智能可穿戴设备的应用领域不断扩大,包括社交、医疗、金融等等,设备间信息的共享也越来越频繁。由于这些领域的应用很可能涉及用户隐私和敏感信息,因此在设备间信息共享前,需要进行安全的设备配对,以建立受保护的信息传输通道,保证信息数据的安全性。与传统移动设备不同,智能可穿戴设备的配对通常受到设备输入输出界面和设备所处网络环境等的限制,增加了界面交互和预部署的难度。基于用户行为的智能可穿戴设备间安全配对只需要简单的人机交互,即插即用,可以解决上述问题。然而,现有的研究工作大多致力于同一个体上设备间的安全配对,不适用于多方应用如共享行程,交换社交名片,分享照片、流媒体,传输健康数据和运动信息,甚至交易等等。为此,本文致力于在不同个体上的智能可穿戴设备间实现安全配对,设计了基于用户握手行为的设备间安全配对方案。本文首先假设了在设备配对过程中,可能存在的来自于恶意攻击者的威胁,并建立了威胁模型。然后在确保设备配对安全性的同时,分别偏向设备友好性和用户友好性两个侧重点,设计了两种不同的设备间安全配对方案。其中,设备友好的配对方案旨在减少计算开销,从而降低运行时设备负担;而用户友好的配对方案旨在缩短用户交互时间,降低用户操作难度。本文的具体研究成果概括如下:1.以设备友好性为侧重点,提出了基于模糊加密的设备间安全配对方案。具体来说,该方案首先对从设备上采集到的握手加速度进行预处理,从中提取特征。然后,通过预关联,自适应地和最优配对对象发起配对尝试,以减少重复配对造成的计算消耗。最后,基于模糊加密进行密钥协商,完成设备配对。其中,重点设计了一种新的基于扰动向量的模糊加密(Perturbation Vector based Fuzzy Cryptography,PVFC),其利用扰动向量来恢复含有噪点的原始数据,计算效率较高。基于PVFC的设备间安全配对方案的实验结果表明,PVFC相较于以往的模糊加密方案成功率和计算性能更好;基于PVFC的设备配对方案配对准确性较高,且能够满足威胁模型下的安全性要求。2.以用户友好性为侧重点,提出了基于最优特征选择和模糊承诺的设备间安全配对方案。该方案首先将握手加速度幅值时间序列作为特征,并通过随机阈值进行量化。然后,对特征值进行了分析,提出了最优特征选择算法,以过滤在量化过程中易产生偏移的特征。接着,该方案基于模糊承诺,进行设备间对称密钥的协商。最后,通过多重验证,对配对设备的身份进行验证。实验和理论分析证明,该方案准确性较好,密钥生成率较高,相较于已有方案所需的用户握手时长更短,用户友好性更好,且能够保证安全性。