第一作者：张彤彤

通讯作者：杨亚研究员，陈俊教授

通讯单位：中科院北京纳米能源与系统研究所，美国加州大学洛杉矶分校

原文链接：https://www.science.org/doi/10.1126/sciadv.ads2297

全文速览

该论文报道了利用巨磁弹性效应将按键时的机械压力转换为电信号。该传感器具有广泛的传感范围（35 kPa至600 kPa）和快速的响应时间（约300 ms），能够记录和识别个人的击键动态。通过与机器学习相结合，这款键盘能够通过固定文本和动态文本输入进行身份验证。它可以准确地对八个字符的固定密码进行身份验证，成功率达95.3%，并且能够以100%的准确率识别14组双键的动态文本。鉴于其具备的这些能力，自供电柔性智能键盘在人工智能、网络安全以及计算机和网络的访问控制等领域有着广阔的应用前景。

背景介绍

随着现代技术和人工智能的快速发展，对信息安全的需求变得比以往任何时候都更加迫切。信息加密和身份识别技术是实现信息安全的两种主要方法。其中，通过密码进行身份验证是使用最广泛的方法。它验证授权用户，并作为信息安全的第一道防线。然而，这种传统方法在面对不断变化的网络威胁时有其局限性。利用生物生理学特征（包括面部识别和指纹扫描）的识别方法提供了更高的安全性。然而，对专用设备的需求往往限制了它们的广泛实施。此外，这些身份验证方法仅在登录时进行验证，在使用过程中不提供连续身份验证。因此，需要开发广泛可用、成本效益高、侵入性最小且交互性强的身份验证系统，以确保信息安全。

击键动力学研究领域研究行为模式，根据用户独特的打字属性来识别用户，例如击键持续时间、保持时间、间隔、错误和力度。击键动态的优势在于其行为特性，难以模仿，也不一定需要额外的设备。

图1：个性化自供电击键动态柔性智能键盘概述

研究出发点

在这项工作中，我们报道了一种基于多孔软磁弹性聚合物的柔性压力传感器。该传感器的工作原理基于最近在软聚合物系统中发现的巨大磁弹性效应，它通过磁弹性效应和电磁感应的组合将击键生物力学活动转化为高保真电信号。可伸缩压力传感器的制造过程如图 S1 所示。我们设计了一个柔性电路，与压力磁弹性传感器阵列组装在一起，以创建一个自供电的柔性智能键盘 （SFIK） 系统；对于固定文本识别，SFIK 使用机器学习来学习和分析不同用户的输入时间和笔触力度等击键特征，识别准确率达到 95.3%。此外，对于动态文本识别，我们选择了10组双键事件，代表英语中最常见的键盘点击组合，例如 “er”和 “en”。这使得身份认证系统能够实现对用户身份的持续实时监控，识别准确率达到100%。固定文本方法在用户登录时提供辅助身份验证，而动态文本方法在登录后持续监控身份。这种组合不仅保证了信息安全，而且提高了认证的准确性，为数据安全提供了重要的方向。因此，这项工作可能会导致生物识别系统的重大进步，在可穿戴电子设备、人工智能、网络安全和人机交互。

图2：磁弹性单元的压力传感性能

巨大的磁弹性效应能够将施加的应力转化为多孔软磁弹性聚合物内的磁场变化。磁通量的这些变化会产生电信号。利用这种现象构建了柔性压力传感器并设计了电路，最终将它们连接起来，形成一个传感器阵列。与传统的永磁体不同，这款软磁弹性传感器与铜线圈无缝集成，可承受较高压力（>600 kPa）。在单个压缩释放循环中，通过铜线圈的磁通量发生变化，从而产生电动势。

为了定量评估压缩传感单元的电气性能，我们测试了磁弹性单元的压力传感性能。在 150 kPa 施加压力下，灵敏度达到 1.46 μV/kPa，在高压范围（150 至 550 kPa）下降至 0.02 μV/kPa。

文章也测试了传感器在压缩和释放过程中对外力的响应时间，这对于评估实时人机交互任务的性能至关重要。响应时间约为447 ms，恢复时间约为223 ms。这使得设备能够快速检测机械刺激的变化。器件在机械循环过程中的稳定性，在大约 50 kPa 的压力下经过 10,000 多次压缩释放循环后，传感器输出电压的变化很小，低于 2%。

图3：基于磁弹性智能键盘的多维身份认证系统的构建。

静态击键分析被设计为基于固定文本输入（例如在系统登录期间组合帐户和密码）执行评估，以促进双因素身份验证。该传感器由柔性材料制成可压缩结构，可集成到压力传感器阵列中。我们设计了这个传感器阵列来创建一个SFIK，包含集成电路。这种设计可以在整个打字过程中识别特定的字母和单个按键。SFIK键盘兼容标准通用串行总线接口和蓝牙连接。这款键盘也是我们专有身份认证系统的一部分，它允许实时输入和即时反馈，显著改善了用户体验。该软件兼容运行Windows操作系统的计算机。

