手指振动多模态认证模型

抗重放误拒率低

利用敲击解锁时声音与振动的固有相关性，构建噪声鲁棒的实时认证，即使单模态受扰仍能稳定工作。

Yuan, Wu · Shoudu, Bai · Runmin, Lv · Gong, Xueluan · Liu, Xiuwen · Ding, Lei · 陈艳姣

IEEE Transactions on Information Forensics and Security 2025

参数信息

认证准确率

98.53 %

平均误接受率

1.36 %

平均等错误率

2.72 %

技术优势

噪声下也能稳定解锁

即使两个模态都受到干扰，FingerVib 的实时检测算法仍能准确分割解锁信号。

融合性能提升明显

与 Wavocie 和 AUDIOIMU 相比，识别性能分别提升约 9.7% 和 11.6%。

应用场景

• 生物特征认证：无需记忆手势，解锁同时完成认证。
• 移动设备安全：用麦克风与 IMU 抵御重放攻击。
• 多模态信号处理：融合声音与振动提升噪声鲁棒性。
• 用户行为识别：识别个体敲击的独特调制。