近日，我院常姗教授课题组在移动计算和生物认证领域取得重要进展，相关研究成果《Speak and Be Known: Authenticating Users via Ear Canal Deformation on Earbuds》被CCF A类/SCI一区Top期刊IEEE Transactions on Mobile Computing (TMC)正式接收录用（Regular Paper）。
随着耳机等智能可穿戴设备快速普及，其逐渐成为移动支付、智能家居控制与语音助手等场景的关键入口。然而，耳机设备交互界面受限，传统的语音、指纹、人脸等认证方式常面临噪声干扰、可用性不足或易受欺骗攻击等问题。为此，课题组提出一种新型耳机端用户认证系统BaroAuth，在耳塞内部嵌入微型气压计，被动采集说话时由颞下颌关节及相关发音器官协同运动引起的耳道形变压力序列，并将其作为动态生物特征进行身份验证。
BaroAuth的核心观察在于：一方面，发音动作会改变耳道形态并引发可测的细微压力变化（如图1所示）；另一方面，这类Speech-aware Pressure Sequences（SPSs）在同一用户内具有稳定一致性、在不同用户间具有显著可分性（如图2所示），从而能够支撑可靠认证。针对移动场景下气压信号易受环境变化影响、说话节奏多样导致模型泛化困难等挑战，系统设计引入了针对性处理与端到端深度模型学习机制，以提升在真实使用条件下的鲁棒性。
图 1 机理示意图
图 2 可区分性示例
BaroAuth的系统架构如图 3 所示。整体采用“耳机端采集、手机端处理、端侧推理认证”的架构设计。系统在耳塞内部集成微型气压传感器，被动采集用户说话时由下颌与发音器官运动引发的耳道形变压力序列（SPS），并通过手机端应用完成数据记录与流程调度；在信号处理层面，BaroAuth先对原始压力序列进行语音活动段定位，提取稳定的发声片段；随后执行基线漂移消除与归一化等预处理，以降低佩戴状态变化与环境气压波动带来的影响。同时，系统引入同步与对齐机制，并通过节奏/时长变换等方式生成伪样本，增强模型对不同说话速度与韵律差异的鲁棒性；在模型训练与部署层面，BaroAuth 基于定制化的卷积神经网络进行预训练与微调，通过结合分类学习与对比学习目标提升用户间可分性与跨场景泛化能力。最终，训练好的模型被转换并优化为移动端可高效运行的推理格式（如 ONNX），在手机端完成边缘推理，实时输出“通过/拒绝”的认证结果，实现无需额外交互负担、可部署的耳机端说话用户认证。
图 3 BaroAuth 系统架构
在原型实现与实验评估方面，课题组研制了集成Bosch BMP390气压传感器的耳塞原型（如图4所示），并开展了覆盖多类攻击与复杂场景的实验验证。
图 4 耳机硬件原理图与实验设置
如图5所示，BaroAuth在综合评估中取得了较低的误接受率与误拒绝率（例如平均 FAR 0.41%、FRR 1.23%），即使在更具挑战的攻击条件下仍能保持稳定性能。
图 5 欺骗攻击下的系统表现
该成果体现了该团队在“可穿戴感知 + 安全认证 + 人机交互”交叉方向的持续积累与创新能力，为未来耳机等小型可穿戴设备在无感、低功耗、抗欺骗身份认证方面提供了新的技术路径。
IEEE Transactions on Mobile Computing（TMC）是IEEE Computer Society旗下移动计算领域的旗舰期刊之一，长期聚焦移动/无线系统、移动计算架构与服务、协议与算法以及新兴移动智能应用等方向，审稿标准严格、竞争激烈，发表成果通常代表该领域较强的学术影响力与工程价值。TMC常年处于相关学科的SCI Q1阵营，并在最新一轮公开指标中显示其期刊影响因子约为9.3左右。同时在中国计算机学会（CCF）“计算机网络”方向的推荐国际学术期刊目录中，TMC被列为A类期刊（CCF-A），与JSAC、TON同属该方向的顶级期刊序列。