一种新的基于步态特征的人工神经网络结构

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方法，以确保可穿戴和可植入医疗设备的无线通信。他们的框架，在IEEE探索发表的一项研究中概述，使用人工神经网络（ANN）框架和步态信号能量变化。

在过去十年中，无线通信技术的进步推动了越来越多的身体传感器网络（BS N）设备的发展。这些是轻量级的、低功耗的传感器节点，可以佩戴或植入人体，以监测老年患者或慢性疾病患者的健康状况。

尽管有其宝贵的应用，BSN设备引起了重要的安全担忧，因为攻击者可能侵入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，鉴于这些小型化传感器的计算能力非常有限，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先进安全机制，以有效保护这一敏感数据。

确保BSN设备安全的一个有效解决方案是生物特征密码系统（BCS）方法，它识别患者的生物特征，如他/她的脸、虹膜、指纹、心电图（ECG）或光子断层扫描（PPG）。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南在接受TechXplore的采访时说：“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既容易采集又无创的新型生物识别技术，人们走路的方式——步态——浮现在脑海中。”

“gait”一词是指动物和人类四肢的运动模式，特别是当它们在行走/奔跑时。不同种类的动物有各自的特征步态，但也可以观察到个体之间的细微差异。

步态信号可以通过在身体上佩戴低成本的惯性传感器来捕捉，例如加速度计。目前，几乎所有的可穿戴设备和许多可植入设备都已经配备了惯性传感器。利用步态信号形成BCS，可以在可穿戴设备和植入设备之间建立安全的通信通道。

“使用步态信号来保障安全的挑战是，不同传感器在人体上不同位置捕捉到的步态信号有不同的模式，”Sun解释说。为了解决这一问题，我们引入了一个人工神经网络框架，将传感器信号投射到一个统一的帧上，并增加了信号的相关性。

研究人员利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，按需生成二进制键，而不需要用户的干预。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很高的熵。

“我们发现，使用所提出的ANN框架可以显著增加不同可穿戴传感器捕捉到的步态信号之间的相关性，从而使安全方案的性能有了巨大的提高，”Sun说。“这个新提出的安全框架比我们之前的工作效率高68.75%，在步行仅12秒内就生成了128位密钥。”

使用其框架生成的密钥通过了国家标准和技术研究所（N IS T）和Dieharder统计测试，有力地区分了不同人的步态。新方法显示出作为生物识别安全工具的巨大前景，并最终有助于更好地保护可穿戴和可植入设备收集的数据。

“目前，我们只探索了安全方案中加速度信号的使用，但步态信号也包括其他类型的信号，如陀螺仪信号，”孙先生说。他说：「在不久的将来，我们会进一步改善我们建议的保安计划的表现，并采纳其他信号。」