智能手机在日常生活中被广泛使用,手机内存储了用户大量的社交、图片、语音、金融等等隐私信息。在手机失窃后,如果手机密码被破解进而导致隐私信息被获取,将会对用户的人身和财产安全造成威胁。因此,智能手机身份认证系统作为手机入侵检测的重要关卡需要不断被增强。考虑到手机身份认证的安全性和易用性,当今社会主要有三类身份认证方法。基于知识的身份认证如账号密码,容易被猜测或者破解。基于令牌的身份认证如电子密令,容易丢失而且携带成本高。基于生物生理特征的身份认证如指纹人脸,属于静态身份认证容易受到油脂分析或者图片伪造等攻击。因此,本文研究一种基于生物行为特征的动态身份认证方法,该方法既不会给用户带来记忆或携带上的负担,也难以被人仿造。本文在研究身份认证相关知识的基础上,对用户手机生物行为特征身份认证进行了深入的研究和分析。现有技术提取用户的生物行为特征,并对特征和类别的相关性进行计算,选取相关性强的特征进行分类,错误率相对较高。针对这个问题,本文分析了当前技术所采用的生物行为特征,定义了包括时间特征、加速度特征、压力特征、面积特征等在内的146维行为特征集合,并用差分进化算法对特征组合进行优化。结合差分进化特征优化算法和支持向量回归算法,本文得到最优等错误率约为0.12660%,在使用差分进化特征选择方法后,手机电池消耗降低约为31.25%。另外,现有方法大多针对用户某一身体姿态进行特征采集,而忽略真实使用场景中用户往往是多身体姿态使用手机的,造成模型的鲁棒性不强。本文对合法用户站、坐、躺、走等四种身体姿态进行数据采集,针对每个特征提取联合四分距范围,通过该范围构造对抗噪声样本,进而对模型进行鲁棒性测试和加强,最终在严格的实验环境和噪声环境下原方法等错误率增幅约为165.63%,本文方法增幅仅为37.05%。本文设计实现了基于击键动力学的智能手机身份认证系统。该系统包括有信息采集模块、准确率提升模块、鲁棒性测试与增强模块和身份认证测试模块。信息采集模块完成安卓应用开发采集数据;准确率提升模块完成差分进化加支持向量回归的模型构建;鲁棒性测试与增强模块完成对抗噪声样本构造和模型重训练增强;身份认证测试模块完成实际用户登入测试观察系统效果。实验结果表明,该系统能够在多种实用场景中对用户身份进行有效认证。