近年来由于廉价化与便利性,可穿戴设备在人们日常生活中的应用越来越广泛。然而,存储在设备上的个人隐私与敏感信息,如健康监测数据,电子信息等很容易被窃取。目前,绝大多数设备都要求通过输入4位PIN码解锁设备,但是该方案极易被肩窥等方式攻击。为了解决这个问题,许多已有的工作提出了新的身份认证机制。其中基于生物特征信息的身份认证方法由于其有效性和优秀的性能被众多研究者所采用。但在已提出的方法中,存在硬件成本较高、可用性和安全性较差等缺陷。通过设备上的传感器对用户行为特征进行分析已被证明可以实现对用户身份的识别。为了实现基于用户行为特征的认证系统,我们面临以下挑战:首先,具体的用户行为和特定用户的关系是未知的;其次,具体的用户行为需要被传感器捕捉到;最后,对于一个用户认证系统,高识别精确率应该要被保证。本文提出了一种新的基于生物特征信息的用户身份认证方法,其利用设备穿戴者下意识地做出的特定手部动作所表达出的用户特异性来进行用户身份认证。首先,本用户身份认证方法对设备穿戴者做特定手部动作时设备上采集到的加速度传感器的数据进行预处理和特征提取。其次,基于从加速度传感器数据提取出的特征,本方法利用支持向量机方法对设备穿戴者的特异性进行了建模。最后,在用户使用本方法进行认证时,用户做出预先定义的特定手部动作,本方法利用感知到的数据提取其中表达的生物特征信息,认证设备穿戴者身份。为了验证本用户身份认证方法的可行性和有效性,本文在多个智能手表设备上实现了相应的身份认证系统,并且在20个用户中进行了相应实验。最终实验结果表明,在无模仿情景下,本用户身份系统可以达到95.45%的认证准确率。而在模仿攻击情景下,可以达到低于4%的等错误率。同时,通过最多4次动作,合法用户可以在500ms内成功解锁设备。本文主要有如下的创新和贡献。首先,本文将挥拳动作引入到身份识别领域中,并提出了用于提取特定手部动作行为特征信息的方法。其次,本文针对传感器数据处理过程中的寻峰问题,提出了改进的一阶导数法,提高了寻峰准确率。最后,本文对提出的用户身份认证方法在多种场景下进行了安全性的验证。