情景感知(Context-awareness)是一种高度综合化的新型研究,其已经被重点应用在众多领域,例如行为识别等。而且随着智能手机的出现并逐渐成为人们日常生活中的一部分,其计算与感知能力不断增强,不但可以利用智能手机实现感知计算其实现价值更具有深远的研究与商业意义。此外,由于智能手机用户在个人设备(如智能手机)上存储众多私人信息,设备对用户身份进行认证的需求越加增大。目前高效且被广泛应用的认证方法是基于用户与生俱来的且唯一的行为生物特征识别。本文利用智能手机触摸屏感知用户手指滑动和手指施加在屏幕上压力等行为生物特征来识别用户。在这篇论文中,提出了一个利用触摸屏感知手指运动行为来对智能手机用户进行精确高效识别方法,命名为Safeguard。该应用使用的主要特征是在触摸屏上操作产生的细粒度行为生物特征。例如:手指滑动,手指压力等,这些特征对于每个用户都是唯一的。此外,行为生物特征是用户与生俱来的的,不以人体意志为改变,十分适用于用户身份识别。实现过程中在采集完用户数据,经过数据预处理,特征选择与特征处理后,确定三种滑动行为特征(曲率角度,距离比,滑动采样点压力),首先利用五种机器学习方法实现精确快速的分类,然后选择其中性能最优的支持向量机(SVM)作为最终识别算法。通过建立敌手模型进行安全性分析,发现所提出方法可以抵御“用户行为模拟攻击”。通过对系统开销进行统计,发现此应用消耗轻量系统资源。通过在现有智能手机上的系统实现,在不同应用环境(如不同应用程序,用户设备等)下验证了所设计系统的可用性及鲁棒性。实验过程中,在一个月能收集60个用户的10000次操作。实验结果表明:本系统只需用户手指在手机屏幕上滑动10到20次,就可达到平均误判率(FAR)低于0.03%,平均拒判率(FRR)为0.05%的认证效果。相较于“欧洲访问控制标准”(误判率0.001%,拒判率1%),我们的方法具有巨大的进步与后续提升空间。