如今,随着信息技术的不断发展,信息安全问题也日益重要,人们对信息保密的要求越来越高,用户的安全防范意识正逐渐增强。在工作生活当中,键盘作为人与计算机的主要交互工具,用户使用它的行为数据,容易被不法分子窃取分析,成为导致信息泄露的漏洞。正因如此,借助于信息处理技术和无线识别技术,对用户使用键盘的行为数据进行采集分析识别,能够对保护用户信息安全提供有力支持,有助于更好地实施人机交互过程中的反监测反窃听。目前对键盘击键内容的识别方案,主要有以下几个方面:其一,基于声音信号的击键识别,根据击键声音信号到达麦克风阵列的不同时间,来定位击键的具体位置,但此种方案需要硬件设备较多且精度不高;其二,基于电磁波信号的击键识别,利用用户在敲击不同键位时其手指动作对电磁信号产生的不同影响来识别击键,然而这类方案极易受到外部电磁干扰,且需要额外设备支持;其三,基于计算机视觉的击键识别,通过摄像头等图像采集装置捕捉用户敲击键盘的动作,利用图像处理算法识别击键位置,不过此类方案除了硬件设备开销大和耗能较高,还受环境光强的制约,弱光或黑暗环境下将不再适用。为了解决现有对击键行为识别的技术方案的种种问题,本文提出了一种利用击键声音信号的击键内容自适应识别方法及系统,首先使用智能手机的内置麦克风采集击键声音信号,对信号进行巴特沃斯滤波和小波去噪,然后改进了一种自适应阈值的端点检测算法,对击键事件进行有效提取,接着利用信号的非高斯性度量来区分单键敲击事件和组合键敲击事件,对两类击键事件分别展开分析,对单键事件提取归一化ASD、MFCC等特征,对组合键事件进行盲解卷积分离后再提取信号特征,最后,利用优化后的KNN分类器对信号特征进行分类,从而达到识别击键内容的目的。在实验中,保持键盘和智能手机位置固定、外部环境不变的前提下,利用击键声音信号识别单个键位的平均准确率为93.32%,识别组合键敲击的平均准确率为83.05%。实验随后从位置、距离、训练集规模以及跨用户等多角度进行了交叉验证,证实了本文所述击键识别方案的可行性、有效性和鲁棒性。