作为一种新颖的身份认证机制,隐式身份认证通过有效提取传感器采集的用户行为数据实现对用户身份的认证。随着智能手机的广泛应用,越来越多的隐私数据被存储在手机上,手机的安全性成为大家关心的话题。传统的身份认证机制（如PIN与九宫格密码）,由于其简单和对设备要求低等特点被广泛使用。然而其易受到肩窥等攻击,这使得人们对传统身份认证机制的安全性产生担忧。因此,使用隐式身份认证来辅助增强传统身份认证机制成为新的研究热点。相较于基于文本的密码,图形密码的易记忆性更强,拥有更多的受众。本论文从图形密码的角度出发,提出了一种基于九宫格密码的智能手机隐式身份认证算法。即使用户的解锁密码被窃取,但是由于行为特征的不匹配,依旧无法获得手机或应用的使用权限,从而进一步提高隐私数据的安全性。针对于传统的隐式身份认证算法,本论文主要在以下三个方面进行了改进:（1）为了解决数据采集姿势被限定的缺陷,本论文对传统的隐式身份认证系统进行了完善。本论文设计了上下文感知模块,将用户的身体姿势作为上下文信息,通过分析运动传感器采集的数据来判断用户当前的运动状态,以完成用户身份认证过程中环境上下文信息的感知与划分。与现有研究只讨论单一行为状态相比,本系统可以在不同的身体姿势下进行自适应的身份认证,具有更好的实用性。（2）为提高隐式身份认证的准确性,本论文基于多折线图形密码分割提出了一种细粒度特征提取方式。详细地说,本论文对九宫格密码以含有更多行为细节信息的折线作为基础单元进行划分,并融合多种传感器提取的多维特征,以实现用户行为信息的细粒度检测。进一步地,本文对分段折线进行决策级融合,以提高九宫格密码认证的准确率。特别地,本文尝试对部分线段进行重复选择以保留九宫格密码行为数据的连续性。（3）针对现实场景中非法用户行为数据不可得的问题,本文从认证模型构建角度进行了改进,设计了一种基于单类支持向量机（One-Class Support Vector Machine,OC-SVM）的隐式身份认证模型。该模型只需提供合法用户的行为数据即可进行认证模型的训练。这一方法可以有效克服非法用户行为数据不可得的缺陷,从而提高认证系统的实用性。本研究采集了77位参与者共14,850条数据。基于此数据集,本论文从多角度广泛评估了算法的实用性和可靠性。结果表明:本算法的性能优于基于九宫格密码的隐式认证的最新技术,并且每个核心模块均有助于提高整体隐式认证的性能。