該論文報道了利用巨磁彈性效應(yīng)將按鍵時的機械壓力轉(zhuǎn)換為電信號。該傳感器具有廣泛的傳感范圍（35 kPa至600 kPa）和快速的響應(yīng)時間（約300 ms），能夠記錄和識別個人的擊鍵動態(tài)。通過與機器學(xué)習(xí)相結(jié)合，這款鍵盤能夠通過固定文本和動態(tài)文本輸入進行身份驗證。它可以準(zhǔn)確地對八個字符的固定密碼進行身份驗證，成功率達95.3%，并且能夠以100%的準(zhǔn)確率識別14組雙鍵的動態(tài)文本。鑒于其具備的這些能力，自供電柔性智能鍵盤在人工智能、網(wǎng)絡(luò)安全以及計算機和網(wǎng)絡(luò)的訪問控制等領(lǐng)域有著廣闊的應(yīng)用前景。

背景介紹

隨著現(xiàn)代技術(shù)和人工智能的快速發(fā)展，對信息安全的需求變得比以往任何時候都更加迫切。信息加密和身份識別技術(shù)是實現(xiàn)信息安全的兩種主要方法。其中，通過密碼進行身份驗證是使用最廣泛的方法。它驗證授權(quán)用戶，并作為信息安全的第一道防線。然而，這種傳統(tǒng)方法在面對不斷變化的網(wǎng)絡(luò)威脅時有其局限性。利用生物生理學(xué)特征（包括面部識別和指紋掃描）的識別方法提供了更高的安全性。然而，對專用設(shè)備的需求往往限制了它們的廣泛實施。此外，這些身份驗證方法僅在登錄時進行驗證，在使用過程中不提供連續(xù)身份驗證。因此，需要開發(fā)廣泛可用、成本效益高、侵入性最小且交互性強的身份驗證系統(tǒng)，以確保信息安全。

擊鍵動力學(xué)研究領(lǐng)域研究行為模式，根據(jù)用戶獨特的打字屬性來識別用戶，例如擊鍵持續(xù)時間、保持時間、間隔、錯誤和力度。擊鍵動態(tài)的優(yōu)勢在于其行為特性，難以模仿，也不一定需要額外的設(shè)備。

圖1：個性化自供電擊鍵動態(tài)柔性智能鍵盤概述

研究出發(fā)點

在這項工作中，我們報道了一種基于多孔軟磁彈性聚合物的柔性壓力傳感器。該傳感器的工作原理基于最近在軟聚合物系統(tǒng)中發(fā)現(xiàn)的巨大磁彈性效應(yīng)，它通過磁彈性效應(yīng)和電磁感應(yīng)的組合將擊鍵生物力學(xué)活動轉(zhuǎn)化為高保真電信號?？缮炜s壓力傳感器的制造過程如圖S1所示。我們設(shè)計了一個柔性電路，與壓力磁彈性傳感器陣列組裝在一起，以創(chuàng)建一個自供電的柔性智能鍵盤 （SFIK） 系統(tǒng)；對于固定文本識別，SFIK使用機器學(xué)習(xí)來學(xué)習(xí)和分析不同用戶的輸入時間和筆觸力度等擊鍵特征，識別準(zhǔn)確率達到95.3%。此外，對于動態(tài)文本識別，我們選擇了10組雙鍵事件，代表英語中最常見的鍵盤點擊組合，例如 “er”和 “en”。這使得身份認證系統(tǒng)能夠?qū)崿F(xiàn)對用戶身份的持續(xù)實時監(jiān)控，識別準(zhǔn)確率達到100%。固定文本方法在用戶登錄時提供輔助身份驗證，而動態(tài)文本方法在登錄后持續(xù)監(jiān)控身份。這種組合不僅保證了信息安全，而且提高了認證的準(zhǔn)確性，為數(shù)據(jù)安全提供了重要的方向。因此，這項工作可能會導(dǎo)致生物識別系統(tǒng)的重大進步，在可穿戴電子設(shè)備、人工智能、網(wǎng)絡(luò)安全和人機交互。

圖2：磁彈性單元的壓力傳感性能

巨大的磁彈性效應(yīng)能夠?qū)⑹┘拥膽?yīng)力轉(zhuǎn)化為多孔軟磁彈性聚合物內(nèi)的磁場變化。磁通量的這些變化會產(chǎn)生電信號。利用這種現(xiàn)象構(gòu)建了柔性壓力傳感器并設(shè)計了電路，最終將它們連接起來，形成一個傳感器陣列。與傳統(tǒng)的永磁體不同，這款軟磁彈性傳感器與銅線圈無縫集成，可承受較高壓力（>600 kPa）。在單個壓縮釋放循環(huán)中，通過銅線圈的磁通量發(fā)生變化，從而產(chǎn)生電動勢。

為了定量評估壓縮傳感單元的電氣性能，我們測試了磁彈性單元的壓力傳感性能。在150 kPa施加壓力下，靈敏度達到1.46 μV/kPa，在高壓范圍（150至550 kPa）下降至0.02 μV/kPa。

