(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111528957.X (22)申请日 2021.12.14 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 申请人 安天科技 集团股份有限公司 (72)发明人 敖世亮　张宏莉　方滨兴　杨大千　 肖新光　叶麟　 (74)专利代理 机构 哈尔滨市伟晨专利代理事务 所(普通合伙) 23209 代理人 李晓敏 (51)Int.Cl. H04W 12/08(2021.01) H04L 9/40(2022.01) (54)发明名称 一种蓝牙通信的身份识别方法、 系统、 计算 机及存储介质 (57)摘要 本发明提出一种蓝牙通信的身份识别方法、 系统、 计算机及存储介质， 属于蓝牙通信的身份 识别技术领域。 面对蓝牙主设备向从设备发出的 大量的流量， 通过流量分析区分操作流量、 操作 白噪声以及伴随白噪声的平滑操作的数据流量， 提取操作白噪声以及与白噪声相连的平滑操作 的时钟抖动数据流量并分别进行 组合； 对组合后 的两类时钟抖动数据流量分别进行傅里叶变换， 得到数据长度相等且原始特征不变的时钟抖动 数据。 利用核主成分分析将时钟抖动数据流量投 影到二维平面， 进行特征深入挖掘， 实现对蓝牙 通信用户精细特征挖掘和个人识别。 解决现有技 术中存在的用户画像所需时间长、 难度大、 效率 低的技术问题。 权利要求书2页 说明书6页 附图5页 CN 114158049 A 2022.03.08 CN 114158049 A 1.一种蓝牙通信的身份识别方法， 其特征在于， 通过加密通信的数据流量特征与当前 设备的使用者的对应， 根据行为习惯对用户进行画像， 进而判定执行当前操作行为的用户 身份； 具体包括以下步骤： 步骤一、 收集 白噪声及白噪声相连的平滑操作的时钟抖动数据， 并对收集到的数据进 行组合与长度均一化处理， 获得与 原特征一致且长度一致的 白噪声和与白噪声相连的平滑 操作的时钟抖动数据流 量； 步骤二、 分别以白噪声抖动数据的数据包及与白噪声相连的平滑操作的时钟抖动数据 包数量和时间间隔作为细节特征， 利用核函数通过非线性特征映射函数与线性主成分分析 对处理后的两类时钟抖动数据流 量的细节特 征进行挖掘与分类； 步骤三、 利用步骤二中优化的线性主成分分析方法对需进行身份判别的未知用户数据 流量特征进行判别预测， 从而实现身份识别。 2.根据权利要求1所述的身份识别方法， 其特征在于， 步骤一搜书收集白噪声及白噪声 相连的平滑操作的时钟抖动数据， 并对收集到的数据进行组合与长度均一化处理的具体方 法， 包括以下步骤： 步骤一一、 记录数据包到达时间和主设备向从设备每秒发送的字节量， 并对破碎数据 和丢包情况进行平 滑处理； 步骤一二、 根据蓝牙设备特性， 将流量数据的时间抖动 区分为操作时时对应流量数据 和不对应操作的白噪声； 步骤一二、 将对应的连续的数据包时间间隔的时钟抖动进行组合， 进而获得不对应操 作的白噪声数据流 量以及与白噪声相连的平 滑操作的数据流 量； 步骤一三、 将白噪声时钟抖动数据流量和与白噪声相连的平滑操作的时钟抖动数据流 量分别组合在一 起； 步骤一四、 对白噪声时钟抖动数据流量和与白噪声相连的平滑操作的时钟抖动数据流 量进行傅里叶变换， 将离散点转换至频域， 在频域上均匀采样20个点， 对采样点进 行傅里叶 逆变换， 得到数据长度相等且原 始特征不变的时钟抖动数据； 步骤一五、 分别获得与原特征一致而又长度一致的白噪声和与白噪声相连的平滑操作 的时钟抖动数据流 量。 3.根据权利要求1所述的身份识别方法， 其特征在于， 步骤二所述对处理后的数据流量 的细节特 征进行挖掘与分析的具体方法是： 步骤二一、 利用核函数通过非线性特征映射函数将由样本库用户流量数据特征构 成的 训练集映射到高维空间； 步骤二二、 以映射到高维空间的训练集为特征矩阵， 计算协方差矩阵， 根据映射结果选 择主成分， 通过线性主成分分析将转换后的训练集投影到二维平面， 根据线性主成分分析 结果起始值， 通过迭代收敛对降维的数据集进行非线性回归和分类； 步骤二三、 通过10倍交叉验证分析两类数据流的由部分训练集构成的验证集， 对步骤 二二中的方法进行准确性验证与优化。 4.根据权利要求1所述的身份识别方法， 其特征在于， 步骤三所述对需进行身份判别的 未知用户数据流 量特征进行判别预测的具体方法是， 包括以下步骤： 步骤三一、 利用步骤二一中的核函数通过非线性特征映射函数将需进行身份判别的未权　利　要　求　书 1/2 页 2 CN 114158049 A 2知用户流 量数据特 征构成的测试集映射到高维空间； 步骤三二、 根据步骤二三中的优化方法， 通过线性主成分分析将转换后的测试集投影 到二维平面， 进行非线性回归和分类预测， 输出分类结果。 5.根据权利要求2所述的身份识别方法， 其特征在于， 步骤一 四所述对白噪声时钟抖动 数据流量和与白噪声相连的平滑操作的时钟抖动数据流量进 行傅里叶变换的具体方法是， 通过下述公式实现： 其中x(n)为数据流 量， n为数据流 量的长度。 6.根据权利要求2所述的身份识别方法， 其特征在于， 步骤一 四所述采样点进行傅里叶 逆变换的具体方法是， 通过 下述公式实现： 7.一种蓝牙通信的身份识别系统， 其特征在于， 包括时钟抖动数据流量处理模块和流 量特征机器学习模块； 时钟抖动数据流量处理模块用于白噪声及与白噪声相连的平滑操作 的时钟抖动数据收集、 组合与长度均一化处理； 所述流量特征机器学习模块用于对时钟抖 动数据流量处理模块输出的时钟抖动数据流量的细节特征进 行挖掘与分析， 实现对不同用 户的身份识别。 8.一种计算机， 其特征在于， 包括存储器和 处理器， 存储器存储有计算机程序， 所述的 处理器执行所述计算机程序时实现权利要求1至 6任一项所述的身份识别方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6任一项所述的身份识别方法。权　利　要　求　书 2/2 页 3 CN 114158049 A 3