随着移动互联网的发展和智能手机的普及,手机中包含的用户隐私数据随之增加,如何确保用户隐私安全成为学术界和商业界的研究热点。传统认证方式如口令、面部识别和图形解锁等,仅在手机初始登录时进行一次性认证,而无法在用户访问期间持续认证,给予了非法用户可乘之机。基于用户行为的持续认证提供了解决方案,它能够以用户无感知的方式采集其行为数据,不间断地判定用户身份合法性,从而确保智能手机被访问期间的隐私安全。近年来,步态作为一种人体的基本行为被广泛应用于持续认证,基于智能手机内置传感器的步态认证受到广泛关注。然而,现有研究大多存在以下缺陷:第一,未能满足多步态场景中均达到高准确性认证的需求,此处,多场景具体指不同步态活动和不同手机放置部位;第二,步态模型训练和用户认证难以兼顾高效率与高准确率;第三,未考虑步态行为的时空轨迹信息,认证系统的稳定性和安全性有待提升。为此,本文针对缺陷一和二设计了基于GRU的步态认证方案,针对缺陷三设计了融合时空轨迹的步态认证方案。本文的具体研究内容如下:（1）为实现多步态场景下的高准确率认证以及用户模型的高效率训练,提出基于GRU的步态认证方案。首先,将手机运动传感器获取的步态信号进行降噪以及步态周期分割处理。其次,为满足多步态场景的认证需求,采用坐标系转换方法对步态信号进行方向无关性处理。再次,为实现高准确率认证以及高效率训练认证模型,本文利用不同体系结构的门控循环单元（Gate Recurrent Unit,GRU）以及多种优化方式训练用户步态模型。在认证阶段,采用基于信任值的奖惩认证机制判别用户身份合法性。最后,设计实验对方案性能进行评估。实验结果表明,与所列方案对比,本文提高了不同步态场景下的认证准确性,在两个公开数据集上的认证等错误率（Equal Error Rate,EER）分别为3.94%和4.51%。相较基于长短期记忆网络（Long Short-Term Memory,LSTM）的步态认证模型,本工作模型的训练效率提升了约20%,且内存占用更小。（2）为应对运动传感器单行为模态认证的局限性,提出融合时空轨迹的步态认证方案。首先,为实现用户平面和垂直方向的立体定位,本工作对GPS和Wi Fi数据获取的用户步态行为的时空信息进行分析处理,将其划分为多个时空区域,并提取特征用于训练时空轨迹认证模型。其次,为了灵活融合不同模态,本工作选择将步态认证与时空轨迹认证结果进行分数级或决策级融合,实现融合认证。最后,设计实验分别对时空轨迹认证方案以及融合认证方案进行评估。实验结果表明,融合时空轨迹的步态认证提升了认证系统的性能,具体而言,其认证准确性更高且抵御敌手攻击的能力以及系统稳定性更强。