按下单个键的作分为 “press”和 “bounce”过程。系统生成一条时间-电流信号曲线，该曲线表示从多个数据维度得出的综合结果，包括击键频率、击键力度和击键之间的间隔。键入条件的任何更改都将直接影响此输出的形状。在击键时，使用各种信号处理技术（如降噪、基线消除和峰值检测）来提取特征，例如键入延迟（D）、保持时间（H）、信号振幅（A）和键力。这些功能源自不同人使用键盘产生的电信号，并经过动态记录和分析。键入条件的任何更改都将直接影响此输出的形状。

机器学习技术用于根据收集的特征进一步分析和区分键盘用户。应用机器学习技术筛选SFIK收集的时域数据，突出键盘用户之间的明显差异。但是，直接时间序列数据分析在时间和内存方面都是计算密集型的。因此，通过机器学习进行有效的特征提取需要确定对预测准确性影响最大的特征，例如最大值和最小值、范围、波峰和波谷之间的间隔等。概述了使用 SFIK 基于固定文本输入进行识别的 机器学习过程，从已知个人输入的数据预处理开始，然后是用于特征提取的主成分分析。这个过程导致数据维度的降低，消除冗余信息，提取关键特征，并提高我们对数据的理解和分析。然后，我们继续训练机器学习模型，根据训练样本使用特征工程对其进行定制。随着训练迭代的进行，机器学习模型稳步获得更高的分类准确性，使其能够实现固定长度文本的身份验证。两个通道（传感器计数）准确率仅为 73%。但是，随着通道数的增加，准确性也会增加。使用由 8 个字母和数字组成的固定文本，让人联想到标准密码，将准确率提高到 95.3%。

为了探索将灵活键盘与ML集成以进行用户识别的实际可行性，我们开发了一个身份验证系统。我们使用来自不同参与者的数据进行了多次实验，将不同的数据集输入到经过训练的ML模型中。但是，所有尝试都未能成功进行身份验证。

图4：用于多维身份验证的个性化击键动力学

仅通过单个登录事件无法实现持续身份监控。因此，需要持续的身份验证技术来实时保护系统安全，并防止用户在使用过程中未经授权的更改。针对传统认证方式带来的挑战，我们设计了基于动态文本击键特性的身份验证技术，持续实时监控用户身份。由于用户的输入会随时间变化，因此固定文本击键特征提取方法是不切实际的。在基于动态文本的击键身份验证期间，用户键入输入的不规则性会导致大量数据。为了获得实验所需的数据，我们邀请了 10 名用户参与数据收集，每人输入不同类型的文本，大约 700 到 900 个单词。为了提高数据处理效率并减少数据量，我们选择了英文中频率最高的 10 个双键条目：“er”、“th”、“in”、“an”、“en”、“he”、“re”、“on”、“at”和“ed”。从中，我们提取了双键特征，如打字延迟（D）、保持时间（H）、总触摸时间（T） 和信号幅度（A）。

我们开发了一个动态文本预测投票系统，以方便在使用过程中进行身份验证。在分析数据后，因为用户执行高频双键的熟练程度很高，我们确定延迟时间应该短（<0.5 s）。如果两个相邻的 key 组成双键组合，我们选择间隔时间小于 500 ms 的输入。在为 10 种双键数据选择并提取特征后，我们在特征矩阵和标签之间建立机器学习模型，不断迭代创建信任模型。然后我们得到了 10 个双键的混淆矩阵。通过选择双键输入（两个通道）来提取击键特征，最终准确率仅在 60% 到 85% 之间。然后，我们将投票结果与用户身份进行比较，以确定身份验证是否成功。在投票系统中，我们探讨了不同文本长度和双键条目类型对准确性的影响。具有 6 个双键长度和 3 种双键类型的文本的混淆矩阵，其中准确率仅为 78.5%。然而，随着文本长度的增加，投票系统的准确性也显著提高。14 个双键长度和 10 种双键事件的文本准确率达到 100%。

总结与展望

我们通过将巨大的磁弹性效应与软系统中的磁感应相结合，开发了一种创新的 SFIK。SFIK 由一个基于使用磁弹性软复合材料的传感器类型的压力传感器阵列组成，具有一系列创新特性：高灵敏度、高压下性能稳定、成本低、采用现成的原材料构建以及自供电功能。与其他身份验证系统相比，SFIK 擅长使用击键动态来识别用户键入时的个人特征。

