随着技术的发展,手机已经成为移动支付、社交等日常活动中不可或缺的工具,身份认证是保护人们隐私和财产安全的有效措施,也是目前安全研究的重点之一。目前主流的安全认证方法中,数字密码要求用户牢记一组数字,每次认证时需要主动输入,在用户交互方面不太友好。指纹识别和人脸识别等认证方法,易于引起隐私泄露问题。上述认证方法属于被动性认证,即在进行认证时需要用户主动发起认证操作,并且这些认证方法只对用户进行一次身份认证,无法持续性认证用户的身份是否合法。针对现有的安全认证方法存在的问题,本文根据对用户的行为特征的分析,提出了基于用户行为特征的安全认证框架AABC(Authentication Architecture based on Behavior Characteristics),其中包含基于用户步态行为和基于用户出行轨迹行为等两种身份认证方法。这两种身份认证方法可以透明、持续性地对用户进行身份认证。本文的主要研究内容如下:(1)提出了一种基于用户步态行为特征的安全认证方法根据人们行走时的不同步态,提出了一种基于用户步态行为特征的安全认证方法。该方法首先利用设备内置的三轴加速度传感器,采集用户行走时的步态数据。然后对原始步态数据进行降噪滤波、数据标准化等预处理操作,提取出其在频域中的频谱特征组成特征向量。最后使用SVM(Support Vector Machine)分类器对特征向量进行周期性分类,并将分类结果传递给动态奖惩模型DRPM(Dynamic Reward Penalty Model)以判断用户是否合法。该认证方法根据不同用户步态的低频特征,可以有效地进行用户合法性认证。(2)提出了一种基于用户轨迹行为特征的安全认证方法根据用户轨迹数据的个性化特征,提出了一种基于用户轨迹行为特征的身份认证方法 TIAM(Trajectory-based Identity Authentication Method)。TIAM 包括注册阶段和身份认证阶段两个阶段。在注册阶段,用户根据自已的出行习惯设置多条出行路线和预定义点坐标,对模板库进行初始化,从而构建出模板轨迹特征和预定义点特征。在身份认证阶段,首先,TIAM利用本文提出的PMP(Proportion of Matching-Pairs)方法和停留点搜索算法(Stay-points Searching Algorithm,SSA)计算出样本轨迹和模板轨迹之间的最大轨迹相似度以及样本轨迹中的停留点与预定义点的命中情况等身份认证特征。然后,使用TATU(sample Trajectory Authentication and template Trajectory Update)算法根据轨迹相似度和预定义点命中等特征判断当前用户是否合法。TATU算法能够对样本轨迹进行合法性验证,并使用通过验证的样本轨迹对模板库进行扩充,使模板库能够动态匹配用户出行轨迹的多样性。该认证方法根据不同用户的出行轨迹特征和停留点特征,可以有效地进行用户合法性认证。本文提出的两种认证方法具有精确度高、成本低,并且能够持续性对用户身份进行认证的优点,可以用于移动设备的安全认证以及老人、儿童的安全行为监控。