文章也測試了傳感器在壓縮和釋放過程中對外力的響應(yīng)時間，這對于評估實時人機交互任務(wù)的性能至關(guān)重要。響應(yīng)時間約為447 ms，恢復(fù)時間約為223 ms。這使得設(shè)備能夠快速檢測機械刺激的變化。器件在機械循環(huán)過程中的穩(wěn)定性，在大約50 kPa的壓力下經(jīng)過10,000多次壓縮釋放循環(huán)后，傳感器輸出電壓的變化很小，低于2%。

圖3：基于磁彈性智能鍵盤的多維身份認證系統(tǒng)的構(gòu)建。

靜態(tài)擊鍵分析被設(shè)計為基于固定文本輸入（例如在系統(tǒng)登錄期間組合帳戶和密碼）執(zhí)行評估，以促進雙因素身份驗證。該傳感器由柔性材料制成可壓縮結(jié)構(gòu)，可集成到壓力傳感器陣列中。我們設(shè)計了這個傳感器陣列來創(chuàng)建一個SFIK，包含集成電路。這種設(shè)計可以在整個打字過程中識別特定的字母和單個按鍵。SFIK鍵盤兼容標(biāo)準(zhǔn)通用串行總線接口和藍牙連接。這款鍵盤也是我們專有身份認證系統(tǒng)的一部分，它允許實時輸入和即時反饋，顯著改善了用戶體驗。該軟件兼容運行Windows操作系統(tǒng)的計算機。

按下單個鍵的作分為“press”和 “bounce”過程。系統(tǒng)生成一條時間-電流信號曲線，該曲線表示從多個數(shù)據(jù)維度得出的綜合結(jié)果，包括擊鍵頻率、擊鍵力度和擊鍵之間的間隔。鍵入條件的任何更改都將直接影響此輸出的形狀。在擊鍵時，使用各種信號處理技術(shù)（如降噪、基線消除和峰值檢測）來提取特征，例如鍵入延遲（D）、保持時間（H）、信號振幅（A）和鍵力。這些功能源自不同人使用鍵盤產(chǎn)生的電信號，并經(jīng)過動態(tài)記錄和分析。鍵入條件的任何更改都將直接影響此輸出的形狀。

機器學(xué)習(xí)技術(shù)用于根據(jù)收集的特征進一步分析和區(qū)分鍵盤用戶。應(yīng)用機器學(xué)習(xí)技術(shù)篩選SFIK收集的時域數(shù)據(jù)，突出鍵盤用戶之間的明顯差異。但是，直接時間序列數(shù)據(jù)分析在時間和內(nèi)存方面都是計算密集型的。因此，通過機器學(xué)習(xí)進行有效的特征提取需要確定對預(yù)測準(zhǔn)確性影響最大的特征，例如最大值和最小值、范圍、波峰和波谷之間的間隔等。概述了使用SFIK基于固定文本輸入進行識別的 機器學(xué)習(xí)過程，從已知個人輸入的數(shù)據(jù)預(yù)處理開始，然后是用于特征提取的主成分分析。這個過程導(dǎo)致數(shù)據(jù)維度的降低，消除冗余信息，提取關(guān)鍵特征，并提高我們對數(shù)據(jù)的理解和分析。然后，我們繼續(xù)訓(xùn)練機器學(xué)習(xí)模型，根據(jù)訓(xùn)練樣本使用特征工程對其進行定制。隨著訓(xùn)練迭代的進行，機器學(xué)習(xí)模型穩(wěn)步獲得更高的分類準(zhǔn)確性，使其能夠?qū)崿F(xiàn)固定長度文本的身份驗證。兩個通道（傳感器計數(shù)）準(zhǔn)確率僅為73%。但是，隨著通道數(shù)的增加，準(zhǔn)確性也會增加。使用由8個字母和數(shù)字組成的固定文本，讓人聯(lián)想到標(biāo)準(zhǔn)密碼，將準(zhǔn)確率提高到95.3%。

為了探索將靈活鍵盤與ML集成以進行用戶識別的實際可行性，我們開發(fā)了一個身份驗證系統(tǒng)。我們使用來自不同參與者的數(shù)據(jù)進行了多次實驗，將不同的數(shù)據(jù)集輸入到經(jīng)過訓(xùn)練的ML模型中。但是，所有嘗試都未能成功進行身份驗證。

圖4：用于多維身份驗證的個性化擊鍵動力學(xué)

