44、基于心率的物联网可穿戴设备用户识别及关键词提取研究

基于心率的物联网可穿戴设备用户识别及关键词提取研究

基于心率的物联网可穿戴设备用户识别

在当今数字化时代，物联网可穿戴设备如智能手表等越来越普及，它们收集了大量用户的个人信息。然而，传统的身份验证方法，如密码、指纹等，容易受到黑客攻击，用户隐私面临严重威胁。因此，寻找一种更安全、可靠的身份验证方法变得尤为重要。

传统的身份验证方法存在诸多问题。一方面，可穿戴设备和电池供电设备的能源有限，许多复杂的认证机制无法使用；另一方面，PIN码和生物识别（如面部、指纹和虹膜识别）存在局限性，容易被伪造，因为它们无法检测主体的实时性。

心电图（ECG）数据曾被用于身份识别，准确率高达95%以上，但它需要在受控环境中使用专业设备收集。而本研究的创新之处在于使用商业物联网设备收集的心率数据进行用户识别。心率数据作为一种简化的心脏活动测量方式，有望成为保护用户隐私的编码机制。

本研究的贡献主要包括以下几点：
- 探索将从物联网可穿戴设备收集的心率作为独特的生物识别特征。
- 提出过滤方法，以最有效和高效的方式使用生物识别数据来识别可穿戴设备的用户。
- 对时间序列分类（TSC）算法在心率数据上的性能进行实证研究。

数据集

本研究使用的原始数据来自Endomondo，包含1104个用户的253020次锻炼记录。经过处理后，生成了包含至少10次锻炼记录的用户的综合数据集，并重新导入了纬度、经度和时间戳等特征，丢弃了其他冗余特征。

为了使每个用户的锻炼记录分布更均匀，减少目标变量空间，并为每个算法提供足够的数据进行训练，根据每个用户的记录数量对数据进行了子集划分。具体如下表所示：
|