伦敦帝国理工学院的研究人员最近设计了一种新的生物识别密码系统，以确保可穿戴和植入式医疗设备之间的无线通信。IEEE Exploration发表的一项研究概述了他们的框架，该框架使用人工神经网络(ANN)框架和步态信号能量的变化。

近十年来，无线通信技术的进步推动了越来越多的人体传感器网络(BS N)设备的发展。这些都是轻便、低功耗的传感器节点，可以佩戴或植入人体，监测老年患者或慢性病患者的健康状况。

尽管BSN设备具有重要的应用价值，但它还是引起了重要的安全问题，因为攻击者可能会入侵这些无线连接的传感器，并破坏患者的个人和健康信息。然而，由于这些小型化传感器的计算能力有限，传统的计算机安全方案不能应用于这些设备。因此，研究人员寻求开发新的高级安全机制来有效保护这些敏感数据。

确保BSN设备安全的有效解决方案是生物特征加密(BCS)方法，该方法识别患者的生物特征，例如他/她的面部、虹膜、指纹、心电图或光子断层扫描(PPG)。伦敦帝国理工学院的研究团队开发了一种新的BCS方法，特别关注步态信号能量的变化。换句话说，分析不同人走路的方式。

该论文的主要作者孙英男在接受TechXplore采访时表示：“最先进的生物识别技术/可穿戴安全设备经常使用心电图(ECG)，这是心脏的电活动，但它的皮肤附着电极极大地限制了它的应用。”“我们觉得有必要探索一种易于收集和非侵入性的新生物识别技术。人们走路的样子——步态——浮现在脑海里。”

“步态”一词是指动物和人类四肢的运动模式，尤其是在行走/奔跑时。不同种类的动物有其特有的步态，但也可以观察到个体之间细微的差异。

步态信号可以通过佩戴低成本惯性传感器(如加速度计)来捕捉。目前，几乎所有的可穿戴设备和许多植入式设备都配备了惯性传感器。利用步态信号形成脑机接口，可以在可穿戴设备和植入设备之间建立安全的通信通道。

“使用步态信号来确保安全的挑战在于，人体不同位置的不同传感器捕捉到的步态信号具有不同的模式，”孙解释道。为了解决这个问题，我们引入了人工神经网络框架，将传感器信号投影到一个统一的框架上，增加了信号的相关性。

研究人员使用他们新开发的神经网络框架从BSN传感器中提取相似的特征，并在没有用户干预的情况下按需生成二进制密钥。当他们在步态数据集上测试他们的方法时，他们发现生成的二进制键对所有受试者都具有高熵。

“我们发现，使用提出的ANN框架可以显著增加不同可穿戴传感器捕获的步态信号之间的相关性，从而大大提高了安全方案的性能，”Sun说。“这个新提出的安全框架比我们之前的工作效率提高了68.75%，在步行12秒内生成128位密钥。”

框架生成的密钥通过了国家标准技术研究院(N IS T)和Dieharder的统计测试，有效区分了不同人的步态。这种新方法作为生物识别安全工具显示出巨大的前景，最终有助于更好地保护可穿戴和植入设备收集的数据。

“目前，我们只探索了加速度信号在安全方案中的使用，但步态信号也包括其他类型的信号，比如陀螺仪信号，”孙先生说。“在不久的将来，我们将进一步提高我们提议的安全计划的性能，并采用其他信号。」

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：