smart user authentication through actuation of daily activities leveraging wifi-enabled IoT

发表在Mobihoc‘17,是由陈莹莹团队研究的成果。


目的:通过用户的日常动作(walking,stationary activities)认证用户。

主要贡献:
1)通过无线信号与动作之间的关系,获取一个人独特的人体特点和行为特点,进而通过日常动作认证这个用户。
2)利用CSI的振幅和相位来描述用户的独一无二的动作。
3)利用深度学习方法来侦测用户的日常动作,并且防止非法用户攻击(这个点比较好)
4)在两类实验环境(lab and apartment)分别获取94% and 91%的认证精度。

代价:
1)一对设备

2)5个月的时间

smart user authentication through actuation of daily activities leveraging wifi-enabled IoT_第1张图片

STE(short time energy): 短时能量

smart user authentication through actuation of daily activities leveraging wifi-enabled IoT_第2张图片

效果展示:

smart user authentication through actuation of daily activities leveraging wifi-enabled IoT_第3张图片


针对一个波峰,如果多个波峰,这个方法会存在一定的问题。我还在思考是否可以在继续改进,提高侦测动作起始点的精度和稳定度。


subcarrier selection:

****to eliminate the negative effects caused by the unstable subcarriers,  a covariance based scoring function is defined to assess  each subcarrier's correlation level with its neighboring subcarriers as follows:



K:表示相邻子载波的数量

i,j:表示不同的子载波

效果如下:

smart user authentication through actuation of daily activities leveraging wifi-enabled IoT_第4张图片

我的思考:
我一直倾向于保留敏感的子载波,移除稳定的子载波。本文的工作则是移除不稳定的子载波,保留稳定的子载波。这一点挺有意思的,引起我的思考。哪一种说法接近真实的理论呢。还需要探讨和分析。





我个人观点:
该工作还是没有跳出我们常用解决动作识别的技术和方法,只是重新组合换了个说法,所以创新性还是不太突出。
“ we show that the proposed system is resilient to spoofing attacks when integrating the feature abstractions from the deep learning model with the SVM classifier”






你可能感兴趣的:(研究方向)