WristAcoustic：基于穿腕声学响应的智能手表身份认证系统

PIN和图案锁在小尺寸手表屏幕上难以准确输入，且容易受到猜测攻击。为解决这些问题，本文提出了一种基于穿腕声学响应的新型隐式生物特征方案。在手背安装的表面换能器播放提示信号，由手掌侧的接触式麦克风记录声学响应。我们利用这些录音为三种简单手部姿势（放松、握拳、张手）分别构建分类器，并使用集成方法做出最终认证决策。在单次会话研究（N=25）中，我们实现了0.01%的等错误率（EER），显著优于现有的腕部生物特征解决方案。随后的五次召回会话研究（N=20）显示性能有所下降，EER为5.06%。我们将其归因于参与者在不同时间执行手部姿势的变异性增加。然而，重新训练分类器后性能大幅提升，最终达到0.79%的EER。我们观察到放松姿势的变异性最大。因此，通过结合握拳和张手姿势，我们获得了最可靠的多会话性能：EER为0.51%。进一步的研究详细阐述了这些基本结果。可用性评估显示用户感受到较低的工作负荷，SUS评分较高，且感知到的运动强度波动：初始注册时为中等强度，认证时降至轻度。最后一项研究检查了各种姿势和噪声存在下的性能，证明系统对此类干扰具有鲁棒性，很可能适用于广泛的各种实际场景。