随着密码暴力攻击、涂抹攻击技术的不断发展以及频繁发生的用户信息泄露事件,基于口令的手机身份认证方法变得不再安全可靠。人们开始寻求安全性更高的身份认证技术,生物识别技术的出现和发展为解决这一安全问题带来了希望。生物识别技术通过利用用户自身的行为特征或生理特征来完成身份认证和识别。目前生物识别技术的研究主要聚焦在人脸、声音、指纹和虹膜等生理特征上,但是这些生物识别技术需要额外硬件设备的支持,不利于生产成本的降低和设备的一体化集成,而基于击键特征的身份认证技术的出现弥补了这方面的缺陷。因此,本文对智能手机的击键特征进行了深入研究,提出并实现了一种基于击键特征的智能手机身份认证方法。本文主要工作如下:1.本文首先对击键特征相关的研究内容进行了分析和总结,在此基础上,重点对击键特征和分类算法两个方面进行了深入了分析和研究,发现现有研究中存在以下问题:其一,一阶击键特征与用户口令长度相关联,而且数量相对较多,导致模型训练和识别速度较慢;其二,基于击键特征的智能手机身份认证方法面临着实际应用场景下正负样本数据集不平衡问题,二分类算法用户识别率较高,但是无法解决数据集不平衡问题,一分类算法可以解决数据集不平衡问题,但是用户识别率较低。2.针对以上问题,本文提出了 一种基于击键特征的智能手机身份认证方法。在一方面,该方法提出在一阶击键特征的基础之上提取出更符合用户击键行为模式的二阶击键特征的具体方法;在另一方面,该方法深入研究现有处理不平衡数据集算法存在的问题,并在基于Tomek Liniks的欠采样方法和基于改进的SMOTE算法的基础之上,提出了一种基于TL-SMOTE的二分类算法。实验结果表明,该方法不仅可以在一定程度上解决不平衡数据集的问题,还具有较高的用户识别率。3.将本文提出的基于击键特征的智能手机身份认证方法进行了系统设计与实现。该系统在不影响原有基于用户名/密码旧系统正常工作的前提下,无缝地结合了基于击键特征的身份认证模块。新增加的模块对于用户来说是透明不可见的,所以用户可以在不需要任何额外学习成本的情况下,就能够获得基于击键特征的身份认证因素的增强保护。