：
【技术特征摘要】
1.一种基于结构衰减系数的设备认证方法，包括以下几个步骤：
2.根据权利要求1所述的方法，步骤2所述的信号分解过程如下：
3.根据权利要求1所属的方法，步骤...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。