僅通過單個登錄事件無法實現(xiàn)持續(xù)身份監(jiān)控。因此，需要持續(xù)的身份驗證技術(shù)來實時保護系統(tǒng)安全，并防止用戶在使用過程中未經(jīng)授權(quán)的更改。針對傳統(tǒng)認證方式帶來的挑戰(zhàn)，我們設(shè)計了基于動態(tài)文本擊鍵特性的身份驗證技術(shù)，持續(xù)實時監(jiān)控用戶身份。由于用戶的輸入會隨時間變化，因此固定文本擊鍵特征提取方法是不切實際的。在基于動態(tài)文本的擊鍵身份驗證期間，用戶鍵入輸入的不規(guī)則性會導(dǎo)致大量數(shù)據(jù)。為了獲得實驗所需的數(shù)據(jù)，我們邀請了10名用戶參與數(shù)據(jù)收集，每人輸入不同類型的文本，大約700到900個單詞。為了提高數(shù)據(jù)處理效率并減少數(shù)據(jù)量，我們選擇了英文中頻率最高的10個雙鍵條目：“er”、“th”、“in”、“an”、“en”、“he”、“re”、“on”、“at”和“ed”。從中，我們提取了雙鍵特征，如打字延遲（D）、保持時間（H）、總觸摸時間（T） 和信號幅度（A）。

我們開發(fā)了一個動態(tài)文本預(yù)測投票系統(tǒng)，以方便在使用過程中進行身份驗證。在分析數(shù)據(jù)后，因為用戶執(zhí)行高頻雙鍵的熟練程度很高，我們確定延遲時間應(yīng)該短（<0.5 s）。如果兩個相鄰的?key?組成雙鍵組合，我們選擇間隔時間小于?500 ms?的輸入。在為?10?種雙鍵數(shù)據(jù)選擇并提取特征后，我們在特征矩陣和標(biāo)簽之間建立機器學(xué)習(xí)模型，不斷迭代創(chuàng)建信任模型。然后我們得到了?10?個雙鍵的混淆矩陣。通過選擇雙鍵輸入（兩個通道）來提取擊鍵特征，最終準(zhǔn)確率僅在?60%?到?85%?之間。然后，我們將投票結(jié)果與用戶身份進行比較，以確定身份驗證是否成功。在投票系統(tǒng)中，我們探討了不同文本長度和雙鍵條目類型對準(zhǔn)確性的影響。具有?6?個雙鍵長度和?3?種雙鍵類型的文本的混淆矩陣，其中準(zhǔn)確率僅為?78.5%。然而，隨著文本長度的增加，投票系統(tǒng)的準(zhǔn)確性也顯著提高。14?個雙鍵長度和?10?種雙鍵事件的文本準(zhǔn)確率達到?100%。

總結(jié)與展望

我們通過將巨大的磁彈性效應(yīng)與軟系統(tǒng)中的磁感應(yīng)相結(jié)合，開發(fā)了一種創(chuàng)新的SFIK。SFIK由一個基于使用磁彈性軟復(fù)合材料的傳感器類型的壓力傳感器陣列組成，具有一系列創(chuàng)新特性：高靈敏度、高壓下性能穩(wěn)定、成本低、采用現(xiàn)成的原材料構(gòu)建以及自供電功能。與其他身份驗證系統(tǒng)相比，SFIK擅長使用擊鍵動態(tài)來識別用戶鍵入時的個人特征。

已經(jīng)實施了雙模式身份驗證系統(tǒng)，能夠通過固定文本和動態(tài)文本分析來驗證身份。該系統(tǒng)實現(xiàn)了95.3%的固定文本登錄身份驗證準(zhǔn)確率。對于動態(tài)文本，我們引入了一個長文本身份驗證系統(tǒng)，該系統(tǒng)側(cè)重于雙鍵事件，即英語中最常發(fā)生的連續(xù)擊鍵。借助ML技術(shù)，該系統(tǒng)可以實現(xiàn)100%對包含14組雙鍵的長文本條目的身份識別準(zhǔn)確率，從而顯著降低與密碼泄露相關(guān)的安全風(fēng)險。

事實證明，這種方法比基于指紋的身份驗證更可靠，后者可以輕松復(fù)制。與在登錄時僅提供輔助身份驗證的指紋系統(tǒng)不同，我們的方法會持續(xù)監(jiān)控動態(tài)文本，以便在鍵盤使用期間驗證用戶身份。將這兩種認證方式相結(jié)合，不僅可以增強信息安全性，還可以提高認證準(zhǔn)確性，為數(shù)據(jù)安全提供重要方向。

鑒于其出色的特性、機械靈活性、自供電傳感、經(jīng)濟性和高精度，SFIK在可穿戴生物電子學(xué)、人工智能、網(wǎng)絡(luò)安全和人機交互方面具有廣闊的應(yīng)用前景。SFIK通過其對擊鍵動力學(xué)的創(chuàng)新應(yīng)用而脫穎而出，為各種用例提供了一種有前途的技術(shù)。但是，擴展此系統(tǒng)以用于實際實施會帶來一些挑戰(zhàn)。一個重要問題是難以跨不同設(shè)備和用戶界面收集一致且準(zhǔn)確的擊鍵數(shù)據(jù)。此外，在管理敏感的擊鍵信息時，優(yōu)先考慮用戶隱私和安全也至關(guān)重要。有效應(yīng)對這些挑戰(zhàn)對于SFIK在實際場景中的成功部署和廣泛采用至關(guān)重要。

審核編輯 黃宇