| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 课题来源 | 第11页 |
| 1.3 主要工作 | 第11-12页 |
| 1.4 结构安排 | 第12-13页 |
| 第二章 社交网络中隐式认证技术研究 | 第13-29页 |
| 2.1 社交网络 | 第13-14页 |
| 2.1.1 社交网络介绍 | 第13-14页 |
| 2.1.2 社交网络存在的问题 | 第14页 |
| 2.2 身份认证 | 第14-18页 |
| 2.2.1 身份认证介绍 | 第14-15页 |
| 2.2.2 身份认证分类 | 第15-16页 |
| 2.2.3 身份认证技术 | 第16-18页 |
| 2.3 隐式身份认证 | 第18-24页 |
| 2.3.1 隐式身份认证介绍 | 第18-19页 |
| 2.3.2 隐式认证框架 | 第19-20页 |
| 2.3.3 隐式身份认证技术 | 第20-24页 |
| 2.4 机器学习 | 第24-28页 |
| 2.4.1 机器学习介绍 | 第24页 |
| 2.4.2 机器学习方法 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于触控行为的隐式身份认证研究 | 第29-44页 |
| 3.1 滑屏行为 | 第29-31页 |
| 3.1.1 滑屏行为的特点 | 第29-30页 |
| 3.1.2 滑屏行为可提取的特征 | 第30-31页 |
| 3.2 击键行为 | 第31-32页 |
| 3.2.1 击键行为的特点 | 第31页 |
| 3.2.2 击键行为可提取的特征 | 第31-32页 |
| 3.3 特征提取算法 | 第32-36页 |
| 3.3.1 特征提取算法的选择 | 第32页 |
| 3.3.2 libSVM工具箱 | 第32-36页 |
| 3.4 数据采集及模型生成 | 第36-39页 |
| 3.4.1 滑屏数据采集 | 第36-37页 |
| 3.4.2 击键数据采集 | 第37-38页 |
| 3.4.3 滑屏数据处理 | 第38页 |
| 3.4.4 滑屏模型生成 | 第38页 |
| 3.4.5 击键数据处理 | 第38-39页 |
| 3.4.6 击键模型生成 | 第39页 |
| 3.5 实测评估 | 第39-43页 |
| 3.5.1 击键行为认证测试 | 第39-41页 |
| 3.5.2 滑屏行为认证测试 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于智能眼镜的隐式身份认证研究 | 第44-65页 |
| 4.1 引言 | 第44-45页 |
| 4.2 LeapMotion体感控制器介绍 | 第45-46页 |
| 4.3 使用LeapMotion体感设备提取的三维滑动手势行为 | 第46-53页 |
| 4.3.1 LeapMotion体感控制器所提取数据的特点 | 第46-49页 |
| 4.3.2 三维滑动手势行为可提取的特征 | 第49页 |
| 4.3.3 特征提取算法 | 第49-53页 |
| 4.4 数据采集及模型生成 | 第53-58页 |
| 4.4.1 滑动数据采集 | 第53-56页 |
| 4.4.2 训练集生成 | 第56页 |
| 4.4.3 训练集数据归一化处理 | 第56-57页 |
| 4.4.4 通过Bagging方法获得子训练集 | 第57页 |
| 4.4.5 模型生成 | 第57-58页 |
| 4.4.6 投票法得到最终预测结果 | 第58页 |
| 4.5 仿真实验 | 第58-64页 |
| 4.5.1 原始模型测试结果 | 第58-63页 |
| 4.5.2 模型优化 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 附录2 攻读硕士学位期间申请的专利 | 第71-72页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73页 |