移动支付技术飞速发展,使人们对手机支付的安全性受到越来越多重视。当人们使用现有PIN码用户认证技术进行支付时,非法用户采用某种攻击手段（例如肩部窥探、污迹攻击等）容易获取用户密码,从而导致隐私泄露并造成经济损失威胁。目前流行的很多基于生物生理特征的用户身份认证技术不但需要额外的硬件设备支持,而且极易侵犯用户隐私。为弥补上述身份认证技术的缺陷,论文提出了一种新的基于手机姿态感知的移动支付PIN码加密方法IFAu,利用手机中普遍存在的惯性传感器进行移动支付身份认证。论文的主要研究内容和贡献如下。首先,提出基于四元数算法判断手机姿态的方法。不同的支付环境中,键入密码动作对加速度计和陀螺仪数据变化的影响不同,因此需要先判断付款时的手机姿态,再惯导数据选择进行身份认证。其次,提出按键工作区域的分割算法,将经过低通滤波处理的惯性传感器数据进行融合,并使用按键动作分割算法分割出动作区域。再次,提取出滤波后的数据中的特征,应用两种不同的验证方法均值法和重合度法进行身份认证,并使用动态时间规整算法计算不同用户之间的相似度,进一步提高认证精度。最后,在真实场景中进行合法用户身份认证实验,验证和分析本文中提出的认证算法。实验结果表明,论文方法在移动支付时的身份认证的表现优于传统机器学习算法。