已经实施了双模式身份验证系统，能够通过固定文本和动态文本分析来验证身份。该系统实现了 95.3% 的固定文本登录身份验证准确率。对于动态文本，我们引入了一个长文本身份验证系统，该系统侧重于双键事件，即英语中最常发生的连续击键。借助 ML 技术，该系统可以实现 100% 对包含 14 组双键的长文本条目的身份识别准确率，从而显着降低与密码泄露相关的安全风险。

事实证明，这种方法比基于指纹的身份验证更可靠，后者可以轻松复制。与在登录时仅提供辅助身份验证的指纹系统不同，我们的方法会持续监控动态文本，以便在键盘使用期间验证用户身份。将这两种认证方式相结合，不仅可以增强信息安全性，还可以提高认证准确性，为数据安全提供重要方向。

鉴于其出色的特性、机械灵活性、自供电传感、经济性和高精度，SFIK 在可穿戴生物电子学、人工智能、网络安全和人机交互方面具有广阔的应用前景。SFIK 通过其对击键动力学的创新应用而脱颖而出，为各种用例提供了一种有前途的技术。但是，扩展此系统以用于实际实施会带来一些挑战。一个重要问题是难以跨不同设备和用户界面收集一致且准确的击键数据。此外，在管理敏感的击键信息时，优先考虑用户隐私和安全也至关重要。有效应对这些挑战对于 SFIK 在实际场景中的成功部署和广泛采用至关重要。

课题组介绍

杨亚，中国科学院北京纳米能源与系统研究所研究员，博士生导师。在国际SCI杂志Nature Reviews Electrical Engineering、Joule、Nature Communications和Science Advances等发表学术论文200余篇。论文被引用总数2.6万余次，H指数为96 (Web of Science的数据)。已申请和授权的中国专利40余项。撰写并出版英文专著1部。研究结果被各类著名国际学术期刊或媒体如Nature Photonics、AAAS和Cell Press等作为亮点报道。在Nature Energy和Nature Electronics杂志发表News & Views评论性文章。获2018年国家自然科学二等奖和2023年重庆市自然科学二等奖。担任Nanoenergy Advances创刊和现任主编，InfoMat和Nano-Micro Letters等杂志编委或者委员，Nature、Nature Electronics、Nature Communications和Science Advances等期刊审稿人。主持或承担国家高层次人才计划、国家重点研发计划、国家自然科学基金、北京市杰出自然科学基金、中国科学院国际合作交流项目、国家电网和腾讯公司等基金课题。

陈俊，现任加州大学洛杉矶分校生物工程系终身教授，并创建了可穿戴生物电子实验室，致力于以纳米技术和生物电子为基础，以智能织物、可穿戴器件和人体局域网为形式的，在能源、传感、环境和医疗领域内的前沿应用研究。出版了两本书和 320 篇期刊文章，其中 220 篇是以通信作者发表在Chemical Reviews (2)，Chemical Society Reviews (2), Nature Reviews Bioengineering (1), Nature Materials (2), Nature Electronics (7), Nature Biomedical Engineering (1), Nature Communications (7), Science Advances (3), Joule (3), Matter (16), Advanced Materials (15) 等。他还申请了 14 项美国专利，其中一项已获得许可。陈博士目前的 h 指数为 111，被 Web of Science 认定为全球材料科学领域最具影响力的研究人员之一。他是 Biosensors & Bioelectronics, FlexMat, Med-X,  Textiles 和 VIEW Medicine 等杂志的副主编。同时担任Matter, Cell Reports Physical Science, Materials Today, Materials Today Energy, Nano-Micro Letters, Nano Trends, The Innovation 等等10余杂志的顾问/编委会成员。获得的众多荣誉包括但不限于V. M. Watanabe Excellence in Research Award(1 Faculty Per Year in UCLA Samueli School of Engineering),UCLA Innovation Fellows, UCLA Faculty Mentor Award, UCLA Society of Hellman Fellows Award, Georgia Tech Alumni 40 Under 40, Shu Chien Early Career Award, ONR Young Investigator Award, AHA Innovative Project Award, AHA Transformational Project Award, AHA's Second Century Early Faculty Independence Award, NIH UCLA CTSI KL2 Translational Science Award, BBRF Young Investigator Award, Okawa Foundation Research Award, Advanced Materials Rising Star, Materials Today Rising Star Award, ACS Nano Rising Stars Lectureship Award, Chem. Soc. Rev. Emerging Investigator Award, Nano Research Young Innovator Award, ACS PMSE Young Investigator Award, Clarivate Highly Cited Researchers 2019 /2020 /2021 /2022 /2023.